پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,288,037 |
| تعداد دریافت فایل اصل مقاله | 4,882,775 |
طراحی کنترل‌کننده به روش یادگیری تقویتی برای یک اوکتاروتور پیشنهادی با زاویه بازوهای متغیر | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقاله 1، دوره 55، شماره 10، دی 1402، صفحه 1175-1194 اصل مقاله (1.53 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2024.21904.7538 | ||
| نویسندگان | ||
| داود شریفی دولت آبادی1؛ محسن ایرانی رهقی1؛ ;کیوان ترابی* 2؛ حامد شهبازی2 | ||
| 1دانشکده مهندسی مکانیک، دانشگاه کاشان، کاشان، ایران | ||
| 2دانشکده مهندسی مکانیک، دانشگاه اصفهان، اصفهان، ایران | ||
| چکیده | ||
| تحرک یک پرنده‌ی کوادروتور یا اوکتاروتور در پیکربندی استاندارد به دلیل موازی بودن بردارهای نیروی روتورها محدود است و آنها فقط دارای چهار درجه آزادی فعال هستند. بنابراین قابلیت کنترل شش درجه‌ی آزادی به صورت مستقل برای آنها وجود ندارد. در این پژوهش یک ساختار و پیکره‌بندی جدید برای یک اوکتاروتور طراحی می‌گردد تا برخلاف پرنده های با ساختار استاندارد که تنها در حالت افقی می‌توانند در یک محل مشخص معلق بمانند، قابلیت معلق ماندن با زوایای رول یا پیچ در یک موقعیت مشخص را داشته باشند، به معنی دیگر در این پرنده علاوه بر دنبال کردن موقعیت ، دنبال کردن جهت‌گیری نیز به اهداف پرنده اضافه شده است. در مدل پیشنهادی می‌توان از تغییر در سرعت هشت روتور و تغییر در زاویه‌ی چهار بازو برای کنترل بهره برد، در واقع این سرعت ها و زوایا به نحوی تعیین می‌گردد تا قابلیت مانورپذیری پرنده به نحو مطلوب تامین شود. پس از استخراج مدل دینامیکی اوکتاروتور پیشنهادی، یک کنترل کننده با استفاده از شبکه‌های عصبی و روش یادگیری تقویتی پیشنهاد می‌گردد که قابلیت کنترل اوکتاروتور پیشنهادی با شش درجه‌ی آزادی مستقل را خواهد داشت. در نهایت قابلیت تعقیب مسیر و وضعیت اوکتاروتور و همچنین مقاوم بودن کنترلر نسبت به اختلالات احتمالی در عملکرد موتورها بررسی شده و نتایج شبیه‌سازی های عددی ارائه می‌گردد. | ||
| کلیدواژه‌ها | ||
| اوکتاروتور با زاویه بازوهای متغیر؛ یادگیری تقویتی؛ تعقیب مسیر؛ درجات آزادی مستقل؛ اختلال در عملکرد موتورها | ||
| عنوان مقاله [English] | ||
| Reinforcement learning-based controller design for a proposed octorotor with tilt-arm angles | ||
| نویسندگان [English] | ||
| Davoud Sharifi Dolatabadi1؛ Mohsen Irani Rahghi1؛ Keivan Torabi2؛ Hamed Shahbazi2 | ||
| 1Department of Mechanical Engineering, University of Kashan, Kashan, Iran | ||
| 2Department of Mechanical Engineering, Faculty of Engineering, University of Isfahan, | ||
| چکیده [English] | ||
| The maneuverability of a quadrotor or octorotor UAV is limited in the standard configuration because the force vectors of the propellers are parallel and only have four active degrees of freedom. Therefore, they lack the controllability of six independent degrees of freedom. This study designs a novel configuration for an octorotor capable of hovering with roll or pitch angles in a specific position, contrary to UAVs with a standard configuration that can only hover in a horizontal position. In other words, in this octorotor, orientation tracking is also added to the octorotor's targets in addition to position tracking. The proposed model can be controlled by altering the velocity of the eight rotors and the tilt angle of the four arms. Such alterations in velocity and tilt angle are such that they can provide the aerial vehicle with most optimum maneuverability. After deriving the proposed dynamic octorotor model, a controller is proposed using neural networks (NNs) and reinforcement learning (RL), capable of controlling the proposed octorotor with six independent degrees of freedom. Finally, trajectory tracking, octorotor position, and controller robustness to possible motor malfunctions are examined, and numerical simulation results are provided. | ||
| کلیدواژه‌ها [English] | ||
| Octorotor with tilt-arm angle, reinforcement learning, Trajectory tracking, Independent degrees of &lrm, freedom, Motor malfunctions | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] G. Barbaraci, Modeling and control of a quadrotor with variable geometry arms, Journal of Unmanned Vehicle Systems, 3(2) (2015) 35-57. [2] D. Brescianini, R. D'Andrea, Design, modeling and control of an omni-directional aerial vehicle, in: 2016 IEEE international conference on robotics and automation (ICRA), IEEE, 2016, pp. 3261-3266. [3] Y. Tadokoro, T. Ibuki, M. Sampei, Maneuverability analysis of a fully-actuated hexrotor UAV considering tilt angles and arrangement of rotors, IFAC-PapersOnLine, 50(1) (2017) 8981-8986. [4] D. Invernizzi, M. Lovera, Geometric tracking control of a quadcopter tiltrotor UAV, IFAC-PapersOnLine, 50(1) (2017) 11565-11570. [5] D. Invernizzi, M. Giurato, P. Gattazzo, M. Lovera, Full pose tracking for a tilt-arm quadrotor UAV, in: 2018 IEEE Conference on Control Technology and Applications (CCTA), IEEE, 2018, pp. 159-164. [6] E.J. Alvarez, A. Ning, High-fidelity modeling of multirotor aerodynamic interactions for aircraft design, AIAA Journal, 58(10) (2020) 4385-4400. [7] H. Zhu, H. Nie, L. Zhang, X. Wei, M. Zhang, Design and assessment of octocopter drones with improved aerodynamic efficiency and performance, Aerospace Science and Technology, 106 (2020) 106206. [8] S. Sridhar, R. Kumar, M. Radmanesh, M. Kumar, Non-linear sliding mode control of a tilting-rotor quadcopter, in: Dynamic Systems and Control Conference, American Society of Mechanical Engineers, 2017, pp. V001T009A007. [9] S. Zeghlache, H. Mekki, A. Bouguerra, A. Djerioui, Actuator fault tolerant control using adaptive RBFNN fuzzy sliding mode controller for coaxial octorotor UAV, ISA transactions, 80 (2018) 267-278. [10] K. Hu, Q. Wu, Y. Li, W. Chen, Quadrator QFT Control Based on Model Reduction Method, in: 2018 5th International Conference on Information, Cybernetics, and Computational Social Systems (ICCSS), IEEE, 2018, pp. 281-286. [11] V.M. Arellano-Quintana, E.A. Portilla-Flores, E.A. Merchán-Cruz, Multi-objective design optimization of a hexa-rotor with disturbance rejection capability using an evolutionary algorithm, IEEE Access, 6 (2018) 69064-69074. [12] A. Erasmus, H. Jordaan, Robust adaptive control of a multirotor with an unknown suspended payload, IFAC-PapersOnLine, 53(2) (2020) 9432-9439. [13] T. Chen, J. Shan, A novel cable-suspended quadrotor transportation system: From theory to experiment, Aerospace Science and Technology, 104 (2020) 105974. [14] S. Kase, M. Oya, Adaptive tracking controller for hexacopters with a wind disturbance, Artificial Life and Robotics, 25(2) (2020) 322-327. [15] C.-H. Pi, K.-C. Hu, S. Cheng, I.-C. Wu, Low-level autonomous control and tracking of quadrotor using reinforcement learning, Control Engineering Practice, 95 (2020) 104222. [16] A. Soltani, A. H. Vahidi Bajestani, M. Goharkhah, Point to Point Control of a Liquid Carrying Quadrotor, AUT Journal of Mechanical Engineering, 54(4) (2022) 727-746. (In Persian) [17] H. Shamsollahi, F. Rekabi, F.A. Shirazi, M.J. Sadigh, Control of a Quadrotor Equipped with Robotic Arm Based on Disturbance Estimation, AUT Journal of Mechanical Engineering, 54 (2022) 768-747. (In Persian) [18] H. Lee, M. Jeong, C. Kim, H. Lim, C. Park, S. Hwang, H. Myung, Low-level Pose Control of Tilting Multirotor for Wall Perching Tasks Using Reinforcement Learning, in: 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), IEEE, 2021, pp. 9669-9676. [19] S. Rajappa, M. Ryll, H.H. Bülthoff, A. Franchi, Modeling, control and design optimization for a fully-actuated hexarotor aerial vehicle with tilted propellers, in: 2015 IEEE international conference on robotics and automation (ICRA), IEEE, 2015, pp. 4006-4013. [20] A. Nemati, M. Kumar, Modeling and control of a single axis tilting quadcopter, in: 2014 American Control Conference, IEEE, 2014, pp. 3077-3082. [21] N. Osmić, M. Kurić, I. Petrović, Detailed octorotor modeling and PD control, in: 2016 IEEE International Conference on Systems, Man, and Cybernetics (SMC), IEEE, 2016, pp. 002182-002189. [22] M. Mikkelsen, Development, modelling and control of a multirotor vehicle, in, 2015. [23] Y.-W. Dai, C.-H. Pi, K.-C. Hu, S. Cheng, Reinforcement learning control for multi-axis rotor configuration UAV, in: 2020 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), IEEE, 2020, pp. 1648-1653. [24] S. Fujimoto, H. Hoof, D. Meger, Addressing function approximation error in actor-critic methods, in: International conference on machine learning, PMLR, 2018, pp. 1587-1596. [25] J. Hwangbo, I. Sa, R. Siegwart, M. Hutter, Control of a quadrotor with reinforcement learning, IEEE Robotics and Automation Letters, 2(4) (2017) 2096-2103. | ||
|
آمار تعداد مشاهده مقاله: 269 تعداد دریافت فایل اصل مقاله: 679 |
||
