Control of Fixed-Wing UAVs in Icing Conditions Using Nonlinear Model Predictive Control

Abstract

Etterhvert som bruken av små ubemannede luftfartøy (UAV) øker, etterlyses regulatorer som er i stand til å operere under krevende værforhold. I denne oppgaven blir NMPC (nonlinear model predictive control) utforsket, hvor det er tatt i betraktning at UAV-en kan operere under isingsforhold, og asymmetrisk ising på vingene er inkludert. I tidligere arbeid ble NMPC-regulatoren brukt sammen med en "disturbance observer" for å håndtere effekten av ising, som var sett på som en forstyrrelse NMPC-en ikke har kjennskap til. Fokuset i denne oppgaven ligger på å øke robustheten til NMPC-regulatoren, og gjøre den mer egnet for isingsforhold. Dette ble gjort ved å oppdatere den aerodynamiske modellen brukt i NMPC-formuleringen, samt inkludere effektene av ising og isingsasymmetri i modellen sin. NMPC-regulatoren uten ising i modellen sammenlignes med NMPC-regulatoren med ising i en serie simuleringer, som tester ytelsen med forstyrrelser som redusert lufthastighet og harde vindforhold. NMPC-regulatorene sammenlignes også med tidligere utviklede PID- og MRAC-regulatorer. Resultatene viser en lignende ytelse av PID, MRAC og NMPC uten icing-regulatorene, avhengig av hvilken simulering det er kjørt. NMPC uten ising er vist å være bedre egnet til å håndtere redusert lufthastighet, men viser en langsommere respons i de andre simuleringene, sammenlignet med PID og MRAC. Resultatene viser imidlertid en klar forbedring i ytelsen når ising og asymmetri er inkludert i modellen til NMPC-en. Denne NMPC-en viser en bedre evne til å følge pitch og lufthastighet enn de andre regulatorene i alle simuleringer, og er den nest beste til å følge rullreferansen, kun overgått av PID-en. Banefølgingsevnene til de fire regulatorene er også testet med harde vindforhold, der NMPC-en med ising og MRAC-en viser den beste ytelsen. I tillegg, NMPC-en kjørt i praksis vil kanskje ikke være i stand til å oppdage isingsnivået eller estimere forstyrrelsesobservatørens tilstander med samme grad av presisjon. Derfor blir ytterligere simuleringer utført, der dette er tatt i betraktning. Disse scenariene ble ikke funnet å kompromittere ytelsen til NMPC-regulatoren.

As the applications of unmanned aerial vehicles (UAVs) increase, controllers that are able to operate under severe weather conditions are soughed. In this thesis, nonlinear model predictive control (NMPC) is explored, taking into account a UAV operating in icing conditions, including asymmetric icing on the wings. In previous work, the NMPC controller was used together with a disturbance observer to handle the effects of icing, considering it a disturbance the NMPC has no knowledge of. The focus of this thesis lies on increasing the robustness of the NMPC controller, making it more suitable for icing conditions. This was done by updating the aerodynamic model used in the NMPC formulation, as well as including the effects of icing and icing asymmetry in its model. The NMPC controller without icing in its model is compared to the NMPC controller with icing in a series of simulations, testing their performance with disturbances such as reduced airspeed and severe wind conditions. The NMPC controllers are also compared to previously developed PID and MRAC controllers. The results show a similar performance of the PID, MRAC and NMPC without icing controllers, depending on the simulation run. The NMPC without icing is shown to be better suited to handle reduced airspeed, but shows a slower response in the other simulations, compared to the PID and MRAC. However, the results show a clear improvement in performance when icing and asymmetry are included in the model of the NMPC. This NMPC outperforms all controllers in all simulations when it comes to pitch and airspeed tracking, and has the second-best roll tracking, only surpassed by the PID. The path-following abilities of the four controllers are also tested with severe wind conditions, where the NMPC with icing and the MRAC have the best performances. Knowing that the NMPC run in practice might not be able to detect the icing level or estimate the disturbance observer states to the same degree of precision, additional simulations are performed where this is taken into account. These scenarios were not found to compromise the performance of the NMPC controller.