Optimización de trayectorias y estabilización LQR para robot aéreo omnidireccional

  1. del Río Berasategui, Josu 1
  2. Iriarte Arrese , Imanol 1
  3. Vilchez Hipolito, Litzia Carla 1
  4. Lasa Aguirrebengoa, Joseba 1
  5. Lazkano Ortega, Elena 2
  6. Rodriguez Rodriguez, Igor 2
  1. 1 Tecnalia, Basque Research and Technology Alliance (BRTA)
  2. 2 Universidad del Pa´ıs Vasco (UPV-EHU)
Revista:
Jornadas de Automática
  1. Cruz Martín, Ana María (coord.)
  2. Arévalo Espejo, V. (coord.)
  3. Fernández Lozano, Juan Jesús (coord.)

ISSN: 3045-4093

Año de publicación: 2024

Número: 45

Tipo: Artículo

DOI: 10.17979/JA-CEA.2024.45.10816 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

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.

Referencias bibliográficas

  • 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
Fuente de los datos: Dialnet