Синтез системы стабилизации углового движения квадрокоптера методом роевой оптимизации

Предлагается процедура синтеза робастного регулятора с формированием частотных характеристик (loop shaping) в структуре с двумя степенями свободы, основанная на применении алгоритма роя частиц (Particle Swarm Optimization, PSO). Целью является обеспечение заранее заданных требований к качеству управления как во времен-

ной, так и в частотной областях. Основная идея заключается в использовании обобщенной весовой функции вместо простой функции первого порядка, что обеспечивает большую гибкость при проектировании регулятора. Коэффициенты этой обобщенной весовой функции рассматриваются как параметры задачи оптимизации с ограничениями. Благодаря сочетанию преимуществ робастного управления с loop shaping и высокой вычислительной эффективности алгоритма PSO в процессе проектирования синтезированный регулятор обладает высокой устойчивостью к значительным изменениям параметров системы, снижает перерегулирование, сокращает время переходного процесса и повышает способность подавления возмущений. Результаты моделирования на примере задачи управления ориентацией квадрокоптера показывают, что предложенный регулятор обеспечивает требуемое качество при сложных условиях полета. Кроме того, характеристики качества и робастности полученного решения сравниваются с регулятором, синтезированным с использованием метода NOMAD (Nonlinear Optimization with Mesh Adaptive Direct search).

1. Cai G., Dias J., Seneviratne L. А survey of small-scale unmanned aerial vehicles: Recent advances and future development trends, Unmanned Systems, 2014, vol. 2, no. 2, pp. 175—199, DOI: 10.1142/S2301385014300017.

2. Chao H., Cao Y., Chen Y. Autopilots for small unmanned aerial vehicles: А survey, International Journal of Control, Automation and Systems, 2010, vol. 8, pp. 36—44, DOI: 10.1007/s12555-010-0105-z.

3. Tiago P. N., Martin S. Position and attitude control of multi-rotor aerial vehicles: А survey, Annual Reviews in Control, 2019, vol. 48, pp. 129—146, DOI: 10.1016/j.arcontrol.2019.08.004.

4. Nguyen C. X., Pham P. Q. Algorithm for Finite-Time Tracking Control of Quadcopter Motion Using the Lyapunov Function Method, Mekhatronika, Avtomatizatsiya, Upravlenie, 2025, vol. 26, no. 6, pp. 306—315, DOI: 10.17587/mau.26.306-315.

5. Zenkevich S. L., Galustyan N. K. Algorithm for Quadcopter Trajectory Control and Flight Modeling, Mekhatronika, Avtomatizatsiya, Upravlenie, 2015, vol. 16, no. 8, pp. 530—535 (in Russian), DOI: 10.17587/mau.16.530-535.

6. Fernando T., Chandiramani J., Lee T., Gutierrez Н. Robust adaptive geometric tracking controls on SO(3) with an application to the attitude dynamics of a quadrotor UAV, 50th IEEE Conference on Decision and Control and European Control Conference, Orlando, FL, USA, 2011, pp. 7380—7385, DOI: 10.1109/CDC.2011.6161306.

7. Schioler H., Leth J., Leth T., Totu L. Stochastic design of switching controller for quadrotor UAV under intermittent localization, Australian Control Conference (AuCC), 2016, pp. 243—248, DOI: 10.1109/AUCC.2016.7868196.

8. Tanveer M. H. et al. NMPC-PID based control structure design for avoiding uncertainties in attitude and altitude tracking control of quad-rotor (UAV), 2014 IEEE 10th International Col loquium on Signal Processing and its Applications, Kuala Lumpur, Malaysia, 2014, pp. 117—122, DOI: 10.1109/CSPA.2014.6805732.

9. Hercus R., Kong H., Ho K. Control of an unmanned aerial vehicle using a neuronal network, 2013 IEEE Symposium on Computational Intelligence, Cognitive Algorithms, Mind, and Brain (CCMB), 2013, pp. 73—79, DOI: 10.1109/CCMB.2013.6609168.

10. Roberge V., Tarbouchi M., Labonte G. Comparison of parallel genetic algorithm and particle swarm optimization for real-time UAV path planning, IEEE Transactions on Industrial Informatics, 2013, vol. 9, no. 1, pp. 132—141, DOI: 10.1109/TII.2012.2198665.

11. Basak H., Prempain E. Switching recovery control of a quadcopter UAV, European Control Conference (ECC), Linz, Austria, 2015, pp. 3641—3646, DOI: 10.1109/ECC.2015.7331096.

12. Kokunko J. G., Krasnova S. A., Utkin V. A. Synthesis of Robust Quadcopter Control Algorithms Considering Speeds and Lift Force Constraints, Mekhatronika, Avtomatizatsiya, Upravlenie, 2025, vol. 26, no. 1, pp. 39—52 (in Russian), DOI: 10.17587/mau.26.39-52.

13. Cai G., Chen B., Lee T. Design and implementation of robust flight control system for a small-scale UAV helicopter, 7th IEEE Asian Control Conference (ASCC 2009), 2009, pp. 691—697.

14. Rustamov G. A. Analysis of Methods of Design of Robust Control Systems with High Gain Coefficient, Mekhatronika, Avtomatizatsiya, Upravlenie, 2018, vol. 19, no. 6, pp. 363—373 (in Russian), DOI: 10.17587/mau.19.363-373.

15. Hoyle D. J., Hyde R. A., Limebeer D. J. N. An Н approach to two degree of freedom design, Proceedings of the 30th IEEE Conference on Decision and Control, Brighton, UK, 1991, pp. 1581—1585, vol. 2, DOI: 10.1109/CDC.1991.261671.

16. Jonathan C., Joseph T., David W. Loop shaping design procedure for quadrotor control with weights designed by resolving a constrained non-linear optimization problem, Proceedings of the Australasian Conference on Robotics and Automation 2017, University of Technology Sydney, 2017.

17. Perez R. E., Behdinan K. Particle swarm approach for structural design optimization, Computers and Structures, 2007, vol. 85, pp. 1579—1588, DOI: 10.1016/j.compstruc.2006.10.013.

18. Chu C. C., Doyle J. C., Bruce L. E. The general distance problem in Н optimal control theory, International Journal of Control, 1986, vol. 44, no. 2, pp. 565—596, DOI: 10.1080/00207178608933619.

19. Chowdhary G., Sobers D. M., Pravitra C., Christman H. C., Wu A., Johnson E., Hashimoto H., Ong C., Kalghatgi R. Integrated guidance navigation and control for a fully autonomous indoor UAS, Proceedings of the AIAA Guidance, Navigation, and Control Conference, Washington, D. C., AIAA, 2011, DOI: 10.2514/6.2011-6720.