Modeling and analysis of a hybrid UAV power system under nominal and fault conditions

The growing demand for Unmanned Aerial Vehicles (UAVs) with extended endurance and reduced environmental impact has driven the investigation of alternative power sup- ply systems as substitutes for conventional propulsion architectures based on fossil fuels. Conventional engines are inherently limited by onboard fuel capacity, which constrains both flight endurance and operational flexibility. To overcome these limitations, hybrid electric architectures that integrate multiple energy sources have emerged as a promising solution. However, the integration of different power sources necessitates the development of advanced monitoring strategies that can ensure their reliability, availability and safety during all phases of the mission. Within this framework, the AIr-ENEMON project aims to develop a health and usage monitoring system (HUMS) based on digital twin (DT) models and artificial intelligence algorithms. This thesis constitutes the initial phase of the project, focusing on the modeling and analysis of a hybrid UAV power system com- prising a lithium-ion (Li-ion) battery, a Proton Exchange Membrane (PEM) fuel cell, and photovoltaic (PV) panels. Digital twin models are specifically developed within the MATLAB/Simulink environment for each subsystem to accurately capture their behav- ior in real-world applications, both in healthy conditions and when affected by potential damage. Once validated, these models are integrated into a complete hybrid system model, enabling a thorough evaluation of overall system performance across various flight scenarios under both nominal and fault conditions. The results demonstrate that the model accurately replicates the behavior of the real system under different operational conditions. Additionally, the simulation outputs provide a reliable foundation for gener- ating a dataset, which will support the training of diagnostic and prognostic algorithms in subsequent phases of the project.

La crescente domanda per droni senza pilota con elevata autonomia e basso impatto am- bientale ha portato alla ricerca di sistemi propulsivi alternativi rispetto ai motori conven- zionali basati su combustibili fossili. Questi ultimi sono limitati dalla capacità di storare carburante a bordo, limitando l’autonomia di volo e la flessibilità delle operazioni. Per superare queste limitazioni, architetture ibride contenenti fonti diverse di energia rappre- sentano una soluzione promettente. L’integrazione di diverse fonti di potenza necessita lo sviluppo di avanzati sistemi di monitoraggio che possano garantire l’affidabilità, la disponibilità e la sicurezza durante tutte le fasi della missione. In questo contesto, il pro- getto AIr-ENEMON ha l’obiettivo di sviluppare un Health and Usage Monitoring System (HUMS) basato su modelli digital twin (DT) e algoritmi di intelligenza artificiale. Questa tesi rappresenta la fase iniziale del progetto, concentrandosi sulla modellazione e l’analisi di un sistema di alimentazione ibrido per UAV, composto da una batteria agli ioni di litio, una cella a combustibile a membrana a scambio protonico e pannelli fotovoltaici. I modelli DT sono sviluppati specificamente nell’ambiente MATLAB/Simulink per ciascun sottosistema, al fine di riprodurne accuratamente il comportamento in applicazioni reali, sia in condizioni nominali che in presenza di eventuali danni. Una volta validati, questi modelli vengono integrati in un modello completo del sistema ibrido, consentendo una va- lutazione approfondita delle prestazioni complessive del sistema in diversi scenari di volo, sia in condizioni normali sia in presenza di guasti. I risultati dimostrano che il modello è in grado di replicare fedelmente il comportamento del sistema reale nelle varie con- dizioni operative. Inoltre, gli output delle simulazioni forniscono una base affidabile per la generazione di un dataset, che supporterà l’addestramento degli algoritmi diagnostici e prognostici nelle successive fasi del progetto.