論文の概要: Onboard Wind Estimation for Small UAVs Equipped with Low-Cost Sensors: An Aerodynamic Model-Integrated Filtering Approach
- arxiv url: http://arxiv.org/abs/2604.20290v1
- Date: Wed, 22 Apr 2026 07:39:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:11.020696
- Title: Onboard Wind Estimation for Small UAVs Equipped with Low-Cost Sensors: An Aerodynamic Model-Integrated Filtering Approach
- Title（参考訳）: 低速度センサを搭載した小型UAVの搭載風速推定:空力モデル付きフィルタ手法
- Authors: Bingchen Cheng, Tielin Ma, Jingcheng Fu, Lulu Tao, Tianhui Guo,
- Abstract要約: 本研究では,自律飛行に必要な安価な本質的なセンサーのみを用いて,飛行状態と風速を推定する手法を提案する。
この手法のコアは、空気力学モデルと統合された拡張カルマンフィルタ(EKF)と、適応移動平均推定(AMAE)技術を含む。
飛行試験は,実時間オンボード計算における手法の有効性と実現可能性を検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To enable autonomous wind estimation for energy-efficient flight in small unmanned aerial vehicles (UAVs), this study proposes a method that estimates flight states and wind using only the low-cost essential onboard sensors required for autonomous flight, without relying on additional wind measurement devices. The core of the method includes an Extended Kalman Filter (EKF) integrated with the aerodynamic model and an Adaptive Moving Average Estimation (AMAE) technique, which improves the accuracy and smoothness of the wind estimation. Simulation results show that the approach efficiently estimates both steady and time-varying 3D wind vectors without requiring flow angle measurements. The impact of aerodynamic model accuracy on wind estimation errors is also analyzed to assess practical applicability. Flight tests validate the effectiveness of the method and its feasibility for real-time onboard computation. Additionally, uncertainties and error sources encountered during testing are systematically examined, providing a foundation for further refinement.
- Abstract（参考訳）: 小型無人航空機(UAV)における省エネ飛行の自律的風速推定を実現するため, 風速測定装置の追加に頼ることなく, 自律飛行に必要な安価な本質的なセンサーのみを用いて, 飛行状態と風速を推定する手法を提案する。
この手法のコアは、空気力学モデルと統合された拡張カルマンフィルタ(EKF)と、風速推定の精度と滑らか性を改善する適応移動平均推定(AMAE)技術を含む。
シミュレーションの結果, 流れ角測定を必要とせず, 定常および時間変化の3次元風速ベクトルを効率的に推定できることが示唆された。
また, 風速推定誤差に対する空力モデル精度の影響を解析し, 実用性の評価を行った。
飛行試験は,実時間オンボード計算における手法の有効性と実現可能性を検証する。
さらに、テスト中に発生する不確実性やエラーソースを体系的に検討し、さらなる改善の基礎となる。
関連論文リスト
- Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。
本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。
その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
論文 参考訳（メタデータ） (2026-03-08T22:08:15Z) - FlyAware: Inertia-Aware Aerial Manipulation via Vision-Based Estimation and Post-Grasp Adaptation [38.97192455287927]
本文は, 強靭な航空操作のための新しい枠組みを提示する。
提案システムでは,視力に基づく初期慣性推定モジュールとポストグラフ適応機構を統合した。
制御のために、ゲインスケジューリングに基づく慣性を考慮した適応制御戦略を開発する。
論文 参考訳（メタデータ） (2026-01-30T08:02:33Z) - Design and Implementation of a High-Precision Wind-Estimation UAV with Onboard Sensors [4.9295028416281985]
本稿では,オンボードセンサのみを用いたリアルタイム風速推定手法を提案する。
システムは、風洞、屋内および屋外飛行における総合的な実験を通じて検証される。
論文 参考訳（メタデータ） (2025-12-11T08:39:55Z) - Robust Optimization-based Autonomous Dynamic Soaring with a Fixed-Wing UAV [15.033246214180258]
固定翼無人航空機による自律的動的舞踏の枠組みを提案する。
このフレームワークは、風場の明示的な表現と、UAVの誘導と制御のための古典的なアプローチを利用する。
論文 参考訳（メタデータ） (2025-12-07T01:02:46Z) - Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment [13.910943185843706]
本研究は, 熱量計, IMU, ESC, およびバロメーターを含む多センサデータ融合を用いた気流式オドメトリーシステムを示す。
我々は,GRUをベースとした深部ニューラルネットワークを用いて,ノイズおよび乱れ計測から相対的な空気速度を推定する。
離陸や地上への着陸を含む完全な飛行データから、プロペラと地上効果によって引き起こされる下水によって引き起こされる風速を分離することができることが示されている。
論文 参考訳（メタデータ） (2025-05-21T02:53:49Z) - Physics-informed Gaussian Processes for Safe Envelope Expansion [35.86317155999886]
物理インフォームド平均関数を持つガウス過程(GP)を用いた飛行テスト解析の新しい手法を提案する。
本研究では,事前定義された飛行試験点や繰り返し飛行試験点を必要とせずにピッチングモーメント係数を推定し,提案手法を実証する。
論文 参考訳（メタデータ） (2025-01-02T01:37:15Z) - Wind Estimation in Unmanned Aerial Vehicles with Causal Machine Learning [0.6650227510403052]
本稿では,機械学習の時系列分類とクラスタリングを因果的フレームワークと組み合わせた因果的好奇性手法を提案する。
定常風, せん断風, 乱流の3つの異なる風環境を解析し, 風条件を推定するために最適なUAV操作を行うための異なる最適化戦略を探索する。
論文 参考訳（メタデータ） (2024-07-01T10:22:16Z) - Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。
我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。
本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
論文 参考訳（メタデータ） (2023-03-17T13:58:06Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。