Abstract In this paper, we present a new solution for the Autonomous navigation problem, using a Decomposition-Coordination Method (DCM) 1. The main purpose of this work is to compute an optimal and safe path for the multi-rotor Unmanned Aerial Vehicle (UAV) in a dynamic environment, moving from an initial location to the desired state. We assume that the flight environment is totally known to a supervisory unit, and the positions and trajectories of dynamic obstacles could be known in real-time, thus to perform in such environment a high reactivity is required as well as good connectivity with the supervisory unit that provides the safe path, each time one obstacle or more are detected on the road, so that the UAV could autonomously diverts from the unsafe path to the new safe one, and avoid the potential collisions. First and foremost, we choose a generalized nonlinear model for the multi-rotors in view of the rotational and translational dynamics of the UAV. We then associate that model with the objective functions. After that, we proceed to the resolution of the multi-objective optimization problem using our approach of decomposition-coordination. The principle of this method consists in decomposing the system into several smaller subsystems to simplify the treatment. Then we achieve the coordination afterward using Lagrange multipliers. To prove the convergence and stability of our method we make use of a Lyapunov function chosen particularly for this system. In the last section we present the simulation results, to confirm the reliability of our method.

中文翻译：

---

动态已知环境下自主多旋翼飞行器安全最优导航的分解协调方法

摘要 在本文中，我们使用分解协调方法 (DCM) 1 提出了自主导航问题的新解决方案。这项工作的主要目的是计算多旋翼无人机 ( UAV）在动态环境中，从初始位置移动到所需状态。我们假设监控单元完全知道飞行环境，并且可以实时知道动态障碍物的位置和轨迹，因此在这种环境中执行需要高反应性以及与监控单元的良好连接提供安全路径，每次在道路上检测到一个或多个障碍物时，无人机可以自动从不安全路径转向新的安全路径，避免潜在的碰撞。首先，鉴于无人机的旋转和平移动力学，我们为多旋翼选择了广义非线性模型。然后我们将该模型与目标函数相关联。之后，我们继续使用分解协调方法解决多目标优化问题。该方法的原理在于将系统分解为几个较小的子系统以简化处理。然后我们使用拉格朗日乘子实现协调。为了证明我们方法的收敛性和稳定性，我们使用了专门为该系统选择的李雅普诺夫函数。在最后一节中，我们展示了仿真结果，以确认我们方法的可靠性。然后我们将该模型与目标函数相关联。之后，我们继续使用分解协调方法解决多目标优化问题。该方法的原理在于将系统分解为几个较小的子系统以简化处理。然后我们使用拉格朗日乘子实现协调。为了证明我们方法的收敛性和稳定性，我们使用了专门为该系统选择的李雅普诺夫函数。在最后一节中，我们展示了仿真结果，以确认我们方法的可靠性。然后我们将该模型与目标函数相关联。之后，我们继续使用分解协调方法解决多目标优化问题。该方法的原理在于将系统分解为几个较小的子系统以简化处理。然后我们使用拉格朗日乘子实现协调。为了证明我们方法的收敛性和稳定性，我们使用了专门为该系统选择的李雅普诺夫函数。在最后一节中，我们展示了仿真结果，以确认我们方法的可靠性。该方法的原理在于将系统分解为几个较小的子系统以简化处理。然后我们使用拉格朗日乘子实现协调。为了证明我们方法的收敛性和稳定性，我们使用了专门为该系统选择的李雅普诺夫函数。在最后一节中，我们展示了仿真结果，以确认我们方法的可靠性。该方法的原理在于将系统分解为几个较小的子系统以简化处理。然后我们使用拉格朗日乘子实现协调。为了证明我们方法的收敛性和稳定性，我们使用了专门为该系统选择的李雅普诺夫函数。在最后一节中，我们展示了仿真结果，以确认我们方法的可靠性。