Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2411.00668v1

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2411.00668v1 (eess)
[提交于 2024年11月1日 ]

标题: 带有障碍函数和李雅普诺夫函数的无人机路径跟随稳定模型预测轮廓控制

标题: Model Predictive Contouring Control with Barrier and Lyapunov Functions for Stable Path-Following in UAV systems

Authors:Bryan S. Guevara, Viviana Moya, Luis F. Recalde, David Pozo-Espin, Daniel C. Gandolfo, Juan M. Toibero
摘要: 本研究提出了一种新颖的方法,将非线性模型预测轮廓控制(NMPCC)与指数镇定控制李雅普诺夫函数(ES-CLF)以及指数高阶控制屏障函数相结合,以实现无人机系统中的稳定路径跟随和障碍物规避。该框架使无人飞行器(UAV)能够在严格遵循期望路径的同时安全地绕过静态和动态障碍物。基于四元数的公式确保了精确的方向和姿态控制,而强大的优化求解器则强制执行由控制李雅普诺夫函数(CLF)和控制屏障函数(CBF)施加的约束,从而保证可靠的实际运行性能。该方法在模型在回路(MiL)环境中得到了验证,展示了有效的路径跟踪和障碍物规避能力。结果显示,该框架能够最小化正交和切向误差,确保复杂环境下的稳定性和安全性。
摘要: In this study, we propose a novel method that integrates Nonlinear Model Predictive Contour Control (NMPCC) with an Exponentially Stabilizing Control Lyapunov Function (ES-CLF) and Exponential Higher-Order Control Barrier Functions to achieve stable path-following and obstacle avoidance in UAV systems. This framework enables unmanned aerial vehicles (UAVs) to safely navigate around both static and dynamic obstacles while strictly adhering to desired paths. The quaternion-based formulation ensures precise orientation and attitude control, while a robust optimization solver enforces the constraints imposed by the Control Lyapunov Function (CLF) and Control Barrier Functions (CBF), ensuring reliable real-time performance. The method was validated in a Model-in-the-Loop (MiL) environment, demonstrating effective path tracking and obstacle avoidance. The results highlight the framework's ability to minimize both orthogonal and tangential errors, ensuring stability and safety in complex environments.
评论: 提交给IEEE Access进行评审
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2411.00668 [eess.SY]
  (或者 arXiv:2411.00668v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2411.00668
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Bryan Guevara [查看电子邮件]
[v1] 星期五, 2024 年 11 月 1 日 15:31:36 UTC (676 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-11
切换浏览方式为:
cs
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号