Real-time moving horizon planning and control of aerial systems under uncertainties

Abstract

The growing use of aeronautical systems, spanning from passenger airplanes to autonomous drones, increases the awareness for ecological and economic aspects, e.g., to increase autonomy, endurance, energy efficiency, and flexibility. Therefore, the aviation industry aims to develop advanced (robust/reliable) planning and control systems to guarantee flexible operation, flight safety, and robustness despite a multitude of disturbance and environmental challenges. This work proposes model predictive control as a suitable method to tackle combined planning and control challenges for aircraft applications. Model predictive control allows systematically considering the vehicle dynamics and constraints, e.g., load envelops and obstacle avoidance, as well as optimizing a performance index, such as energy consumption, tracking error, ride comfort, and load reduction. Furthermore, the predictive nature makes model predictive control suitable for the motion planning and usable in each of the main control layers present in aerospace systems. The first part of this work considers the problem of load alleviation. Load alleviation system aims to reduce the structural loads, oscillation, and the passenger discomfort resulting from atmospheric turbulence. Model predictive control allows including preview of gust information ahead of the aircraft to improve the prediction accuracy, thereby to improve the load alleviation performance. Using model predictive control for load alleviation allows enlarging the flight envelops and improving fatigue life and aircraft performance, such as passenger comfort. Reducing the load allows designing new aircraft configurations, like lighter structures, without compromising the safety regulations. Consequently, this reduces the fuel expenditure and thereby the operating cost that makes the aircraft more eco-efficient. The second part of this thesis presents an approach to interface the planning and control systems of autonomous vehicles moving through uncertain/dynamic environments. The developments aim towards a hierarchical control framework that is robust and flexible, yet safe. The contributions in this part are refinements of existing planning techniques that significantly improve performance and computational efficiency. These refinements speed up the online optimization and allow for online planning on embedded platforms. Constraint tightening is shown to guarantee constraint satisfaction (collision avoidance) despite uncertainty. This planning approach is then applied and expanded towards area coverage. Fusion of path planning and path following is achieved by “contracts”, which guarantee vehicle safety and constraint satisfaction, e.g., obstacle avoidance despite uncer- tainty. The design of the proposed controllers takes into account the interconnections in terms of dynamic constraints and reference definitions between them. In particular, a hybrid moving-horizon planner can switch between different controllers in a predictive and optimized way, taking into account the controller capabilities to maintain planning feasibility, i.e., vehicle safety even in cluttered environments. In summary, this thesis provides an integrative, real-time feasible model predictive control approach to path planning and path following, suitable for embedded implementation. Several experimental results (wind-tunnel and flight-tests) demonstrate that the proposed algorithms successfully overcome various implementation challenges and uncertainties.

Der vermehrte Einsatz von Luftfahrtsystemen, die von Passagierflugzeugen bis hin zu autonomen Drohnen reichen, führt zu einer verstärkten Betrachtung ökologischer und ökonomischer Aspekte, wie z.B. Autonomie, Reichweite, Energieeffizienz und Flexibilität. Daher ist die Luftfahrtindustrie bestrebt, fortschrittliche (robuste/ zuverlässige) Planungs- und Regelungssysteme zu entwickeln, die einen flexiblen Betrieb, Flugsicherheit und Robustheit, trotz der Vielzahl von Störungen und Umweltveränderungen, gewährleisten. In dieser Arbeit wird als geeignete Methode zur Bewältigung von kombinierten Planungs- und Steuerungsherausforderungen für Flugzeuganwendungen der Einsatz der modellprädiktiven Regelung vorgeschlagen. Diese ermöglicht die systematische Berücksichtigung der Fahrzeugdynamik und -beschränkungen, z.B. des sogenannten zulässigen Belastungsbereichs und der Vermeidung von Hindernissen, sowie die Optimierung eines Leistungsindex, z.B. des Energieverbrauchs, des Trajektorienfolgefehlers, des Fahrkomforts oder einer Lastenreduktion. Darüber hinaus ist die modellprädiktive Regelung dank ihres vorausschauenden Aspekts auch für die Bewegungsplanung geeignet. Somit ist die modellprädiktive Regelung in allen wichtigen Reglerebenen, die in Luft- und Raumfahrtsystemen vorhanden sind, einsetzbar. Der erste Teil dieser Arbeit befasst sich mit dem Lastabminderungssystem, das die strukturellen Belastungen und Schwingungen sowie das durch die atmosphärische Turbulenzen verursachte Unwohlsein der Passagiere verringert. Die modellprädiktive Regelung ermöglicht die Berücksichtigung von Böeninformationen vor dem Flugzeug, das die Vorhersagegenauigkeit verbessert und die mögliche Lastabminderung erhöht. Dies wiederum führt zu einer Vergrößerung des zulässigen Flugbereiches und einer reduzierten Materialermüdung, und somit zu einer erhöhten Lebensdauer und besseren Flugzeugleistung sowie einem erhöhten Passagierkomfort. Durch die Reduzierung der Last können neue Flugzeugkonfigurationen wie leichtere Strukturen unter Einhaltung der Sicherheitsbestimmungen entworfen werden. Dies führt zu reduziertem Treibstoffverbrauch und damit niedrigeren Betriebskosten, was das Flugzeug ökoeffizienter macht. Der zweite Teil dieser Arbeit stellt einen Ansatz zur Verknüpfung von Planungs- und Steuerungssystemen autonomer Fahrzeuge vor, die sich durch unsichere/ dynamische Umgebungen bewegen. Die Entwicklungen führen zu einem hierarchischen Ansatz, der robust, flexibel und dennoch sicher ist. Die Beiträge in diesem Teil sind Verbesserungen bestehender Planungstechniken, mit denen Leistung und Recheneffizienz erheblich verbessert werden können. Diese Verbesserungen beschleunigen die Online-Optimierung und ermöglichen es, die Online-Planung auf eingebetteten Plattformen zu nutzen. Des Weiteren wird gezeigt, dass eine geeignete Anpassung von Beschränkungen die Erfüllung der Kollisionsvermeidung auch unter Unsicherheiten garantiert. Der entwickelte Planungsansatz wird weiterhin auf das Problem der Flächenabdeckung erweitert. Die Verschmelzung von Pfadplanung und Pfadverfolgung wird durch eine Formulierung als “Verträge” erreicht, die die Fahrzeugsicherheit und die Erfüllung von Beschränkungen gewährleisten. So lassen sich z.B. Hindernisse trotz Unsicherheit vermeiden. Der Reglerentwurf berücksichtigt, dass Pfadplanung und Pfadverfolgung durch dynamische Einschränkungen und Referenzdefinitionen verknüpft sind. Insbesondere kann der hybride Planer, der auf einem beweglichen Horizont agiert, auf prädiktive und optimierte Weise zwischen verschiedenen Regelungskonfigurationen wechseln, wobei die Eigenschaften des Reglers berücksichtigt werden, um die Durchführbarkeit der Planung, auch unter Unsicherheiten in Umgebungen mit hoher Aktivität oder mit vielen Objekten, sicher zu stellen. Zusammenfassend bietet diese Arbeit einen integrativen, in Echtzeit realisierbaren modellprädiktive Regelungsansatz für die Pfadplanung und die Pfadverfolgung, der für eine eingebettete Implementierung geeignet ist. Die Wirksamkeit und Robustheit der vorgeschlagenen Planungs- und Kontrollstrategien wird anhand von Simulationsergebnissen validiert. Mehrere experimentelle Ergebnisse (Windkanal- und Flugtests) zeigen, dass die vorgeschlagenen Verfahren den Implementierungsherausforderungen und auftretenden Unsicherheiten gerecht werden.