論文の概要: Implementation of a neural network for non-linearities estimation in a
tail-sitter aircraft
- arxiv url: http://arxiv.org/abs/2010.06049v1
- Date: Mon, 12 Oct 2020 21:46:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 07:06:55.611675
- Title: Implementation of a neural network for non-linearities estimation in a
tail-sitter aircraft
- Title（参考訳）: テールシッター航空機の非線形性推定のためのニューラルネットワークの実装
- Authors: A. Flores and G. Flores
- Abstract要約: テールシッター機の操縦は、特に遷移操作において困難な作業である。
このような非線形性を推定できるニューラルネットワークを実装した。
実験により、実装されたNNは尾翼の空気力の推定に使用できることが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The control of a tail-sitter aircraft is a challenging task, especially
during transition maneuver where the lift and drag forces are highly nonlinear.
In this work, we implement a Neural Network (NN) capable of estimate such
nonlinearities. Once they are estimated, one can propose a control scheme where
these forces can correctly feed-forwarded. Our implementation of the NN has
been programmed in C++ on the PX4 Autopilot an open-source autopilot for
drones. To ensure that this implementation does not considerably affect the
autopilot's performance, the coded NN must be of a light computational load.
With the aim to test our approach, we have carried out a series of realistic
simulations in the Software in The Loop (SITL) using the PX4 Autopilot. These
experiments demonstrate that the implemented NN can be used to estimate the
tail-sitter aerodynamic forces, and can be used to improve the control
algorithms during all the flight phases of the tail-sitter aircraft: hover,
cruise flight, and transition.
- Abstract（参考訳）: 尾翼航空機の制御は、特に揚力と抵抗力が高度に非線形である遷移操作において難しい課題である。
本研究では,そのような非線形性を推定できるニューラルネットワーク(NN)を実装した。
一度見積もれば、これらの力が正しくフィードフォワードできる制御方式を提案することができる。
NNの実装は、ドローンのためのオープンソースのオートパイロットであるPX4 Autopilot上で、C++でプログラムされています。
この実装がオートパイロットの性能に大きく影響しないよう、コード化されたnnは軽い計算負荷でなければならない。
このアプローチをテストするため,我々はpx4オートパイロットを用いて,ソフトウェア・イン・ザ・ループ(sitl)の現実的なシミュレーションを行った。
これらの実験により、実装されたnnはテールシッターの空力の推定に使用され、ホバー、クルーズ、トランジションといったテールシッター機のすべての飛行フェーズにおける制御アルゴリズムの改善に使用できることが示されている。
関連論文リスト
- Neuromorphic Attitude Estimation and Control [17.895261339368815]
本研究では、スパイキングニューラルネットワーク(SNN)を用いた最初のニューロモルフィック制御システムを提案する。
そこで本手法を低レベル姿勢推定・制御に応用し,SNNを小さなクラジフリー上に配置する。
我々の研究は、高エネルギー効率で低遅延のニューロモルフィックオートパイロットの基礎となる、ニューロモルフィック・エンド・ツー・エンド制御の実現可能性を示している。
論文 参考訳（メタデータ） (2024-11-21T08:54:45Z) - Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。
最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。
本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
論文 参考訳（メタデータ） (2024-06-15T18:53:45Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。
DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。
適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
論文 参考訳（メタデータ） (2023-10-13T12:22:31Z) - Learning a Single Near-hover Position Controller for Vastly Different
Quadcopters [56.37274861303324]
本稿では,クワッドコプターのための適応型ニアホバー位置制御器を提案する。
これは、非常に異なる質量、大きさ、運動定数を持つクワッドコプターに展開することができる。
また、実行中に未知の障害に迅速に適応する。
論文 参考訳（メタデータ） (2022-09-19T17:55:05Z) - Neural Moving Horizon Estimation for Robust Flight Control [6.023276947115864]
外乱の予測と反応は、四角形機の堅牢な飛行制御に不可欠である。
ニューラルネットワークによってモデル化されたMHEパラメータを自動的に調整できるニューロ移動地平線推定器(NeuroMHE)を提案する。
NeuroMHEは出力推定誤差を最大49.4%削減した最先端の推定器より優れている。
論文 参考訳（メタデータ） (2022-06-21T13:43:24Z) - Data-Efficient Deep Reinforcement Learning for Attitude Control of
Fixed-Wing UAVs: Field Experiments [0.37798600249187286]
DRLは、元の非線形力学を直接操作する固定翼UAVの姿勢制御をうまく学べることを示す。
我々は,UAVで学習したコントローラを飛行試験で展開し,最先端のArduPlane比例積分微分(PID)姿勢制御と同等の性能を示す。
論文 参考訳（メタデータ） (2021-11-07T19:07:46Z) - Evolved neuromorphic radar-based altitude controller for an autonomous
open-source blimp [4.350434044677268]
本稿では,ロボット飛行船のためのSNNに基づく高度制御器を提案する。
また、SNNベースのコントローラアーキテクチャ、シミュレーション環境でネットワークをトレーニングするための進化的フレームワーク、現実とのギャップを改善するための制御戦略も提示する。
論文 参考訳（メタデータ） (2021-10-01T20:48:43Z) - DikpolaSat Mission: Improvement of Space Flight Performance and Optimal
Control Using Trained Deep Neural Network -- Trajectory Controller for Space
Objects Collision Avoidance [0.0]
本稿では,宇宙船を所望の経路に追従させることにより,制御器の実証を行う方法について述べる。
障害回避アルゴリズムは、ニューラルネットワークからの入力を使用して自然に応答する制御機能に組み込まれる。
飛行制御と燃料消費を最適化するための複数のアルゴリズムは、軌道の飛行力学の知識を用いて実装することができる。
論文 参考訳（メタデータ） (2021-05-30T23:35:13Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
制御戦略は姿勢と速度安定化に基づいている。
RNNは高非線形空力項の推定に用いられる。
その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
論文 参考訳（メタデータ） (2020-06-29T21:33:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。