Closed-Loop Model Identification and MPC-based Navigation of Quadcopters: A Case Study of Parrot Bebop 2

无人机在各个领域中的潜力日益增长，例如空中摄影、搜救和基础设施检查，这凸显了在严格的安全和操作限制下实时控制的需求。这个挑战由于四旋翼飞行器固有的非线性动力学和面临的板载计算限制而变得更加复杂。本文旨在解决这些挑战。首先，本文提出了一个全面的过程，以导出线性但高效的模型来描述四旋翼飞行器的动力学，从而在不影响效率的情况下降低复杂性。然后，本文开发了一个稳态感知的模型预测控制（MPC），以有效地导航四旋翼飞行器，同时保证在任何时候都满足约束条件。稳态感知MPC的主要优点是其低计算复杂度，这使其成为具有有限计算能力的系统（如四旋翼飞行器）的适当选择。本文以Parrot Bebop 2为运行示例，并实验验证和评估了所提出的算法。

本论文旨在解决四旋翼飞行器在各种领域中的实时控制问题，并考虑到安全和操作限制。同时，该论文也试图解决四旋翼飞行器固有的非线性动力学和计算限制问题。

本论文提出了一个综合的过程，用于推导出一个线性但高效的模型来描述四旋翼的动力学，从而降低复杂性而不影响效率。然后，本论文开发了一个稳态感知模型预测控制（MPC）算法，以有效地控制四旋翼，同时保证始终满足约束条件。稳态感知MPC的主要优点是其低计算复杂度，这使其成为计算能力有限的系统（如四旋翼）的适当选择。

本论文以Parrot Bebop 2为例进行了实验验证和评估。本论文提出的算法具有实用性和可行性，能够在实际应用中发挥作用。此外，本论文还介绍了一些相关工作和研究方向，值得进一步探索和研究。

最近在这个领域中的相关研究包括：1. 《基于深度强化学习的四旋翼飞行控制》2. 《四旋翼飞行器的自适应模型预测控制》3. 《四旋翼飞行器的非线性控制研究》等。