Robust Model-Predictive Mission Planning for Unmanned Systems

Abstract

This study investigates the use of Model Predictive Control (MPC) based motion planning techniques for Unmanned Aerial Vehicle (UAV) ground attack missions involving enemy defenses. This is accomplished through the design, implementation, and comparison of three different planning algorithms: a technique using open-loop predictions; a technique using perturbations on stabilizing feedback predictions; and a robust technique assuming the worst-case scenario of uncertainty. In all cases, the range of enemy defenses is represented as specially constructed linear inequality constraints. The performance of each technique is assessed using a simulated MATLAB environment. Results show that approximating the range of enemy defenses as linear inequality constraints not only effectively ensures enemy avoidance, it also fits nicely into the robust, Min-Max MPC formulation using semi-definite relaxations. The robust technique produced stable, conservative solutions that adhered to constraints in the presence of uncertainty. Results also show these guarantees lead to an exponential growth in computation time at larger prediction horizons.

Cette étude examine des techniques de la commande prédictive pour la planification de mouvements pour les véhicules aériens sans pilote dans des missions d'attaque au sol entre des défenses ennemies. Ceci est réalisé par la conception, la mise en œuvre, et la comparaison de trois algorithmes de planification différents: une technique utilisant des prédictions en boucle ouverte; une technique utilisant la prédiction de perturbations sur une rétroaction stabilisé; et une technique robuste qui suppose le cas d'incertitude maximale. Dans tous les cas, les défenses ennemies sont représentées selon des constraintes d'inégalité linéaire. La performance de chaque technique est évaluée en utilisant un environnement simulé dans MATLAB. Les résultats démontrent que le traitement de défenses ennemies comme des contraintes d'inégalité linéaire non seulement assure ainsi l'évitement de l'ennemi, il s’adapte aussi bien dans la formulation de commande prédictive Min-Max robuste utilisant des relaxations semi-définies. La technique robuste produit des solutions stables et conservatrices qui respectent les contraintes en présence d'incertitude. Les résultats démontrent aussi ces garanties exigent une croissance exponentielle de temps de calcul à des horizons de prédiction plus longs.