Dealing with Complexity through Advanced Control Techniques - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Aerospace Lab Année : 2017

Dealing with Complexity through Advanced Control Techniques

Traiter la complexité à travers les techniques de contrôle avancées

Résumé

The control of complex dynamic systems, both in their behavior and in their mission, goes through the implementation of multi-loop control architectures based on information about the system internal state and from the environment, as well as on the mission plan state. This results in systems that are becoming increasingly autonomous, for which requirements in terms of safety and reliability, as well as expected performance, are increasingly high. Research works developed at ONERA in the field of control for autonomous systems cover all levels of the control architectures, which are basically structured with respect to temporal aspects, as well as the level of abstraction that they entail for the system dynamic. We will consider them in this paper by increasing level. We will discuss the advances achieved recently in the robust control techniques of uncertain dynamic systems generally implemented at the lower control level and we will discuss their extensions to consider input and output constraints, as well as the hybrid nature of most of the systems considered. To design "task" level control primitives that take place just above the previous control loops, we will introduce sensor-based robust and non-linear control techniques. These are based on information on the environment extracted from exteroceptive sensors, to adapt system behavior to uncertainties and perturbations. Multi-sensor and/or multi-objective controls will be discussed in this particular context. We will also present several recent results in the field of trajectory tracking based on visual navigation techniques in complex environments, which combine objectives and constraints within the same control architecture. We will discuss how model predictive control (MPC) techniques and advanced optimization techniques can be used for solving the resulting control problems. In addition, we will discuss several ongoing developments of these methods by exploiting distributed model predictive control techniques (DMPC) and predictive control of hybrid systems. Finally, integration with the control architectures at the upper level of reactive, predictive and distributed planning capabilities will be proposed to accommodate time constraints and uncertainties in decision.
Le contrôle des systèmes dynamiques complexes (comportement et mission) passe par la mise en œuvre d'architectures de contrôle à boucles multiples, basées sur l'état du système, sur son environnement, ainsi que sur le plan de la mission. Il en résulte des systèmes dont l'autonomie est accrue et pour lesquels les exigences en termes de sécurité, fiabilité et performance sont de plus en plus élevées. Les travaux de recherche menés à l'ONERA dans le domaine des systèmes autonomes couvrent tous les niveaux de contrôle et sont structurés par les aspects temporels et le niveau d'abstraction de la dynamique du système. Nous allons les examiner en augmentant au fur et à mesure ce niveau d’abstraction. Nous présenterons les progrès réalisés récemment dans les techniques de contrôle des systèmes dynamiques incertains généralement mis en œuvre au niveau de la boucle de commande bas niveau. Nous présenterons des extensions récentes permettant de prendre en compte des contraintes sur les entrées et sorties, ainsi que la nature hybride des systèmes considérés. Afin de concevoir des primitives de contrôle de niveau «tâches» qui agissent juste au-dessus des boucles de régulation précédentes, nous allons introduire des techniques de commande robustes ou non linéaires. Celles-ci utilisent les informations sur l'environnement issues de capteurs extéroceptifs et permettent ainsi d’adapter le comportement du système aux incertitudes et aux perturbations. Des architectures de commande multi-capteurs et/ou multi-objectifs seront discutées dans ce contexte. Nous présenterons également plusieurs résultats récents dans le domaine du suivi des trajectoires basés sur la navigation visuelle dans des environnements complexes, qui permet d'inclure les objectifs et les contraintes dans la même architecture de contrôle. Nous verrons comment la commande prédictive (MPC) et des techniques d'optimisation avancées peuvent être combinées pour résoudre les problèmes de contrôle résultants. En outre, nous présenterons des développements en cours qui exploitent les techniques de commande prédictive distribuée (DMPC) et hybride. Enfin, nous discuterons de l'intégration dans les architectures de contrôle haut niveau qui demande des capacités de planification réactives, prédictives et réparties permettant de prendre en compte des contraintes temporelles et des problèmes de décision séquentielle dans l’incertain.
Fichier principal
Vignette du fichier
DSG17008.1492693052.pdf (2.11 Mo) Télécharger le fichier
Origine : Accord explicite pour ce dépôt
Loading...

Dates et versions

hal-01512955 , version 1 (24-04-2017)

Identifiants

Citer

P. Bidaud, L. Burlion, H. de Plinval, T. Loquen, J. Marzat, et al.. Dealing with Complexity through Advanced Control Techniques. Aerospace Lab, 2017, 12, p. 1-18. ⟨10.12762/2016.AL12-13⟩. ⟨hal-01512955⟩
173 Consultations
117 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More