Guidance and control for a fixed-wing UAV

Nowadays, we often hear about autonomous Unmanned Aerial Vehicles because of their growing diffusion and ability to adapt to multiple application contexts. When speaking of UAVs, we refer to a category of small/medium-sized aerial vehicles that can fly autonomously. A category of great interest is that of fixed-wing UAVs, due to its inherent energy efficiency in performing medium/long range missions and the ability to carry payloads. For this reason, a fervent interest is emerging around it, bringing together communities from different contexts, from recreational to academic, from commercial to military. The common factor for any autonomous implementation is the UAV's ability to move in space with great precision toward given geometric references. For an aircraft facing an outdoor activity, the challenge is made even harder by the constant presence of wind. Making a UAV autonomous requires two main control layers: the autopilot, able to maintain attitude, height, airspeed, and course; the path following, able to maintain the aircraft on a given inertial reference. The research has therefore moved in the years towards the construction of increasingly robust path following laws. One of the most performing is known as Vector Field method. Recently, a research proposed an variant of the Vector Field approach using an adaptation strategy that showed promising results on simulations with simplified dynamics models of fixed-wing UAVs. This thesis wants to make possible an evaluation of the new Vector Field strategy using a complete aircraft model based on a real integrated platform in view of future experimentations. Therefore, the aircraft dynamics was deeply studied and its complete nonlinear dynamics equations were implemented on a Simulink simulator. Moreover, the hardware and software integration of a fixed-wing UAV was tackled. Every components, from the airframe to electronics were selected according to specific requirements, and the physical and aerodynamics parameters of the aircraft are then estimated. The brain of each autonomous aerial vehicle is the Flight Control Unit. The chosen FPU software is ArduPilot, an open-source flight software suite, which gives two fundamental benefits: it is possible to implement easily the guidance strategy slightly modifying an already complete software; it already implements the autopilot layer, hence the low-level controllers. In this way, after an appropriate analysis, the autopilot architecture was reverse-engineered and included onto the Simulink simulator. This means having a simulator that runs the same core of the ArduPilot system. The adaptive Vector Field strategy has been then analysed and properly implemented in the simulator: finally the performance of the approach are presented and properly evaluated.

Al giorno d’oggi, sentiamo spesso parlare di Aeromobili a Pilotaggio Remoto per via della loro crescente diffusione e capacità di adattarsi a molteplici contesti applicativi. Quando si parla di APR, in inglese UAV, in genere si fa riferimento ad una categoria di velivoli di piccola/media dimensione in grado di volare pilotati da remoto. Quando il velivolo può affrontare una missione autonoma, solitamente viene chiamato drone. Una categoria di grande interesse è quella delle piattaforme ad ala fissa, per la sua innata efficienza in termini energetici nello poter svolgere missioni a medio-lungo raggio e per la capacità di poter trasportare del carico utile. Per questo motivo, intorno agli essa si sta sviluppando un fervente interesse che raccoglie comunità provenienti da diversi contesti, da quello ricreazionale a quello accademico, da quello commerciale a quello militare. Il minimo comune multiplo per qualunque implementazione autonoma, è la capacità dello UAV di potersi spostare nello spazio con grande precisione seguendo dei riferimenti geometrici assoluti. Per un sistema ad ala fissa, o aereo, la sfida è resa ancora più difficile dalla costante presenza del vento. La ricerca pertanto si è mossa negli anni verso la costruzione di controllori e leggi di navigazione sempre più robusti. Nella ricerca, gran parte delle leggi di guida per UAV vengono proposte inizialmente utilizzando modelli dinamici semplificati. Lo stesso vale per un approccio per l’inseguimento di riferimenti rettilinei ed orbite (path following) noto come Vector Field, una cui variante adattiva è stata recentemente sviluppata presso il DCSC di TU Delft. Lo scopo della tesi è quello valutare le performance di tale controllo sulla dinamica completa di un aereo per prepararne l’implementazione su un vero UAV ad alla fissa. Per questo motivo, è stata affrontata l’integrazione di un UAV in tutti i suoi aspetti, dalla scelta dell’aereo a quella dell’elettronica, fino al software. Il software di volo scelto è ArduPilot, famoso software di volo open-source, il cui utilizzo da' la possibilità di implementare facilmente nuovi controllori di path following, facendo uso di alcuni strumenti già integrati quali EKF, librerie per i sensori, o meccanismi di failsafe. Dopo un'apposita stima dei parametri fisici ed aerodinamici, il modello dinamico completo a 6-DOF dell’aereo è stato quindi implementato nell’ambiente di sviluppo Matlab/Simulink. Solitamente le leggi di path following, come il Vector Field, rappresentano solamente lo strato di controllo più esterno. Sono necessari infatti dei controllori di basso livello, dediti a regolare l’assetto dell'aereo, la sua quota, velocità e rotta. Per questo motivo, dopo aver descritto la struttura generale di controllo di basso livello, la tesi si occupa anche di analizzare l’effettiva struttura di controllo di ArduPilot ed implementarla all’interno del simulatore Simulink. In questo modo si è potuto ottenere un simulatore completo con cui fosse possibile ottenere simulazioni accurate del sistema completo aereo-Ardupilot su cui poter applicare e valutare l'approccio del Vector Field path following adattivo.