مقايسه كنترلر گام به عقب بهينه شده با الگوريتم ازدحام ذرات و كنترلر LQR بر روي كوادروتور

Comparison of Back Stepping Optimized via PSO Algorithm and LQR Controllers for a Quadrotor

اين مقاله به مقايسه عملكرد دو كنترلر گام به عقب بهينه شده با الگوريتم ازدحام ذرات و كنترلر LQR بر روي يك كوادروتور در حالت هاور مي پردازد. كوادروتور يك سيستم ديناميكي پايدار نيست و توسعه كنترلرهاي بهينه با كارايي بالا براي آن حائز اهميت است. در ابتدا مدل ديناميكي كوادورتور معرفي شده و معادلات فضاي حالت به منظور شبيه سازي مدل ديناميكي ارائه مي شوند. سپس دو كنترلر گام به عقب و LQR براي كنترل ارتفاع و زواياي كوادروتور طراحي مي شوند. به منظور بهينه سازي كنترلر گام به عقب ، پارامترهاي آن به كمك الگوريتم ازدحام ذرات به گونه اي تعيين مي گردند كه تابع هزينه در نظر گرفته شده براي كنترلر LQR كمترين مقدار خود را داشته باشد. هم چنين فرامين ورودي به موتورها به منظور نشان دادن توانايي كنترلر موردنظر محاسبه و ترسيم مي شوند. براي رسيدن به مقايسه دقيق تر، تابع هزينه به ازاي مقادير مختلف ماتريس هاي وزني Q و R براي دو كنترلر محاسبه شده و نتايج با يكديگر مقايسه مي شوند. نتايج نشان مي دهند كه كنترلر گام به عقب به كمك الگوريتم ازدحام ذرات توانايي بالاتري در كمينه سازي تابع هزينه دارد و به ازاي ماتريس هاي وزني مختلف تابع هزينه در كنترلر گام به عقب كمتر بوده است.

Comparison of Back stepping method optimized via particle swarm optimization algorithm and LQR method for hovering control of a quadrotor is presented in this paper. Quadrotor is not a stable dynamical system and development of high performance controllers for it is important. First the dynamic model of a quadrotor is introduced and state-space equations are presented in order to simulate the dynamic model. Then two Back stepping and LQR controllers are designed to control Euler angles and height of the quadrotor. In order to optimize back stepping controller, its parameters are determined using particle swarm optimization algorithm to minimize cost function considered for LQR controller. Also, commands to the motors are calculated and plotted to show the feasibility of the controller. To obtain better comparison, the cost function is calculated for different weighting matrices of Q and R for two controllers and the results are compared. The results show that Back stepping controller has more ability to minimize the cost function in comparison to LQR and the cost function in Back stepping has fewer values for several choices of weighting matrices.