Aplicaciones de Inteligencia Artificial en el GNC de un vehículo aéreo no tripulado bajo parapente

Este trabajo forma parte del proyecto SPADS, llevado a cabo por la empresa SENER Aeroespacial y financiado principalmente por la Agencia Espacial Europea (ESA). El objetivo del proyecto es el desarrollo de la tecnología del parapente autónomo para aplicaciones tanto civiles como aeroespaciales y de defensa. Para conseguirlo, se cuenta con un pequeño vehículo demostrador para hacer pruebas de los diseños desarrollados. Está equipado con un parapente de 5 metros cuadrados, sensores, actuadores y una Raspberry Pi en la que se ejecuta el sistema GNC del vehículo. El sistema GNC es la inteligencia del vehículo, e incluye las funciones de Guiado, Navegación y Control del vehículo. El objetivo de esta tesis es mejorar el sistema GNC de SPADS mediante la aplicación de algoritmos de Inteligencia Artificial. En concreto, se han diseñado, desarrollado y probado dos soluciones diferentes. La primera es un algoritmo de visión artificial capaz de detectar una marca que indique el punto de aterrizaje para el vehículo. Además, el algoritmo es capaz de calcular la posición del vehículo con respecto al punto de aterrizaje y su orientación en el espacio. Por tanto, este algoritmo se ocuparía de la función de Navegación en la parte final de un vuelo. La segunda solución es un planificador de trayectorias (o planificador de la misión) offline, capaz de definir la trayectoria que va a seguir el vehículo mediante la colocación de unos waypoints. El algoritmo tiene en cuenta las condiciones de viento y es capaz de evitar el vuelo sobre zonas restringidas. Este planificador se basa en Machine Learning y hace parte de las funciones de Guiado del GNC. En ambos casos, los resultados han sido satisfactorios y se han conseguido los objetivos propuestos. Además, en el documento se proponen ideas para investigaciones futuras y áreas de mejora de los algoritmos desarrollados.

This thesis is part of the SPADS project, carried out by the company SENER Aerospace and mainly funded by the European Space Agency (ESA). The objective of the project is to develop the autonomous parafoil technology for civil, defence and space applications. To achieve this, a small demonstrator vehicle is available to test the designs developed. It is equipped with a 5-square-meter parafoil, sensors, actuators and a Raspberry Pi where the GNC system of the vehicle is executed. The GNC system is the vehicle intelligence, and in includes Guidance, Navigation and Control functions. The objective of this thesis is to improve the GNC system of SPADS by applying Artificial Intelligence algorithms. In particular, two different solutions have been designed, developed and tested. The first one is a computer vision algorithm that is capable of detecting a landing pad (mark signalling the landing point). Also, the algorithm can compute its position with respect to the landing point, and its 3D orientation. Therefore, this algorithm is in charge of the Navigation function in the last stage of a flight. The second solution is an offline path planner (or mission planner) that defines the trajectory that the vehicle will follow by placing some waypoints. This algorithm accounts for wind conditions, and it is able to avoid flying over restricted areas. The mission planner is based in Machine Learning, and it performs part of the GNC Guidance functions. In both cases, the results obtained were satisfactory and the objectives were met. Also, in the document, some ideas for future research and improvement areas of the algorithms developed are proposed.