UAV mission planning based on Prognosis & Health Management - Université de Lorraine Access content directly
Theses Year : 2019

UAV mission planning based on Prognosis & Health Management

Planification de la mission des drones basée sur le pronostic et la gestion de la santé

Abstract

Rotorcraft Unmanned Aerial Vehicles (UAV) with take-off and vertical landing capabilities or multirotors have proved to be an efficient and low-cost solution for civil flight applications due to significant advances in the development of robust and more efficient altitude and attitude control strategies, planning and re-planning algorithms capable of detecting and avoiding obstacles and Fault Diagnosis & Fault Tolerant Control methods. In most applications where multirotors are used, they develop different task as exploration, photogrammetry, filming, mapping and more recently all those dedicated to precision agriculture such as irrigation and crop monitoring. During the task development, the multirotor executes a mission which consists to fly through a set of paths connected by n reference points (named way-points) inside a known or unknown area. However, during the mission development, different negative factors decrease the multirotor flight performance such as environmental conditions, occurrence of faults or failures in actuators/sensors and energetic limitations due to the power source constraints. The energetic limitation problem in a multirotor are due to power capabilities that on-board battery can supply. Due to power and energy requirements, multirotors are powered by Lithium Polymer batteries which are rechargeable batteries of Lithium-Ion technology. They possess a polymer electrolyte instead of a liquid electrolyte and provide high power and energy densities. However, according to the use due to the number of charge/discharge cycles and other factors like damage provoked by over-discharges, the battery performances tend to decrease. Such decrease or aging causes a reduction in the efficiency of the UAV multirotor flight by the decrease of the total mission time or flight endurance, and leads to maneuverability problem, which increases the risk of crash and collision. This thesis topic addresses the issues concerning to battery performances and its influence into the mission and path planning tasks. By considering model-based prognosis techniques and path planning methods, a hierarchy mission planning strategy based on energy consumption is proposed and validated at simulation level considering different flight situations. The UAV performances, as well as its capability to execute and fulfill a mission is weighted by the computation of the battery State of Health (SoH) which is an index to measure the degradation level of the battery. The SoH helps to estimate the battery Remaining Useful Life (RUL) and establishes the energy limitation by the computation of the Maximum Flight Endurance (MFE). Such information is necessary to path planning generation which not only consider the constraints related to the power source but also the scopes and limitations of the mission to be executed. In addition, the main concern of this thesis are long time-distance missions e.g exploration or inspection of remote areas where it is fundamental to have a proper use of energy aboard the multirotor.
Actuellement, les véhicules aériens télépilotés ou autonomes (UAV) multirotors, avec la capacité de décollage et d'atterrissage vertical, se sont avérés être une solution efficace et peu coûteuse dans les applications de vol civil grâce aux progrès significatifs dans le développement de méthodes plus efficaces de contrôle, planification de trajectoire et prise de décision. Pour de telles applications, les multirotors développent différentes tâches comme l'exploration, la photogrammétrie, la vidéo, la cartographie et plus récemment toutes celles dédiées à l'agriculture de précision comme l'irrigation et le suivi des cultures. Durant sa mission, le multirotor parcourt un ensemble de trajectoires reliées par emph{n} points de référence (ou $way-points$) dans une zone connue ou inconnue. Cependant, pendant l'accomplissement de la mission, différents facteurs négatifs affectent la performance du véhicule comme les conditions environnementales, l'apparition de défauts ou de pannes et les limitations énergétiques dues aux contraintes de l'alimentation en énergie. Le problème de limitation énergétique dans un multirotor est dû aux capacités de puissance que la batterie embarquée peut fournir. Les drones multirotors sont propulsés par des batteries Lithium Polymère (Li-Po) qui sont des batteries rechargeables de technologie Lithium-Ion. Ils possèdent un électrolyte polymère au lieu d'un électrolyte liquide et fournissent une puissance et une densité d'énergie élevées. Cependant, en fonction de l'utilisation, c'est-à-dire le nombre de cycles de charge/décharge et d'autres facteurs tels que les dommages provoqués par des décharges excessives, les performances de la batterie ont tendance à diminuer. Une telle diminution ou un tel vieillissement entraîne une réduction de l'efficacité de la batterie et donc du vol du multirotor en diminuant le temps de mission total ou l'endurance du vol, et conduit à un problème de manœuvrabilité, ce qui augmente le risque d'accident et de crash. Le travail présenté dans cette thèse aborde les questions relatives aux performances des batteries Li-Po et leur influence sur les tâches de planification et de suivi de trajectoire dans le cadre de vol de multirotors. En considérant les techniques de pronostic basées sur des modèles et les méthodes de planification de trajectoire, une stratégie de planification de mission hiérarchique basée sur la consommation d'énergie est proposée et validée au niveau de la simulation en considérant différentes situations de vol. Les performances du drone, ainsi que sa capacité à effectuer et à remplir une mission, sont pondérées en déterminant l'état de santé de la batterie ($SoH$) qui est un indice permettant de mesurer le niveau de dégradation de la batterie. Le $SoH$ aide à estimer la durée de vie utile restante de la batterie ($RUL$) et établit la limitation d'énergie par le calcul de l'endurance maximale de vol ($FE_{max}$). De telles informations sont nécessaires à la génération de la planification des trajectoires qui ne prennent pas seulement en compte les contraintes liées à l'utilisation mais aussi la portée et les limites de la mission à exécuter.
Fichier principal
Vignette du fichier
DDOC_T_2019_0257_SCHACHT_RODRIGUEZ.pdf (3.56 Mo) Télécharger le fichier
DDOC_T_2019_0257_SCHACHT_RODRIGUEZ_RESUME.pdf (510.66 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

tel-02510381 , version 1 (17-03-2020)

Identifiers

  • HAL Id : tel-02510381 , version 1

Cite

Ricardo Schacht Rodriguez. UAV mission planning based on Prognosis & Health Management. Automatic. Université de Lorraine; Centro Nacional de Investigación y Desarrollo Tecnológico (Cuernavaca, Mor., México), 2019. English. ⟨NNT : 2019LORR0257⟩. ⟨tel-02510381⟩
266 View
468 Download

Share

Gmail Facebook X LinkedIn More