State Estimation of Aircraft in Lateral Movement by Using Observers and Kalman Filter

Abstract

Nowadays, lots of problems are simplified by modeling. Instead of working with real systems, response of a system may be examined and analyzed by using modeling. A fault tolerant scheme relies on the estimation of true states. Observers and Kalman Filters are widely used in such an estimation. In this study, an application is realized for states estimation of an aircraft in lateral movement by using observers and a Kalman Filter

Keywords

• Observers, Kalman Filter, Estimation of state.

Uçakların Yanlamasına Hareketlerinin Gözleyiciler ve Kalman Filtresi ile Durum Kestirimi

Öz

Günümüzde, pek çok iş modelleme yapılması sayesinde kolaylaşmaktadır. Gerçek sistemlerle çalışmak yerine, modelleme kullanılarak, gerçek sistem davranışları incelenebilir ve analiz edilebilir. Arıza toleranslı bir yapı gerçek sistem durumlarının kestirilmesine dayanır. Gözleyiciler ve Kalman Filtresi, kestirimde geniş ölçüde kullanılırlar. Bu çalışmada, bir uçağın yanlamasına hareketinde durum tespitlerinin, gözleyiciler ve Kalman Filtresi kullanılarak bir uygulaması gerçekleştirilmiştir.

Anahtar Kelimeler

• Gözleyiciler, Kalman Filtresi, Durum kestirimi.

Kaynakça

1. Ammar, N. 2000. Robust Fault Detection By Simultaneous Observers, Master’s Thesis, Bilkent University.
2. Atalay, B. 2002. Ataletsel Navigasyon Sistemleri Ve Bu Sistemlerde Oluşan Hataların Kalman Filtresi Kullanılarak Düzeltilmesi, Çanakkale Onsekiz Mart Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi.
3. Aykan, R., Hacıyev, C., Çalışkan, F. 2005a. “Uçak buzlanmaları için yeniden şekillendirilebilir kontrol”, Otomatik Kontrol Ulusal Toplantısı, İTÜ.
4. Aykan, R, Hajiyev, C., Caliskan, F. 2005b. Kalman filter and neural network-based icing identification applied to A-340 aircraft dynamics. Aircraft Engineering and Aerospace Technology. 77 (1), 23-33.
5. Aykan, R., Hajiyev, C., Caliskan, F. 2005c. “Aircraft icing de A tection, identification and reconfigurable control based on kalman filtering and neural networks”. AIAA Atmospheric Flight Mechanics Conference and Exhibit, San Francisco, California.
6. Aykan, R., Hacıyev, C., Çalışkan, F. 2006. EKF Ve yapay sinir ağları ile uçak kanat buzlanmalarının tespiti ve yeniden şekillendirilebilir kontrol, İtü dergisi / d Mühendislik. 5 (2), 122-132.
7. Bar-Shalom, Y., Li, X. R., Kirubarajan, T. 2001. Estimation with Applications to Tracking and Navigation, John Wiley and Sons.
8. Blanke, M., Kinnaert, M., Lunze, J., Staroswiecki, M. 2003. Diagnosis and Fault-Tolerant Control, Springer.

9. Brown, R. G., Hwang, P. Y. C. 1997. Introduction To Random Signals And Applied Kalman Filtering, John Wiley and Sons.
10. Cenan, N. 1998. Kalman Filtresi ve Robustlık, Yüksek Lisans Tezi, Ankara Üniversitesi.
11. Çalışkan, F. 2006. Fault Tolerant Control Systems, Lecture Notes, İTÜ.
12. Gu, Y. 2004. Design and Flight Testing Actuator Failure Accommodatıon Controllers On WVU YF-22 Research UAV’s, Ph. D. Thesis, West Virginia University.
13. Hajiyev, C., Caliskan, F. 2005. Sensor and control surface/ actuator failure detection and isolation applied to F-16 flight dynamic, Aircraft Engineering and Aerospace Technology. 77 (2), 152-160.
14. Kiyak, E., Cetin, O., Kahvecioglu, A. 2008. Aircraft sensor fault detection based on unknown input observers. Aircraft Engineering and Aerospace Technology. 80 (5), 545-548.
15. Krzeminski, S., Kaczorek, T. 2004. Perfect reduced-order unknown-input observer for standart systems, Bulletin of the Polish Academy of Sciences Technical Sciences, Vol. 50.
16. Mclean, D. 1990. Automatic Flight Control Systems, Prentice-Hall.
17. Siouris, G. M. 1996. An Engineering Approach to Optimal Control and Estimation Theory, John Wiley and Sons.
18. Solak, E. 2001. Observability And Observers For Nonlinear And Switching Systems, Ph. D. Thesis, Bilkent University.