Closed loop identification and simulation of an octacopter drone

In this thesis, we discuss the closed-loop identification and simulation of a commercial octocopter drone. Firstly, the forces acting on the drone are studied to derive a model of the vehicle. Then, the control structure of an open-source commercial flight controller is integrated with the drone model. Such a control structure is different from the one employed on the real drone under study, a DJI S1000 model with A3 flight controller, which is not accessible. The main focus of the thesis is a novel closed-loop identification routine based on Simulation Error Method (SEM) that uses as optimization variables the drone physical parameters and the bandwidth of the cascaded loops describing the low-level controller. This approach allows one to reduce the problem complexity by decreasing the number of optimization variables and at the same time helps to meet requirements regarding the robustness of the loops. Then, the performance of the identification procedure and the simulation accuracy is compared with data from experimental tests. This thesis is concluded by including the identified model of both vehicle and controller in ROS-Gazebo simulation environment.

In questa tesi è discussa l'identificazione ad anello chiuso e la simulazione di un drone ottacottero commerciale. In primo luogo, vengono studiate le forze che agiscono sul drone per ricavare un modello del veicolo. In seguito, la struttura di controllo di una centralina di volo commerciale open source è integrata con il modello del drone. Tale struttura di controllo è diversa da quella impiegata sul vero drone in studio, un modello DJI S1000 con centralina di volo A3, la quale non è accessibile. L'obiettivo principale della tesi è lo sviluppo di un nuovo algoritmo di identificazione ad anello chiuso basata su Simulation Errod Method (SEM) che utilizza come variabili di ottimizzazione i parametri fisici del drone e le bande passanti dei regolatori in cascata che compongono il controllore. Questo approccio consente di ridurre la complessità del problema diminuendo il numero di variabili di ottimizzazione e allo stesso tempo aiuta a soddisfare i requisiti relativi alla robustezza dei loop. In seguito, le prestazioni della procedura di identificazione e l'accuratezza della simulazione vengono confrontate con i dati delle prove sperimentali. Questa tesi si conclude includendo il modello identificato del veicolo e del controllore nell'ambiente di simulazione ROS-Gazebo.