要約
農業から公共の安全に至るまで、さまざまな用途にクアッドローターが広く採用されているため、クアローターが生み出す空気力学的乱れを理解する必要があります。
この論文では、ホバリング中のクアッドローターの下に誘導される流れの時間平均の大きさを推定するための、計算的に軽量なモデルを紹介します。
高価な数値流体力学 (CFD) シミュレーションやドローン特有の時間のかかる経験的測定に依存する関連アプローチとは異なり、私たちの方法は乱流からの古典理論を活用しています。
大規模なモーション キャプチャ システム内でさまざまなサイズのドローンからの 16 時間以上の飛行データを分析することにより、すべてのドローン プロペラからの合計の流れが、車両からドローンの直径 2.5 メートル下にある乱流ジェットによってよく近似されることを初めて示しました。
。
新しい正規化とスケーリングを使用して、異なるサイズのクワドローターの下の統一された平均速度場を記述するモデル パラメーターを実験的に特定します。
このモデルは、計算にドローンの質量、プロペラのサイズ、ドローンのサイズのみを必要とし、CFD を使用してシミュレーションするのは現実的ではない、非常に大きなボリュームで長距離にわたる遠方界の気流を正確に記述します。
私たちのモデルは、人間の近くでのより安全な操作を確保し、マルチエージェントのシナリオでセンサーの配置とドローン制御を最適化するための実用的なツールを提供します。
私たちは、別のドローンのダウンウォッシュを補償するコントローラーを設計することで後者を実証し、下空を通過する際の高度偏差を 4 分の 1 に下げます。
要約(オリジナル)
The widespread adoption of quadrotors for diverse applications, from agriculture to public safety, necessitates an understanding of the aerodynamic disturbances they create. This paper introduces a computationally lightweight model for estimating the time-averaged magnitude of the induced flow below quadrotors in hover. Unlike related approaches that rely on expensive computational fluid dynamics (CFD) simulations or drone specific time-consuming empirical measurements, our method leverages classical theory from turbulent flows. By analyzing over 16 hours of flight data from drones of varying sizes within a large motion capture system, we show for the first time that the combined flow from all drone propellers is well-approximated by a turbulent jet after 2.5 drone-diameters below the vehicle. Using a novel normalization and scaling, we experimentally identify model parameters that describe a unified mean velocity field below differently sized quadrotors. The model, which requires only the drone’s mass, propeller size, and drone size for calculations, accurately describes the far-field airflow over a long-range in a very large volume which is impractical to simulate using CFD. Our model offers a practical tool for ensuring safer operations near humans, optimizing sensor placements and drone control in multi-agent scenarios. We demonstrate the latter by designing a controller that compensates for the downwash of another drone, leading to a four times lower altitude deviation when passing below.
arxiv情報
| 著者 | Leonard Bauersfeld,Koen Muller,Dominic Ziegler,Filippo Coletti,Davide Scaramuzza |
| 発行日 | 2024-12-12 09:43:40+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google