Trajectory Tracking and Prediction-Based Coordination of Underactuated Unmanned Vehicles
2023 (English)Licentiate thesis, monograph (Other academic)
Abstract [en]
In this thesis, we study trajectory tracking and prediction-based control of underactuated unmanned aerial and surface vehicles. In the first part of the thesis, we examine the trajectory tracking using prescribed performance control (PPC) assuming that the model parameters are unknown. Moreover, due to the underactuation the original PPC is redesigned to accommodate for the specifics of the considered underactuated systems. We prove the stability of the proposed control schemes and support it with numerical simulations on the quadrotor and boat models. Furthermore, we propose enhancements to kinodynamic motion-planning via funnel control (KDF) framework that are based on rapidly-exploring random tree (RRT) algorithm and B-splines to generate the smooth trajectories and track them with PPC. We conducted real-world experiments and tested the advantages of the proposed enhancements to KDF. The second part of the thesis is devoted to the rendezvous problem of autonomous landing of a quadrotor on a boat based on distributed model predictive control (MPC) algorithms. We propose an algorithm that assumes minimal exchange of information between the agents, which is the rendezvous location, and an update rule to maintain the recursive feasibility of the landing. Moreover, we present a convergence proof without enforcing the terminal set constraints. Finally, we investigated a leader-follower framework and presented an algorithm for multiple follower agents to land autonomously on the landing platform attached to the leader. An agent is equipped with a trajectory predictor to handle the cases of communication loss and avoid the inter-agent collisions. The algorithm is tested in a simulation scenario with the described challenges and the numerical results support the theoretical findings.
Abstract [sv]
I denna avhandling studerar vi banspårning och prediktionsbaserad styrning av underaktuerade obemannade luft- och ytfarkoster. I den första delen av avhandlingen undersöker vi banspårningen med hjälp av föreskriven prestationskontroll (PPC) förutsatt att modellparametrarna är okända. På grund av underaktueringen i systemen vi betraktar har den ursprungliga PPC:n dessutom designats om för att specifikationerna för dessa system. Vi bevisar att de föreslagna regulatorerna stabiliserar systemet och validerar dem med numeriska simuleringar på både quadrotor- och båtmodellen. Dessutom föreslår vi förbättringar av kinodynamisk rörelseplanering via ramverk för trattkontroll (KDF) som är baserade på algoritmen för snabbutforskande slumpmässiga träd (RRT) och B-splines för att generera släta banor och spåra dem med PPC. Vi genomförde fysikaliska experiment och validerade fördelarna med de föreslagna förbättringarna av KDF. Den andra delen av avhandlingen ägnas åt mötesproblemet med autonom landning av en quadrotor på en båt baserat på algoritmer för distribuerad modell-prediktiv styrning (MPC). Vi föreslår en algoritm som förutsätter ett minimalt utbyte av information mellan agenterna, nämligen mötesplatsen, och en uppdateringsregel för att upprätthålla den rekursiva genomförbarheten av landningen. Dessutom presenterar vi ett konvergensbevis utan att upprätthålla begränsningar i slutuppsättningen. Slutligen undersökte vi ett ledare-följare ramverk och presenterade en algoritm där flera följaragenter kan autonomt landa på en plattform som sitter fast i ledaren. En agent är utrustad med en banprediktor för att hantera fall av kommunikationsbortfall samt för att undvika kollision med andra agenter. Algoritmen testas i ett scenario med de beskrivna utmaningarna och de numeriska resultaten överensstämmer med de teoretiska resultaten.
Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2023. , p. 137
Series
TRITA-EECS-AVL ; 2023:27
National Category
Control Engineering
Research subject
Electrical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-325653ISBN: 978-91-8040-530-0 (print)OAI: oai:DiVA.org:kth-325653DiVA, id: diva2:1749734
Presentation
2023-05-04, Zoom: https://kth-se.zoom.us/j/65613619913, D3, Lindstedtsvägen 9, Stockholm, 13:00 (English)
Opponent
Supervisors
Note
QC 20230412
2023-04-122023-04-112024-08-26Bibliographically approved