تخمین مدل باد در یک پرنده بدون سرنشین بال ثابت مبتنی بر روش ناوبری مدل مبنا

پرواز یک پرنده بدون سرنشین بال ثابت به‌دلیل وجود نامعینی‌های مدل، نویز اندازه‌گیری، اغتشاشات محیط مانند باد و پدیده آیرودینامیکی اثر زمین یک مسئله چالش برانگیز ‌است. از این‌رو، دانستن اطلاعات دقیق از پدیده باد و همچنین متغیرهای حالت از اولویت‌های پرواز خودکار وسایل بدون سرنشین به‌شمار می‌آید. در این پژوهش، روش ناوبری مدل مبنا به‌منظور تخمین مدل باد و متغیرهای حالت در یک پرنده بدون سرنشین بال ثابت ارائه شده‌است. به این منظور، ابتدا مدل‌سازی پرنده انجام شده‌است. سپس برای مدل‌کردن باد از مدل‌های استاندارد موجود در مراجع شامل مدل باد ثابت و مدل باد 1-cosine استفاده شده‌است. در گام بعد، از روش ناوبری مدل مبنا به‌منظور تخمین مدل باد و نیز تخمین لحظه‌ای متغیرهای حالت استفاده شده‌است. در این روش، خطاهای سرعت، موقعیت و وضعیت پرنده در سیستم مختصات اینرسی از تلفیق سیستم ناوبری اینرسی و سیستم تعیین موقعیت‌یاب جهانی‌ با استفاده از یک فیلتر کالمن تخمین‌زده می‌شود. همچنین از یک فیلتر ukf به منظور تخمین متغیرهای حالت پرنده و سرعت‌های باد مبتنی بر خروجی‌های سیستم ناوبری اینرسی استفاده می‌شود. در نهایت، سیستم ناوبری تلفیقی در هر لحظه بهترین تخمین مدل باد و متغیرهای حالت پرنده را مبتنی بر تلفیق خروجی‌های فیلتر کالمن و فیلتر ukf پیدا می‌کند. نتایج شبیه‌سازی حاکی از کارآیی مناسب روش ناوبری مدل مبنا به‌منظور تخمین مدل باد و متغیرهای پرنده در پرواز پرنده بدون سرنشین بال ثابت است.

model-aided inertial navigation applied to wind estimation for a fixed wing uav

the flight of unmanned aerial vehicles is often associated with model uncertainties, measurement noises, and environmental disturbances such as wind gust. to mitigate these challenges, the accurate estimation of states is vital. moreover, the wind model and its parameters should also be estimated and compensated during the flight. in this paper, a model-aided inertial navigation is implemented for this purpose. to investigate the performance of the model-aided inertial navigation, two different models including constant wind and “1-cosine” model are considered. the model-aided inertial navigation integrates the output from a dynamics model of unmanned aerial vehicle in the navigation system to simultaneously estimate the model of wind as well as the current states. the results show that the model-aided inertial navigation provides good performance and the wind model is properly estimated. moreover, small estimation errors, obtained from the simulations, prove the good performance of this approach in estimation of states and wind model.