Controllore adattivo MRAC per quadrirotori in presenza di incertezze e disturbi

Il presente elaborato di tesi ha come obiettivo lo studio di un controllore adattivo per un drone quadrirotore. Lo studio dei controllori adattivi nasce dalla necessità di fornire un controllo efficiente in caso di disturbi. Negli ultimi decenni la diffusione dei droni e i relativi utilizzi sempre più complessi anche in ambiente ostili, fanno sì che sorga la necessità di sviluppare controllori maggiormente efficaci, in grado di adattarsi a molteplici condizioni senza comportare aggravio di complessità computazionale e garantendo stabilità. Nella prima parte della tesi si introducono dei concetti preliminari per fornire un’idea chiara della modellazione del drone, che viene poi espressa in forma matematica ricavando le equazioni della dinamica complete. Successivamente si analizzano i principali tipi di controllori e lo sviluppo di un Model Reference Adaptive Control (MRAC) per la stabilizzazione del drone sui tre assi in presenza di disturbi lineari e turbolenti. L’analisi dei controllori viene affrontata differenziando l’approccio Model Based da quello Data Driven. Al termine di questa sezione si introduce il concetto di adattamento fornendo uno sguardo su modelli di predizione dei parametri e leggi di controllo in grado di adattarsi alle condizioni non note. Questo approccio permette di tenere in considerazione disturbi e incertezze sia di natura nota e prevedibile, sia di natura non nota. A questo scopo si definisce innanzitutto il modello di riferimento del drone e secondariamente una legge di controllo del tipo Model Reference Adaptive Control (MRAC). Il modello di riferimento viene ricavato tramite la linearizzazione delle equazioni della dinamica complete. Il sistema così ottenuto sarà il Model Reference della struttura MRAC. L’obiettivo è far si che la dinamica completa del drone tenda a coincidere con quella linearizzata in ogni condizione di volo. Per ottenere ciò si controlla il Model Reference con un controllore di tipo LQR, mentre la legge di controllo adattiva viene ricavata tramite analisi di Lyapunov. Il modello MRAC così ottenuto viene irrobustito con alcune modifiche quali: Dead-band per evitare oscillazioni indesiderate, Sigma Modification per fornire “damping” alla predizione del parametro, Parameter Projection per evitare parametri fuori range, Osservatore e componente Composite per affinare l’adattamento. L’architettura del controllore completo viene infine testata su un modello ad alta fedeltà del drone Parrot Mambo fornito dalla piattaforma Simulink disaccoppiando la logica di controllo del drone Parrot già presente nel pacchetto e sostituendola con il controllore MRAC. Diverse simulazioni tramite Simulink vengono presentate al termine della tesi. In particolare si evidenzia la capacità del drone di eseguire un tracking del comando di riferimento efficace. Tali simulazioni vengono confrontate con un controllore PID a cascata di tipo classico, evidenziando la bontà del MRAC nel caso di disturbi costanti o turbolenti di intensità elevate. Tale progetto contribuisce alla sperimentazione sui controllori adattivi mostrandone le potenzialità nel caso dei droni e fornendo un metodo efficace per bilanciare i disturbi con la possibilità di un ulteriore sviluppo per il passaggio su hardware reale.