Path Planning for Fixed-Wing UAVs in Wind and Icing Conditions

Abstract

Ubemannede fly (UAV) har en rekke anvendelser, som levering av varer, kartlegging, og søk og redning i områder som er utilgjengelige for mennesker. Det er imidlertid flere utfordringer knyttet til utbredt bruk av UAV-er grunnet deres sårbarhet for hardt vær, samt deres begrensede rekkevidde. Atmosfæriske forstyrrelser som påvirker UAV-flyging vesentlig er vind og isingsforhold, og de forekommer ikke utelukkende i arktiske og subarktiske klima. Disse problemene gjør det aktuelt å bruke optimal baneplanlegging for å minimere innvirkningen av forstyrrelser og energiforbruket til UAV-en. Tidligere forskning innenfor fagfeltet har ledet frem til et simuleringsbasert optimaliseringsrammeverk som bruker værmeldinger med høy oppløsning for å kvantifisere innvirkningen av atmosfæriske forstyrrelser på UAV-ens ytelse.

Denne avhandlingen bygger på tidligere forskning og presenterer en ny, formalisert beskrivelse av baneplanleggingsproblemet som et matematisk optimaliseringsproblem. Videre blir en eksisterende partikkel-sverm (PSO) optimaliseringsalgoritme, som er egnet for baneplanlegging, tilpasset til det nye optimaliseringsproblemet. I tillegg ble det utviklet en fornyet programvareimplementasjon av baneplanleggingsrammeverket for denne avhandlingen, der designprinsipper som utvidbarhet og lesbarhet av kode ble vektlagt.

I en casestudie blir den oppdaterte baneplanleggeren anvendt på et tenkt langdistanse-oppdrag som tar for seg transport av varer mellom sykehus. Studien gjenspeiler et reelt oppdrag som ble fløyet i Norge vinteren 2020. Resultatene fra studien indikerer at den oppdaterte PSO-algoritmen er velegnet for å løse baneplanleggingsproblemet. Casestudien avdekket imidlertid også svakheter ved det simuleringsbaserte rammeverket. Spesifikt belyser den problemer knyttet til simulatoren som brukes til å evaluere UAV-ens ytelse. Mulige løsninger på disse utfordringene blir drøftet, med hensikt om å inspirere fremtidige forskere innen fagfeltet.

Unmanned aerial vehicles (UAVs) find application in numerous tasks, including delivery of goods, mapping, and search and rescue in areas inaccessible to humans. However, their widespread use is halted by sensitivity to severe weather and limited flight range. Significant atmospheric disturbances affecting UAV flight are wind and icing conditions, and they are not exclusive to arctic and subarctic climates. These problems motivate the use of optimal path planning to minimize the impact of disturbances and the energy dissipation of the UAV. Previous research endeavors in the field have proposed a simulation-based optimization framework that uses high-resolution weather forecasts to assess the impact of atmospheric disturbances on the UAV's performance.

This thesis builds on the previous research and presents a new, formalized treatment of the path planning problem as a mathematical optimization problem. Further, an existing particle swarm optimization (PSO) algorithm intended for path planning is adapted for the new optimization problem. Additionally, a completely refurbished software implementation of the path planning framework was developed for this work, emphasizing design principles such as code readability and extensibility.

In a case study, the updated path planner is applied to an imagined long-range mission involving the transportation of goods between hospitals. The study closely mirrors a real mission flown in Norway in the winter of 2020. Results from the study indicate that the updated PSO algorithm is suitable for solving the path planning problem. However, the case study also uncovered weaknesses related to the simulation-based framework. In particular, issues regarding the simulator used to evaluate the UAV's performance are raised. Potential solutions to these issues are discussed, aiming to inspire future contributors in the field.