Supervision pour la sécurité du vol des drones

Autor: Öman Lundin, Gustav
Přispěvatelé: Institut Supérieur de l'Aéronautique et de l'Espace, Mouyon, Philippe, Manecy, Augustin, ONERA / DTIS, Université de Toulouse [Toulouse], ONERA-PRES Université de Toulouse, UNIVERSITE DE TOULOUSE, Philippe MOUYON, Augustin MANECY, André, Cécile
Jazyk: angličtina
Rok vydání: 2020
Předmět:
Zdroj: Engineering Sciences [physics]. UNIVERSITE DE TOULOUSE, 2020. English
Popis: The ever-increasing use of drones and their integration within the existing air trafic demand a certain number of guarantees of safety and functional proofs. The flight safety is directly impacted by the precision and reliability of the localisation which is achieved most of the time by a multi-sensor fusion, itself provided by a state estimating filter. The work of this thesis focuses on the problem of fault tolerant navigation and sensor fault in the nonredundant sensor case. The main objective is to propose methods and architectures for attitude and position estimation providing a correct estimation, but also improving its consistency and integrity, even in the case of long lasting sensor perturbations.A first line of work concerns the estimation and rejection of multiple and frequent biases on a position sensor, which is often the case for a GNSS receiver (multi-path errors), or a visual sensor (tracking errors). An architecture for bias detection and correction of the estimated position has been developed to this end, to complement standard methods based on the GLR. A second line of work has been to propose an attitude estimation architecture robust to magnetic disturbances and specific accelerations. It is divided into three principal blocks :(1) Sensor performance models allowing the estimation of sensor outputs cleaned as well as possible from perturbations ;(2) A measurement consolidation stage utilises statistical tests to select the signals to fuse between the raw measurements and the cleaned ones, or simply reject the signalsin case the consolidation fails ;(3) An attitude estimator based on a Kalman filter merges the consolidated measurements, with decoupling properties to mitigate the effect of residual perturbations, and a saturated bias model. The algorithms for position and attitude estimation have been validated in simulation and separately during various experimental test campaigns.
L'utilisation croissante des drones et leur intégration dans le trafic aérien nécessite de fournir un certain nombre de garanties de sûreté et de preuves de fonctionnement. La sécurité du vol est directement tributaire de la précision et de la fiabilité de la localisation qui est généralement obtenue par une fusion multi-capteurs, réalisée à l'aide d'un filtre estimateur.Ce travail de thèse s'intéresse au problème de la navigation tolérante aux défauts et aux pannes capteurs dans le cas de capteurs non redondés. L'objectif principal est de proposer des méthodeset des architectures d'estimations de l'attitude et de la position qui permettent de préserver la justesse de l'estimation, mais aussi d'améliorer sa consistance et son intégrité, même en cas de perturbations prolongées des capteurs. Un premier axe de travail concerne l'estimation et le rejet de biais multiples et fréquents sur un capteur de position, comme peut y être soumis un récepteur GNSS (multi-trajets), ou un capteur visuel (erreur de poursuite). Une architecture de détection et de correction de l'estimation de position a été développée pour cela et vient compléter les méthodes existantes basées sur le GLR. Un second axe de travail a été de proposer une architecture d'estimation de l'attitude qui soit robuste aux perturbations magnétiques et aux accélérations spécifiques. Elle comporte principalement trois briques :(1) Des modèles de performance permettent d'estimer les sorties capteurs nettoyées au mieux des perturbations ;(2) Une étape de consolidation de mesures utilise des tests statistiques pour sélectionner les signaux à fusionner entre les mesures brutes ou nettoyées, ou simplement rejeter les signaux dans les cas où la consolidation échoue ;(3) Un estimateur d'attitude basé sur un filtre de Kalman fusionne les mesures consolidées, avec des propriétés de découplage vis-à-vis des perturbations résiduelles, ainsi qu'un modèle de biais saturé.Les algorithmes d'estimation de position et attitude ont été validés en simulationet séparément lors de diverses campagnes d'essais expérimentales.
Databáze: OpenAIRE
Externí odkaz: