Alberto Maria Cravero
Sul controllo model based e model free di Flapping Wing Micro Air Vehicles = On the model based and model free control of Flapping Wing Micro Air Vehicles.
Rel. Sandra Pieraccini, Miguel Alfonso Mendez, Lorenzo Schena, Romain Poletti. Politecnico di Torino, Master of science program in Aerospace Engineering, 2025
|
Preview |
PDF (Tesi_di_laurea)
- Thesis
Licence: Creative Commons Attribution Non-commercial No Derivatives. Download (11MB) | Preview |
Abstract
Flapping Wing Micro Air Vehicles (FWMAVs) sono micro-droni ispirati a uccelli e insetti capaci di generare portanza e spinta attraverso il movimento oscillatorio delle ali, il che conferisce loro un'eccezionale manovrabilità. Tuttavia, questo particolare meccanismo di volo introduce anche notevoli difficoltà nella modellazione della loro dinamica e aerodinamica a causa di forti non linearità. Data questa complessità, sviluppare algoritmi di controllo efficaci diventa problematico. La teoria del controllo classica si propone di trovare sequenze di controllo che guidino un sistema lungo una traiettoria desiderata soddisfando determinati requisiti e, sebbene ciò sia possibile, applicare tali metodi a sistemi altamente non lineari può risultare difficile.
In alternativa, il Reinforcement Learning (RL), sotto-campo del machine learning nato negli anni '90, si concentra sull'apprendimento di una politica di controllo con una conoscenza limitata o nulla della dinamica del sistema
Relators
Academic year
Publication type
Number of Pages
Course of studies
Classe di laurea
Ente in cotutela
Aziende collaboratrici
URI
![]() |
Modify record (reserved for operators) |
