Airborne Wind Energy Systems leverage autonomous tethered aircraft to harvest high-altitude wind resources. Control strategies have evolved from basic path-following to nonlinear optimization frameworks capable of managing structural mode transitions. Foundational research \cite{fagiano2018autonomous, erhard2015flight} established NMPC for handling periodic constraints and under-actuation. Subsequent refinements validated cascaded architectures decoupling rotational dynamics from translational manifolds \cite{todeschini2019control}. A critical challenge identified in recovery is instability due to a lack of coordination between winch traction and altitude regulation, which requires longitudinal decoupling and virtual line-following geometries \cite{vermillion2021electricity}. Integration of symbolic frameworks \cite{andersson2019casadi} and high-speed solvers has enabled full state rigid-body models within the NMPC horizon for real-time embedded execution. To address manual tuning bottlenecks, data-driven Bayesian Optimization (BO) \cite{sorourifar2021data} treats closed-loop AWES simulation as an expensive black-box objective, using Gaussian Process surrogates to identify optimal weight manifolds that balance tracking fidelity, energy efficiency, and tether slack prevention under stochastic disturbances. In this thesis, we propose and validate a cascaded control architecture consisting of a 15-state NMPC guidance layer (50 Hz), a proportional attitude loop (250 Hz), and an angular rate PID loop (1 kHz). A Multi-Phase Landing concept is introduced for recovery, utilizing longitudinal decoupling to enable a winch-led descent while the drone maintains lateral centering with respect to the ground station. A BO pipeline with a multi-objective fitness function that penalizes tracking error, actuator jitter, and tether slack eliminates manual tuning, with optimized weights applied exclusively in the multi-phase landing strategy. Numerical validation against a 15-state rigid-body nonlinear plant demonstrates subcentimetric positioning accuracy and robust disturbance rejection.

I sistemi di energia eolica d’alta quota Airborne Wind Energy Systems sfruttano velivoli autonomi vincolati per raccogliere risorse eoliche ad alta quota. Le strategie di controllo si sono evolute dal semplice inseguimento di traiettoria a schemi di ottimizzazione non lineare capaci di gestire le transizioni tra modalità strutturali. Ricerche fondamentali \cite{fagiano2018autonomous, erhard2015flight} hanno stabilito l'NMPC per la gestione di vincoli periodici e della sotto-attuazione. Successivi affinamenti hanno validato architetture a cascata che disaccoppiano la dinamica rotazionale dalle varietà traslazionali \cite{todeschini2019control}. Una sfida critica identificata nel recupero è l'instabilità dovuta alla mancanza di coordinamento tra la trazione del verricello e la regolazione dell'altitudine, il che richiede il disaccoppiamento longitudinale e geometrie virtuali di inseguimento della linea \cite{vermillion2021electricity}. L'integrazione di framework simbolici \cite{andersson2019casadi} e risolutori ad alta velocità ha permesso l'utilizzo di modelli a corpo rigido a stato completo all'interno dell'orizzonte NMPC per l'esecuzione embedded in tempo reale. Per affrontare i colli di bottiglia della sintonizzazione manuale, l'Ottimizzazione Bayesiana (BO) guidata dai dati \cite{sorourifar2021data} tratta la simulazione AWES in anello chiuso come un costoso obiettivo black-box, utilizzando surrogati di Processi Gaussiani per identificare varietà di pesi ottimali che bilanciano fedeltà di inseguimento, efficienza energetica e prevenzione dell'allentamento del cavo sotto disturbi stocastici. In questa tesi, proponiamo e validiamo un'architettura di controllo a cascata composta da un livello di guida NMPC a 15 stati (50 Hz), un anello di assetto proporzionale (250 Hz) e un anello PID per la velocità angolare (1 kHz). Viene introdotto un concetto di Atterraggio Multi-Fase per il recupero, utilizzando il disaccoppiamento longitudinale per consentire una discesa guidata dal verricello mentre il drone mantiene il centraggio laterale rispetto alla stazione di terra. Una pipeline di BO con una funzione di fitness multi-obiettivo che penalizza l'errore di inseguimento, il jitter degli attuatori e l'allentamento del cavo elimina la sintonizzazione manuale, con pesi ottimizzati applicati esclusivamente nella strategia di atterraggio multi-fase. La validazione numerica rispetto a un impianto non lineare a corpo rigido a 15 stati dimostra un'accuratezza di posizionamento subcentimetrica e una robusta reiezione dei disturbi.

On take-off and landing control of a tethered drone for airborne wind energy

MONDAL, SUJAY
2025/2026

Abstract

Airborne Wind Energy Systems leverage autonomous tethered aircraft to harvest high-altitude wind resources. Control strategies have evolved from basic path-following to nonlinear optimization frameworks capable of managing structural mode transitions. Foundational research \cite{fagiano2018autonomous, erhard2015flight} established NMPC for handling periodic constraints and under-actuation. Subsequent refinements validated cascaded architectures decoupling rotational dynamics from translational manifolds \cite{todeschini2019control}. A critical challenge identified in recovery is instability due to a lack of coordination between winch traction and altitude regulation, which requires longitudinal decoupling and virtual line-following geometries \cite{vermillion2021electricity}. Integration of symbolic frameworks \cite{andersson2019casadi} and high-speed solvers has enabled full state rigid-body models within the NMPC horizon for real-time embedded execution. To address manual tuning bottlenecks, data-driven Bayesian Optimization (BO) \cite{sorourifar2021data} treats closed-loop AWES simulation as an expensive black-box objective, using Gaussian Process surrogates to identify optimal weight manifolds that balance tracking fidelity, energy efficiency, and tether slack prevention under stochastic disturbances. In this thesis, we propose and validate a cascaded control architecture consisting of a 15-state NMPC guidance layer (50 Hz), a proportional attitude loop (250 Hz), and an angular rate PID loop (1 kHz). A Multi-Phase Landing concept is introduced for recovery, utilizing longitudinal decoupling to enable a winch-led descent while the drone maintains lateral centering with respect to the ground station. A BO pipeline with a multi-objective fitness function that penalizes tracking error, actuator jitter, and tether slack eliminates manual tuning, with optimized weights applied exclusively in the multi-phase landing strategy. Numerical validation against a 15-state rigid-body nonlinear plant demonstrates subcentimetric positioning accuracy and robust disturbance rejection.
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2026
2025/2026
I sistemi di energia eolica d’alta quota Airborne Wind Energy Systems sfruttano velivoli autonomi vincolati per raccogliere risorse eoliche ad alta quota. Le strategie di controllo si sono evolute dal semplice inseguimento di traiettoria a schemi di ottimizzazione non lineare capaci di gestire le transizioni tra modalità strutturali. Ricerche fondamentali \cite{fagiano2018autonomous, erhard2015flight} hanno stabilito l'NMPC per la gestione di vincoli periodici e della sotto-attuazione. Successivi affinamenti hanno validato architetture a cascata che disaccoppiano la dinamica rotazionale dalle varietà traslazionali \cite{todeschini2019control}. Una sfida critica identificata nel recupero è l'instabilità dovuta alla mancanza di coordinamento tra la trazione del verricello e la regolazione dell'altitudine, il che richiede il disaccoppiamento longitudinale e geometrie virtuali di inseguimento della linea \cite{vermillion2021electricity}. L'integrazione di framework simbolici \cite{andersson2019casadi} e risolutori ad alta velocità ha permesso l'utilizzo di modelli a corpo rigido a stato completo all'interno dell'orizzonte NMPC per l'esecuzione embedded in tempo reale. Per affrontare i colli di bottiglia della sintonizzazione manuale, l'Ottimizzazione Bayesiana (BO) guidata dai dati \cite{sorourifar2021data} tratta la simulazione AWES in anello chiuso come un costoso obiettivo black-box, utilizzando surrogati di Processi Gaussiani per identificare varietà di pesi ottimali che bilanciano fedeltà di inseguimento, efficienza energetica e prevenzione dell'allentamento del cavo sotto disturbi stocastici. In questa tesi, proponiamo e validiamo un'architettura di controllo a cascata composta da un livello di guida NMPC a 15 stati (50 Hz), un anello di assetto proporzionale (250 Hz) e un anello PID per la velocità angolare (1 kHz). Viene introdotto un concetto di Atterraggio Multi-Fase per il recupero, utilizzando il disaccoppiamento longitudinale per consentire una discesa guidata dal verricello mentre il drone mantiene il centraggio laterale rispetto alla stazione di terra. Una pipeline di BO con una funzione di fitness multi-obiettivo che penalizza l'errore di inseguimento, il jitter degli attuatori e l'allentamento del cavo elimina la sintonizzazione manuale, con pesi ottimizzati applicati esclusivamente nella strategia di atterraggio multi-fase. La validazione numerica rispetto a un impianto non lineare a corpo rigido a 15 stati dimostra un'accuratezza di posizionamento subcentimetrica e una robusta reiezione dei disturbi.
File allegati
File Dimensione Formato  
2026_07_Mondal_Thesis_01.pdf

accessibile in internet per tutti

Descrizione: Thesis
Dimensione 4.99 MB
Formato Adobe PDF
4.99 MB Adobe PDF Visualizza/Apri
2026_07_Mondal_Executive_Summary.pdf

accessibile in internet per tutti

Descrizione: Executive Summary
Dimensione 165.79 kB
Formato Adobe PDF
165.79 kB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/261477