Data analysis and system identification for fleet-level drone modeling

Nowadays the world of flight is in continuous expansion, more precisely, the world of the UAVs. UAVs are becoming increasingly important in the contemporary society: big companies are planning to transport goods to home directly from the stores, the farming sector is going to rely totally on the capabilities of the UAVs etc. Moreover, search and rescue operations can be made faster and more efficient than before thanks to the usage of UAVs. UAVs allow to obtain high resolution measures and pictures: the possibilities that the drones will lead in the next decades have the potential to leave a mark upon human civilization. To provide the correct and the safe use of the UAVs, very specific studies must be carried out. The purpose of the thesis is to study the differences between different drones of the same model and the developing of a free open-source program, designed specifically for the flight analysis of UAVs tested in the POLIMI research lab, in order to parse and to compare drone's flights . The tool has to extract the data from the px4 logs, elaborate them for analysing measures and the derived measures such as the body velocity or the power spectral densities. Other programs already exist for this purpose. What makes px4py different is the ability to plot custom graphs and to compare different logs. Some examples that show how important this option are: the ability to evaluate different flight of the same UAV and to notice the differences between various drones on the same defined flight. The thesis starts with the development of the python tool necessary to analyze and to compare the drones flights. After that, the thesis proceeds with the estimation of the non parametric frequency response of: roll rate, pitch rate, yaw rate and vertical speed. In conclusion, the identified models are computed exploiting a PBSID algorithm.

Al giorno d'oggi il mondo legato al volo è in continua crescita, soprattutto il settore dei velivoli a pilotaggio remoto, conosciuti come droni. Questi ultimi stanno diventanto sempre più importanti nella società moderna; influenti aziende del panorama mondiale, infatti, hanno iniziato a considerare l’uso di droni per il trasporto di merci, direttamente dai magazzini ai clienti. Alcuni ambiti fondamentali del panorama economico e sociale hanno cominciato ad affidarsi alla nuova tecnologia dei droni, ricavandone concreti benefici. Un esempio è offerto dal settore agricolo ma anche dall’ambito relativo ai soccorsi, le cui operazioni sono diventate più veloci e agevoli. I velivoli a piloaggio remoto, inoltre, permettono di effettuare misure ad alta risoluzione e consentono di scattare immagini di luoghi da altezze non facilmente accessibili, aprendo così le possibilità nuove mai sperimentate prima. Ovviamente, al fine di garantire l'utilizzo efficiente e sicuro dei droni, è necessario condurre studi mirati, con la finalità di perfezionarne sempre più la raffinata tecnologia. Per questo, l’intento di questa tesi è quello di studiare le differenze che possono esistere in diverse tipologie di droni dello stesso modello e di sviluppare uno tool open-source, pensato specificamente per l'analisi e il confronto dei droni testati nel laboratori di ricerca del Politecnico di Milano. Specificamente, questo strumento deve estrarre i dati dai file generati da px4 ed elaborarli per la stima di variabili fisiche non ottenibili direttamente dai sensori. Ciò che rende questo strumento diverso dagli altri è la capacità di generare grafici personalizzati e di comparare diversi voli. Un esempio che mostra quanto possa essere utile questa funzionalità è la capacità di mostrare le differenze di diversi droni che compiono lo stesso volo. Inizialmente, si svilupperà il tool necessario, scritto totalmente in Python, per l'analisi e il confronto dei voli. Successivamente, l’elaborato si soffermerà sulla stima delle risposte in frequenza non parametriche di: rateo di rollio, rateo di beccheggio, rateo di imbardata e velocità verticale. In conclusione, verranno calcolati i modelli identificati grazei all'utilizzo di un algoritmo PBSID.