Identification of a flapping-wing micro aerial vehicle using subspace methods

Last years have been characterized by a large diffusion of micro aerial vehicles (MAVs) in many different areas. The technological innovations of the digital revolution enabled the creation of ever smaller machines capable to operate in different scenarios. Protagonists of the research effort of many companies and universities are flapping wing MAVs (FWMAVs), which promise unprecedented performance. At the same time novel identification schemes for time varying systems are being studied. This research effort is motivated by an increasing demand for accurate models of non LTI systems, which include the FWMAVs. The purpose of the thesis is to link these two research fields, applying periodic identification techniques, more specifically of subspace type, to flapping wing MAVs. As a consequence, this dissertation has the objective to compare methodologies which still are not systematically organized. At the same time a structured procedure for the identification from I/O data of this kind of MAVs is presented. At the beginning the subspace identification methods for periodic systems are introduced, the considered methods are based on the intersection algorithm as a more classical solution and on the newer PBSID algorithm. Then, a mathematical nonlinear periodic model (NLTP) of a Manduca Sexta (commonly known as hawk moth) is implemented. Some successive manipulations on the system have been performed, like a linearization to obtain a linear periodic system (LTP) and the controller synthesis to simulate the corrective actions that the insect executes to remain stable. The controller has been designed as a linear quadratic regulator on the averaged system along the period. In this part also a procedure for deriving the scheduling sequence of the system based on spectral analysis is proposed. The LTP and NLTP systems are therefore identified with the considered methods, highlighting the strengths and weaknesses of each algorithm. From the results it is evident how the more structured methods like the PBSID are more successful in identifying the NLTP system, since they better handle the nonlinearities that emerge during the simulations. The result is greatly improved by exciting the system with a minimal nonlinear distortion input sequence created for the task. Lastly, the identified systems with the best performance are put to the test against the simulators in order to test their tracking ability.

Gli ultimi anni sono stati segnati da una grande diffusione di micro aerial vehicles (MAVs) di ogni tipo. Le innovazioni tecnologiche in tutti i campi che si sono verificate durante la rivoluzione digitale hanno reso possibile la creazione di macchine sempre più piccole e ottimizzate per teatri operativi mai così vari. Protagonisti della ricerca universitaria in questo campo sono i droni ad ala battente (FWMAVs) che promettono performance senza precedenti. Al contempo sono allo studio procedure innovative per l'identificazione di sistemi tempo variabili. Queste ricerche sono motivate da una sempre maggiore necessità di modelli accurati di sistemi non LTI, di cui i sistemi periodici come gli FWMAVs fanno parte. L'obiettivo di questa tesi è di unire questi due ambiti di studio, applicando metodologie di identificazione periodica, più specificatamente di tipologia subspace, ai FWMAVs. Di conseguenza questa dissertazione si prefigge l'obiettivo di confrontare metodologie al momento non ancora sistematicamente organizzate, definendo una procedura strutturata applicabile a questo tipo di MAV. Inizialmente viene fornita un'introduzione sulle metodologie di identificazione subspace per sistemi lineari periodici, i metodi considerati sono basati sull'intersection algorithm come soluzione più classica e sul più innovativo PBSID. Successivamente, un modello matematico nonlineare periodico (NLTP) di Manduca Sexta è stato implementato. Alcune manipolazioni sul sistema sono state effettuate, tra cui una linearizzazione per ottenere un sistema periodico lineare (LTP) e una sintesi del controllore per simulare le azioni correttive che puntualmente l'insetto esegue per restare stabile. Il controllore è stato sviluppato come lineare quadratico progettato sul sistema medio lungo il periodo. In questo frangente una procedura basata sull'analisi spettrale viene proposta per l'estrazione della sequenza di scheduling del sistema. I sistemi LTP e NLTP vengono di conseguenza identificati con i metodi considerati, evidenziando i pregi e difetti di ogni algoritmo. Dai risultati risulta evidente come i metodi più strutturati come il PBSID abbiano più successo nell'identificare il sistema NLTP, in quanto meglio riescono a gestire le nonlinearità che inevitabilmente emergono in simulazione. La qualità dei risultati è largamente incrementata eccitando il sistema con una sequenza di input creata appositamente per minimizzare le distorsioni nonlineari. Infine, i sistemi identificati con le migliori performance vengono messi alla prova confrontandoli con i simulatori in termini di abilità di tracking.