Aplicación de Muestreo basado en Modelos de Control Predictivo a un Vehículo Autónomo Subacuático
DOI:
https://doi.org/10.25043/19098642.40Palabras clave:
programación de movimiento, programación de ruta, modelo de control predictivo, muestreo, vehículo autónomo subacuáticoResumen
Los UUVs pueden ser utilizados para realizar tareas difíciles en ambientes atiborrados de reflexiones de onda tales como muelles y puertos. Sin embargo, dado que los UUVs tienen dinámicas áltamente acopladas y no lineales, la programación de movimiento y el control pueden ser complicados cuando son realizadas tareas complejas. Introducir modelos en el proceso de programación del movimiento puede producir patrones que el vehículo puede cruzar de manera viable. Como resultado, el modelo de control predictivo basado en muestreo (SBMPC, por sus siglas en inglés) es propuesto para generar simultáneamente entradas de control y trayectorias de sistema para un vehículo autónomo sumergible. El algoritmo combina los beneficios de la planeación de movimiento con el control predictivo de modelo (MPC), mientras que evita algunos de los mayores obstáculos que enfrentan tanto los algoritmos basados en muestreo como el tradicional MPC. El método está basado en el muestreo (es decir, discretización) del espacio de entrada en cada período de muestreo e implementación de una optimización dirigida a objetivos (por ejemplo, A*) en lugar de la optimización numérica estándar. Esta formulación del MPC aplica fácilmente a los sistemas no lineales y evita el mínimo local, el cual puede ocasionar que un vehículo quede inmóvil detrás de los obstáculos. El algoritmo SBMPC se aplica a un UAV en un ambiente cargado de reflexiones de onda y a un UAV en un problema de mínimo común local. El algoritmo es luego usado en un modelo cinemático completo para demostrar los beneficios de aplicar restricciones y un modelo en programación de movimiento.Descargas
Referencias bibliográficas
S. TRUVER, “Mines, improvided explosives: a threat to global commerce?” National Defense Industrial Association, vol. 91, no. 641, pp. 46–47, April 2007.
A. WILBY, “Meeting the threat of maritime improvised explosive devices,” Sea Technology, vol. 50, no. 3, March 2009.
M. CHERIF, “Kinodynamic motion planning for all-terrain wheeled vehicles,” Proceeding IEEE International Conference on Robotic and Automation, pp. 317–322, 1999.
H. KAWANO, “Real-time obstacle avoidance for underactuated autonomous underwater vehicles in unknown vortex sea flow by the mdp approach,” International Conference on Intelligent Robots and Systems, pp. 3024–3031, October 2006.
O. YAKIMENKO, D. HORNER, and D. P. Jr., “Auv rendezvous trajectories generation for underwater recovery,” Mediterranean Conference on Control and Automation, pp. 1192–1197, June 2008.
C. CALDWELL, E. COLLINS, and S. PALANKI, “Integrated guidance and control of auvs using shrinking horizon model predictive control,” OCEANS Conference, September
D. D. DUNLAP, E. G. COLLINS, JR., and C. V. CALDWELL, “Sampling based model predictive control with application to autonomous vehicle guidance,” Florida Conference on Recent Advances in Robotics, May 2008.
S. KOENIG, M. LIKHACHEV, and D. FURCY, “Lifelong planning A*,” Artificial Intelligence, 2004.
D. DUNLAP, C. CALDWELL, and E. COLLINS, “Nonlinear model predictive control using sampling and goal-directed optimization,” IEEE Multiconference on Systems and Control, September 2010.
S. M. LAVALLE, Planning Algorithms. Cambridge University Press, 2006.
J. MACIEJOWSKI, Predictive Control with Constraints. Haslow, UK: Prentice Hall, 2002.
S. M. LAVALLE, “Rapidly-exploring random trees: A new tool for path planning,” Iowa State University, Tech. Rep., 1998.
L. E. KAVRAKI, P. SVESTKA, J. C. LATOMBE, and M. H. OVERMARS, “Probabilistic roadmaps for path planning in high-dimensional configuration spaces,” IEEE Transactions on Robotics & Automation, vol. 12, no. 4, pp. 566 – 580, June 1996.
M. LIKHACHEV and A. STENTZ, “R* search,” Proceedings of the National Conference on Artificial Intelligence (AAAI), pp. 1–7, Apr 2008.
S. R. LINDEMANN and S. M. LAVALLE, “Incremental low-discrepancy lattice methods for motion planning,” International Conference on Robotics & Automation, pp. 2920–2927, September 2003.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
The authors who publish in this Journal certify that:
- The work submitted for publication in The Ship Science and Technology journal, was written by the author, given that its content is the product of his/her direct intellectual contribution.
- All data and references to material already published are duly identified with their respective credits and are included in the bibliographic notes and quotations highlighted as such.
- All materials submitted for publication are completely free of copyrights; consequently, the author accepts responsibility for any lawsuit or claim related with Intellectual Property Rights thereof, Exonerating of responsibility to The Science and Technology for the Development of Naval, Maritime, and Riverine Industry Corporation, COTECMAR.
- In the event that the article is chosen for publication by The Ship Science and Technology journal, the author state that he/she totally transfers reproduction rights of such to The Science and Technology for the Development of Naval, Maritime, and Riverine Industry Corporation, COTECMAR.
- The authors retain the copyright and transfer to COTECMAR the right of publication and reproduction of the work which will be simultaneously subject to the Creative Commons Attribution License (CC - BY), which allows the license to copy, distribute, display and represent the work and to make derivative works as long as it recognizes and cites the work in the manner specified by the author or licensor.
- For more information about the Creative Commons Attribution License (CC -BY) and his use and scope, please visit the following web page https://creativecommons.org/licenses/by-sa/4.0/legalcode
