文献笔记-Skywalker: A Compact and Agile Air-GroundOmnidirectional Vehicle

zhuidushi4406

已于 2024-09-10 23:04:36 修改

阅读量799

点赞数 15

分类专栏：文献笔记文章标签：笔记

于 2024-06-11 17:57:10 首次发布

本文链接：https://blog.csdn.net/zhuidushi4406/article/details/139593326

版权

文献笔记专栏收录该内容

14 篇文章 0 订阅

订阅专栏

这篇博文是自己看文章顺手做的笔记只是简单翻译和整理仅做个人参考学习和分享

如果作者看到觉得内容不妥请联系我我会及时处理

本人非文章作者，文献的引用格式如下，原文更有价值

N. Pan, J. Jiang, R. Zhang, C. Xu and F. Gao, "Skywalker: A Compact and Agile Air-Ground Omnidirectional Vehicle," in IEEE Robotics and Automation Letters, vol. 8, no. 5, pp. 2534-2541, May 2023, doi: 10.1109/LRA.2023.3256920.
keywords: {Wheels;Friction;Land vehicles;Force;Vehicle dynamics;Switches;Trajectory;Aerial systems: Applications;aerial systems: Mechanics and control;motion control},

摘要：通过结合多旋翼和地面车辆的综合优势，空中-地面车辆因为其超强的移动性和出众的续航而在多种领域中展现出巨大潜力。但是，多数以前的工作采用了复杂的结构，并且未能开发一个高精度的跟踪复杂轨迹的控制器，这严重限制了它们的应用。在本文中，我们首先提出了一个空中-地面车辆的设计，我们命名为Skywalker，其具有基于现有万向轮基础上简单但鲁棒的结构。而且，我们考虑了支持和摩擦力并推导了车辆的微分平坦性质，并提出了具备告诉空中-地面混合轨迹跟踪和平滑轨迹模式切换的均一控制器。同时，实施了全面的实验和比较来验证系统出色的性能，其中系统可以在高达5.0m/s的速度下跟踪轨迹且能量节省75.2%

I. INTRODUCTION

短的续航是目前无人机应用的主要制约。但是地面车辆在这一点上极具优势。但是地面车辆的动力学约束和机动性限制了其应用。

所以自然会想到结合两者，而且这种好难过结构可以用在局限空间中，比如管道。

前人已有大量工作，但是大多存在问题，在第二章中详细讨论。

本文中，开发一个陆-空两栖新构型，和控制器。然后实施了大量实验。最后和其他工作做了比较。

总结工作如下：

1）hard ware design

2）deduction of differential flatness

3）a unified controller

4）comprehensive experiments

II. RELATED WORKS

A.Driving-Wheel-Based Vehicles 基于驱动轮的设计

为了更好的地面控制，代价是额外驱动器和重量。

B.Passive-Wheel-Based Vehicles 基于被动轮的设计

用推力的水平分量驱动，不用额外驱动器，结构简单。

但是控制yaw角需要克服大的摩擦，低推力下控制效果不好。

而且没有高速的轨迹跟踪。
另一方面，基于驱动轮或被动轮的典型设计通常具有非完整动力学约束，如差速车辆模型[11]、[13]、[14]、[15]、[16]、[17]、[23]或阿克曼模型[6]、[7]，这导致了偏航角和速度控制的耦合。这些限制可能会严重限制它们在摄影、探索和其他场景中的应用，在这些场景中，主动偏航控制对于更好的传感器感知范围至关重要。

C. Control

以前的工作使用同一套动力系统但没有两种模式下的同一套控制器。分别设计了两种模式下的控制器，导致模式切换缓慢。

四旋翼的控制常用微分平坦来简化，但是地面车辆的支持和摩擦力不符合已有[25]方法中的性质，对于陆-空两栖车辆轨迹跟踪急需一种考虑支持和摩擦的微分平坦控制器。

III. Hardware Design and Implementation

总体上看本文所提设计只需一个多旋翼和万向轮就可以实现。

The onboard computer is NVIDIA Xavier NX, which communicates with the flight controller via MAVROS, transmitting IMU and control command data.

IV. CONTROL

A. Dynamic Model

首先，假设车轮的半径和偏心以及空气阻力可以忽略不计，车辆在平坦的地面上行驶。

然后，假设轮一致沿着机身速度移动，因为轮的转动几乎瞬间完成可以被忽略。

然后考虑车辆状态x={r,R},其中r是车辆质心位置在世界系下的位置，R是机体在世界系下的转动。

输入是u={f, $\tau$ }，其中f是总推力，/tao是推力所产生的力矩。

其中Fs是支持力。根据摩擦力法则，Ff=Fs/miu，其中/miu 是摩擦系数。

B. Differential Flatness Considering Friction Force 考虑摩擦的微分平坦

本章，我们参考[26]的推导，展示输入u的车辆动力学是微分平坦的，我们选择的平坦输出是

即位置，yaw角，和支持力的n阶导。比起四旋翼的，新增了支持力这一项。

给出（1）（2）的平坦变换

。。。

所以我们可以通过(2)在已知w，wdot和R的情况下获取输入/tao。因为wdot可以被平坦输出的组合表示。，所以车辆的动力学是微分平坦的。

C. Support Force Generation

作为微分平坦的一个输出，轨迹的Fs与位置和偏航不相关。而节省的能量是由支持力决定的，所以设置了一个函数来节省能量并使得Fs的轨迹平滑，。

由于平面度输出的其他维度（r[s0]，ψ[s1]）是由规划器生成的，我们为FS设计了一个分段函数，该函数由水平加速度ah=[rddot1，rddot2]和倾角θ(qz)参数化。

1) 0 < ||ah|| ≤ alower :

倾角和加速较小时，结构类似倒立摆，仍然需要一个力矩来防止倾倒，为了避免这个力矩频繁变化，我们设为固定值。

我们可以根据倾斜角θ（qz）推导出车辆保持稳定平衡所需的扭矩下确界：

2）alower < ||ah|| ≤ aupper :

当水平加速度已经大于机体最大倾角/theta max和最大支持力Fpre时能提供的加速度，就需要减小支持力增加推力来达到期望的加速度。

3） ||ah|| > aupper :

地面运动的最大加速度是alim，如果需要达到更高的速度，就让支持力为0。这样无法就无法跟上地面的轨迹，但是可以通过轨迹规划阶段来避免。

4）r(3)>0

当所需高度大于零，系统不接触地面了所以设置支持力为0。

D. Unified Controller Design

由于IV-B中所讨论的统一微分平坦性质，我们可以在两种运动模式下使用统一控制器。控制器结构如图，主要是一个串级位置速度控制器，首先，有了期望状态（位置，偏航），并加上比例误差速度控制器加速度

首先，我们有期望的状态（r[s0]，ξ[s1]），并将加速度与速度控制器的比例误差相加。然后，我们根据标准（15）计算所需的支撑力。

然后，通过应用平坦转移（4），我们有了总推力和参考值{姿态，角速度，控制输入}，然后通过飞控转换成四个电机的推力。最后，位置误差的比例增益给到速度控制器轨迹跟踪新能在第V章中验证。

E. Thrust Coefficient Online Identification 推力系数在线辨识

实际中，飞控需要的推力信号是一个归一化的0~1之间的值 F ∈ [0, 1],，所以有一个转换系数kf，把f转换成 $F:F=\frac{f}{mk_{f}}$ 。

kf can be easily measured by an aforehand calibration, but it’s actually a variable that depends on battery voltage, air density, propeller integrality, and other external factors. Therefore, we adopt a forgetting factor recursive least-squares algorithm [28] to identify kf online. The basic form of the algorithm is:

where ai and bi are the observations, xi is the target to be updated, P0 = 1/a20 and λ is the forgetting factor, which is usually set between [0.95,1]. Based on the model

where aˆh is the estimated horizontal acceleration in the world frame, and Fh is the normalized thrust projected in xW yW plane, we pick kf as xi , aˆh as bi , and Fh as ai . In practice, the algorithm can converge well.