Wie mathematische Modelle Drohnen und Rotoren robuster machen

Mit Systemidentifikation simuliert ein Team der Hochschule München Rotoren und Drohnenflüge. Die Modelle sollen Energie sparen, Störungen reduzieren und die Sicherheit erhöhen.

Forschende der Hochschule München arbeiten an mathematischen Modellen, mit denen sich das Verhalten von Flugzeugrotoren und autonomen Drohnen präziser vorhersagen lässt. Ziel ist es, technische Systeme robuster, energieeffizienter und weniger störanfällig zu machen. Zum Einsatz kommt dabei die sogenannte Systemidentifikation, bei der Zusammenhänge zwischen Eingangs- und Ausgangsgrößen eines Systems mathematisch beschrieben werden.

Die entwickelten Modelle sollen es ermöglichen, Flugverhalten und Steuerungsprozesse realitätsnah zu simulieren, noch bevor physische Prototypen gebaut werden. Laut Sabine Wisbacher, Ingenieurin für Luft- und Raumfahrt an der Hochschule München, steigt mit der Genauigkeit der Modelle auch die Sicherheit der damit getesteten und gesteuerten Systeme.

Modelle für Rotoren und autonome Flugrouten

Im Forschungsprojekt ARCTIS entwickeln die Forschenden Modelle für Rotorblätter einer künftigen Hubschraubergeneration. Diese soll durch ein adaptives Design leiser und energieeffizienter arbeiten. Voraussetzung dafür seien mathematische Beschreibungen, die das Verhalten der Rotorblätter detailgetreu abbilden, um Leistung und Belastungen frühzeitig simulieren zu können.

Ein weiterer Schwerpunkt liegt im Projekt EndeAR, das sich mit der Optimierung autonomer Drohnenflüge befasst. Hier sollen mathematische Modelle während des Fluges aus aktuellen Messdaten wie Geschwindigkeit, Höhe, Umgebungsgeometrie und Windbedingungen Steuerbefehle ableiten, um die Drohne sicher zum Ziel zu führen. 

Grey-Box- und Black-Box-Ansätze

Zum Einsatz kommen sowohl sogenannte Grey-Box- als auch Black-Box-Modelle. Grey-Box-Modelle nutzen laut Hochschule München bekannte physikalische Zusammenhänge und vorhandene Algorithmen, etwa Bewegungsgleichungen oder Messergebnisse aus Windkanal- und Freiflugversuchen. Diese Informationen würden mit aktuellen Wetter- oder Bilddaten kombiniert, um automatische Steuerungen robuster zu machen.

Black-Box-Modelle würden dagegen genutzt, wenn die relevanten Zusammenhänge noch nicht bekannt seien. In diesen Fällen sollen die Algorithmen aus bekannten Ein- und Ausgangsdaten lernen, um das Systemverhalten vorherzusagen. Bei adaptiven Rotorblättern betreffe das etwa die Frage, wie integrierte Aktuatoren das Profil eines Rotorblatts verändern können, um Effizienzgewinne zu erzielen.

Energie sparen und Sicherheit erhöhen

Perspektivisch sollen die entwickelten Modelle nicht nur zur Simulation, sondern auch zur aktiven Steuerung im realen Betrieb genutzt werden. Dabei wollen die Forschenden Black-Box-Modelle so weiterentwickeln, dass sie direkt während des Fluges eingesetzt werden können, um Steuerungsprozesse in Echtzeit anzupassen.

"Dank der verschiedenen linearen mathematischen Modelle lässt sich die Performance technischer Systeme verbessern", sagt Daniel Ossmann, Professor an der Fakultät für Maschinenbau, Fahrzeugtechnik und Flugzeugtechnik der Hochschule München. Die Projekte zeigten, dass sich mit Systemidentifikation Steuerungen entwickeln lassen, die Energie sparen und gleichzeitig die Sicherheit von Drohnen und Hubschraubern erhöhen.