Multirotor UAV model identification under varying flight conditions

Unmanned Aerial Vehicles (UAVs) have become indispensable across various civil and military domains due to their inherent versatility. The operations conducted by these drones necessitate high-performance control systems to fulfill specific performance criteria. Multirotor UAVs are the most prevalent type of drone. Given their open-loop instability, careful attention must be devoted to the design of control laws. The creation of an effective control law mandates the utilization of a model that closely approximates the actual physical system. System identification is used for this purpose. It uses statistical methods to build mathematical models of dynamical systems from measured input-output data. For multi-rotor UAVs, due to their unstable nature, system identification is performed in closed loop. While several identification experiments have been performed in steady air conditions, few experiments have been performed replicating flight conditions. This lack of knowledge creates the need of an identification campaign. In this thesis, the windshaper facility is used for the purpose of replicating quadrotor flight in a laboratory environment. Then, a methodology for the identification of multirotor UAVs at different flight speeds is detailed. For the model identification, the Predictor Based Subspace IDentification (PBSIDopt ) algorithm is used, and then the model is structured via H∞ on a physical grey-box model. The identified models are successfully cross-validated, thus proving that the proposed identification procedure can be applied to study quadrotors in flight conditions. The accuracy of the grey-box model is evaluated by applying a Monte Carlo analysis. The model identification is combined with data prefiltering and a grid search for the optimal combination of the PBSIDopt hyperparameters. Furthermore, the stability margins of the control system adopted are analyzed to explore any stability degradation caused by changes in quadrotor dynamics. Finally, a preliminary design of a Linear Parameter Varying (LPV) model is proposed.

Gli Aeromobili a Pilotaggio Remoto (APR) sono diventati indispensabili in vari settori civili e militari grazie alla loro intrinseca versatilità. Le operazioni condotte da questi droni richiedono sistemi di controllo ad alte prestazioni per soddisfare specifici criteri di prestazione. Gli APR multirotore sono il tipo di drone più diffuso. Data la loro instabilità in anello aperto, è necessario prestare particolare attenzione alla progettazione delle leggi di controllo. La creazione di una legge di controllo efficace richiede l’utilizzo di un modello che si avvicini il più possibile al sistema fisico reale. A tal fine viene utilizzata l’identificazione del sistema. Essa utilizza metodi statistici per costruire modelli matematici di sistemi dinamici a partire dai dati di input-output misurati. Per gli APR multirotore, data la loro natura instabile, l’identificazione del sistema viene eseguita in anello chiuso. Sebbene siano stati condotti diversi esperimenti di identificazione in condizioni atmosferiche stabili, pochi esperimenti sono stati condotti replicando le condizioni di volo. Questa mancanza di conoscenze rende necessaria una campagna di identificazione. Il windshaper viene utilizzato allo scopo di replicare il volo dei quadricotteri in un ambiente di laboratorio. In questa tesi viene descritta in dettaglio una metodologia per l’identificazione degli APR multirotore a diverse velocità di volo. Per l’identificazione del modello viene utilizzato l’algoritmo PBSIDopt, quindi il modello viene strutturato tramite H∞ su un modello fisico grey-box. I modelli identificati vengono validati con successo, dimostrando così che la procedura di identificazione proposta può essere applicata allo studio dei quadricotteri in condizioni di volo. L’accuratezza del modello grey-box viene valutata applicando un’analisi Monte Carlo. L’identificazione del modello è combinata con il prefiltraggio dei dati e una ricerca a griglia della combinazione ottimale degli iperparametri del PBSIDopt. Inoltre, vengono analizzati i margini di stabilità del sistema di controllo adottato per esplorare qualsiasi degrado della stabilità causato dai cambiamenti nella dinamica del quadricottero. Inoltre, viene proposto un progetto preliminare di un modello Lineare a Parametri Variabili (LPV).