《强风下四轴飞行器的自适应非线性控制》美国陆军研究实验室2022最新28页技术报告

在有环境因素的城市区域内安全有效地使用四旋翼飞行器，对美国军事和民用部门具有巨大的重要性。本技术报告探讨了一个高度适应性的模拟设置，其中有一个包含学习元素的非线性控制器。其他模型因素--如无人机的几何形状、权重和风的力量--在所提出的框架内很容易被修改。用虚幻引擎进行的模拟，可以结合现实世界的城市数据、现实的风和现有的开源软件。

引言及与美国陆军的相关性

无人系统和无人驾驶航空系统（UAS）的使用在全世界的军队中激增，在通信、监视、侦察和战斗中都有应用（Nacouzi等人，2018）。在敌对地区，无人机系统将受到多种威胁，包括网络和物理威胁，以及环境危害。生存和任务的成功往往取决于以最小的通信或依赖全球导航卫星系统（GNSS）的能力，如GPS（Guvenc等人，2018；Sathyamoorthy等人，2020；Fan等人，2022）。例如，无人机系统的通信可用于检测和获得无人机系统的位置，而基于卫星的导航很容易被欺骗或干扰，因为信号非常弱。其他传感器也经常被用来增强GNSS的位置分析，并可以用来取代它，如光学系统--包括照相机、雷达、光探测和测距（LiDAR）系统和惯性测量单元（IMU）（Angelino等人，2012）。这些都提出了自己的挑战。惯性测量单元是标准设备，但只能检测线性和角加速度，同时通过检测地球的局部磁场来确定方向（共9个自由度）。因此，位置误差，即测量的加速度的第二个时间积分，会随着时间的推移而累积。在使用IMU进行UAS导航时，其他令人担忧的来源包括环境影响（即风或降水）。 UAS结构的物理变化，如增加一个传感器或武器包，包括武器发射后的变化，使工作进一步复杂化。这种质量和质量分布的变化改变了UAS的质量中心和惯性张量。光学传感器、雷达和LiDAR系统增加了重量，并经常发射射频或光，使它们更容易被探测到和/或需要处理资源。增加的重量和/或处理可能对电池寿命产生不利影响，从而影响运行时间和整体可靠性。

为了解决这些问题，我们正在研究在大风环境中使用控制算法，以了解IMU信号如何在控制中被用来考虑（和/或改变）UAS的位置计算。再加上不确定性措施，这些最终可用于检测UAS飞行性能的变化，或对GNSS信号的欺骗。

城市环境是安全和可靠的无人机系统运行的第二个关注领域（Watkins 2020）。它们被认为是国防部行动的一个挑战领域，也是政府和商业服务的一个巨大的技术增长领域。在这份报告中，我们展示了一个模拟空间，我们正在建立专门用于模拟城市环境中的无人机系统，以解决自主和半自主控制的问题，重点是环境的相互作用，包括风和静态碰撞威胁。物理学和控制的关键部分直接用C++实现。除此之外，在可能的情况下，我们正在利用当前的免费和开源资源（即软件、软件框架和数据），但要注意的是，我们包括使用一些在产品商业化成功后需要付费的工具。我们采取了一种模块化的方法，随着其他软件框架和系统的成熟，将能够灵活地过渡到其他软件框架和系统。我们目前的系统已经基于用于小型无人机系统的PX4控制器库和实时发布-订阅（RTPS）数据传输协议。RTPS应能使我们的发展在其他工具成熟时过渡到其他工具，并使用通用的应用编程接口（即API）过渡到其他工具和数据，如计算的风数据。对于图形和用户界面，我们使用虚幻引擎（UE）（Matej 2016），这是一个游戏引擎，提供最先进的图形功能和我们的模型中使用的一些物理学--最重要的是无人机系统和其环境之间的碰撞检测。

第2-4节详细介绍了整个模拟的主要计算部分：纳入现实世界的城市数据，生成现实的风模型，无人机的几何和物理建模，以及线性和非线性控制。我们对整体模拟的这些主要部分中的每一个都依赖开源软件，如UE、OpenStreetMap（OSM）（Anderson等人，2019年）、Mapbox和AirSim（Shah等人，2017年），并根据需要详细说明（见图1；例如，真实城市的模型导入游戏引擎中）。第5节和第6节提供了样本结果和结语。