Optimization of reference models for data-driven controller tuning

The latest technological advances in the field of unmanned aerial vehicles (UAV) have promoted a great interest in the development of aircraft due to its wide range of applicability. Therefore, controllability and automation problems have become one of the first lines of research in this area. The basis of the control of these aircraft is usually defined by attitude control, where theoretical or experimental model approaches are frequently used for the development and tuning of the controllers. However, this approach entails many limitations corresponding to the fidelity of the model. To solve these limitations, data-driven control techniques have been developed dealing with the uncertainty of the system to be controlled, from which a reference model is used for the system to replicate its dynamics. Although this methodology is functional for a large part of systems, in the case of underactuated non-linear systems, the choice of a suitable reference model turns out to be critical for the stability and performance of the aircraft. In view of this problem, the introduction of optimization algorithms within the framework of data-driven controllers turns out to be considered as an alternative approach for the design and synthesis of the same. In this thesis, a two-level optimization method has been implemented within the virtual reference feedback adjustment algorithm to generate a free model alternative for application within the UAV quadcopter, considering a cascade structure of the controller. The algorithm has been tested using different simulation scenarios to validate the operation and the results generated. Likewise, an experimental test has been conducted with measurement data of an aircraft in controlled flight conditions where an algorithm performance metric is produced within this frame of reference.

Gli ultimi progressi tecnologici nel campo dei veicoli aerei senza equipaggio (UAV) hanno promosso un grande interesse nello sviluppo dei velivoli a causa della sua vasta gamma di applicabilità. Pertanto, i problemi di controllabilità e automazione sono diventati una delle prime linee di ricerca in questo settore. La base del controllo di questi velivoli è solitamente definita dal controllo d'assetto, dove approcci teorici o sperimentali del modello sono frequentemente utilizzati per lo sviluppo e la messa a punto dei controllori. Tuttavia, questo approccio comporta molte limitazioni corrispondenti alla fedeltà del modello. Per risolvere queste limitazioni, sono state sviluppate tecniche di controllo data-driven che trattano l'incertezza del sistema da controllare, da cui si utilizza un modello di riferimento del sistema per replicarne la dinamica. Sebbene questa metodologia sia funzionale per gran parte dei sistemi, nel caso di sistemi non lineari sottoattuati, la scelta di un modello di riferimento adeguato si rivela critica per la stabilità e le prestazioni dell'aereo. Alla luce di questo problema, l'introduzione di algoritmi di ottimizzazione nell'ambito dei controllori data-driven risulta essere considerato un approccio alternativo per la progettazione e la sintesi degli stessi. In questa tesi è stato implementato un metodo di ottimizzazione a due livelli all'interno dell'algoritmo di regolazione del feedback di riferimento virtuale per generare un modello alternativo libero da applicare all'interno del quadcopter UAV, considerando una struttura a cascata del controller. L'algoritmo è stato testato utilizzando diversi scenari di simulazione per convalidare il funzionamento e i risultati generati. Allo stesso modo, un test sperimentale è stato condotto con i dati di misurazione di un velivolo in condizioni di volo controllate, dove una metrica delle prestazioni dell'algoritmo è prodotta in questo quadro di riferimento.