Reference Tracking with Responsive Minimum-Separation Threat Areas Avoidance Method using PSO Based MPC Control

• Autorzy: Pawłowski Piotr

Identyfikatory

DOI

10.15199/13.2024.8.10

Warianty tytułu

PL

Śledzenie referencyjne z wykorzystaniem metody unikania zagrożeń z zachowaniem minimalnej separacji przy użyciu adaptacyjnej metody opartej na algorytmie PSO i sterowaniu predykcyjnym MPC

• Języki publikacji: EN

Abstrakty

EN

In this paper, we propose a solution for motion control of the object (agent) within a certain region of interest considering distance to actual reference trajectory and the threat posed by occurring hazardous regions of denial. In this application, a PSO (Particle Swarm Optimization) based MPC (Model Predictive Controller) will be designed, with the aim to achieve flexibility and responsiveness to changing environment conditions (such as appearing threats), that will allow for real short-time path adjustments. Presented approach allows for defining required effective separation between the agent and encountered and identified threats, preserving sensitivity for reference tracking errors.

PL

W poniższym artykule, przedstawiamy propozycję rozwiązania umożliwiającego sterowanie ruchem obiektu (agenta) w zadanym obszarze zainteresowania, uwzględniając napotkane obszary zagrożenia oraz zmiany odległości od zadanej trajektorii ruchu. W tym celu zastosowany został kontroler predykcyjny MPC (Model Predictive Controller), wyposażony w optymalizator oparty na metodzie optymalizacji za pomocą roju cząstek PSO (Particle Swarm Optimization). Waściwości takiego kontrolera pozwalają na reagowanie na zmianę warunków otoczenia (takich jak pojawiające się zagrożenia), elastycznie i responsywnie dostosowując i korygując w czasie rzeczywistym krótkoterminową trajektorię. Przedstawiona strategia daje możliwość zdefiniowania efektywnej wymaganej separacji pomiędzy agentem a napotkanymi, zidentyfikowanymi zagrożeniami, jednocześnie zachowując podatność na błędy śledzenia trajektorii.

Słowa kluczowe

EN

trajectory tracking; threat avoidance; model predictive control; particle swarm optimization; multi-objective optimization; bioinspired optimization; meta-heuristic

PL

śledzenie trajektorii; unikanie zagrożeń; sterowanie predykcyjne; particle swarm optimization; optymalizacja wielokryterialna; metaheurystyka

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2024
• Tom: Vol. 65, Nr 8
• Strony: 44--48
• Opis fizyczny: Bibliogr. 11 poz., wykr.

Twórcy

autor

Pawłowski Piotr

• Military University of Technology

Bibliografia

• [1] Rawlings J. B., Mayne D. Q., Diehl M. M., 2019, „Model Predictive Control: Theory, Computation, and Design 2nd Edition”, Nob Hill Publishing, LLC.
• [2] Kennedy J., Eberhart R., 1995, "Particle swarm optimization," Proceedings of ICNN'95 - International Conference on Neural Networks.
• [3] Clerc M., 2005, „Particle Swarm Optimization”, ISTE Ltd.
• [4] Chapra, S. C., Canale, R. P., 2015, „Numerical Methods for Engineers (7th ed.)”, McGraw-Hill Education.
• [5] Camacho E. F., Bordons C., 2000, „Model Predictive Control”, Springer-Verlag London Limited.
• [6] Zambrano-Bigiarini M., Clerc M., Rojas R., 2013, „Standard Particle Swarm Optimisation 2011 at CEC - 2013: A baseline for future PSO improvements”, 2013 IEEE Congress on Evolutionary Computation.
• [7] Feng Z., Zhu J., 2007, „Design of continuous and discrete LQI control systems with stable inner loops”, Journal of Shanghai Jiaotong University (Science).
• [8] Ebihara Y., Hagiwara T., Araki M., 2010, „Sequential tuning methods of LQ/LQI controllers for multivariable systems and their application to hot strip mills”, International Journal of Control.
• [9] Innocente M. S., Sienz J., 2021, „Constraint Handling Techniques for Particle Swarm Optimization Algorithms”, 7th ASMO UK Conference on Engineering Design Optimization.
• [10] Clerc M., Kennedy, 2002, „The particle swarm: explosion, stability and convergence in multi-dimensional complex space”, IEEE Transactions on Evolutionary Computation.
• [11] Bergh F., Englebrecht A., 2010, „A Convergence Proof for the Particle Swarm Optimiser”, Fundamenta Informaticae.