Gli algoritmi di allocazione del controllo per i veicoli aerei senza pilota (UAV) quadritor evitano di incorporare effetti aerodinamici relativamente minori come lo “sbattimento della lama” e la resistenza indotta per semplificare il calcolo. Ma questa semplificazione a volte può significare che i comandi inviati da un controller non sono sempre correttamente generati dal dispositivo. Un nuovo metodo di allocazione del controllo, il metodo per garantire un comando da parte di un utente ed è implementato dal dispositivo con una stretta fedeltà all’intento dell’utente, utilizzando una rete neurale potrebbe rendere tali errori un ricordo del passato.
I ricercatori brasiliani che hanno ideato la tecnica descrivono il loro metodo in un articolo pubblicato nel numero di febbraio 2022, IEEE/CAA Journal of Automatica Sinica.
L’uso di UAV, o droni, ha goduto di una crescita sostanziale nell’ultimo decennio in una vasta gamma di applicazioni, dalla consegna di pacchi allo spiegamento militare. Accanto a questa crescita, i ricercatori si sono sempre più concentrati su tecniche di controllo migliorate per questi veicoli, in particolare per i quadrirotori, un tipo di elicottero con quattro pale del rotore (rotori).
Gli algoritmi di allocazione del controllo prendono l’input di controllo o il comando da un utente e assicurano che il comando sia implementato dagli attuatori e dagli effettori dell’UAV del quadrotor. Il primo è il componente del dispositivo che è responsabile del controllo del meccanismo che esegue un movimento, mentre il secondo è la parte del dispositivo che interagisce con l’ambiente per eseguire quel movimento. In altre parole, un algoritmo di allocazione del controllo, a volte indicato come matrice di miscelazione del motore, mixer di controllo o frullatore, converte i comandi del controller in spinte dei singoli rotori.
Anche se questo può sembrare un compito semplice, gli UAV quadrotor sono considerati classici sistemi dinamici instabili. In fisica, i sistemi dinamici sono quelli in cui lo stato dell’insieme degli elementi costitutivi del sistema varia nel tempo e quindi sono governati da equazioni differenziali. Per prevedere come si comporterà il sistema in futuro, queste equazioni devono essere risolte e un intero campo della matematica, chiamato teoria della stabilità, è dedicato alla “stabilità” di tali soluzioni. La stabilità in questo caso si riferisce al modo in cui le traiettorie dei sistemi dinamici vengono mantenute di fronte a piccoli cambiamenti o perturbazioni delle condizioni iniziali.
Ci sono diversi effetti aerodinamici e giroscopici che producono tali perturbazioni minori nei quadrirotori, in particolare “sbattimento della lama” e resistenza indotta, che sono molto difficili da incorporare in un modello semplificato di allocazione del controllo. E i quadrotor sono particolarmente suscettibili a tali effetti aerodinamici a causa delle loro piccole dimensioni.
“In effetti, nonostante questi effetti aerodinamici complichino la stabilità naturale dei quadrotori, nella maggior parte degli sforzi di allocazione del controllo, tali effetti vengono semplicemente ignorati”, ha affermato Tiago do Nascimento del Dipartimento di Sistemi Informatici dell’Universidade Federal da Paraiba in Brasile e autore principale dell’articolo .
Trascurando tali effetti, i comandi di coppia e spinta inviati da un controllore non vengono sempre correttamente generati dagli attuatori poiché i motori non riescono a raggiungere la velocità di rotazione necessaria.
“In effetti, un errore è deliberatamente inserito nell’allocazione del controllo ignorando gli effetti aerodinamici perché fare diversamente sarebbe troppo impegnativo dal punto di vista computazionale”, ha aggiunto il prof. Do Nascimento.
Quindi i ricercatori hanno ideato un nuovo metodo di allocazione del controllo facendo uso di una rete neurale di “adattamento della funzione” che sarebbe in grado di considerare questi effetti aerodinamici. Le reti neurali sono una forma di apprendimento automatico in cui un computer impara a svolgere un lavoro grazie alla formazione su esempi. L’adattamento di funzione è il processo di addestramento di una rete neurale su un insieme di input con l’obiettivo di produrre un insieme di output target.
Questo metodo ha consentito ai ricercatori di migliorare le prestazioni del controller senza la necessità di utilizzare direttamente le equazioni degli effetti aerodinamici nell’algoritmo di controllo.
Dopo aver sperimentato con UAV quadrotor, i ricercatori hanno scoperto che il loro nuovo approccio di allocazione del controllo ha effettivamente migliorato le prestazioni dei controller quadrotor.
Hanno confrontato le coppie meccaniche comandate dal controllore di volo con quelle effettivamente generate dagli attuatori nell’UAV. Hanno scoperto che la rete neurale era in grado di abbinare strettamente l’input del controller al risultato effettivo, mentre la classica matrice di allocazione produceva ancora un divario tra comando e output.
I ricercatori hanno anche scoperto che l’approccio della rete neurale ha migliorato la qualità dei segnali di spinta e coppia, offrendo un comportamento molto meno “rumoroso”.
