Multivariable Super-Twisting Control of Fixed-Wing UAVs

Abstract

I denne oppgaven blir robustheten til flere sliding mode kontroll (SMC)-algoritmer undersøkt ved å implementere dem for en usikker simuleringsmodell av et lite ubemannet fly som opererer i et miljø hvor den er påvirket av eksterne forstyrrelser. Både en forenklet modell av dronens langsgående dynamikk og en komplett dronemodell med seks frihetsgrader er implementert i MATLAB/Simulink for å teste både endimensjonale og multivariable kontrollalgoritmer. For den komplette dronemodellen blir også ytelsen til et multivariabelt kontrolldesign sammenlignet med et design basert på flere parallelle endimensjonale regulatorer.

Algoritmene som blir undersøkt i denne rapporten er en førsteordens konvensjonell SMC-algoritme, og tre versjoner av super-twisting-algoritmen (STA), som er kjent som en spesielt robust SMC-algoritme. Endimensjonale implementasjoner av SMC-algoritmene blir brukt på modellen av fixed-wing dronens langsgående dynamikk, mens multivariable implementasjoner av de samme algoritmene blir brukt på den komplette dronemodellen.

Alle algoritmene blir implementert i MATLAB/Simulink, og forutsetningene som garanterer stabiliteten til hver algoritme blir diskutert. I tillegg utføres en stabilitetsanalyse av den interne dynamikken til modellen av den langsgående dynamikken til dronen.

Simuleringsresultatene viser at alle SMC-designene er i stand til å følge et sett med veipunkter ved å følge en rull- og pitchreferanse. Selv når eksterne forstyrrelser, umodellert dynamikk, prosesstøy og modelleringsusikkerhet er tilstede i systemet, viser de fleste av kontrolldesignene lovende resultater. Basert på resultatene er metningsregulatoren, generalisert STA og generalisert multivariabel STA de mest lovende SMC-algoritmene når det gjelder følging av referansen, robusthet og hvor implementerbart kontrollsignalet er.

This thesis investigates the performance of several sliding mode control (SMC) algorithms and evaluates their robustness to disturbances, parametric uncertainties and modeling discrepancies. This is done by applying them to a simulation model of a fixed-wing unmanned aerial vehicle (UAV) operating in an uncertain environment where external disturbances are present. Both a decoupled model of the longitudinal dynamics of the unmanned aerial vehicle and a full six-degrees-of-freedom (6DOF) model is implemented in MATLAB/Simulink. For the 6DOF model of the UAV, the performance of a decoupled control design is compared to that of a multivariable control design.

The SMC algorithms that are considered in this report include the first-order saturation controller and several versions of the super-twisting algorithm (STA), which is known as an especially robust second-order sliding mode (SOSM) algorithm. The single-input-single-output (SISO) versions of these control algorithms are implemented for the model of the decoupled longitudinal UAV-dynamics, while multivariable versions are implemented for the 6DOF UAV-model.

The control algorithms are implemented in MATLAB/Simulink, and the assumptions that guarantee the stability of each algorithm are discussed. Additionally, a stability analysis of the internal dynamics of the decoupled longitudinal model is performed.

The simulation results show that all the SMC designs considered in this report are capable of following a set of waypoints by tracking a roll and pitch reference. Even when external disturbances, unmodeled dynamics, process noise and modeling uncertainties are present in the system, most of the control designs show promising results. Based on the results, the most promising SMC algorithms in terms of tracking performance, robustness, and smoothness of the control input are the saturation controller, the generalized STA (GSTA), and the generalized multivariable STA (GMSTA).