Optimización de trayectorias y estabilización LQR para robot aéreo omnidireccional
Barra lateral del artículo
Contenido principal del artículo
- Josu del Río Berasategui+−
- Imanol Iriarte Arrese +−
- Litzia Carla Vilchez Hipolito+−
- Joseba Lasa Aguirrebengoa+−
- Elena Lazkano Ortega+−
- Igor Rodriguez Rodriguez+−
Resumen
En este trabajo, se aborda el desarrollo de la planificación de trayectorias para un robot aéreo omnidireccional. La arquitectura del dron consiste en 4 quadrotores unidos con juntas omnidireccionales a un cuerpo central, permitiendo al sistema rotar 360º en los tres ejes mientras los quadrotores mantienen el sistema estable. Al tratarse de un sistema sobreactuado puede llegar de una posición o estado A a uno B por múltiples vı́as. Por ello, de las varias rutas posibles, es importante generar las que se ajusten a criterios de optimalidad, y ası́ reducir el consumo del sistema. En el presente artı́culo se presenta una solución para generar trayectorias que se ajusten a ciertos criterios de optimalidad y restricciones del sistema. El problema se resuelve mediante el método de optimización de trayectorias de colocación directa, y posteriormente se utiliza la trayectoria generada como entrada en un lazo de control con estabilización LQR de tiempo finito. El trabajo se ha validado en simulación.
Palabras clave:
Detalles del artículo
Citas
Gasparetto, A., Boscariol, P., Lanzutti, A., Vidoni, R., 2015. Path planning and trajectory planning algorithms: A general overview. Motion and Operation Planning of Robotic Systems: Background and Practical Approaches, 3–27. DOI: 10.1007/978-3-319-14705-5 DOI: https://doi.org/10.1007/978-3-319-14705-5_1
Gonçalves, R. S., Souza, F. C., Homma, R. Z., Sudbrack, D. E. T., Trautmann, P. V., Clasen, B. C., 2022. Robots for inspection and maintenance of power transmission lines. In: Robot Design: From Theory to Service Applications. Springer, pp. 119–142. DOI: 10.1007/978-3-031-11128-0 DOI: https://doi.org/10.1007/978-3-031-11128-0_6
Gugan, G., Haque, A., 2023. Path planning for autonomous drones: Challenges and future directions. Drones 7 (3), 169. DOI: 10.3390/drones7030169 DOI: https://doi.org/10.3390/drones7030169
Iriarte, I., Iglesias, I., Lasa, J., Calvo-Soraluze, H., Sierra, B., 2021. Enhancing vtol multirotor performance with a passive rotor tilting mechanism. IEEE Access 9, 64368–64380. DOI: 10.1109/ACCESS.2021.3075113 DOI: https://doi.org/10.1109/ACCESS.2021.3075113
Iriarte, I., Otaola, E., Culla, D., Iglesias, I., Lasa, J., Sierra, B., 2020. Modeling and control of an overactuated aerial vehicle with four tiltable quadrotors attached by means of passive universal joints. In: 2020 International Conference on Unmanned Aircraft Systems (ICUAS). IEEE, pp. 1748–1756. DOI: 10.1109/ICUAS48674.2020.9213848 DOI: https://doi.org/10.1109/ICUAS48674.2020.9213848
Kondo, K., Tagliabue, A., Cai, X., Tewari, C., Garcia, O., Espitia-Alvarez, M., How, J. P., 2024. Cgd: Constraint-guided diffusion policies for uav trajectory planning. arXiv preprint arXiv:2405.01758. DOI: 10.48550/arXiv.2405.01758
Kong, F., Li, J., Jiang, B., Wang, H., Song, H., 2023. Trajectory optimization for drone logistics delivery via attention-based pointer network. IEEE Transactions on Intelligent Transportation Systems 24 (4), 4519–4531. DOI: 10.1109/TITS.2022.3168987 DOI: https://doi.org/10.1109/TITS.2022.3168987
Park, S., Her, J., Kim, J., Lee, D., 2016. Design, modeling and control of omni-directional aerial robot. In: 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). pp. 1570–1575. DOI: 10.1109/IROS.2016.7759254 DOI: https://doi.org/10.1109/IROS.2016.7759254
Pitas, I., 2021. Drone vision and deep learning for infrastructure inspection. In: 2021 IEEE International Conference on Autonomous Systems (ICAS). IEEE. DOI: 10.1109/ICAS49788.2021.9551136 DOI: https://doi.org/10.1109/ICAS49788.2021.9551136
Ramalepa, L. P., Jamisola Jr, R. S., 2021. A review on cooperative robotic arms with mobile or drones bases. International Journal of Automation and Computing 18 (4), 536–555. DOI: 10.1007/s11633-021-1299-7 DOI: https://doi.org/10.1007/s11633-021-1299-7
Rodrigo, R. H., Patiño, D. H., 2015. Numerical solution to uncertainties in the finite time optimal control systems design. In: 2015 XVI Workshop on Information Processing and Control (RPIC). IEEE, pp. 1–5. DOI: 10.1109/RPIC.2015.7497169 DOI: https://doi.org/10.1109/RPIC.2015.7497169
Saeed, R. A., Omri, M., Abdel-Khalek, S., Ali, E. S., Alotaibi, M. F., 2022. Optimal path planning for drones based on swarm intelligence algorithm. Neural Computing and Applications 34 (12), 10133–10155. DOI: 0.1007/s00521-022-06998-9 DOI: https://doi.org/10.1007/s00521-022-06998-9
Szász, R., Allenspach, M., Han, M., Tognon, M., Katzschmann, R. K., 2022. Modeling and control of an omnidirectional micro aerial vehicle equipped with a soft robotic arm. In: 2022 IEEE 5th International Conference on Soft Robotics (RoboSoft). IEEE, pp. 01–08. DOI: 10.1109/RoboSoft54090.2022.9762161 DOI: https://doi.org/10.1109/RoboSoft54090.2022.9762161
Tedrake, R., 2019. Model-based design and verification for robotics. URL: https://drake.mit.edu/
Tedrake, R., 2023. Underactuated Robotics. URL: https://underactuated.csail.mit.edu