Cabrerizo, Armando E. (2017) Identificación de parámetros de modelo dinámico de un vehículo aéreo no tripulado. / Parameter identification of dynamic model of a unmanned aerial vehicle. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro.
![[img]](/style/images/fileicons/application_pdf.png)
| PDF (Tesis) Disponible bajo licencia Creative Commons: Reconocimiento - No comercial - Compartir igual. Español 2259Kb |
Resumen en español
La posibilidad de contar con un sistema aéreo robótico se ha convertido en una necesidad para todos los países que desean tener un control eciente, económico e inteligente de su territorio. Estas intenciones se vieron reejadas en el Estado Argentino con la resolución Nº 1.484 del Ministerio de Defensa, donde surge el programa Sistema Aéreo Robótico Argentino (SARA). Encomendada la tarea de gestión del proyecto a la empresa INVAP, nace entonces la necesidad del diseño de una serie de Vehículos Aéreos No Tripulados (VANTs). El diseño de una aeronave autómata tiene como principal dicultad el desarrollo e implementaci ón de un autopiloto robusto, tolerante a las perturbaciones externas y posibles fallas del sistema. La precisión y eciencia de este controlador depende en gran medida de la capacidad de predicción del modelo aerodinámico que se conozca de la aeronave. Una técnica muy utilizada para la obtención de un modelo matemático riguroso es la Identicaci ón de Sistemas o Identicación de Parámetros. En esta tesis se desarrolla una herramienta de aplicación general que permita la identicación de los parámetros del modelo dinámico de un VANT a partir de datos de vuelo. Como primer versión de esta herramienta se utiliza la estimación por Mínimos Cuadrados. En el desarrollo de esta tesis se presenta el modelo analítico de una aeronave de ala ja, las bases de la estimación estadística, la generación de datos simulados y el procesamiento de datos reales. Finalmente se muestran los resultados de la aplicación de la Identicación de Parámetros para obtener un modelo matemático óptimo de un VANT.
Resumen en inglés
The possibility of having a robotic air system has become a necessity for all countries that wish to have an efficient, economic and intelligent control of their territory. In Argentina, these intentions are materialized by the program Sistema Aéreo Robótico Argentino (SARA) (resolution No. 1.484 of the Ministry of Defense). Within the program manage by INVAP, the need of designing a series of UAVs(Unmanned aerial vehicles). The main difficulty during the design of an automaton aircraft is the development and implementation of a robust autopilot, tolerant to external disturbances and possible system failures. The accuracy and efficiency of this controller depend to a large extent on the prediction capacity of the aerodynamic model that is known from the aircraft. System Identication or Parameter Identification is a technique widely used to obtain rigorous mathematical models. The main objective of this thesis is to develop a tool of general application that allows the identification of the parameters of the dynamic model of an UAV from light data. The estimate for Least Squares is used as the first version of this tool. In the development of this thesis the analytical model of a fixed-wing aircraft is presented, the bases of the statistical estimation, the generation of simulated data and the processing of real data. Finally, the results of the application of the Parameter Identication are shown to obtain an optimal mathematical model of an UAV.
| Tipo de objeto: | Tesis (Maestría en Ciencias Físicas) |
|---|---|
| Palabras Clave: | Vehicle; Vehículo; [System identification; Identificación de sistemas; Dynamic systems; Sistemas dinámicos; Unmanned aerial vehicles; Vehículos aéreos no tripulados] |
| Referencias: | [1] INVAP. Sistema aéreo robótico argentino (sara). URL http:// www.invap.com.ar/es/espacial-y-gobierno/proyectos-de-gobierno/ sistema-aereo-robotico-argentino-sara.html. [2] DeGarmo, M. T. Issues concerning integration of unmanned aerial vehicles in civil airspace. Center for Advanced Aviation System Development, pág. 4, 2004. [3] Hajiyev, C., Soken, H. E., Vural, S. Y. State estimation and control for low-cost unmanned aerial vehicles. Springer, 2015. [4] Maza, I., Caballero, F., Capitán, J., Martínez-de Dios, J. R., Ollero, A. Experimental results in multi-uav coordination for disaster management and civil security applications. Journal of intelligent & robotic systems, 61 (1), 563-585, 2011. [5] Fernández-Hernandez, J., González-Aguilera, D., Rodríguez-Gonzálvez, P., Mancera- Taboada, J. Image-based modelling from unmanned aerial vehicle (uav) photogrammetry: An effective, low-cost tool for archaeological applications. Archaeometry, 57 (1), 128-145, 2015. [6] Xiang, H., Tian, L. Development of a low-cost agricultural remote sensing system based on an autonomous unmanned aerial vehicle (uav). Biosystems engineering, 108 (2), 174-190, 2011. [7] ZADEH, L. A. From circuit theory to system theory. PROCEEDINGS OF THE IRE, 50, 856-865, 1962. [8] Klein, V., Morelli, E. A. Aircraft system identication: theory and practice. American Institute of Aeronautics and Astronautics Reston, Va, USA, 2006. [9] Tischler, M. B., Remple, R. K. Aircraft and rotorcraft system identication. 2006. [10] Hoer, N. V., Coopmans, C., Jensen, A. M., Chen, Y. A survey and categorization of small low-cost unmanned aerial vehicle system identication. Journal of Intelligent & Robotic Systems, 74 (1-2), 129, 2014. [11] Cook, M. V. Flight Dynamics Principles, Third Edition: A Linear Systems Approach to Aircraft Stability and Control (Aerospace Engineering). Butterworth-Heinemann, 2012. [12] Stevens, B., Lewis, F., Johnson, E. Aircraft Control and Simulation: Dynamics, Controls Design, and Autonomous Systems. Wiley, 2015. URL https://books.google. com.ar/books?id=N4abCgAAQBAJ. [13] Blakelock, J. H. Automatic Control of Aircraft and Missiles. Wiley-Interscience, 1991. [14] Bryan, G. Stability in Aviation: An Introduction to Dynamical Stability as Applied to the Motions of Aeroplanes. Macmillan's sci. monogr. Macmillan and Company, limited, 1911. [15] Company, D. A., Hoak, D., Finck, R. USAF stability and control datcom. No parte 4 en USAF Stability and Control Datcom. National Technical Information Service, 1975. [16] Aeromatic. Aeromatic, 20/08/16. URL http://jsbsim.sourceforge.net/ aeromatic2.html. [17] Ljung, L. Perspectives on system identication. Annual Reviews in Control, 34 (1), 112, 2010. [18] Farrell, J. A., Polycarpou, M. M. Adaptive approximation based control: unifying neural, fuzzy and traditional adaptive approximation approaches, tomo 48. John Wiley & Sons, 2006. [19] Kay, S. M. Fundamentals of statistical signal processing. Prentice Hall PTR, 1993. [20] Scharf, L. L. Statiscal Signal Processing. Addison-Wesley, 1991. [21] LORD MicroStrain. 3DM-GX3-35: Attitude Heading Reference System (AHRS) with GPS. [22] NXP Semiconductors. MPXV7002: Integrated Silicon Pressure Sensor. |
| Materias: | Física > Física tecnológica |
| Divisiones: | INVAP |
| Código ID: | 652 |
| Depositado Por: | Tamara Cárcamo |
| Depositado En: | 26 Abr 2018 12:21 |
| Última Modificación: | 26 Abr 2018 12:21 |
Personal del repositorio solamente: página de control del documento
