Resumen

Este artículo presenta una estructura de control predictivo de modelos (MPC) basada en una red neuronal recurrente dinámica para el vuelo en formación de múltiples cuadrotores no tripulados. Se propone un sistema de control jerárquico distribuido con el subsistema de traslación y el subsistema de rotación para manejar el problema de seguimiento de la formación para cada quadrotor. Se propone un MPC basado en la RNN para cada subsistema, donde la RNN se introduce como modelo predictivo en el MPC. Y para mejorar la precisión del modelo, se desarrolla una ley de actualización adaptativa para ajustar los pesos en línea para la RNN. Además, se utiliza el algoritmo de evolución diferencial (ED) adaptativo para resolver el problema de optimización del MPC. Además, se analiza la estabilidad en bucle cerrado y la convergencia del algoritmo de ED. Por último, se proporcionan algunos ejemplos de simulación para ilustrar la validez de la estructura de control propuesta.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:ley de actualización adaptativa, mpc, estructura de control propuesta, evolución diferencial adaptativa, cuadrotores múltiples no tripulados, rnn, sistema de control jerárquico, modelo basado, precisión de modelado, estabilidad de bucle
• Keywords:adaptive updating law, mpc, proposed control structure, adaptive differential evolution, multiple unmanned quadrotors, rnn, hierarchical control system, based model, modeling accuracy, loop stability