Filtering algorithms and avionics systems for unmanned aerial vehicles - PASTEL - Thèses en ligne de ParisTech Access content directly
Theses Year : 2009

Filtering algorithms and avionics systems for unmanned aerial vehicles

Algorithmes de filtrage et systèmes avioniques pour véhicules aériens autonomes

Erwan Salaün
  • Function : Author
  • PersonId : 888600

Abstract

This thesis deals with theoretical and experimental results of original filtering algorithms for unmanned aerial vehicles. These filters bypass the limitations of the commonly used estimators (e.g. the Extended Kalman Filter or the particular filters), and they can be easily and efficiently implemented in a low-cost avionics system. First, we propose "generic" invariant observers, which preserve the natural symmetries of the considered physical system. These observers merge measurements from standard low-cost sensors (such as inertial and magnetic sensors, GPS or barometers) to accurately estimate the state of the vehicle (attitude and heading, velocity and position) without any knowledge of the system dynamics. They possess a large domain of convergence; they are also easy to tune and computationally very thrifty. Then, we develop "specific" observers, well-designed for a given kind of aerial vehicle, which is in our case a mini quadrotor. Based on a physical model that takes into account the rotor drag, the proposed filters estimate the quadrotor velocity only from inertial measurements. Thus, the filtering algorithm leads to a velocity-controlled vehicle. We validate this approach through autonomous flights. Finally, we present in detail the integration of the low-cost avionics system: it is made of low-cost sensors and a microcontroller, on which the previous observers have been implemented. We validate the filtering algorithms through experimental comparisons with an expensive commercial device. By doing so, we highlight the excellent quality-price ratio of the filters developped in this thesis.
Le travail présenté dans ce mémoire concerne le développement théorique et la validation expérimentale d'algorithmes de fusion de données originaux pour mini-drones, dépassant les limitations des estimateurs communément utilisés (e.g. le Filtre de Kalman Etendu ou les filtres particulaires) et pouvant être implémentés aisément et efficacement dans une avionique bas-coûts. Nous proposons tout d'abord des observateurs invariants "génériques'', préservant les symétries naturelles du système physique. Ces observateurs fusionnent les mesures de capteurs bon marché usuels (tels que les capteurs inertiels, magnétomètres, GPS ou baromètres) afin d'estimer avec précision l'état de l'appareil (angles d'attitude et de cap, vitesse et position) sans modèle dynamique de l'engin. Ils possèdent un large domaine de convergence; ils sont également faciles à régler et très économiques en temps de calcul. Puis nous développons des observateurs "spécifiques'', adaptés au type de véhicule aérien considéré, en l'occurence un mini-quadrotor. Basés sur un modèle physique tenant compte de la traînée de rotor, les observateurs présentés estiment la vitesse du quadrotor à partir de mesures uniquement inertielles, menant à un contrôle en vitesse de l'appareil. Cette approche est validée par des vols stabilisés autonomes. Enfin, nous présentons en détail l'intégration du système avionique bas-coûts utilisé, composé de capteurs "bruts'' et d'un microcontrôleur sur lequel sont implémentés les observateurs précédents. Nous validons ces algorithmes en comparant leurs estimations avec celles fournies par un produit commercial coûteux, mettant ainsi en évidence leur excellent rapport "qualité/prix''.
Fichier principal
Vignette du fichier
PhD_Thesis_Erwan_SALAUN.pdf (4.73 Mo) Télécharger le fichier
Loading...

Dates and versions

pastel-00554437 , version 1 (13-01-2011)

Identifiers

  • HAL Id : pastel-00554437 , version 1

Cite

Erwan Salaün. Filtering algorithms and avionics systems for unmanned aerial vehicles. Automatic. École Nationale Supérieure des Mines de Paris, 2009. English. ⟨NNT : ⟩. ⟨pastel-00554437⟩
486 View
1190 Download

Share

Gmail Facebook X LinkedIn More