Εκτίμηση δυναμικού μοντέλου μικρού μη επανδρωμένου αεροσκάφους με περιορισμένο αισθητηριακό σύστημα

Βαϊόπουλος, Πάρις; Vaiopoulos, Paris

dc.contributor.author	Βαϊόπουλος, Πάρις	el
dc.contributor.author	Vaiopoulos, Paris	en
dc.date.accessioned	2017-12-08T13:19:16Z
dc.date.available	2017-12-08T13:19:16Z
dc.date.issued	2017-12-08
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46056
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.14631
dc.rights	Default License
dc.subject	Εκτίμηση παραμέτρων	el
dc.subject	Εκτίμηση κατάστασης	el
dc.subject	Βαθμονόμηση αισθητήρων	el
dc.subject	Αεροδυναμικά μοντέλα	el
dc.subject	Φίλτρα Κάλμαν	el
dc.subject	Στατιστικές μέθοδοι μοντελοποίησης	el
dc.subject	UAV	en
dc.subject	Paramter identification	en
dc.subject	Sensor fusion	en
dc.subject	State estimation	en
dc.subject	Aerodynamic model	en
dc.subject	Kalman filter	en
dc.subject	Regression methods	en
dc.subject	Sensor calibration	en
dc.subject	Singular value decomposition	en
dc.subject	Principal component analysis	en
dc.title	Εκτίμηση δυναμικού μοντέλου μικρού μη επανδρωμένου αεροσκάφους με περιορισμένο αισθητηριακό σύστημα	el
heal.type	bachelorThesis
heal.classification	Στατιστικές μέθοδοι	el
heal.classificationURI	http://data.seab.gr/concepts/de03e1033432e2fc242629c29de63211c9b824b2
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-10-26
heal.abstract	Κατά την διάρκεια των τελευταίων ετών, ένα ικανό μέρος της παγκόσμιας ακαδημαϊκής έρευνας αφιερώνει πόρους για την κατασκευή, υλοποίηση και μελέτη μή επανδρωμένων ιπτάμενων συστημάτων (Unmanned Aerial Systems-UAS). Οι εφαρμογές εκτείνονται απο την μετεωρολογία,την αεροφωτογραφία και χαρτογράφηση δυσπρόσιτων περιοχών, την παρακολούθηση, την ασφάλεια/ διάσωση μέχρι, προσφάτως, την μεταφορά εμπορευμάτων. Καθώς οι απαιτήσεις των αυτόνομων εναέριων συστημάτων αυξάνονται, η ανάγκη για μοντελοποίηση των ασκούμενων αεροδυναμικών τάσεων και ροπών εν πτήσει προβάλλει ολοένα και πιο επιτακτική. Η δημιουργία προσομοιωτών υψηλής ακρίβειας, η ανάπτυξη ελεγκτών υψηλών προδιαγραφών όπως και η πρόβλεψη/χαρακτηρισμός σφαλμάτων κατα την διάρκεια της πτήσης, εξαρτώνται άμεσα από την ακρίβεια και την προβλεψιμότητα των εκτιμώμενων μοντέλων της δυναμικής συμπεριφοράς της σχετικής πλατφόρμας. Παράλληλα, οι περιορισμοί κόστους και πόρων καθιστούν την χρήση Αεροσήραγγας και εξειδικευμένου εργαστηριακού εξοπλισμού απαγορευτική για πολλές ερευνητικές ομάδες. Bασικός στόχος της συγκεκριμένης μελέτης είναι ο υπολογισμός των παραμέτρων (Parameter Identification) του Δυναμικού Μοντέλου μή επανδρωμένου αεροσκάφους μικρής ή μεσαίας κλίμακας με την βοήθεια περιορισμένου αισθητηριακού συστήματος χαμηλού κόστους χρησιμοποιώντας δεδομένα αποκλειστικά απο δοκιμαστικές πτήσεις. Η ανάπτυξη αλγορίθμων σχετικών με το Parameter Identification απαιτεί τον παράλληλο σχεδιασμό τεχνικών εκτίμησης της κατάστασης του αεροσκάφους συνδυάζοντας πληροφορία απο την φυσική ανάλυση και το αισθητηριακό σύστημα (State Estimation/ Sensor Fusion). Επιπλέον, μέρος της εργασίας αφιερώθηκε στον σχεδιασμό και την εκτέλεση πειραμάτων για την βαθμονόμηση αισθητήρων (Sensor Callibration) με την βοήθεια Αεροδυναμικής Σήραγγας (Wind Tunnel Tets). Όλη η παραπάνω τεχνογνωσία επιβεβαιώθηκε πειραματικά και θα ενσωματωθεί στο πειραματικό αεροσκάφος του Control Systems Lab της Σχολής Μηχανολόγων Μηχανικών του ΕΜΠ.	el
heal.abstract	System Identification in the discipline of aerodynamics, incorporates various Parameter Estimation techniques in order to model the exerted forces and moments on an airframe. Core to this process is the determination of the Stability and Control derivatives , which govern the relationship between light dynamics and fundamental aircraft variables (e.g. control surface delections, stability angles, angular rates). The escalating complexity of implementations associated with Unmanned Aerial Systems (UAS), renders the identification of the Aerodynamic Model pivotal to various cutting edge control systems. Sophisticated autopilots, fault tolerant systems and high fidelity flight simulators, all require the explicit knowledge of the Aerodynamic Parameters of the vehicle under consideration. For this reason, a considerable amount of research has been conducted in the field. Providing feasible solutions to such prerequisites is a non-trivial goal, especially in smallscale unmanned aircrafts. Payload, cost and computational constraints are dominant factors in the design of such Parameter Identification (PId) algorithms. Moreover, costly and time consuming wind tunnel tests cannot be considered a viable option for many research groups with limited resources. Contrariwise, the characterization of the Aerodynamic Model by means of flight data can overcome such deficiencies while providing the respective confidence intervals for the parameter estimates. Central concept of this study is the decomposition of the State Estimation/Parameter Identification problem. After implementing a suitable -model independent- sensor fusion process, the estimated outputs are used for Model Identification. As a considerable amount of uncertainty is present in the explanatory variables, a Total Least Squares (TLS) method is implemented for Aerodynamic Parameter Estimation. Main contribution of this work is a fully developed, computationally efficient PId procedure, oriented towards the needs of small low-cost UAVs. The proposed algorithms are based on the non-linear aircraft model and are suitable for both off-line and real-time applications. A batch implementation serves for the identification of reference models for different flight states. A sequential approach can be used for control purposes and in-flight parameter tracking -e.g. for contributing to a greater Fault Detection and Identification module. Parameter tracking capabilities have been enhanced with the application of an adaptive Variable Forgetting Factor, while lack of Persistent Excitation of the input signals is handled by Principal Component Analysis. Finally, we devised a Monte Carlo method for accurate uncertainty quantification in synthetic aerodynamic variables, a crucial step for securing the robustness and reliability of the process.	en
heal.advisorName	Στασινόπουλος, Γεώργιος	el
heal.committeeMemberName	Κυριακόπουλος, Κωνσταντίνος	el
heal.committeeMemberName	Θεοδώρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	134 σ.	el
heal.fullTextAvailability	true