Dynamic System Emulation: Fixed Wing Dynamics on a Multicopter

In de wereld van de luchtvaart bestaat er een fundamentele kloof tussen hoe verschillende luchtvaartuigen bewegen. Vaste vleugelvliegtuigen, zoals die welke passagiers over oceanen vervoeren, vertrouwen op voorwaartse snelheid om in de lucht te blijven. Ze kunnen niet op één plek zweven en moeten een minimale snelheid behouden om te voorkomen dat ze overtrekken en neerstorten. Hun beweging wordt beperkt door de wetten van de aerodynamica, wat hen efficiënt maakt voor lange afstanden, maar moeilijk te controleren in nauwe ruimtes of voor het testen van nieuwe ideeën zonder risico. In contrast hiermee kunnen multicopters, de bekende drones met meerdere rotoren, in elke richting vliegen, perfect stil zweven en verticaal opstijgen. Ze zijn ongelooflijk wendbaar, maar missen de specifieke vliegeigenschappen van een vliegtuig. Ingenieurs moeten vaak algoritmen testen of piloten trainen in hoe een vliegtuig met vaste vleugels zich gedraagt, maar het gebruik van een echt vliegtuig is duur en gevaarlijk. Virtuele simulaties bestaan, maar ze slagen er vaak niet in om de rommelige realiteit van de fysieke wereld te vangen, waardoor er een kloof ontstaat tussen computermodellen en de werkelijke vlucht.

Om deze kloof te overbruggen, hebben onderzoekers een nieuwe manier ontwikkeld om een drone precies te laten gedragen als een vliegtuig, niet alleen in een computer, maar in de echte lucht. Het kernidee is om een zeer wendbare multicopter te gebruiken, uitgerust met een camera gemonteerd op een tweewegs gimbal – een mechanische houder die ervoor zorgt dat de camera onafhankelijk van het lichaam van de drone kan kantelen en rollen. Het doel is om de drone zo aan te sturen dat de camera de wereld ziet vanuit exact hetzelfde perspectief als een vliegtuig met vaste vleugels zou doen, ook al vliegt de drone zelf op een totaal andere manier. Deze aanpak, bekend als fysiek-naar-fysiek emulatie, biedt een veilig en goedkoop platform voor training en onderzoek dat de aerodynamische beperkingen van echte vliegtuigen vermijdt terwijl het echte zintuiglijke gegevens levert.

De onderzoekers, werkzaam aan de Aarhus Universiteit, wilden bewijzen dat deze nabootsing theoretisch mogelijk is en wilden een controlesysteem bouwen die dit werkelijkheid kan maken. Ze stuitten op een aanzienlijke uitdaging: de natuurkunde die een vliegtuig en een drone beheerst, is fundamenteel verschillend. Een vliegtuig beweegt door lift gegenereerd door zijn vleugels en stuwkracht van zijn motoren, terwijl een drone beweegt door lucht naar beneden te duwen met zijn rotoren. Een vliegtuig kan niet simpelweg stoppen en zweven, maar een drone kan dat wel. Om de camera van de drone het pad en de oriëntatie van een vliegtuig te laten volgen, moesten de onderzoekers een complex wiskundig probleem oplossen waarbij de bewegingen van de drone worden gekoppeld aan de bewegingen van het vliegtuig. Ze stelden vast dat ze door een specifieke controletechniek genaamd dynamische feedback-linearisatie te gebruiken, de complexe, niet-lineaire gedragingen van de drone konden transformeren naar een eenvoudigere, lineaire vorm die precies aangestuurd kon worden. Deze methode stelde hen in staat om exact te berekenen hoeveel stuwkracht de drone nodig had en hoe de camerahouder moest bewegen om het gezichtspunt van een vliegtuig met vaste vleugels perfect te matchen.

Om hun systeem te testen, voerden het team gedetailleerde simulaties uit met een model van een hoogwaardig aerobatisch vliegtuig, de Red Bull Edge 540, die bekend staat om zijn vermogen om extreme manoeuvres uit te voeren. Ze vergeleken dit met een model van een zware lift multicopter, de Freefly Alta-X, die de kracht heeft om de benodigde apparatuur te dragen. De simulaties onderwierpen het systeem aan twee verschillende tests. Eerst lieten de onderzoekers de drone een eenvoudige, stabiele horizontale vlucht nabootsen. In dit scenario moest de drone zijn lichaam naar voren kantelen om de snelheid te genereren die nodig is om het vliegtuig te evenaren, terwijl de camerahouder in de tegenovergestelde richting moest draaien om de camera horizontaal te houden en precies daar te richten waar de camera van het vliegtuig zou wijzen. De resultaten toonden aan dat het systeem de positie en oriëntatie van het vliegtuig met bijna geen fout kon volgen, waarbij het camerabeeld stabiel bleef ondanks de eigen kantelbeweging van de drone.

De tweede test was veel veeleisender. De onderzoekers gaven de virtuele plane de opdracht om een verticale lus uit te voeren, een manoeuvre waarbij het vliegtuig in een grote cirkel vliegt, omhoog gaat, over de top gaat en weer naar beneden komt. Dit creëert snelle veranderingen in snelheid, richting en zwaartekrachtkrachten. Tijdens deze agressieve manoeuvre moest de drone zijn lichaam onder extreme hoeken kantelen, waarbij de hoek meer dan 60 graden bedroeg aan de top van de lus, om het gebogen pad te volgen. Terwijl het lichaam van de drone heftig draaide en tuimelde, werkte de camerahouder in perfecte tegenstelling, door snel te roteren om de bewegingen van de drone te compenseren. Het resultaat was dat het camerabeeld vergrendeld bleef op het exacte pad en de oriëntatie van het vliegtuig met vaste vleugels, zelfs terwijl de drone zelf worstelde om de noodzakelijke stuwkrachtvector te behouden. De simulaties bevestigden dat het systeem deze hoogbelaste dynamiek kon afhandelen zonder stabiliteit of nauwkeurigheid te verliezen.

De bevindingen tonen aan dat een multicopter met een tweewegs gimbal erin slaagt de vluchtdynamica en het cameragezichtspunt van een vliegtuig met vaste vleugels succesvol te repliceren. De onderzoekers bewezen dat de camera van de drone in alle richtingen volledig controleerbaar is, waardoor deze de positie en houding van het vliegtuig precies kan matchen. Door dynamische feedback-linearisatie te gebruiken, creëerden zij een controlekader dat de complexe relatie tussen het lichaam van de drone en de camerahouder beheert, waardoor de camera de wereld precies ziet zoals het vliegtuig dat zou doen. Hoewel deze resultaten in een simulatie zijn behaald, legt het werk een praktisch pad aan voor het bouwen van een fysiek systeem voor pilottraining, onderzoek naar autonomie en het testen van nieuwe controllers. Deze aanpak biedt een manier om algoritmen in de echte wereld te valideren zonder de hoge kosten en risico's die gepaard gaan met het vliegen van dure vliegtuigen met vaste vleugels, wat potentieel nieuwe deuren opent voor cross-systeem validatie in de luchtvaart en robotica.