Verteilte prädiktive Regelung von UAV

Verteilte prädiktive Regelung von
UAV-Schwärmen
DGLR Workshop
UAV-Regelung und Flugführung
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 1
Motivation
Definition eines Schwarms:
„Schwärme besten aus einer großen Anzahl meist einfacher Einheiten, die
miteinander kooperieren, um zielgerichtet zu handeln“ [1]
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 2
Ziel eines Schwarms
Höheres Ziel
Niedriges Ziel
Wegpunkt
Trajektorie
Mission
Grundlegende Ziel der Regelung eines Schwarms:
• Erfüllung einer Aufgabe
• Bediener weitest möglich entlasten
• Zuverlässige und Robuste Ausführung der Aufgabe
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 3
Stand der Forschung
BEDIENER
Pfadplanung
Basisregelung mit
Hindernisvermeidung
Pfadplanung
Regelung mit niedrigem Ziel
Höheres Ziel
Höheres Ziel
Regelung mit höherem Ziel
Automatisierungsgrad
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 4
Flexibilität
Basisregelung
Lösungsansätze
Regelung einer Mission:
• Teilweise
Start
UAV 1widersprüchliche Sekundärziele
• Viele Nebebedingungen
Potentialfeld Ansätze
Start UAV 2
• Einfache Implementierung
Verhaltensbassierende Ansätze
• Berücksichtigung aller möglichen Fälle
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 5
Potentialfeld Ansatz
Start UAV 1
Potential der Hindernisse
Ziel
Start UAV 2
Position für
die Formation
Potential des Ziel
Potential der Formation
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 6
Gesamt
Potential
Potentialfeld (Vor-/Nachteile)
Vorteile:
Nachteile:
• Einfache Implementierung
Start UAV 1
• Keine Verhaltensprogrammierung nötig
• Risiko von lokalen Minima
• Kein vorausschauendes Verhalten
Vermeiden Lokaler Minima
Start UAV 2
Verlassen Lokaler Minima
Nonlinear Model Predictive Control (MPC)
Verfahren zur Pfadplanung
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 7
(N)MPC Allgemein
Quelle: [15]
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 8
Potentialfeld + NMPC
 ges =∫ q  t  t  dt
y ges
Potentialfeld
y  t 
u opt

Optimierung
Modell
UAV
1
u = f k 

UAV
y1
Sensoren
y 2,... ,n
UAV
2,...,n
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 9
Potentialfeld + NMPC
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 10
Potentialfeld + NMPC
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 11
Potentialfeld + NMPC
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 12
Potentialfeld + NMPC
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 13
Potentialfeld + NMPC (Vor-/Nachteile)
Vorteile:
• Vorausschauendes Verhalten
• Fliegbarkeit gewährleistet
Globale Optimierung:
• Bute Force
• Evolutionäre Algorithmen
• ...
Nachteile:
• Lokales Minimum (Symmetrien)
Lokale Optimierung:
• Gradientenabstieg
• Newton Verfahren
• ...
Vorteile Evolutionäre Algorithmen:
• Keine lokale Minima
• Zufallscharakteristik
• Quasi Gedächtnis
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 14
Evolutionärer Algorithmus (EA)
y ges
Potentialfeld
y  t 
 ges =∫ q  t  t  dt
Evolutionärer
u opt

Algorithmus
Modell
u = f k 

UAV
u  k = k  [° ]
k 4
 ges
28 12 20 -15
-10 23 -15
7
5 28 19 -2
-17
3 -15 -9
15 -22 26 20
-15 -21 -9
5
0 -15 -18
3
54
531
779
934
130
569
469
k 1
Generation 0
k 1
• Rekombination
• Mutation
• Immigration
28 12 15
28 12 20
15 -22 26
-7 13 -5
12 21 16
15 10 -2
4 -5 -28
k 4
 ges
-15
-15
20
-19
-20
7
9
51
54
130
391
456
589
980
Generation 1
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 15
Potentialfeld + NMPC + EA
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 16
Potentialfeld + NMPC + EA
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 17
Anwendungszenario: Schadstoffwolke
3 UAVs
7 UAVs
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 18
Zusammenfassung
• Ideen auf der diese Regelung basiert
• Problematische Einzelszenarien wurden zuverlässig gelöst
• Anwedungsszenario im Schwarm demonstriert
• Anwendung von MPC auf ein höheres Ziel
• Potentialfeld kann beliebig definiert werden
• Beliebige Zieldefinitionen werden möglich
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 19
Vielen Dank für die Aufmerksamkeit!
[1] Oliver Kramer; Schwarmintelligenz; Springer Berlin Heidelberg 2009
[2] Jude Allred, Ahmad Bilal Hasan, Sorcho Parichsakul; SensorFlock: An Airborn Wireless Sensor Network of Micro-Air
Vehicles; 2007
[3] A. Tsourdos, R. Zbikowski, B. A. White; Cooperative Control Strategies for Swarm of Unmanned Aerial Vehicles under
Motion Uncertainty; 2006
[4] Arthur Richards, John Bellingham; Co-ordination and Control of Multiple UAVs; 2002
[5] Bumsoo Kim, Paul Hubbard, Dan Necsulescu; Swarming Unmanned Aerial Vehicles: Concept Development and
Experimentation, A State of the Art Review on Flight and Mission Control; 2003
[6] David H. Shim, H. Jin Kim, Shankar Sastry; Decentralized Nonlinear Model Predictive Control of Multiple Flying Robots
in Dynamic Environments; 2003
[7] William B. Dunbar, Richard M. Murray; Distributed Receding Horizont Control with Application to Multi-Vehicle Formation
Stabilization; 2004
[8] Hiroaki Fukushima, Kazuyuki Kon, Fumitoshi Matsuno; Distributed Model Predictive Control for Multi-Vehicle Formation
with Collision Avoidance; 2005
[9] Karl Mathida, Gerardo Lafferrier, Todd Titensor; Cooperative Control of UAV Platoons – A Prototype; 2007
[10] Sara Susca, Sonia Martinez, Francesco Bullo; Monitoring Environmental Boundaries with a Robotic Sensor Network;
2006
[11] Yeonju Eun, Hyochoong Bang; Cooperative Control of Multiple Unmanned Aerial Vehicles Using the Potential Field
Theory ; 2006
[12] Yoshiaki Kuwata, Jonathan How; Three Dimensional Receding Horizont Control for UAVs; 2004
[13] W. Naeem, R. Sutton, J. Chudley, F. R. Dalgleish, S. Tetlow; A genetic algorithm-based model predictive control
autopilot design and its implementation in an autonomous underwater vehicle; 2004
[14] Allison Ryan, Marco Zennaro, Adam Howell, Raja Sengupta, J. Karl Hedrick; An Overview of Emerging Results in
Cooperative UAV Control; 2004
[15] Heike Meinert; Untersuchung von robusten modellprädiktiven Regelungen zur Anwendung in der Flugführung; 2011
27. Februar 2011 | Institut für Flugsysteme und Regelungstechnik | Dipl.-Ing. Armin Strobel | 20