In this thesis, Nonlinear Model Predictive Control (NMPC) for formation guidance and control of a UAV is addressed. There are some problems that degrade performance of the NMPC for formation. Therefore, the modification of proposed NMPC is addressed to overcome the problems. An NMPC algorithm predicts the behavior of the system including possibility of collision over some horizon firstly. Next, NMPC generates optimal control input for the horizon in consideration of collision avoidance using gradient-descent method. This procedure is repeated in every step. Since the whole system performance is considered in the cost of NMPC, trajectory optimization for path planning can be avoided. In addition, the proposed method handles easily input saturation and state constraints. Computation time of this approach is faster and computation load is smaller than some other optimal control due to these reasons. Thus, proposed method in this thesis can be applied to UAVs formation in real time.
본 논문은 충돌회피를 고려한 다수 무인 항공기의 편대비행 유도법칙을 2차원 평면상에서 실시간 최적화 기법인 Nonlinear Model Predictive Control(NMPC)을 이용하여 수치적으로 유도하였다. 충돌의 위험이 없는 경우 무인 항공기 편대비행 유도법칙의 해석적인 해가 존재한다. 또한 위협이 정해져 있는 경우 CFSQP, 공진화 기법, 진화 알고리듬과 같은 최적화 기법을 이용하여 최적화 문제를 미리 풀고 적절한 비선형 제어법칙을 설계하여 편대비행을 유도, 제어할 수 있다. 그러나 편대비행의 실제 운용에서는 지형, 적의 레이더와 같은 정해진 위협뿐 아니라 돌풍, 편대 모양의 변화, 적기 등과 같은 돌발적인 문제들로 무인 항공기간에 충돌의 위험이 존재하기 때문에 편대비행의 유도 제어 시스템을 설계하는 것은 어렵다. NMPC기법은 다양한 입력, 상태 구속조건을 고려할 수 있는 실시간 최적화 기법이다. 그러나 편대비행 문제의 경우 비선형성이 크고 입력 구속조건, 충돌회피를 위한 상태 구속조건이 존재하기 때문에 NMPC를 이용하여 편대비행 최적화 문제를 실시간으로 푸는 것은 불가능하다. 이 문제를 해결하기 위해서 본 논문에서는 편대비행 문제를 부 최적화 문제 (sub-optimal problem)로 구성하고 gradient-descent 기법을 이용하여 수치적으로 이 문제를 풀었다. 한편 NMPC를 적용하기 위해서는 시스템의 상태방정식이 정확해야 한다는 가정이 존재한다. 충돌회피를 고려한 다수 무인항공기의 편대비행의 경우 시스템의 상태방정식이 정확하기 위해서는 상대 무인 항공기들의 위치, 속도, 헤딩각, 가속도 현재 정보뿐 아니라 미래 horizon동안의 정보를 모두 알아야 한다. 이 가정은 항공기간의 통신이 가능할 경우 만족되기 때문에 그 사용이 제한된다. 논문에서는 이 문제를 해결하기 위해 현재 상대항공기의 위치, 속도, 헤딩각 정보와 추정된 가속도 정보를 이용하여 편대비행 최적화 문제를 구성하고 NMPC를 이용하여 수치적으로 풀었다. 따라서 제안된 편대비행 유도 법칙은 유용하게 실제 이용될 수 있을 것이라 기대된다.
