Real-time parameter estimation for mini aerial vehicles using low-cost hardware

Gäb, Andreas; Alles, Wolfgang

doi:urn:nbn:de:hbz:82-opus-43552

Real-time parameter estimation for mini aerial vehicles using low-cost hardware = Echtzeit-Parameteridentifizierung für Kleinfluggeräte mit kostengünstiger Hardware

Gäb, Andreas (Author)

2012

Verantwortlichkeitsangabevorgelegt von Andreas Gäb

ImpressumAachen : Publikationsserver der RWTH Aachen University 2012

UmfangXII, 114 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2012

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Alles, Wolfgang (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2012-10-26

Online
URN: urn:nbn:de:hbz:82-opus-43552
URL: https://publications.rwth-aachen.de/record/197552/files/4355.pdf

Einrichtungen

Lehrstuhl und Institut für Flugsystemdynamik (415410)

Inhaltliche Beschreibung (Schlagwörter)
Parameteridentifikation (Genormte SW) ; Flugkörper (Genormte SW) ; Flugversuch (Genormte SW) ; Ingenieurwissenschaften (frei) ; UAV (frei) ; MAV (frei) ; PID (frei) ; RLS (frei) ; flight test (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die Arbeit beschreibt Entwurf und Realisierung eines echtzeitfähigen Algorithmus zur Identifizierung aerodynamischer Kenngrößen auf einem kleinen ferngesteuerten Flugzeug. Das erweiterte Kalmanfilter (EKF) wird an die Identifizierung aerodynamischer Parameter angepasst. Eine Formulierung wird entwickelt, die dem Recursive Least Squares (RLS)-Algorithmus ähnelt, jedoch Rauschkovarianzen anstelle eines Forgetting Factors zur Feinabstimmung verwendet. Die Optimierung zur Ausführung auf Hardware mit geringer Rechenleistung wird diskutiert. Ein Demonstrationsflugzeug basierend auf einem Fernsteuermodell wurde mit der benötigten Hardware ausgestattet (Luft- und Inertialdatensensoren, Bordrechner und Telemetrie). Windkanalversuche und Rechnungen liefern einen Referenzdatensatz des Flugzeugs, der zur Simulation eingesetzt wird. Die Simulation erweist die Leistungsfähigkeit des Identifizierungsalgorithmus und erlaubt eine Aussage, welche Parameter mit der gegebenen Hardware identifizierbar sein werden. Der Haupteinfluss auf die Identifizierbarkeit eines Derivativs ist sein relativer Anteil an einem Beiwert im Verhältnis zum Pegel des Messrauschens. Aufgrund der im Vergleich zur Abtastrate sehr schnellen Rollbewegung (und in geringerem Maße der Nickbewegung) ergeben sich Korrelationsprobleme. Zwei Arten von Flugversuchsergebnissen werden vorgestellt: nachträgliche Analysen aufgezeichneter Flugschriebe sowie die durch den im Flug laufenden Echtzeitalgorithmus identifizierten Parameter. Obwohl einige Nebenderivative unidentifizierbar bleiben, bestätigen die Ergebnisse die generelle Nutzbarkeit des Ansatzes.

This work describes the design and implementation of a real-time aerodynamic parameter estimation algorithm on a small remotely piloted aircraft. The Extended Kalman Filter (EKF) is adapted for aerodynamic parameter estimation. A formulation is given which is similar to the recursive least squares (RLS) algorithm but uses noise covariances instead of a forgetting factor for tuning. Optimization for low computing power hardware is discussed. A demonstrator aircraft based on an R/C model is equipped with the required hardware (air and inertial data sensors, onboard processor, telemetry). Wind tunnel tests and calculations produce a reference data set for aerodynamics and propulsion of this aircraft, which is then used for simulation. This simulation allows to prove the performance of the parameter identification (PID) algorithm and predict the set of parameters which is identifiable with the given hardware. The main influence on identifiability is the relative contribution of a derivative to a coefficient in relation to the output noise level. Correlation issues are identified which arise because of the very fast rolling motion (and somewhat less the pitching motion) in comparison to the achievable update rates. Two sorts of flight test results are presented: post-flight analyses of logged flight data and identified parameters from the working real-time algorithm. Although some minor derivatives are not identifiable, the results prove the general feasibility of the approach.

Fulltext:
PDF