Optimizando Maniobras de Vehículos Aéreos y Terrestres No Tripulados Usando Control Predictivo No Lineal y Estimación de Horizonte Móvil
Autores: Morando, Alessandra Elisa Sindi; Bozzi, Alessandro; Graffione, Simone; Sacile, Roberto; Zero, Enrico
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Optimizando Maniobras de Vehículos Aéreos y Terrestres No Tripulados Usando Control Predictivo No Lineal y Estimación de Horizonte Móvil
Categoría
Procesos industriales
Subcategoría
Automatización industrial
Palabras clave
Papel
Control predictivo no lineal
Estimador de horizonte móvil no lineal
Flota
Heterogéneo
Formación
Restricciones
Obstáculos
Control por conmutación
Vehículos
Mediciones
Errores de seguimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
En este artículo, se combinan el Control Predictivo No Lineal (NMPC) y el Estimador de Horizonte Móvil No Lineal (NMHE) para controlar, de manera distribuida, una flota heterogénea compuesta por un coche de dirección y un cuadricóptero. En particular, el vehículo terrestre en el papel de líder comunica su posición futura a un paso al dron, que mantiene la formación a lo largo de la trayectoria deseada. Se introducen restricciones de desigualdad de manera conmutativa en la formulación de NMPC del líder para evitar obstáculos. En la literatura, pocos trabajos que utilizan NMPC y NMHE abordan estos dos vehículos juntos. Además, el esquema presentado puede manejar mediciones ruidosas, parciales y faltantes del estado de los agentes. Los resultados muestran que el coche terrestre puede evitar obstáculos detectados, manteniendo los errores de seguimiento de ambos robots en el orden de unos pocos centímetros, gracias a las estimaciones confiables de NMHE y las predicciones de NMPC.
Descripción
En este artículo, se combinan el Control Predictivo No Lineal (NMPC) y el Estimador de Horizonte Móvil No Lineal (NMHE) para controlar, de manera distribuida, una flota heterogénea compuesta por un coche de dirección y un cuadricóptero. En particular, el vehículo terrestre en el papel de líder comunica su posición futura a un paso al dron, que mantiene la formación a lo largo de la trayectoria deseada. Se introducen restricciones de desigualdad de manera conmutativa en la formulación de NMPC del líder para evitar obstáculos. En la literatura, pocos trabajos que utilizan NMPC y NMHE abordan estos dos vehículos juntos. Además, el esquema presentado puede manejar mediciones ruidosas, parciales y faltantes del estado de los agentes. Los resultados muestran que el coche terrestre puede evitar obstáculos detectados, manteniendo los errores de seguimiento de ambos robots en el orden de unos pocos centímetros, gracias a las estimaciones confiables de NMHE y las predicciones de NMPC.