Details

Abstrakt in Englisch

Unmanned and manned aerial vehicles have been used extensively for civilian purposes over the past few decades, thanks to unprecedented advances in micro-electro-mechanical systems (MEMS) sensors and microprocessors. One can find various sensors in aerial vehicles, such as triaxial accelerometers, triaxial gyroscopes, triaxial magnetometers, GPS modules, and pressure sensors. The digital sensor signals are processed in microprocessors using sensor fusion techniques, which provide navigation capabilities for aerial vehicles. In this thesis, we present an approach of design and implementation of a sensor fusion algorithm for fixed-wing aerial vehicles. The flight state variables of the sensor fusion algorithm are the position, velocity, orientation of the aerial vehicle, biases of an inertial measurement unit (IMU), and wind speed. The state dynamics are nonlinear due to the orientation. Therefore, we propose to apply an extended Kalman filter (EKF) using inertial measurements (acceleration and angular velocity), GPS position, static pressure, dynamic pressure, and air temperature measurements. In addition to these measurements, two aerodynamic constraints (side force and sink rate polar) of a fixed-wing airplane are used for the wind estimation using an assumption of a wind triangle. We propose not to use magnetic measurements since they are easily distorted by un- known magnetic fields of other electronic devices in the vicinity. The distortion is not well compensated, if at all. Without heading information from the magnetic measure- ments, the horizontal wind cannot be uniquely determined in a single wind triangle. Therefore, we investigate the wind estimation in the proposed EKF without a magnetic sensor. Using an analytical observability analysis, we prove that the wind is observable in the case of a time-varying true airspeed (TAS) direction, which is commonly fulfilled in practical flights. To this end, a numerical study of the observability of the EKF using measured flight data of a manned glider shows that the state vector is effectively observable independent of flight maneuvers. We show that the EKF works without a magnetometer. Furthermore, in order to study the tracking behavior of the individ- ual state variables, we present a method based on the triangularization of the system transition matrix. We show that the wind estimation error can converge in flights with dynamically changing TAS direction. The TAS direction determines which direction of the wind estimate converges faster. A further key contribution of this thesis is the experimental evaluation of the proposed EKF using recorded flight measurements in different manned gliders under realistic envi- ronmental conditions, e.g., smooth air and turbulent atmospheres. The pilot-in-the-loop strategy allows us to collect and label various flight maneuvers, including gliding, soaring in thermals, uncoordinated turning, stall, and free-fall flight. The results show that the EKF can accurately estimate the position, ground speed, orientation, IMU biases, and wind speed in real-time. The horizontal wind estimate is verified by circle shifting in a thermal soaring of a glider. The vertical wind estimate is instantaneous and accurate and can be used to indicate a strong updraft. In addition, we determine the side force coefficient of the side force model using uncoordinated turnings. As a byproduct, the EKF can estimate the angle of attack using a three-dimensional TAS vector. The AoA estimates are evaluated using two specific flight maneuvers, i.e., stall and free-fall flight.

Abstrakt in Deutsch

Unbemannte und bemannte Luftfahrzeuge wurden in den letzten Jahrzehnten dank beispielloser Fortschritte bei mikroelektromechanischen Systemen (MEMS-Sensoren) und Mikroprozessoren in großem Umfang für zivile Zwecke genutzt. In Luftfahrzeugen finden sich verschiedene Sensoren wie dreiachsige Beschleunigungsmesser, dreiachsige Gyroskope, dreiachsige Magnetometer, GPS-Module und Drucksensoren. Die digitalen Sensorsignale werden in Mikroprozessoren mit Hilfe von Sensorfusionstechniken verarbeitet, die Navigationsfunktionen für Luftfahrzeuge bereitstellen.

In dieser Arbeit wird ein Ansatz für den Entwurf und die Implementierung eines Sensorfusionsalgorithmus für Starrflügelflugzeuge vorgestellt. Die Flugzustandsvariablen des Sensorfusionsalgorithmus sind die Position, die Geschwindigkeit, die Orientierung des Luftfahrzeugs, die Verzerrungen einer Inertialmesseinheit (IMU) und die Windgeschwindigkeit. Die Zustandsdynamik ist aufgrund der Orientierung nichtlinear. Daher schlagen wir vor, einen erweiterten Kalman-Filter (EKF) anzuwenden, der Inertialmessungen (Beschleunigung und Winkelgeschwindigkeit), GPS-Position, statischen Druck, dynamischen Druck und Lufttemperaturmessungen verwendet. Zusätzlich zu diesen Messungen werden zwei aerodynamische Randbedingungen (Seitenkraft und Sinkgeschwindigkeitspolare) eines Starrflüglers für die Windschätzung unter der Annahme eines Winddreiecks verwendet.

Wir schlagen vor, keine magnetischen Messungen zu verwenden, da diese leicht durch unbekannte Magnetfelder anderer elektronischer Geräte in der Nähe verzerrt werden. Die Verzerrung wird nicht gut kompensiert, wenn überhaupt. Ohne die Richtungsinformationen aus den magnetischen Messungen kann der horizontale Wind nicht eindeutig in einem einzigen Winddreieck bestimmt werden. Daher untersuchen wir die Windabschätzung im vorgeschlagenen EKF ohne Magnetsensor. Mit Hilfe einer analytischen Beobachtbarkeitsanalyse beweisen wir, dass der Wind im Falle einer zeitlich veränderlichen Richtung der wahren Fluggeschwindigkeit (TAS) beobachtbar ist, was bei praktischen Flügen häufig der Fall ist. Zu diesem Zweck zeigt eine numerische Studie der Beobachtbarkeit des EKF unter Verwendung gemessener Flugdaten eines bemannten Segelflugzeugs, dass der Zustandsvektor unabhängig von Flugmanövern effektiv beobachtbar ist. Wir zeigen, dass der EKF auch ohne Magnetometer funktioniert. Um das Trackingverhalten der einzelnen Zustandsvariablen zu untersuchen, stellen wir eine Methode vor, die auf der Triangularisierung der Systemübergangsmatrix basiert. Wir zeigen, dass der Windschätzungsfehler bei Flügen mit dynamisch wechselnder TAS-Richtung konvergieren kann. Die TAS-Richtung bestimmt, in welche Richtung die Windschätzung schneller konvergiert.

Ein weiterer wichtiger Beitrag dieser Arbeit ist die experimentelle Evaluierung des vorgeschlagenen EKF mit Hilfe von aufgezeichneten Flugmessungen in verschiedenen bemannten Segelflugzeugen unter realistischen Umweltbedingungen, z.B. glatte Luft und turbulente Atmosphären. Die Pilot-in-the-Loop-Strategie ermöglicht es uns, verschiedene Flugmanöver zu erfassen und zu kennzeichnen, darunter Segelflug, Soaring in der Thermik, unkoordiniertes Drehen, Strömungsabriss und Freifallflug. Die Ergebnisse zeigen, dass die EKF die Position, die Geschwindigkeit über Grund, die Orientierung, die IMU-Verzerrungen und die Windgeschwindigkeit in Echtzeit genau schätzen kann. Die Schätzung des horizontalen Windes wird durch Kreisverschiebung im thermischen Soaring eines Segelflugzeugs verifiziert. Die Schätzung des vertikalen Windes ist sofort und genau und kann verwendet werden, um einen starken Aufwind anzuzeigen. Darüber hinaus bestimmen wir den Seitenkraftkoeffizienten des Seitenkraftmodells durch unkoordinierte Drehungen. Als Nebenprodukt kann der EKF den Anstellwinkel mithilfe eines dreidimensionalen TAS-Vektors schätzen. Die AoA-Schätzungen werden anhand von zwei spezifischen Flugmanövern, d. h. dem Strömungsabriss und dem Flug im freien Fall, bewertet.