Continuous time model identification with applications to rotorcraft dynamics

System identification is today a very wide research area, the results of which find application in a very diverse range of fields. While most of the literature on system identification focuses on discrete-time models, in many situations of practical interest (such, as, e.g., aircraft and rotorcraft identification) the direct estimation of the parameters of a continuous-time model from sampled input-output data is an important problem per se, for which dedicated methods and tools have to be employed. Moreover, the problem of identifying models under special circumstances which turn out to be critical in discrete-time, such as the identification of stiff systems or the use of non-equidistantly sampled data make it necessary to develop special algorithms that can deal with these cases. The development of identification methods for continuous-time models is a challenge its own, and has been studied extensively. In this thesis continuous-time model identification methods are developed with a special focus on the issues of rotorcraft system identification. Subspace approaches have been mainly studied in the discrete-time domain but in this thesis it will be shown that their charming properties are still valid in the continuous-time domain.

L’identificazione di modelli rappresenta oggi un settore di ricerca molto vasto i cui risultati trovano applicazione in diversi rami ingegneristici. Nonostante la maggior parte della letteratura sull’identificazione di modelli sia focalizzata sui modelli a tempo discreto, in numerose situazioni che presentano un interesse pratico (come ad esempio l’identificazione di modelli in campo aeronautico ed elicotteristico, vedi Klein and Morelli [2006], Tischler and Remple [2006]) stimare direttamente i parametri di un modello a tempo continuo dai dati campionati di ingresso e uscita costituisce per se un problema importante, che richiede l’utilizzo di metodi e strumenti ad-hoc. Sussistono inoltre casi particolari in cui l’identificazione di modelli a tempo discreto `e critica. Ad esempio, nel caso dell’identificazione di sistemi stiff o quando si hanno a disposizione dati campionati con campionamento non uniforme `e necessario sviluppare algoritmi speciali in grado di gestire questo tipo di casi in modo specifico. Lo sviluppo di metodi di identificazione di modelli a tempo continuo rappresenta una sfida ancora aperta anche se gi`a diffusamente affrontata (vedi, ad esempio, il recente libro Garnier and Wang [2008] e i riferimenti ivi contenuti). In questo lavoro di tesi sono state sviluppate nuove tecniche di identificazione di modelli a tempo continuo, focalizzandosi sulle problematiche legate al mondo dell’identificazione dei modelli di aeromobile a pala rotante. In letteratura l’identificazione a sottospazi `e stata studiata principalmente a tempo discreto; d’altra parte, in questa tesi verr`a mostrato come i punti di forza tipici di questo approccio si mantengano anche a tempo continuo.