Preliminary UAV nose landing gear digital twin for damage diagnosis/HUMS implementation

In this master’s thesis the development and preliminary implementation of a diagnostic algorithm for the landing gear of an Unmanned Aerial Vehicle (UAV) is presented. This research covers comprehensive modelling of the landing gear, including the steering actuator, retraction/extension actuator, shock absorber, and dynamic characteristics of the landing gear. These models are constructed within a Simulink environment employing the Simscape Multibody library for the actuators and the shock absorber. Such an approach preliminarily creates a digital twin of the landing gear which could act as the basis for signal measurement and subsequent analysis. This diagnostic algorithm uses the logged data from several sensors like current sensors, pressure sensors and position sensors that were acquired during the normal healthy operation of the landing gear. Later, faults are modelled and incorporated into the models, including bearing faults, and oil chamber leakage. This research presents a comparative analysis between two diagnostic methods, aiming to determine the most effective in detecting the fault conditions. The traditional RMSE-based method is compared to a more sophisticated method based on the Mahalanobis distance. The outcomes of this research offer valuable insights into the potential for UAV landing gear diagnostics and optimizing UAV maintenance. It is essential to note that this work recognizes the need for future efforts to accurately validate the developed models, and introduce uncertainties in the model, through experimental activities, enhancing the algorithm's reliability and accuracy in UAV applications.

Questa tesi presenta lo sviluppo e l'implementazione preliminare di un algoritmo di diagnostica per il carrello di atterraggio di un UAV. La ricerca è incentrata sulla modellazione del sistema del carrello d'atterraggio, che include gli attuatori responsabili dello sterzo, della retrazione e dell'estrazione, l'ammortizzatore e la dinamica del carrello di atterraggio. Questi modelli sono realizzati in ambiente Simulink, sfruttando la libreria Simscape Multibody per gli attuatori e l'ammortizzatore. Questo approccio porta alla realizzazione di un digital twin preliminare del carrello d'atterraggio, che funge da base per la misurazione e l'analisi del segnale. L'algoritmo di diagnostica è costruito su una base di dati raccolti da vari sensori, tra cui sensori di corrente, sensori di pressione e sensori di posizione, acquisiti durante il normale funzionamento del carrello di atterraggio. Successivamente, vengono introdotte e implementate condizioni di danneggiamento nei modelli, che comprendono usura dei cuscinetti e perdita nella camera dell'olio dell'ammortizzatore. Questa ricerca presenta un'analisi comparativa tra due metodi di diagnostica, con l'obiettivo di scegliere il più efficace nel rilevare le condizioni di danneggiamento. Il tradizionale metodo basato sull'RMSE è confrontato con un metodo più sofisticato basato sulla distanza di Mahalanobis. I risultati di questa ricerca offrono preziose informazioni sul potenziale della diagnostica del carrello d'atterraggio degli UAV, contribuendo alla sicurezza e all'affidabilità delle operazioni dei velivoli a controllo remoto. È essenziale notare che questo lavoro riconosce la necessità di sforzi futuri per convalidare accuratamente i modelli sviluppati e introdurre incertezze nel modello attraverso attività sperimentali, garantendo l'affidabilità e l'accuratezza dell'algoritmo nelle applicazioni pratiche di questi velivoli.