طراحی کنترل تطبیقی بهینه برای یک کوادروتور به منظور حفظ موقعیت و وضعیت درشرایط عدم قطعیت با استفاده از الگوریتم گرگ خاکستری

امروزه به دلیل کاربردهای متنوع و عملیاتی وسایل پرنده بدون سرنشین در زمینه های گوناگون، ازجمله نظارت، بازرسی، امداد و نجات و سایر زمینه ها، محققان بسیاری در سرتاسر جهان مشتاق مطالعه و تحقیق پیرامون این پرنده ها شده اند. کنترل برای حفظ موقعیت، حفظ وضعیت و تعقیب مسیر این دسته از پرنده‌ها، با توجه به گستردگی دامنۀ کاربردی از اهمیت بالایی برخوردار است. لذا در این پژوهش به بحث و حل مسئله مذکور پرداخته شده است. بدین منظور در ابتدای امر بر مبنای روش نیوتن اویلر به معرفی ساختار و بیان مدلی جهت آنالیز رفتار سیستم و طراحی کنترل کننده پرداخته شده است. ازآن‌جهت که دینامیک پرنده مورد بررسی غیرخطی بوده و در واقعیت برای مدل‌سازی از ساده‌سازی‌هایی استفاده می شود از الگوریتم کنترل بهینۀ تطبیقی برای حل مسئله موردنظر بهره گرفته شده به‌نحوی‌که پارامترهای کنترلی در صورت لزوم و بسته به شرایط قابلیت به‌روزرسانی داشته باشد که برای فرایند به‌روزرسانی پارامترهای کنترلی می‌توان از روش‌هایی نظیر بهینه‌سازی، فازی، شبکه عصبی و یا روش‌های ترکیبی نظیر فازی عصبی و غیره بهره برد. از سویی باید اشاره داشت که روش‌های نظیر فازی، یا شبکه عصبی قابلیت اعمال محدودیت نظیر محدودیت های فیزیکی عملگرها و غیره در فرایند به‌روزرسانی را نداشته ولی دارای سرعت جواب‌دهی بالاتری نسبت به روش‌های بهینه‌سازی می باشند. روش‌های بهینه‌سازی دارای توانایی بیشتر در یافتن پاسخ‌های بهتر و قابل‌قبول‌تر نسبت به روش‌های فوق‌الذکر هستند؛ اما باید اشاره داشت که به پردازنده‌های قوی با سرعت پردازش بالا نیاز دارند. با توجه به این‌که هدف این مقاله دست‌یابی به پاسخ‌های بهتر برای مانور حفظ موقعیت و تعقیب مسیر می‌باشد از الگوریتم بهینه‌سازی گرگ‌های خاکستری برای به‌روزرسانی پارامترهای کنترلی بهره گرفته شده است. همچنین به منظور افزایش مقاومت کنترل‌کننده و بهینه کردن تلاش کنترلی، پیشنهاد شده تا ورودی کنترلی با روش‌های دیگر نظیر pid غیرخطی بهینه ترکیب گردد. پس از بیان روابط، نتایج حاصل از شبیه‌سازی‌های صورت گرفته ارائه شده است. نتایج حاصل از شبیه‌سازی نشان می دهد رویکرد پیشنهادی به‌خوبی توانسته کلیۀ نیازها و اهداف مسئله را پاسخ دهد و می‌توان از آن در مسئله تعقیب مسیر و حفظ موقعیت بهره گرفت.

design optimal adaptive trajectory tracking control for station keeping and attitude control of quadrotor using gray wolf optimization

nowadays, various applications of quadrotors, in different fields such as monitoring, inspection, and rescue has attracted the attention of many researchers. because of the extensive range of applications for quadrotors, maintaining their position control, condition control, and tracking is important. thus, it is essential that these issues are considered and resolved. therefore, based on newton euler’s method, structure of a model for analyzing the behavior of the system and design of the controller is introduced in the present research. as the dynamics of quadrotors are nonlinear, the adaptive optimal control algorithm for resolving this issue was used in order for the control parameters to be updated. for updating these control parameters, methods such as optimizing, fuzzy, neural networks and hybrid methods can be used. the fuzzy or neural networks methods do not have the capability of applying constraints such as the operator’s physical restrictions in the updating process. their overall response speed is greater than the optimization methods. the optimization methods have more capabilities to find better and more acceptable responses than the above methods, but it is noteworthy that they require high-speed processors. since the objective was to achieve better responses for station keeping and tracking maneuvers, the gray wolf optimization algorithm for updating the control parameters was utilized. in addition, to increase the resistance of the controllers and to optimize the control efforts, the authors proposed to combine the control inputs with other methods such as optimal nonlinear proportional–integral–derivative (pid). finally, the results of simulations were presented. the results demonstrated that the proposed approach resolved all aspects of the main problem. additionally, the proposed approach can be used in maintaining position control, condition control and tracking.