پایدارسازی زاویه‌ای کوادروتور با استفاده از کنترل‌کننده فازی تطبیقی تناسبی-انتگرالی-مشتقی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده فنی، گروه مهندسی مکانیک،دانشگاه آیت ا.. بروجردی

2 دانشکده فنی مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران

3 دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال

چکیده

کوادروتور یک ربات پرنده بدون سرنشین از دسته پهپادهای چندملخه است که قابلیت مانورپذیری بسیار بالا، نشست و برخاست عمودی و پرواز ساکن در هوا را دارا می‌باشد. با این حال، دینامیک غیرخطی و زیر‌تحریک کوادروتور نیازمند کنترل‌کننده‌های پیشرفته‌تری برای غلبه بر اغتشاش‌های خارجی، حفظ تعادل و ردیابی دقیق مسیر پرواز است. در اغلب کاربردها، سیستم دینامیکی کوادروتور در معرض نیروهای اغتشاشی ناشی از وزش باد و نامتوازنی وزن یا اینرسی ناشی از حمل بار است. برای حفظ تعادل و تثبیت موقعیت، پایدارسازی زاویه‌ای کوادروتور در حضور نیروهای اغتشاشی و نامتوازنی‌ها ضروری است. استفاده از کنترل‌کننده‌های سنتی با بهره‌های کنترلی ثابت برای حذف اغتشاش‌های متغیری که در شرایط متفاوت به سیستم دینامیکی کوادروتور وارد می‌شوند چندان کارآمد نیست. در مقاله حاضر یک کنترل‌کننده فازی تطبیقی تناسبی-انتگرالی-مشتقی برای پایدارسازی زاویه‌ای کوادروتور طراحی شده که در آن بهره‌های کنترلی بر مبنای عملکرد قانون تطبیق و سیستم فازی به طور پیوسته تنظیم می‌شوند. عملکرد کنترل‌کننده طراحی شده در شبیه‌سازی یک آزمون غلبه بر نامتوازنی وزنی بررسی و با کنترل‌کننده سنتی تناسبی-انتگرالی-مشتقی مقایسه شده است. همچنین عملکرد کنترل‌کننده طراحی شده با استفاده از یک استند آزمایشگاهی سه درجه آزادی در یک آزمون تجربی به روش سخت‌افزار در حلقه مورد اعتبارسنجی قرار گرفته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Attitude Stabilization of Quadrotor Using Adaptive Fuzzy Proportional Integral Derivative Controller

نویسندگان [English]

  • hossein chehardoli 1
  • Ali Ghasemi 2
  • sepehr fardrahnama 3
1 Department of Mechanical Engineering, University of Ayatollah Ozma Borujerdi, Iran
2 Department of Mechanical Engineering, North Tehran Branch, Islamic Azad University, Tehran, Iran
3 Department of Mechanical Engineering, Faculty of Engineering, North Tehran Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Quadrotor is an unmanned aerial robot from multi-rotor drones group that has high maneuverability, vertical take-off, and landing and stationary flight capabilities. In the most practical applications, the quadrotor system is subjected to external disturbance forces due to wind and unbalanced weight or inertia of the payload. To maintain balance and hold the position, attitude stabilization of the quadrotor is necessary for the presence of disturbances and unbalanced forces. Using conventional controllers with constant gains is not very efficient to eliminate variable disturbances that affect quadrotor motion in different conditions. In this paper, an adaptive fuzzy proportional integral derivative controller is designed for quadrotor attitude stabilization in which controller gains are regulated continuously based on the adaptive laws and the fuzzy inference system. The performance of the proposed controller is examined in the disturbance rejection test and is compared to the conventional proportional integral derivative controller. Also, the performance of the proposed controller is approved by hardware in the loop experimental tests using a 3 degree of freedom pilot platform. The experimental results will show the effectiveness of the adaptive fuzzy proportional integral derivative controller compared with the conventional proportional integral derivative controller.

کلیدواژه‌ها [English]

  • Quadrotor
  • Attitude control
  • Adaptive fuzzy
  • Hardware in loop
  • External disturbance
[1] K.P. Valavanis, G.J. Vachtsevanos, Handbook of unmanned aerial vehicles, Springer, 2015.
[2] R. Mahony, V. Kumar, P. Corke, Multirotor aerial vehicles: Modeling, estimation, and control of quadrotor, IEEE robotics & automation magazine, 19(3) (2012) 20-32.
[3] A. Tayebi, S. McGilvray, Attitude stabilization of a VTOL quadrotor aircraft, IEEE Transactions on control systems technology, 14(3) (2006) 562-571.
[4] H. Bolandi, M. Rezaei, R. Mohsenipour, H. Nemati, S.M. Smailzadeh, Attitude control of a quadrotor with optimized PID controller, Scientific Research, 21(4) (2013) 43-51.
[5] V. Ghadiok, J. Goldin, W. Ren, On the design and development of attitude stabilization, vision-based navigation, and aerial gripping for a low-cost quadrotor, Autonomous Robots, 33(1-2) (2012) 41-68.
[6] D. Lee, H.J. Kim, S. Sastry, Feedback linearization vs. adaptive sliding mode control for a quadrotor helicopter, International Journal of control, Automation and systems, 7(3) (2009) 419-428.
[7] J.-F. Guerrero-Castellanos, J.J. Téllez-Guzmán, S. Durand, N. Marchand, J. Alvarez-Muñoz, V.R. Gonzalez-Diaz, Attitude stabilization of a quadrotor by means of event-triggered nonlinear control, Journal of Intelligent & Robotic Systems, 73(1-4) (2014) 123-135.
[8] H. Liu, J. Xi, Y. Zhong, Robust attitude stabilization for nonlinear quadrotor systems with uncertainties and delays, IEEE Transactions on Industrial Electronics, 64(7) (2017) 5585-5594.
[9] C. Nicol, C. Macnab, A. Ramirez-Serrano, Robust adaptive control of a quadrotor helicopter, Mechatronics, 21(6) (2011) 927-938.
[10] X. Huo, M. Huo, H.R. Karimi, Attitude stabilization control of a quadrotor UAV by using backstepping approach, Mathematical Problems in Engineering, 34(6) (2014) 145-153.
[11] H. Bouadi, S.S. Cunha, A. Drouin, F. Mora-Camino, Adaptive sliding mode control for quadrotor attitude stabilization and altitude tracking, in:  2011 IEEE 12th International Symposium on Computational Intelligence and Informatics (CINTI), IEEE, 2011, pp. 449-455.
[12] Y. Yang, Y. Yan, Attitude regulation for unmanned quadrotors using adaptive fuzzy gain-scheduling sliding mode control, Aerospace Science and Technology, 54 (2016) 208-217.
[13] F. Parivash, Trajectory Tracking Control of Quadrotor using Fractional-Order Fuzzy PID Controller in the Presence of Wind Disturbance, Modares Mechanical Engineering, 18(8) (2018) 45-54.
[14] F. Chen, R. Jiang, K. Zhang, B. Jiang, G. Tao, Robust backstepping sliding-mode control and observer-based fault estimation for a quadrotor UAV, IEEE Transactions on Industrial Electronics, 63(8) (2016) 5044-5056.
[15] Y.Y. Nazaruddin, A.D. Andrini, B. Anditio, PSO Based PID Controller for Quadrotor with Virtual Sensor, IFAC-PapersOnLine, 51(4) (2018) 358-363.
[16] T. Dierks, S. Jagannathan, Output feedback control of a quadrotor UAV using neural networks, IEEE transactions on neural networks, 21(1) (2009) 50-66.
[17] B. Xu, Composite learning finite-time control with application to quadrotors, IEEE Transactions on systems, man, and cybernetics: systems, 48(10) (2017) 1806-1815.
[18] F. Yacef, O. Bouhali, M. Hamerlain, N. Rizoug, Observer-based adaptive fuzzy backstepping tracking control of quadrotor unmanned aerial vehicle powered by Li-ion battery, Journal of Intelligent & Robotic Systems, 84(1-4) (2016) 179-197.
[19] A. Sarabakha, C. Fu, E. Kayacan, T. Kumbasar, Type-2 fuzzy logic controllers made even simpler: From design to deployment for UAVs, IEEE Transactions on Industrial Electronics, 65(6) (2017) 5069-5077.
[20] M. Rabah, A. Rohan, Y.-J. Han, S.-H. Kim, Design of fuzzy-PID controller for quadcopter trajectory-tracking, International Journal of Fuzzy Logic and Intelligent Systems, 18(3) (2018) 204-213.
[21] Y.-J. Ryoo, An autonomous control of fuzzy-PD controller for quadcopter, International Journal of Fuzzy Logic and Intelligent Systems, 17(2) (2017) 107-113.
[22] A.A. Mian, W. Daobo, Modeling and backstepping-based nonlinear control strategy for a 6 DOF quadrotor helicopter, Chinese Journal of Aeronautics, 21(3) (2008) 261-268.
[23] E. Kayacan, R. Maslim, Type-2 fuzzy logic trajectory tracking control of quadrotor VTOL aircraft with elliptic membership functions, IEEE/ASME Transactions on Mechatronics, 22(1) (2016) 339-348.
[24] W. Dong, G.-Y. Gu, X. Zhu, H. Ding, Development of a quadrotor test bed—modelling, parameter identification, controller design and trajectory generation, International Journal of Advanced Robotic Systems, 12(2) (2015) 7.
[25] W.-S. Yu, Adaptive Fuzzy PID Control for Nonlinear Systems with H/sup/spl infin//Tracking Performance, in:  2006 IEEE International Conference on Fuzzy Systems, IEEE, 2006, pp. 1010-1015.