|
|
|
|
| LEADER |
04417na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid6653
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Radoš, Branko
|9 40824
|
| 245 |
1 |
0 |
|a Nadogradnja modelskog prediktivnog upravljanja bespilotnom letjelicom MORUS :
|b diplomski rad /
|c Branko Radoš ; [mentor Stjepan Bogdan].
|
| 246 |
1 |
|
|a Extension of Model Predictive Ccontroller for MORUS Unamnned Aerial Vehicle
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b B. Radoš,
|c 2019.
|
| 300 |
|
|
|a 133 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Automatika, šifra smjera: 46, datum predaje: 2019-06-28, datum završetka: 2019-07-18
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Glavni cilj ovog rada je implementirati "racionalno" korištenje električne energije za upravljane pomičnim masama MORUS letjelice kako bi uspješno proveli MORUS projekta. U tu svrhu implementiran je MPC kontroler koji će izvući maksimum iz raspoloživih sredstava.
Analizom same letjelice određeni su karakteristični parametri letjelice. Jedno od krucijalnih je malo vrijeme diskretizacije koje je postalo nepremostiva prepreka dijelu algoritama optimizacije. Iz tog razloga modificirani su algoritmi učenja neuronskim mreža kako bi se mogli iskoristiti kao MPC optimizatori.
Jedan od najtežih dijelova implementacije MPC je pronalazak "optimalnih" upravljačkih matrica. U tu svrhu iskorišteni su GA i PSO algoritmi.
U radu su implementirani linearni i nelinearni MPC regulatori za kuteve valjanja, skretanja i poniranja zajedno s kontrolom po x,y i z osi. Na samom kraju implementiran je linearni MPC linearne brzine u x/y osi bespilotne letjelice s nagnutim rotorima.
Za bilo kakvu složeniju misiju potreban nam je planer (globalni i lokalni). U tu svrhu implementiran je lokalni planer trajektorije iz znanstvenog članka.
Kako bismo bili korak bliže stvarnom sustavu. MPC upravljanje je testirano u GAZEBO simulator. Kako bi se što više približili realnim uvjetima implementiran je GAZEBO plugin otpora zraka uz ostale potrebne dijelove kako bi se uspješno provela sama simulacija.
|
| 520 |
3 |
|
|a Sažetak na engleskom: MPC is "powerful" controller if it is in hand of expert. Great power in hands of expert comes from huge number of DOF where its tiny details can be optimized or used for better control and we known that with big power comes big responsibility to justify use of "expensive" type of control.
In this master thesis we process the problem of using electrical energy from battery "as little as possible" for control of moving masses and successfully accomplish desire mission of MORUS project. For this purpose we use MPC control to get the most out of it.
For lack of MPC optimizer we modified algorithms for neural network so that we can use them for optimizing MPC cost function at every discrete time step.
One of the hardest problem in MPC control is finding "optimal" control matrices. For this purpose we use GA and PSO algorithms to find "optimal" matrices for desire problem.
In this thesis we implement linear and nonlinear MPC for roll, pitch, yaw as well as x, y and z axes control and compare pros and cons for using nonlinear versus linear MPC. At the very end we implement linear MPC for linear x/y velocity of non-tilting UAV.
For executing any "complex" mission we need trajectory planner. For that purpose we implement local trajectory planner from article.
To get one step closer to real system we implement simulation in GAZEBO environment. To create real conditions we implement drag GAZEBO plugin.
|
| 653 |
|
1 |
|a linearni MPC, nelinearni MPC, MORUS, Adam, AdaGrad, RMSProp, RMSProp s Nesterovim momentom, GA, PSO, upravljanje kutom valjanja, upravljanje kutom poniranja, upravljanje kutom skretanje, upravljanje po x osi, upravljanje po y osi, upravljanje po z osi, GAZEBO dodatak otpora zraka, upravljanje kutom valjanja bez nagiba, upravljanje kutom poniranja bez nagiba.
|
| 653 |
|
1 |
|a linear MPC, nonlinear MPC, MORUS, Adam, AdaGrad, RMSProp, RMSProp with Nester moment, GA, PSO, roll control, pitch control, yaw control, x axes control,y axes control,z axes control, drag GAZEBO plugin, non-tilting roll control, non-tilting pitch control.
|
| 700 |
1 |
|
|a Bogdan, Stjepan
|4 ths
|9 9561
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 51535
|d 51535
|