طراحي بهينه كنترل كننده ي گام به عقب چهارپره با روش اتوماتاي يادگيري تقويتي

Optimal Designing Back Stepping Controller for Quadrotor by using Reinforcement Learning Automata Method

در چند سال اخير استفاده از پرنده‌هاي بدون سرنشين در ماموريت‌هاي نظامي و غيرنظامي به دليل توانايي شناور بودن، پرواز در ارتفاع‌هاي كم و فضاهاي بسته افزايش فزاينده‌اي داشته است. در اين مقاله به تحليل، طراحي و شبيه سازي كنترل‌كننده‌ي بهينه در مورد هواپيماي 4 موتوره با 6 درجه آزادي پرداخته مي‌شود كه به چهارپره معروف است. چهارپره يك وسيله‌ي عمومي در تحقيقات پرنده‌هاي بدون سرنشين است زيرا طراحي و نگهداري ساده‌اي دارد. سيستم چهارپره به علت وجود اثرات غير‌خطي آيروديناميكي در مدل آن بسيار ناپايدار است و كنترل آن دشوار خواهد بود. طراحي كنترل كننده‌ي سطح پايين به دليل غيرخطي بودن و ناپايداري ذاتي مدل يك چالش است. كنترل‌كننده‌ي مورد استفاده كنترل‌كننده‌ي گام به عقب است كه بر عملگرهاي زوايا اعمال شده و سپس با استفاده از روش اتوماتاي يادگيري تقويتي بهينه شده است. مقايسه اين روش بهينه‌سازي با جعبه ابزار بهينه سازMATLAB، نشان مي‌دهد كه نتايج بهتري بدست آمده است.

Unmanned aerial vehicle (UAV) are increasingly used in civilian and military application because of their ability to hover, fly in very low altitude and confined spaces. In this paper, analyzing, designing and simulation of optimal controller of UAVs with four rotors in six degree of freedom is investigated that is known as Quadrotor. because of simple design and maintance they become popular device. On the other hand, designing low level controller for quadrotor due to model nonlinearities and inherent instabilities is a challenge. Controller whitch was used in this paper is back stepping controller. This controller is optimized by Reinforcement Learning Automata (RLA) and then is applied to attitude and altitude controllers. Results showed that RLA method has better operation than Matlab toolbox