IDENTIFICAZIONE DEL MODELLO DI SCARICA DELLA BATTERIA DI UN UAV IMPIEGATO IN OPERAZIONI DI MONITORAGGIO DI LINEE AD ALTA TENSIONE

In this thesis, we address the problem of identifying the battery discharge pattern of a hexacopter used for high voltage power line monitoring operations. Battery behavior, especially the State of Charge (SoC), is a critical variable in missions where autonomy is limited and failure could result in serious damage to the drone. Using model identification techniques on data collected during operational missions, three main models were developed and compared: a ssest model, a m4sid-based model and a nlarx model refined through recursive parameter optimization. Among these, the m4sid model has proved to be the most promising, despite its tendency to overestimate the residual charge, due to its high predictive capacity in both the initial and final stages of the discharge. Validation by autocorrelation and crosscorrelation tests confirmed the model’s accuracy and reliability for UAV monitoring applications. The work concludes with a flight control simulation which maximises mission efficiency by reducing overall operating costs.

In questo lavoro di tesi, si affronta il problema dell'identificazione del modello di scarica della batteria di un esacottero impiegato per le operazioni di monitoraggio di linee elettriche ad alto voltaggio. Il comportamento delle batterie, in particolare lo stato di carica residua (State of Charge, SoC), rappresenta una variabile critica nelle missioni in cui l'autonomia è limitata e il fallimento potrebbe comportare gravi danni al drone. Utilizzando tecniche di identificazione dei modelli su dati raccolti durante missioni operative, sono stati sviluppati e confrontati tre modelli principali: un modello ssest, un modello basato su m4sid e un modello nlarx raffinato tramite ottimizzazione ricorsiva dei parametri. Tra questi, il modello m4sid ha dimostrato di essere il più promettente, nonostante la sua tendenza a sovrastimare la carica residua, grazie alla sua elevata capacità predittiva sia nelle fasi iniziali che finali della scarica. La validazione tramite test di autocorrelazione e crosscorrelazione ha confermato l'accuratezza del modello e la sua affidabilità per applicazioni di monitoraggio UAV. Il lavoro si conclude con una simulazione di controllo di volo che massimizza l'efficienza della missione riducendo i costi operativi complessivi.