Methodische Untersuchung des dynamischen
Verhaltens seilgebundener, hochflexibler
Tragflächen auf Basis automatisierter
Flugmanöver
vorgelegt von
Christoph Elfert, M.Sc.
an der Fakultät V - Verkehrs und Maschinensysteme
der Technischen Universität Berlin
zur Erlangung des akademischen Grades
Doktor der Ingenieurwissenschaften
-Dr.-Ing.-
genehmigte Dissertation
Berlin 2021
Promotionsausschuss:
Vorsitzender: Prof. Dr.-Ing. Henning Meyer
Gutachter: Prof. Dr.-Ing. Dietmar Göhlich
Gutachter: Dr.-Ing. Roland Schmehl
Tag der wissenschaftlichen Aussprache: 01. April 2021
Vorwort i
Vorwort
Diese Arbeit entstand in der Zeit von September 2015 bis April 2021 während meiner Tätigkeit
als wissenschaftlicher Mitarbeiter am Fachgebiet Methoden der Produktentwicklung und
Mechatronik (MPM) an der Technischen Universität Berlin.
An erster Stelle möchte ich mich bei Prof. Dr.-Ing. Dietmar Göhlich für die Möglichkeit bedanken,
das Projekt TETA weiterzuführen und somit an diesem für mich sehr spannenden Thema zu
forschen. Sein Vertrauen und seine Unterstützung sowie die wissenschaftliche Betreuung und die
gewährten Freiheiten bei der Bearbeitung haben maßgeblich zur Anfertigung dieser Dissertation
beigetragen.
Herrn Dr.-Ing. Roland Schmehl von der TU Delft danke ich für die Bereitschaft zur Begutachtung
der Arbeit und die hilfreichen fachlichen Diskussionen.
Besonderer Dank gilt Martin Goecks. Er hat unter anderem durch die Unterstützung bei den
Messungen und der Auswahl von Hardwarekomponenten, das Design und die Bestückung von
Platinen sowie die Planung und Durchführung diverser Programmieraufgaben einen erheblichen
Beitrag zum Fortschritt des Projekts geleistet.
Weiterhin möchte ich Michel Joop van der Schoor, Samuel Junglas, Enrico Seiler, Mike
Hartrumpf, Florian Triebel, Luis Neuweiler, Gian Tegel, Max Winkelmann, Konrad Weiß,
Conrad Klose und Hendrik Freter danken, ohne deren Beitrag im Rahmen von Projekt-, und
Abschlussarbeiten die Weiterentwicklung des Prüfstands in diesem Umfang ebenfalls nicht
möglich gewesen wäre.
Weiterhin danke ich Daniel Laidig und Thomas Seel vom Fachgebiet Regelungssysteme der TU
Berlin für den fruchtbaren Austausch zum Thema Inertialsensoren und die Unterstützung bei
der Auswertung der Messdaten dieser Sensoren.
Außerdem möchte ich der ehemaligen Sekretärin des Fachgebiets, Frau Schmunkamp, für ihre
tatkräftige Unterstützung bei allen bürokratischen Angelegenheiten und ihre herzliche Art
danken. Weiterer Dank gilt meinen Kollegen am Fachgebiet für das tolle tägliche Miteinander
und davon insbesondere Jan Hummel, der mit dem Aufbau des Projekts TETA und seiner
Vorarbeit die Grundsteine für die vorliegende Arbeit gelegt hat.
Abschließend möchte ich mich bei meinem Vater Detlef Elfert, bei meinem Bruder Robert Elfert,
seiner Frau Inga Elfert und insbesondere meiner Lebensgefährtin Gina Rudolph für die liebevolle
Unterstützung, den Zuspruch und das Verständnis, das sie mir täglich entgegengebracht haben,
bedanken.
ii Kurzfassung
Kurzfassung
Flugwindkraftanlagen bieten großes Potential, um zur Deckung des Energiebedarfs der
Menschheit aus erneuerbaren Energien beizutragen. Eine vielversprechende Konzeptvariante für
solche Anlagen sieht die Nutzung hochflexibler, seilgebundener Tragflächen vor. Für den sicheren
autonomen Betrieb ist deshalb die Entwicklung robuster Regelalgorithmen für die Flugkontrolle
solcher Tragflächen erforderlich. Dies wiederum erfordert ein tiefgehendes Verständnis und die
realitätsnahe Simulation des Verhaltens dieser Tragflächen in dynamischen Flugmanövern. Es
existieren bereits zahlreiche Simulationsmodelle, die dies ermöglichen sollen, jedoch kaum Daten
aus Messungen unter kontrollierten Bedingungen, die für die Verifikation dieser Modelle benötigt
werden. Neben der Veränderung der dynamischen Parameter in Abhängigkeit vom
Längenverhältnis zwischen den Power- und Steuerleinen, ist insbesondere die Auswirkung der
Verformung auf das dynamische Verhalten bisher kaum anhand von experimentellen
Untersuchungen erforscht.
In der vorliegenden Arbeit wird zunächst analysiert, welche Manöver sich für die Vermessung
des dynamischen Verhaltens eignen und welche Messdaten dafür aufgezeichnet werden müssen.
Darauf basierend erfolgt die Entwicklung und Erprobung eines Onboard-Sensorsystems und eines
Sensorfusionsalgorithmus zur Messung der Position und Lage eines Kiteschirms sowie einer
kostengünstigen Mehrloch-Prandtl-Sonde zur Messung des Anströmgeschwindigkeitsvektors.
Außerdem wird ein geeigneter Regelalgorithmus aus der Literatur implementiert und erweitert,
der die Umsetzung automatisierter und somit wiederholbarer Achtenflug-Manöver ermöglicht. In
Kombination mit der Möglichkeit, die Anströmgeschwindigkeit frei zu variieren und unter
kontrollierten Bedingungen zu messen, erlauben diese Entwicklungen eine objektive Messung der
Drehfreudigkeit sowie der Totzeit von Kiteschirmen in Abhängigkeit vom Längenverhältnis
zwischen den Power- und Steuerleinen. Die Messergebnisse können das aus subjektiven
Erfahrungen aus dem Kitesport erwartete dynamische Verhalten bestätigen.
Darüber hinaus werden Messungen durchgeführt, in denen mit Hilfe von fünf kompakten
Inertialsensoren die Lageänderungen verschiedener Komponenten des Kiteschirms während der
Einleitung einer Gierbewegung gemessen werden. Dies ermöglicht die Visualisierung der dabei
auftretenden makroskopischen Verformung des Kiteschirms und darauf basierend die
Bestimmung des Effekts, der die hauptsächliche Ursache für die Einleitung der Gierbewegung
darstellt.
Die vorliegende Arbeit kann somit einen entscheidenden Beitrag zur Grundlagenforschung an
hochflexiblen, seilgebundenen Tragflächen leisten und ermöglicht die Steigerung der
Realitätsnähe von Simulationsmodellen solcher Tragflächen.
Abstract iii
Abstract
Airborne wind energy systems offer great potential to contribute to meeting the energy needs of
mankind from renewable energy sources. One promising concept for such systems is based on the
use of highly flexible, tethered wings. For a safe autonomous operation, the development of robust
control algorithms for the flight control of such wings is necessary. This in turn requires a
profound understanding and realistic simulation of the behaviour of these wings in dynamic flight
manoeuvres. There are already numerous simulation models aiming to make this possible, but
hardly any data from measurements under controlled conditions in order to verify these models.
Aside from the change of the dynamic parameters depending on the length ratio between the
power and control lines, the effect of the wing’s deformation on the dynamic behaviour has hardly
been investigated by experimental studies so far.
At the beginning of this thesis, an analysis is conducted on which manoeuvres are suitable for
the measurement of the dynamic behaviour and which measurement data has to be recorded
therefore. Based on this, an on-board sensor system and a sensor fusion algorithm for measuring
the position and orientation of a kite as well as a low-cost multi-hole-probe for measuring the
inflow velocity vector are developed and tested. In addition, a suitable control algorithm from
the literature was implemented and extended, which allows the implementation of automated
and therefore repeatable figure-of-eight manoeuvres. In combination with the possibility to freely
vary the inflow velocity and to measure under controlled conditions, these developments allow
an objective measurement of the turning speed as well as the delay time of kite wings depending
on the length ratio between power and steering lines. The measurement results can confirm the
dynamic behaviour expected from subjective experiences in kite sports
Furthermore, measurements are performed in which the position changes of various components
of the kite during the initiation of a yaw motion are measured with the help of five compact
inertial sensors. This allows the visualization of the macroscopic deformation of the kite and the
determination of the main effect causing the yaw motion.
Thus, the present work can make a decisive contribution to basic research on highly flexible,
tethered wings and allows the development of more realistic simulation models of such wings.
iv Inhaltsverzeichnis
Inhaltsverzeichnis
Symbolverzeichnis vi
Indexverzeichnis viii
Abkürzungsverzeichnis ix
1. Einleitung 1
1.1. Ausgangssituation und Problemstellung .................................................................... 1
1.2. Zielsetzung ................................................................................................................. 3
2. Grundlagen 4
2.1. Kitesystem ................................................................................................................. 4
2.1.1. Kitekomponenten und Bargeometrie ............................................................ 4
2.1.2. Aerodynamische Koeffizienten ..................................................................... 7
2.1.3. Koordinatensysteme ..................................................................................... 9
2.1.4. Kitekinematik im Windfenster ................................................................... 13
2.2. Airborne Wind Energy ............................................................................................ 15
2.3. Inertiale Navigation ................................................................................................. 16
3. Stand der Technik 19
3.1. Dynamisches Verhalten von Kiteschirmen .............................................................. 19
3.1.1. Auswirkungen von Steuereingaben ............................................................. 20
3.1.2. Kinematische Einflussfaktoren ................................................................... 23
3.1.3. Geometrische Einflussfaktoren ................................................................... 25
3.1.4. Turn Rate Law........................................................................................... 26
3.2. Automatisierter Flug seilgebundener Tragflächen ................................................... 28
3.2.1. Regelung seilgebundener Tragflächen ......................................................... 29
3.2.2. Zustands- und Parameterschätzung an seilgebundenen Tragflächen .......... 40
3.3. Vorangegangene Arbeit ........................................................................................... 48
3.3.1. Prüfstand ................................................................................................... 48
3.3.2. Sensorik ...................................................................................................... 49
3.3.3. Benutzerschnittstelle .................................................................................. 51
3.3.4. Aktorik ....................................................................................................... 52
3.3.5. Software ..................................................................................................... 52
3.3.6. Automatisierte Manöver............................................................................. 54
3.4. Vermessung von Kiteschirmen ................................................................................ 55
4. Forschungsumfang 61
Inhaltsverzeichnis v
5. Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 64
5.1. Definition der zu messenden Parameter .................................................................. 64
5.2. Definition geeigneter Manöver ................................................................................. 65
5.3. Entwicklung eines Onboard-Sensorsystems ............................................................. 67
5.3.1. System zur Messung der Position, Geschwindigkeit und Orientierung ...... 68
5.3.2. System zur Messung des Anströmvektors .................................................. 81
5.4. Umsetzung des automatisierten dynamischen Manövers ......................................... 88
6. Voruntersuchungen 93
7. Versuchsdurchführung 98
8. Versuchsauswertung 102
9. Darstellung und Analyse der Messergebnisse 107
9.1. Drehfreudigkeit und Totzeit ................................................................................... 108
9.2. Makroskopische Verformung .................................................................................. 120
10. Zusammenfassung & Ausblick 127
10.1. Zusammenfassung ................................................................................................... 127
10.2. Ausblick .................................................................................................................. 129
A. Literatur 131
A.1. Literaturverzeichnis ................................................................................................ 131
A.2. Eigene Veröffentlichung .......................................................................................... 139
A.3. Studentische Arbeiten ............................................................................................ 140
B. Anhang 141
B.1. Air Data System ..................................................................................................... 141
B.1.1. Anforderungsliste ...................................................................................... 141
B.1.2. Hardware ................................................................................................... 142
B.1.3. Software .................................................................................................... 144
B.2. Anströmungsmesssystem ........................................................................................ 145
B.2.1. Anforderungsliste ...................................................................................... 145
B.3. Checklisten ............................................................................................................. 145
B.3.1. Einmalig zum Beginn eines Testtages ....................................................... 145
B.3.2. Vor jedem Messdurchlauf .......................................................................... 147
vi Symbolverzeichnis
Symbolverzeichnis
Symbol Einheit
Name
A
m
2
Fläche des Kiteschirms
a
DP
m
Verschiebung des Druckpunkts durch Verwindung des Kiteschirms
b
m
Barbreite
b
DP
m
Abstand zwischen den Druckpunkten
C
D
1
Widerstandsbeiwert
C
L
1
Auftriebsbeiwert
C
R
1
resultierender Beiwert
c
α
1
Koeffizient für den Anstellwinkel
c
β
1
Koeffizient für den Schiebewinkel
d
ms
Totzeit
E
1
Gleitzahl
F
D
N
aerodynamische Widerstandskraft
F
G
N
Gewichtskraft
F
L
N
aerodynamische Auftriebskraft
F
R
N
aerodynamische Gesamtkraft
F
PL
N
Powerleinenkraft
F
SL
N
Steuerleinenkraft
F
T
N
Leinenkraft
g
m
s
2
Gravitationsbeschleunigung
g
k
rad
m
Drehfreudigkeit
k
s
diskreter Zeitpunkt
P
a
−
aktueller Zielpunkt
P
+
−
Zielpunkt im Bereich positiver Azimutwinkel
P
−
−
Zielpunkt im Bereich negativer Azimutwinkel
∆
P
c
N
m
2
Differenzdruck der Centerbohrung zu den Bohrungen für die statische
Druckmessung
∆
P
α
N
m
2
Differenzdruck der zwei gegenüberliegenden Bohrungen für den
Anstellwinkel
α
∆
P
β
N
m
2
Differenzdruck der zwei gegenüberliegenden Bohrungen für den
Schiebewinkel
β
p
N
m
2
Statischer Luftdruck
p
k
m Position des Kiteschirms
R
S
J
kg
⋅
K
Spezifische Gaskonstante
r
m
Kurvenradius
T
K
Temperatur
v
a
m
s
Anströmgeschwindigkeit
v
k
m
s
Eigengeschwindigkeit des Kiteschirms
Symbolverzeichnis vii
v
w
m
s
Windgeschwindigkeit
W
−
dimensionsloser Gewichtungsfaktor
α
rad
Anstellwinkel
α
Bar
rad
Einschlagwinkel der Bar
β
rad
Schiebewinkel
γ
rad
Geschwindigkeitswinkel
γ
p
rad
Kurswinkel
δ
1
Lenkeinschlag
δ
rel
1
relativer Lenkeinschlag
ε
akt
m
aktuelle Powerposition
ε
max
m
maximale Powerposition
ε
rel
1
relative Powerposition
ζ
rad
Winkel in der Großkreisebene zwischen der Position des Kiteschirms
und dem aktuell aktiven Zielpunkt
ρ
kg
m
3
Dichte
ϑ
rad
Höhenwinkel
Π
rad Ausrichtung des Prüfstands gegenüber dem magnetischen Süden
Θ
rad
Höhenwinkel
φ
rad
Azimutwinkel
Φ
rad
Azimutwinkel
ψ
rad
Gierwinkel
ψ
rad
s
Gierwinkeländerung
χ
rad
Windeinfallswinkel
Ψ
p
rad
Startkurswinkel
ω
rad
Verdrehwinkel
viii Indexverzeichnis
Indexverzeichnis
Index Name
Eq
äquivalent (englisch:
equivalent
)
g
prüfstandsfest (englisch:
ground
)
k
Kiteschirm
l
links
m
gemessen (englisch:
measured
)
N Nord
PL
Powerleine
p
Ziel (-punkt)
r
rechts
s
Sensor
SL
Steuerleine
t
Leine (englisch:
tether
)
g
windfest
Abkürzungsverzeichnis ix
Abkürzungsverzeichnis
ADS .................... Air Data System
AWE .................. Airborne Wind Energy
AWES ................ Airborne Wind Energy System
CAN ................... Controller Area Network (Kommunikationsprotokoll)
DP ...................... Druckpunkt
ECEF ................. Earth Centered Earth Fixed
EKF .................... Extended Kalman Filter
ENU ................... East North Up
FPGA ................. Field Programmable Gate Array
GNSS .................. Global Navigation Satellite System
GPS .................... Global Positioning System
GUI .................... Graphical User Interface
IMU .................... Inertial Measurement Unit
INS ..................... Inertial Navigation System
KCU ................... Kite Control Unit
KS ...................... Koordinatensystem
LIDAR ................ Light Detection and Ranging
MEMS ................ Micro Electro Mechanical System
MHE ................... Moving Horizon Estimation
MIMO ................ Multi Input Multi Output
MSR ................... Mess-, Steuerungs- und Regelungstechnik
NED ................... North East Down
NMPC ................ Nonlinear Model Predictive Control
RTOS ................. Real-Time-Operating-System
SBAS .................. Satellite Based Augmentation System
sbRIO ................. Single Board RIO (Reconfigurable I/O)
SISO ................... Single Input Single Output
SODAR .............. Sonic Detection and Ranging
TETA ................. Test and Evaluation of Tethered Airfoils
TRL .................... Turn Rate Law
UKF ................... Unscented Kalman Filter
VI ....................... Virtual Instrument (Bezeichnung von Programmen in LabView)
Kapitel 1: Einleitung 1
1. Einleitung
Diese Arbeit beschäftigt sich mit der experimentellen Analyse des dynamischen Verhaltens
seilgebundener, hochflexibler Tragflächen auf Basis automatisierter Flugmanöver. Dazu muss ein
bestehender Prüfstand so weiterentwickelt werden, dass automatisierte, dynamische
Flugmanöver ausgeführt werden können. Die Messungen und Untersuchungen werden anhand
von Kiteschirmen aus dem Kitesport durchgeführt.
Nachfolgend wird die Motivation für die Bearbeitung der vorliegenden Arbeit dargestellt.
1.1. Ausgangssituation und Problemstellung
Windenergie ist neben Solarenergie eine der wenigen erneuerbaren Energien, die prinzipiell in
ausreichendem Maße vorhanden ist, um den gesamten Energiebedarf der Menschheit decken zu
können
1
. Sie leistet in Deutschland den größten Beitrag zur Erzeugung erneuerbarer Energien
und war dort im Jahr 2019 erstmals der wichtigste Energieträger
2
. Großes Optimierungspotential
besteht bzgl. der Energiegestehungskosten und der für die Energieerzeugung benötigten
Landfläche. Diese sind bisher höher als bei der Energiegewinnung aus fossilen Brennstoffen,
wodurch die Wettbewerbsfähigkeit nicht in ausreichendem Maße gegeben ist. Aus diesem Grund
basiert die Energieerzeugung in den meisten Ländern der Welt weiterhin auf fossilen Brennstoffen.
Einen innovativen Ansatz zur sowohl kosteneffizienten als auch platzsparenden
Energiegewinnung aus Windkraft bilden Flugwindkraftanlagen, engl. Airborne Wind Energy
Systems (AWES). Dabei handelt es sich um eine Weiterentwicklung konventioneller
Windenergieanlagen. Die Energiegewinnung mit konventionellen Windenergieanlagen ist mit
einem hohen Materialaufwand verbunden. Der Turm und die radial innen liegenden Abschnitte
der Rotorblätter leisten einen geringen bis gar keinen Anteil zur Energiegewinnung. Über 50%
der Gesamtleistung einer Windkraftturbine werden durch die äußeren 30% der Rotorblätter
erzielt
3
. Ziel von AWES ist es, die sich mit hoher Geschwindigkeit bewegenden Spitzen der
Rotorblätter von Windkraftanlagen durch starre oder flexible Tragflächen und den Hauptteil des
tragenden Aufbaus durch Seilkonstruktionen zu ersetzen. Ein weiterer Vorteil von AWES ist die
flexible Arbeitshöhe solcher Anlagen. Durch Variation der Leinenlänge kann mit wenig Aufwand
die Höhe variiert werden, in der die Windenergie „geerntet“ wird. Mit der Höhe nehmen die
1
Archer, C. L. (2005), S. 1, Miller, L. M., Brunsell, N. A., Mechem, D. B., Gans, F., Monaghan, A. J., Vautard, R.,
Keith, D. W., Kleidon, A. (2015)
2
Geschäftsstelle der Arbeitsgruppe Erneuerbare Energien-Statistik (AGEE-Stat) am Umweltbundesamt (2020)
3
Ahrens, U., Diehl, M., Schmehl, R. (2014)
2 Kapitel 1: Einleitung
Stärke und Verfügbarkeit von Wind deutlich zu, weshalb angestrebt wird, die
Flugwindkraftanlagen in Höhen von bis zu 1500 m operieren zu lassen
4
.
Bisher hat jedoch noch kein Unternehmen die Prototypenphase verlassen und ein Serienprodukt
präsentiert
5
. Auf dem Weg zur Serienreife stellen aktuell der Langzeitbetrieb und die
Zertifizierung die größten Herausforderungen dar. Für den sicheren autonomen Betrieb ist die
Entwicklung robuster Regelalgorithmen erforderlich. Um die geforderte Robustheit zu erreichen
und zusätzlich möglichst effektive Flugmuster präzise abfliegen zu können, werden detaillierte
und verifizierte Simulationsmodelle der in den AWES eingesetzten Tragflächen benötigt. Dafür
wiederum bedarf es einer präzisen Vermessung der aerodynamischen Charakteristiken. Für starre
Tragflächen kann dafür auf die Erfahrungen und Messmethoden aus der Luftfahrttechnik
zurückgegriffen werden. Für flexible Tragflächen hingegen sind die gängigen Mess- und
Simulationsmethoden zur Charakterisierung von Tragflächen nicht anwendbar. Es ist
beispielsweise aufgrund der Größe nicht möglich, ein vollständiges Kitesystem, also einen
Kiteschirm inkl. Leinen (vgl. Abschnitt 2.1.1), in einem Windkanal zu vermessen. Ein Kiteschirm
in einer für den Kitesport gängigen Größe könnte ohne Leinen in großen Windkanälen vermessen
werden, da die Leinen aber einen großen Einfluss auf das Flugverhalten haben, wären die
Ergebnisse nur begrenzt aussagekräftig.
Eine Maßnahme, die in einem solchen Fall meist für starre Flügel angewendet wird, die Skalierung
auf einen kleineren Maßstab, ist für flexible Tragflächen nicht sinnvoll anwendbar, da die
Auswirkungen der Skalierung auf das Verhalten der unterschiedlichen flexiblen Materialien (Tuch,
Nähte, Segmente zur lokalen Verstärkung) nicht in ausreichender Güte vorausgesagt bzw.
modelliert werden können.
Ebenso ist der Einsatz numerischer Simulationen nicht praktikabel, da bei flexiblen Tragflächen
starke Fluid-Struktur-Kopplungen auftreten, deren Simulation enorm rechenintensiv sind
6
.
Es existieren deshalb kaum verlässliche Messdaten, die einen quantitativen und somit objektiven
Vergleich des dynamischen Verhaltens von Kiteschirmen ermöglichen. Die Entwicklung von
Kiteschirmen sowohl für den Kitesport, als auch für die Anwendung in AWES erfolgt deshalb
bisher größtenteils anhand einer empirischen Vorgehensweise basierend auf Erfahrungswerten
von Kitedesignern und zahlreichen subjektiven Prototypentests.
Um der beschriebenen Problematik entgegenzuwirken, bedarf es der Entwicklung neuer
Messsysteme und -methoden. Aus diesem Grund wurde am Fachgebiet Methoden der
Produktentwicklung und Mechatronik der Technischen Universität Berlin, im Rahmen der
Promotion von Dr.-Ing. Jan Hummel das Projekt TETA (Test and Evaluation of Tethered
Airfoils) initiiert. Im Rahmen dieses Projekts wurde der in Unterkapitel 3.3 beschriebene
Prüfstand entwickelt, der eine reproduzierbare Vermessung flexibler Tragflächen ermöglicht.
4
Fagiano, L., Milanese, M. (2012), S. 3132
5
Delft University of Technology (2019)
6
Viré, A., Demkowicz, P., Folkersma, M., Roullier, A., Schmehl, R. (2020), S. 2
Kapitel 1: Einleitung 3
Dafür wird dieser bei möglichst geringer Windstärke von einem Fahrzeug angetrieben, um durch
den Fahrtwind eine konstante Anströmung zu erzeugen. Der Prüfstand ist mit umfangreicher
Sensorik und Aktorik ausgestattet, was es ermöglicht, reproduzierbare Steuereingaben bzw.
Manöver auszuführen und dabei diverse Parameter zu messen.
Es existierten schon vorher bereits einige Messsysteme, die auf dem gleichen Messprinzip basieren
(vgl. Hummel
7
). Bei all diesen Systemen wurden die Manöver allerdings manuell gesteuert und
es erfolgte keine Aufzeichnung der Steuereingaben, sodass keine Reproduzierbarkeit gegeben war.
Für eine Parameteridentifikation an Simulationsmodellen ist die Reproduzierbarkeit der
Messdaten jedoch unbedingt erforderlich (vgl. de Groot et al.
8
).
1.2. Zielsetzung
Im Rahmen der Dissertation von Dr.-Ing. Jan Hummel wurde gezeigt, dass es mit dem TETA-
Prüfstand möglich ist, aerodynamische Parameter flexibler Tragflächen in statischen Fluglagen
reproduzierbar zu vermessen. Für die umfassende aerodynamische Charakterisierung flexibler
Tragflächen ist es jedoch auch erforderlich, das Verhalten in dynamischen Flugsituationen zu
untersuchen. Um dies zu erreichen, soll eine umfangreiche Weiterentwicklung und
Automatisierung des Prüfstands umgesetzt werden, die es ermöglicht, automatisierte dynamische
Flugmanöver auszuführen. Dafür soll die Sensorik um ein System erweitert werden, das am
Kiteschirm montiert wird und die in-situ-Messung diverser Parameter ermöglicht. Außerdem
müssen reproduzierbare dynamische Flugmanöver definiert und umgesetzt werden. Dies erfordert
die Entwicklung und Implementierung robuster Regelalgorithmen auf der Prüfstands-Hardware.
Darüber hinaus soll durch Anpassungen am Messsetup und dem statischen Manöver, auf dem
die Ergebnisse von Hummel basieren, eine Genauigkeitssteigerung bei der Bestimmung der
aerodynamischen Parameter in statischen Fluglagen erreicht werden.
Da die Größe der Tragflächen, die mit dem TETA-Prüfstand vermessen werden können, aufgrund
der auftretenden Lasten sowie die maximale Anströmgeschwindigkeit begrenzt sind, liegt der
Fokus auf der Grundlagenforschung anhand von Sportkites. Diese ist von fundamentaler
Bedeutung für die Weiterentwicklung von AWES, da die Methodik und das aus den Ergebnissen
gewonnene allgemeine Verständnis zum dynamischen Verhalten auch auf größere Kiteschirme
angewendet werden kann.
7
Hummel, J. (2017), S. 33 ff.
8
de Groot, S. G. C., Breukels, J., Schmehl, R., Ockels, W. J. (2011)
4 Kapitel 2: Grundlagen
2. Grundlagen
In diesem Kapitel werden die für das Verständnis der vorliegenden Arbeit erforderlichen
Grundlagen beschrieben.
In Unterkapitel 2.1 wird zunächst auf das Kitesystem eingegangen, bevor in Unterkapitel 2.2 das
Konzept und die Funktionsweise von Flugwindkraftanlagen erläutert werden.
Abschließend wird vorbereitend auf den Abschnitt 5.3.1 in Unterkapitel 2.3 ein Überblick über
die Thematik der inertialen Navigation gegeben.
In der vorliegenden Arbeit erfolgt meist keine explizite Kennzeichnung vektorieller Größen, sodass
mit den Symbolen formal nur die Beträge der Vektoren angegeben werden. Die Richtungen der
Vektoren können den zugehörigen Abbildungen entnommen werden.
Im weiteren Verlauf werden außerdem für eine bessere Lesbarkeit häufig die Begriffe
„Anströmvektor“ anstelle der korrekten Bezeichnungen „Vektor der relativen
Anströmgeschwindigkeit“ oder „Anströmgeschwindigkeitsvektor“ und „Windvektor“ anstatt
„Windgeschwindigkeitsvektor“ verwendet.
2.1. Kitesystem
Diese Arbeit befasst sich mit der Vermessung des dynamischen Verhaltens von Kiteschirmen bzw.
Kitesystemen. In diesem Unterkapitel wird erläutert, aus welchen Komponenten sich ein solches
System zusammensetzt, welche Funktion die einzelnen Komponenten erfüllen und welche Kräfte
im Flug auftreten. Außerdem werden die Koordinatensysteme (KS) definiert, die zur eindeutigen
Beschreibung der Position sowie der räumlichen Orientierung des Kiteschirms im sog.
Windfenster erforderlich sind und es wird die Kinematik beschrieben, die sich durch die
Bewegung des Kiteschirms im Windfenster ergibt.
2.1.1. Kitekomponenten und Bargeometrie
Die flexiblen Tragflächen, die im Rahmen dieser Arbeit vermessen werden, werden als sog.
Leading-Edge-Inflatable-Kites (LEI-Kites) oder Tubekites bezeichnet (vgl. Abbildung 2.1). Diese
bestehen grundlegend aus einer Unterstruktur aus luftgefüllten Schläuchen (engl. Tubes) und
einer Bespannung aus Stoff (Tuch). Die Unterstruktur teilt sich in eine Fronttube und Struts
auf. Die Fronttube ist ein Schlauch der die Anströmkante darstellt und gleichzeitig die Funktion
des Holms eines starren Flügels erfüllt. Die Struts sind mehrere Schläuche, die von der
Anströmkante zur Abströmkante verlaufen und somit grundlegend den Rippen eines starren
Flügels entsprechen. Im Gegensatz zu den vollflexiblen Staudruck-Kites (engl. Ram-Air-Kites
oder Softkites) behält ein LEI-Kite aufgrund des Gerippes auch im nicht angeströmten Zustand
weitgehend seine Form. Durch die Unterstruktur entfällt außerdem die Notwendigkeit von
Waageleinen und der Kiteschirm bleibt dauerhaft wasserstartfähig.
Kapitel 2: Grundlagen 5
Üblicherweise werden vier Seile benötigt, um einen LEI-Kite zu steuern: Die zwei an der
Fronttube befestigten Frontleinen, die sich zur Powerleine vereinen und den größten Teil der
auftretenden Kräfte übertragen, sowie die zwei Steuerleinen, die an den Enden der Tragfläche,
den sog. Tips, nahe der Abströmkante angeknüpft sind. Bei den meisten modernen LEI-Kites
kommen am Kiteschirm sog. Bridle-Leinen zum Einsatz, die die Frontleinen aufteilen und mit
mehreren Anknüpfpunkten an der Fronttube verbinden. Im Kitesport kommt außerdem oft noch
eine fünfte Leine zum Einsatz, die in der Mitte der Fronttube befestigt wird. Diese fünfte Leine
dient in der Regel ausschließlich als Sicherheitseinrichtung und überträgt nur in Ausnahmefällen
im Flug Kräfte, weshalb in der Folge nicht weiter darauf eingegangen wird. Üblicherweise werden
im Kitesport Leinenlängen zwischen 18 m und 24 m verwendet. Bei der Verwendung
seilgebundener Tragflächen in AWE-Anlagen (vgl. Kapitel 2.2) kommen hingegen deutlich
längere Leinen von bis zu 1500 m Länge zum Einsatz
9
. Im weiteren Verlauf wird entsprechend
zwischen kurzen und langen Leinen unterschieden.
Abbildung 2.1: LEI-Kitesystem mit Beschriftung der wichtigsten Komponenten
Die Erzeugung von Lenkeingaben erfolgt im Kitesport mit Hilfe der sog. Bar, an dessen Enden
jeweils eine Steuerleine befestigt ist. Die Powerleinen werden oberhalb der Bar zu einer Leine
zusammengeführt und verlaufen durch die Mitte der Bar hindurch. Die Bar kann dadurch in
einem definierten Bereich entlang der zusammengeführten Frontleinen bewegt werden, was eine
Veränderung des Längenverhältnisses zwischen Front- und Steuerleinen (vgl. Abbildung 2.2, links)
und somit eine Veränderung des Anstellwinkels bewirkt. Weil sich dadurch die vom Kiteschirm
erzeugte Zugkraft ändert, wird diese Bewegung als „Powern“ bzw. „Depowern“ bezeichnet.
Außerdem ändert sich durch die Veränderung des Anstellwinkels die Form des Kiteschirms. Diese
9
Fagiano, L. et al. (2012), S. 3135
6 Kapitel 2: Grundlagen
wird zusätzlich durch die Anströmung sowie andere Parameter, die die Belastung des Profils
beeinflussen, verändert. Dies kann wiederum dazu führen, dass sich in einigen Bereichen der
Tragfläche der lokale Anstellwinkel ändert, während er in anderen Bereichen unverändert bleibt.
Es können also gleichzeitig mehrere Anstellwinkel vorherrschen, weshalb es für flexible
Tragflächen nicht trivial ist, den Anstellwinkel zu bestimmen. Die aerodynamischen Parameter
werden deshalb anders als in der Luftfahrt gängig, nicht in Abhängigkeit vom Anstellwinkel,
sondern von der sog. relativen Powerposition ε
rel
angegeben. Diese ergibt sich aus der Differenz
der aktuellen und der maximalen Powerposition:
ε
rel
=
ε
akt
ε
max
(
2.1
)
Wird die Bar bis zum Anschlag nach unten gezogen, ergibt sich eine relative Powerposition von
ε
rel
=1. Diese Einstellung entspricht in der Regel dem Auslegungszustand, in dem alle Leinen
gleich lang sind. Im oberen Anschlag ergibt sich entsprechend ein Wert von ε
rel
=0.
Wie später in Kapitel 3.1 genauer erläutert wird, muss eine Längendifferenz zwischen den beiden
Steuerleinen erzeugt werden, um eine Gierbewegung des Kiteschirms hervorzurufen. Die erreicht
der Pilot, indem er ein Ende der Bar zu sich zieht. Die Bar rotiert dadurch, wie in Abbildung
2.2, rechts dargestellt, um ihren Mittelpunkt. Abhängig von Winkel α
Bar
und der Barbreite b
ergibt sich entsprechend der folgenden Formel der relative Lenkeinschlag:
δ
rel
=
b
sin
α
Bar
b
(
2.2
)
Der Wertebereich des relativen Lenkeinschlags liegt im Bereich [-1, 1] und das Vorzeichen ergibt
sich analog zum mathematisch positiven bzw. negativen Drehsinn des Winkels α
Bar
. Die
Maximalwerte ergeben sich, wenn die Bar aus der Ausgangsstellung um 90° gedreht wird, sodass
die Längendifferenz der Steuerleinen der Barbreite b entspricht.
Kapitel 2: Grundlagen 7
Abbildung 2.2: Geometrische Größen an der Bar
10
links: Änderung der Powerposition, rechts: Änderung des Lenkeinschlags
In AWE-Anlagen wird typischerweise keine Bar verwendet, da die beschriebenen Lenkeingaben
auch umgesetzt werden können, indem die Längen der Steuerleinen durch entsprechende Aktoren
verändert werden. Die beiden zuvor beschriebenen Parameter ε
rel
und
δ
rel
können durch die Hinterlegung der geometrischen Parameter einer „virtuellen“ Bar aber auf
die gleiche Art wie oben beschrieben definiert werden.
2.1.2. Aerodynamische Koeffizienten
In diesem Abschnitt wird erläutert, welche Kräfte im Flug am Kiteschirm auftreten und wie
daraus dessen aerodynamische Parameter bestimmt werden können. Zu diesem Zweck ist in
Abbildung 2.3 eine vereinfachte schematische Ansicht des Kiteschirms im quasi-statischen
Flugzustand unter Vernachlässigung von Gravitationskräften und lokalen Verformungen
dargestellt. Ein quasi-statischer Flugzustand liegt beispielsweise vor, wenn die Seilkraft und
aerodynamischen Kräfte ein Gleichgewicht bilden und der Kiteschirm keine Eigengeschwindigkeit
aufweist. In einem solchen Flugzustand sind die Gravitationskräfte deutlich kleiner als die
aerodynamischen Kräfte, aber typischerweise in der gleichen Größenordnung. Die Gewichtskräfte
müssen daher für eine exakte Bestimmung der aerodynamischen Koeffizienten berücksichtigt
werden. An dieser Stelle werden die Gewichtskräfte für eine bessere Übersichtlichkeit aber
dennoch vernachlässigt.
Die Form des Kiteschirms und damit das aerodynamische Profil bildet sich in Abhängigkeit von
dem dynamischen Gleichgewicht zwischen der durch die Umströmung verursachten
Druckverteilung am Profil und den strukturellen Reaktionskräften aus. Die Umströmung dieses
10
nach Lange, C. (2018)
8 Kapitel 2: Grundlagen
Profils gleicht der eines starren Profils. Deshalb gelten für dieses vereinfachte Modell des
Kiteschirms dieselben physikalischen Gesetze wie für einen starren Tragflügel.
Im Druckpunkt greifen die Auftriebs- F
L
und Widerstandskraft F
D
an, deren vektorielle Addition
die resultierende aerodynamische Gesamtkraft F
R
bildet. Die Neigung der Gesamtkraft in Bezug
auf eine horizontale Ebene entspricht dem Höhenwinkel ϑ. Die Seilkraft F
T
setzt sich aus den in
Abbildung 2.3, rechts dargestellten Kräften in den Steuerleinen F
SL,l
und F
SL,r
sowie der Kraft
in der Powerleine F
PL
zusammen. Die Seilkraft ist der Gesamtkraft entgegengesetzt und hat den
gleichen Betrag.
Abbildung 2.3: Schematische Ansicht des Kiteschirms im Flug
links: am Druckpunkt und an der Verankerung aufgrund der Anströmung auftretende Kräfte,
rechts: Aufteilung der resultierenden Gesamtkraft auf die Leinen
Die Aufteilung der Seilkraft auf die Leinen ist abhängig von der relativen Powerposition ε
rel
und
dem relativen Lenkeinschlag δ
rel
. Die Abhängigkeit von der relativen Powerposition kann anhand
des Parameters f beschrieben werden, der wie folgt berechnet werden kann:
f
(
ε
rel
)
=
F
SL
,
l
+
F
SL
,
r
F
PL
(
2.3
)
Wird die relative Powerposition beispielsweise erhöht, wandert der Druckpunkt weiter in
Richtung der Abströmkante, sodass ein größerer Teil der Kraft über die Steuerleinen übertragen
wird. Eine Änderung des relativen Lenkeinschlags hat hingegen eine Erhöhung der Kraft in der
Steuerleine, die verkürzt wurde und eine entsprechende Verringerung der Kraft in der Steuerleine,
die verlängert wurde, zur Folge. Ist dieses Verhältnis sehr klein, bedeutet dies üblicherweise, dass
der Kite sehr schlecht auf Lenkeingaben reagiert. Die Steuerleinenkraft reicht dann nicht aus,
um die für das Einleiten der Gierbewegung erforderliche Verformung hervorzurufen (vgl. Kapitel
3.1.1).
Anhand der beschriebenen Kräfte können die dimensionslosen aerodynamischen Parameter C
L
,
C
D
und C
R
des Kiteschirms wie folgt bestimmt werden:
Kapitel 2: Grundlagen 9
C
L
=
2
F
L
ρ
A
v
a
2
=
2
sin
ϑ
F
T
ρ
A
v
a
2
(
2.4
)
C
D
=
2
F
D
ρ
A
v
a
2
=
2
cos
ϑ
F
T
ρ
A
v
a
2
(
2.5
)
C
R
=
2
F
T
ρ
A
v
a
2
(
2.6
)
In den Formeln 2.4 bis 2.6 steht ρ für die Luftdichte und A für die Fläche des Kiteschirms.
Anders als für starre Flügel existiert für flexible Tragflächen keine eindeutige Definition der
Fläche A. Für eine einheitliche Berechnung der aerodynamischen Parameter muss deshalb die
verwendete Referenzfläche angegeben werden. Üblicherweise wird für die Berechnung der
aerodynamischen Koeffizienten die projizierte Fläche des gekrümmten Kiteschirms verwendet.
Die aerodynamische Güte bzw. Gleitzahl E beschreibt das Verhältnis von Auftriebs- und
Widerstandskraft und kann mit folgender Formel berechnet werden:
E
=
F
L
F
D
=
C
L
C
D
=
tan
ϑ
(
2.7
)
2.1.3. Koordinatensysteme
Ein Kiteschirm kann sich im regulären Flugzustand
11
ausschließlich auf einem Teilbereich einer
Kugelsphäre, dem sog. Windfenster, bewegen. Der Radius der Kugel entspricht der Leinenlänge
und ist bei der Verwendung einer festen Leinenlänge somit konstant. Die Größe des Bereichs auf
der Kugelsphäre, auf der sich der Kiteschirm bewegen kann, ist dagegen auch bei konstanter
Leinenlänge variabel (vgl. Schmehl et al.
12
sowie Abschnitt 2.1.4). Den Ursprung des
Windfensters bildet das untere Ende der Leinen. Um die Bewegung des Kiteschirms eindeutig
beschreiben zu können, werden nachfolgend die ursprünglich von Hummel in seiner Dissertation
definierten KS (vgl. Abbildung 2.4) sowie Erweiterungen und Ergänzungen vorgestellt, die im
Verlauf der Bearbeitung der vorliegenden Arbeit entstanden sind.
11
d.h. es liegt kein Stall vor und die Leinen sind gespannt
12
Schmehl, R., Noom, M., van der Vlugt, R. (2014), S. 35 f.
10 Kapitel 2: Grundlagen
Abbildung 2.4: Koordinatensysteme
13
links: prüfstandsfestes (Index g) und windfestes (Index w) kartesische Koordinatensystem für χ
g
<0°
rechts: Höhenwinkel Θ sowie ϑ und Azimutwinkel Φ sowie φ für χ
g
=0°
Die x-Achse x
g
des prüfstandsfesten kartesischen KS verläuft in der Bodenebene entlang der
Längsachse des Prüfstands in das Windfenster hinein. Die zugehörige z-Achse z
g
steht senkrecht
auf der Bodenebene und die Achse y
g
vervollständigt das rechtshändige KS. Sind der Windvektor
und die Längsachse des Prüfstands nicht parallel zueinander, sondern um den Windeinfallswinkel
χ
g
zueinander verdreht, ist das windfeste kartesische KS dementsprechend ebenfalls um diesen
Winkel zum prüfstandsfesten kartesischen KS verdreht. Die Umrechnung dieser beiden KS kann
anhand folgender Koordinatentransformation durchgeführt werden:
(
x
w
y
w
z
w
)
=
(
cos
χ
g
−
sin
χ
g
0
sin
χ
g
cos
χ
g
0
0
0
1
)
(
x
g
y
g
z
g
)
(
2.8
)
Zwei weitere Varianten zur eindeutigen Beschreibung der Position des Kiteschirms im
Windfenster bilden die in Abbildung 2.4, rechts dargestellten Polar-KS.
Nach der in der AWE-Literatur häufig verwendeten Definition beschreibt der Azimutwinkel Φ∈
[−
π
2
,+
π
2
] die Drehung um die z-Achse und wird im mathematisch positiven Sinn definiert. Der
Winkel zwischen dem Ortsvektor und dessen Projektion auf die x-y-Ebene wird durch den
Höhenwinkel Θ∈[0,
π
2
] beschrieben.
In einer alternativen Definition, die sich besser für die Berechnung der aerodynamischen
Parameter eignet, ergibt sich der Höhenwinkel ϑ zwischen dem Ortsvektor des Kiteschirms
und der x-Achse. Der Winkel zwischen dem auf eine zur y-z-Ebene parallelen Ebene projizierten
Ortsvektor und der ebenfalls auf diese Ebene projizierte z-Achse ergibt den Azimutwinkel φ. Der
Ortsvektor der Schirmposition K mit der Länge ||=r kann mit Hilfe der folgenden
Transformation auch in kartesischen Koordinaten ausgedrückt werden:
13
nach Hummel, J., Göhlich, D., Schmehl, R. (2019)
Kapitel 2: Grundlagen 11
=
(
x
K
y
K
z
K
)
=
r
(
cos
ϑ
sin
φ
sin
ϑ
cos
φ
sin
ϑ
)
=
r
(
cos
Θ
cos
Φ
cos
Θ
sin
Φ
sin
Θ
)
(
2.9
)
Die Umrechnung der beiden Polarkoordinaten-Definitionen ineinander kann anhand der
folgenden Formeln erfolgen:
ϑ
=
arccos
(
cos
Θ
cos
Φ
)
(2.10)
φ
=
arctan
(
sin
Φ
tan
Θ
)
(2.11)
Θ
=
arcsin
(
cos
φ
sin
ϑ
)
(2.12)
Φ
=
arctan
(
sin
φ
tan
φ
)
(2.13)
Zusätzlich zu den KS, die sich auf den Verankerungspunkt der Leinen beziehen, sind für diese
Arbeit auch KS von Bedeutung, die typischerweise verwendet werden, um die mittels globaler
Satellitennavigationssystemen, engl. Global Navigation Satellite Systeme (GNSS), bestimmte
Position eines Objekts auf der Erde anzugeben. Dies geschieht typischerweise entweder anhand
der sog. geodätischen Koordinaten Längengrad (engl. Longitude), Breitengrad (engl. Latitude)
und der elliptischen Höhe, oder mit Hilfe der kartesischen Earth-Centered-Earth-Fixed-
Koordinaten (ECEF). In geodätischen Koordinaten erfolgt die Angabe der Position anhand eines
Ellipsoids, welches vom geschätzten Erdmittelpunkt aus definiert ist und das ECEF-KS hat
seinen Ursprung in diesem Punkt. Die x-Achse des ECEF-KS verläuft von dort aus auf Höhe des
Äquators, von dem aus nach Norden und Süden die Breitengrade gezählt werden, durch den sog.
Nullmeridian, von dem aus nach Osten und Westen die Langengrade gezählt werden. Die y-
Achse verläuft auf Höhe des Äquators nach Osten und die z-Achse zeigt in Richtung Norden.
Für eine Umrechnung der in globalen Koordinaten angegeben Position in ein lokales KS werden
häufig lokale erdfeste KS mit Bezug zum Magnetfeld genutzt. Gängig sind dafür beispielsweise
das sog. North-East-Down (NED)- oder East-North-Up (ENU)-System, wobei die Notation in
der Reihenfolge der Achsen eines kartesischen KS erfolgt (x, y, z).
Neben den Positionsdaten geben GNSS-Empfänger in der Regel den anhand der
Bewegungsrichtung bestimmten Winkel zum geographischen Nordpol an, dessen Abweichung
zum magnetischen Nordpol durch die sog. Deklination beschrieben wird.
Neben der Position ist die eindeutige Beschreibung der räumlichen Orientierung des Kiteschirms
erforderlich. Zu diesem Zweck wird ein weiteres KS, das sog. kitefeste KS, das in Abbildung 2.5
dargestellt ist, eingeführt. Besondere Bedeutung kommt im weiteren Verlauf dieser Arbeit der
Rotation um die x-Achse dieses KS, also dem Gierwinkel zu, da darüber das Kurvenflugverhalten
analysiert bzw. charakterisiert werden kann.
12 Kapitel 2: Grundlagen
Abbildung 2.5: Kitefestes Koordinatensystem
Aus diesem Grund wird nachfolgend eine Definitionen für den Gierwinkel vorgestellt, die im
Rahmen der Masterarbeit von Lange
14
in Anlehnung an die Definition von Fagiano et al.
15
erarbeitet wurden. Die Gierwinkelberechnung erfolgt nach dem Prinzip zur Bestimmung
nautischer Kurswinkel im Gradnetz der Erde mit dem Unterschied, dass ein Kurswinkel von
±180° anstelle der in der nautischen Navigation üblichen rechtweisenden Kursdefinition im
Bereich von 0° - 360° verwendet wird. Dementsprechend beschreibt der Gierwinkel den Winkel
zwischen der z-Achse des kitefesten KS und einem Meridian des Erdgitternetzes. Das Vorzeichen
ergibt sich entsprechend dem mathematischen positiven bzw. negativen Drehsinn. Wie in
Abbildung 2.6 dargestellt, wird für die Definition des Gierwinkels ein Gitternetz auf das
Windfenster projiziert, in dem sich der gedachte Nordpol im Zenit befindet. Zu beachten ist, dass
für die Bestimmung des Gierwinkels anhand dieser Definition die Position des Kiteschirms
bekannt sein muss.
14
Lange, C. (2018)
15
Fagiano, L., Zgraggen, A. U., Morari, M., Khammash, M. (2013)
Kapitel 2: Grundlagen 13
Abbildung 2.6: Definition des Gierwinkels ψ
16
, des Schiebewinkels β und des Geschwindigkeitswinkels γ
Neben dem Gierwinkel ist in der AWE-Literatur auch die Verwendung des sog.
Geschwindigkeitswinkels γ gängig. Dieser beschreibt den Winkel zwischen dem
Eigengeschwindigkeitsvektor des Kiteschirms und einer definierten Referenz. Der Gierwinkel und
der Geschwindigkeitswinkel unterscheiden sich nur, wenn der Kiteschirm nicht exakt in
Flugrichtung ausgerichtet ist. Der in einer solchen Flugsituation auftretende Differenzwinkel ist
der ebenfalls in Abbildung 2.6 dargestellte sog. Schiebewinkel β. Der Zusammenhang zwischen
dem Gier- und dem Geschwindigkeitswinkel kann also wie folgt beschrieben werden:
γ
=
ψ
+
β
(2.14)
2.1.4. Kitekinematik im Windfenster
Ein Kiteschirm kann nur in der Nähe des windzugewandten Windfensterrands statische
Flugpositionen einnehmen. Die Gleitzahl, also der Quotient aus Auftriebs- und
Widerstandsbeiwert, des Kiteschirms bestimmt dabei, wie nah am Windfensterrand die statische
Flugposition eingenommen wird. Unter Vernachlässigung der Gewichtskräfte ist dieser Abstand
für alle Azimutwinkel gleich (vgl. Abbildung 2.7).
16
nach Lange, C. (2018)
14 Kapitel 2: Grundlagen
Abbildung 2.7: drei beispielhafte statische Flugpositionen auf dem Kleinkreis für ϑ=75°
17
Da die Gleitzahl von der relativen Powerposition anhängig ist, ändert sich der Abstand des
Kiteschirms zum Windfensterrand und damit der Höhenwinkel bei einer Veränderung der
relativen Powerposition. Diese Tatsache wird von Hummel in seiner Dissertation genauer
erläutert (vgl. Hummel
18
) und für die Bestimmung der Gleitzahl anhand des gemessenen
Höhenwinkels genutzt (vgl. Hummel
19
). Bewegt sich der Pilot nicht, entspricht der
Anströmvektor
𝐚
in den statischen Flugpositionen dem Windvektor
𝐰
. Der Anström- bzw.
Anstellwinkel α
20
ergibt sich abhängig davon, wie nahe der Kiteschirm aufgrund seiner Gleitzahl
dem Windfensterrand kommt. Abbildung 2.8, links verdeutlicht diese Abhängigkeit anhand von
zwei beispielhaften Positionen des Kiteschirms.
Abbildung 2.8: Anströmwinkel und -geschwindigkeit aufgrund der Kinematik im Windfenster
17
nach Hummel, J. (2017)
18
Hummel, J. (2017), S. 20
19
Hummel, J. (2017), S. 55 f.
20
Wie bereits in Abschnitt 2.1.1 beschrieben, ändert sich der Anstellwinkel bei flexiblen Tragflächen aufgrund der
Verformung nicht zwangsweise an allen Stellen des Profils gleichermaßen. Der in der Abbildung 2.8 dargestellte
Anstellwinkel entspricht somit dem Winkel zwischen dem Anströmvektor und der Profilsehne des Kites in der
Symmetrieebene; der lokale Anstellwinkel an anderen Teilen der Tragfläche kann davon abweichen.
Kapitel 2: Grundlagen 15
Rein geometrisch ergäbe sich in der Position mit dem kleineren Höhenwinkel ϑ für statische
Positionen ein deutlich höherer Anstellwinkel α. Wie anfangs in diesem Unterkapitel beschrieben,
kann der Kiteschirm aber nur in der Nähe des Windfensterrandes statische Positionen einnehmen,
alle anderen Positionen im Windfenster können nur dynamisch durchflogen werden. Der
Anströmvektor setzt sich in diesem Fall deshalb aus der Subtraktion des Windvektors und des
Geschwindigkeitsvektors des Kiteschirms zusammen (vgl. Schmehl et al.
21
), wie in Abbildung 2.8,
rechts dargestellt. Die Anströmgeschwindigkeit ist somit deutlich höher als in der statischen
Flugposition, der Anströmwinkel hingegen nicht. Die maximale Geschwindigkeit, die der
Kiteschirm im Windfenster erreichen kann, ist ebenfalls von dessen Gleitzahl abhängig und tritt
auf, wenn der Vektor der vom Kiteschirm erzeugten Gesamtkraft parallel zur
Windgeschwindigkeit ausgerichtet ist. Unter Vernachlässigung der von den Leinen verursachten
Widerstandskraft, Trägheits- und Gewichtskräften, der Annahme C
R
≈C
D
22
sowie einer
vereinfachten Repräsentation des Kiteschirms als Punktmassemodell tritt dieser Fall an der
Position ϑ=0, φ=0 auf und es gilt bei konstanter Leinenlänge
23
:
v
k
=
L
D
v
w
(2.15)
Je näher der Kiteschirm diesem Punkt im Windfenster kommt, umso höher ist bei gleicher
Windgeschwindigkeit die erreichbare Eigen- bzw. Anströmgeschwindigkeit. Da die
Anströmgeschwindigkeit quadratisch in die Formel für die erzeugte Zugkraft eingeht (vgl. Formel
2.6), steigt diese ebenfalls, je näher der Kiteschirm diesem Punkt kommt. Dieser Bereich wird
deshalb im Kitesport auch „Powerzone“ genannt.
2.2. Airborne Wind Energy
In der Einleitung wurden bereits kurz die grundlegende Idee und das Potential von AWES
erläutert. In diesem Abschnitt soll noch einmal genauer darauf eingegangen werden, indem
insbesondere die AWE-Konzepte detaillierter beschrieben werden, für die Kiteschirme genutzt
werden.
Airborne Wind Energy ist ein Sammelbegriff für diverse Konzepte, die darauf abzielen, mit Hilfe
fliegender seilgebundener Objekte Windenergie zu erzeugen. Dafür werden Kiteschirme, aber
auch starre seilgebundene Tragflächen in Flugwindkraftanlagen, sog. AWE-Anlagen, eingesetzt.
Da für die vorliegende Arbeit nur die Konzepte relevant sind, in denen Kiteschirme zum Einsatz
kommen, wird nachfolgend auch nur darauf genauer eingegangen. Das erste dieser AWE-
21
Schmehl, R. et al. (2014), S. 26
22
diese Annahme trifft für einen modernen Kiteschirm mit hoher Gleitzahl und niedrigem Widerstandsbeiwert mit
guter Näherung zu
23
Diehl, M. (2014), S. 3
16 Kapitel 2: Grundlagen
Konzepte arbeitet nach dem sog. Yoyo-Prinzip. Die Grundidee besteht dabei darin, die Zugkraft
des Kiteschirms zu nutzen, um ein Seil von einer Seiltrommel abzuwickeln und die dabei
entstehende Rotationsbewegung über einen Generator am Boden in elektrische Energie
umzuwandeln. Zu diesem Zweck wird mit dem Kiteschirm in der sog. Auszugsphase
typischerweise wiederholt eine achtenförmige Trajektorie quer zum Wind abgeflogen (engl.
crosswind flight), während eine hohe relative Powerposition eingestellt ist. Da der Kiteschirm
dabei mit einem großen Anstellwinkel in der im vorigen Abschnitt beschriebenen Powerzone fliegt,
erzeugt dieser dabei dauerhaft eine hohe Zugkraft. Für einen kontinuierlichen Betrieb muss das
Seil, nachdem es vollständig abgerollt wurde, in der sog. Rückholphase wieder aufgerollt werden.
Um dafür möglichst wenig Energie aufwenden zu müssen, wird dabei eine niedrige relative
Powerposition eingestellt und der Kiteschirm in einer statischen Position am Windfensterrand
gehalten. Anschließend startet der Zyklus erneut. Da in der Auszugsphase deutlich mehr Energie
generiert werden kann, als in der Rückholphase aufgebracht werden muss, verbleibt aus jedem
Zyklus nutzbare Energie.
Besonderer Fokus liegt bei allen AWE-Konzepten darauf, die hohen Windgeschwindigkeiten in
Höhen von bis zu 1500 m für die Energieerzeugung nutzen zu können. Um diese Höhen erreichen
zu können, sind entsprechende Leinenlängen erforderlich. Da so lange Leinen erhebliche
Widerstandskräfte erzeugen, wird in der Regel eine sog. Kite Control Unit (KCU) genutzt. Diese
wird nah am Kiteschirm in den Steuerleinen befestigt und ermöglicht die für die Steuerung
erforderliche Betätigung dieser. Kurz unterhalb der KCU können so alle vier Leinen vereint
werden, sodass der Kiteschirm und die Bodenstation durch nur ein langes Seil verbunden sind.
Das zweite Konzept, um mit Kiteschirmen Höhenwindenergie zu nutzen, zielt auf eine
Reduzierung des Kraftstoffverbrauchs von Fahrzeugen ab. Die Zugkraft des Kiteschirms wird in
diesem Fall in Vortrieb des Fahrzeugs umgewandelt. Die Leinenlänge muss also nur variiert
werden, um den Kiteschirm in die gewünschte Flughöhe zu bringen.
2.3. Inertiale Navigation
In Unterkapitel 5.3.1 wird die Entwicklung eines Trägheitsnavigationssystems (engl. Inertial
Navigation System - INS) zur Messung der Position und Orientierung des Kiteschirms
beschrieben. Zum besseren Verständnis werden nachfolgend die erforderlichen Grundlagen zu
diesem Thema zusammengefasst.
Kern eines solchen Systems ist eine inertiale Messeinheit (engl. Inertial Measurement Unit - IMU),
die in der Regel aus einem Dreiachs-Gyroskop und einem Dreiachs-Beschleunigungssensor besteht.
Zusätzlich wird häufig ein Dreiachs-Magnetfeldsensor verwendet. Eine solche, um ein
Magnetometer erweiterte, IMU wird für eine eindeutige begriffliche Unterscheidung in der Regel
integrierte IMU genannt.
Im einfachsten Fall, wenn keine translatorische Bewegung des Objekts stattfindet, kann die
Orientierung mit Hilfe des Gravitationsvektors allein aus den Messdaten der
Kapitel 2: Grundlagen 17
Beschleunigungssensoren bestimmt werden. Die Orientierung wird dabei aus der Aufteilung der
Gravitationsbeschleunigung auf die drei Achsen bestimmt. In einigen Sonderfällen ist eine
Orientierungsänderung allein mit den Beschleunigungssensoren allerdings nicht beobachtbar.
Wenn beispielsweise eine Achse eines Beschleunigungssensors parallel zum Gravitationsvektor
ausgerichtet ist und das Objekt nur um diese Achse rotiert, resultiert diese Bewegung nicht in
einer Änderung der Messdaten der Beschleunigungssensoren. In diesem Fall hilft es, wenn
zusätzlich die Messdaten des Magnetometers berücksichtigt werden. Dieses misst die Ausrichtung
zum Erdmagnetfeldvektor, der im einfachsten Fall (am Äquator) parallel zur Erdoberfläche und
somit senkrecht zum Gravitationsvektor verläuft. Da das Magnetfeld der Erde vergleichsweise
schwach ist, kann es zu starken Messfehlern insbesondere aufgrund ferromagnetischer Bauteile in
der Nähe der Magnetometer kommen, weshalb entsprechende Störquellen vermieden bzw. in der
Auswertung berücksichtigt werden müssen. Ist dies gewährleistet, kann auch die Rotation um
die zum Gravitationsvektor parallele Achse über das Magnetometer eindeutig bestimmt werden.
Analog zum Sonderfall der Beschleunigungssensoren, sind wiederum allein mit dem
Magnetometer Rotationen um eine Achse, die parallel zum Magnetfeldvektor liegt, nicht
beobachtbar.
Im dynamischen Fall gestaltet sich die Orientierungsbestimmung komplexer. Für die erste
Variante, mit der in diesem Fall die Orientierung bestimmt werden kann, wird eine kardanisch
aufgehängte Plattform benötigt, durch die die Beschleunigungssensoren in einer definierten
Orientierung gehalten werden. An allen Achsen der kardanischen Aufhängung sind zusätzlich
Winkelsensoren erforderlich, über die die Orientierung der Plattform und damit des
Referenzkoordinatensystems relativ zum inertialen KS bestimmt werden kann. Mit Hilfe dieser
Information kann außerdem die Gravitationsbeschleunigung aus den Messdaten der
Beschleunigungssensoren eliminiert werden, sodass die aus den translatorischen Bewegungen
resultierenden Beschleunigungen herausgefiltert werden können. Durch die zweifache Integration
ergibt sich die relative Position des Objekts
24
. Sind die Startposition und -orientierung bekannt,
ist theoretisch auch eine Bestimmung der aus einer Bewegung resultierenden absoluten Position
und Orientierung möglich.
Für die zweite Variante mittels „Strapdown“-Algorithmus wird die stabilisierte Plattform nicht
benötigt. Der IMU ist stattdessen fest mit dem Objekt verbunden und die Orientierung wird
durch Integration sowie Projektion der Messdaten der Drehratensensoren bestimmt
25
.
Bei beiden Varianten ist es für eine eindeutige Bestimmung der Position und Orientierung also
erforderlich, die Messdaten unterschiedlicher Sensorarten zu fusionieren.
Die Sensorfusion ermöglicht es bei der Verwendung eines integrierten IMU außerdem, die
jeweiligen sensorspezifischen Eigenschaften, die sich negativ auf die Genauigkeit der Messung
auswirken, mit Hilfe der Messdaten der anderen Sensoren zu kompensieren. Bei den Messdaten
24
Woodman, O. J. (2007), S. 5
25
Woodman, O. J. (2007), S. 7
18 Kapitel 2: Grundlagen
der Beschleunigungs- und Magnetfeldsensoren ist beispielsweise insbesondere in dynamischen
Bewegungssituationen ein hoher Rauschanteil problematisch. Dieser kann durch die rauscharmen
Messdaten der Drehratensensoren kompensiert werden. Drehratensensoren weisen hingegen in
der Regel einen Bias auf. Durch die zusätzliche Berücksichtigung der Messdaten der
Beschleunigungs- sowie Magnetfeldsensoren kann wiederum der aus dem Drehraten-Bias
resultierende niederfrequente Sensordrift deutlich reduziert werden
26
.
Außerdem werden zur Reduzierung dieses Drifts häufig noch weitere Sensoren in den
Fusionsalgorithmus integriert. Gängig ist hierbei insbesondere die Kombination eines INS mit
einem GNSS wie beispielsweise GPS. Das GNSS stellt globale Positionsdaten zur Verfügung und
kann damit genutzt werden, um die durch den Drift verfälschte Positionsmessung zu korrigieren
27
.
Der für den Einsatz in hochdynamischen Systemen signifikante Nachteil eines GNSS, die geringe
Messfrequenz, wird wiederum durch die hochfrequenten Messdaten des INS kompensiert.
Ein weiterer Nachteil von zivilen GNSS ist die geringe Ortungsgenauigkeit von ungefähr drei
Metern. Diese kann jedoch durch die zusätzliche Berücksichtigung von Korrektursignalen
theoretisch auf bis zu 20 mm erhöht werden. Bei dieser präzisen Ortung bedarf es allerdings
hochgenauer Korrekturdaten, die nur in manchen Regionen zu empfangen und dort
kostenpflichtig sind oder sich mit hohem Aufwand durch die Verwendung eines weiteren
Empfängers selbst berechnen lassen
28
.
26
Sabatini, A. M. (2011), S. 9183
27
Girrbach, F., Hol, J. D., Bellusci, G., Diehl, M. (2017b)
28
Senatsverwaltung für Stadtentwicklung Berlin (2007), S. 12
Kapitel 3: Stand der Technik 19
3. Stand der Technik
In diesem Kapitel wird zunächst ein Überblick über den Forschungsstand zum dynamischen
Verhalten von Kiteschirmen gegeben. Im Unterkapitel 3.2 folgt eine Übersicht über Algorithmen,
die zur Umsetzung des automatisierten Flugs von Kiteschirmen zur Anwendung kommen.
Abschließend wird eine Zusammenfassung der in der Literatur dokumentierten Ansätze zur
Vermessung von Kiteschirmen gegeben und der Entwicklungsstand des Prüftands sowie der
Forschung zur Vermessung (voll-) flexibler Tragflächen an der TU Berlin beschrieben, der nach
Abschluss der Promotion von Jan Hummel vorlag.
3.1. Dynamisches Verhalten von Kiteschirmen
In dieser Arbeit soll das dynamische Verhalten von Kiteschirmen untersucht werden. Neben
Anregungen durch Störungen wie beispielsweise eine unstetige Anströmung wird das Verlassen
des statischen Gleichgewichts und damit ein dynamisches Verhalten des Kiteschirms vorrangig
durch Steuerbefehle in Form von Änderungen der Leinenlängen ausgelöst. Wie in Abschnitt 2.1.1
beschrieben, ist dabei zwischen der Erzeugung einer Längendifferenz zwischen Power- und
Steuerleinen („Powern“) und der Erzeugung einer Längendifferenz zwischen den beiden
Steuerleinen zu unterscheiden.
Beim reinen Powern werden die beiden Steuerleinen, die weiter in Richtung der Abströmkante
angeknüpft sind als die Frontleinen, gleichmäßig verkürzt, wodurch der Anstellwinkel erhöht
wird. Dies führt dazu, dass sich der Druckpunkt sowie der Winkel, in dem die resultierende
aerodynamische Kraft wirkt, verschieben. Dadurch ändert sich ebenfalls die Position im
Windfenster, in der das statische Gleichgewicht herrscht und damit der gemessene Höhenwinkel.
Dieses Verhalten kann sehr gut mit den Gesetzmäßigkeiten der Aerodynamik erklärt werden, die
bei der Auslegung bzw. Simulation starrer Tragflügel Anwendung finden.
Für die Erstellung von vereinfachten Simulationsmodellen werden diese Gesetzmäßigkeiten von
Fagiano und Houska et al.
29
auch genutzt, um die Auswirkung von Steuereingaben zu modellieren.
Der Zug an einer Steuerleine ruft demnach ausschließlich eine Rollbewegung des als starr
betrachteten Kiteschirms hervor. Dadurch wird die Wirkrichtung der aerodynamischen Kraft um
den Rollwinkel gekippt, was wiederum eine seitliche Bewegung hervorruft.
Da Messdaten aus dem Betrieb einer AWE-Anlage
30
zeigen, dass im Flug nahezu keine
Rollbewegung an einem LEI-Kite auftritt und da es sich bei Kiteschirmen um hochflexible
Tragflächen handelt, lässt sich vermuten, dass der Kurvenflug eines Kiteschirms durch andere
Mechanismen hervorgerufen wird.
29
Fagiano, L. (2009); Houska, B., Diehl, M. (2006)
30
Ruppert, M. B. (2012), S. 47
20 Kapitel 3: Stand der Technik
Welche Mechanismen allerdings dazu führen, dass der Kiteschirm eine Gierbewegung ausführt
und welche dieser Mechanismen dabei den größten Einfluss haben, ist bisher nicht zweifelsfrei
geklärt, sodass teilweise kontroverse Theorien dazu existieren.
Nachfolgend werden diese unterschiedlichen Theorien anhand einiger Abbildungen erklärt.
3.1.1. Auswirkungen von Steuereingaben
Die Kräfte und Momente, die eine Gierbewegung des Kiteschirms hervorrufen, treten
hauptsächlich an den Tips (vgl. Abschnitt 2.1.1) auf. In den nachfolgenden Abbildungen werden
deshalb Freischnitte in einem Schnitt in der y-z-Ebene des kitefesten KS (vgl. Abschnitt 2.1.3),
bzw. durch die Tips dargestellt. In Abbildung 3.1 ist zunächst ein Freischnitt der statischen
Gleichgewichtslage dargestellt, die vorherrscht, wenn der Kite ruhig im idealen Zenit
31
steht.
Abbildung 3.1: Freischnitt der Tips in der Ruhelage im idealen Zenit
In dieser Situation wirkt die Gewichtskraft am Schwerpunkt aus der Blattebene heraus und die
aerodynamischen Kräfte an den Tips sind jeweils gleich und entgegengesetzt, sodass kein
resultierendes Moment wirkt, das eine Gierbewegung verursacht.
Wird nun beispielsweise an der linken Steuerleine gezogen, führt dies zu einer Verwindung des
Kiteschirms um die Fronttube im Bereich der Mittelstrut. Gleichzeitig erhöht sich der
Anstellwinkel am linken Tip und der Anstellwinkel am rechten Tip verringert sich (vgl.
Abbildung 3.2).
31
„Idealer Zenit“ bedeutet Azimutwinkel φ=0° und Höhenwinkel ϑ=90°. Diese Ruhelage kann nur ein Kiteschirm
mit einer Gleitzahl E=∞ einnehmen.
Kapitel 3: Stand der Technik 21
Abbildung 3.2: Qualitative Form des Kiteschirms vor (links) und nach (rechts) dem Zug an der linken Steuerleine.
Ansicht von der Seite (a) und von unten (b).
Dadurch ergibt sich die im Freischnitt in der Abbildung 3.3 dargestellte Verschiebung,
Betragsänderung und Drehung der aerodynamischen Kräfte. Am linken Tip vergrößert sich durch
den erhöhten Anstellwinkel die wirksame Fläche und damit die resultierende aerodynamische
Kraft F
R
, während diese sich am rechten Tip durch den verringerten Anstellwinkel reduziert.
Die betragsmäßig größere Kraftkomponente, die Auftriebskraft, wirkt durch den verschobenen
Kraftangriffspunkt zusätzlich mit einem Hebelarm auf den Schwerpunkt. Das dadurch
verursachte Drehmoment bewirkt eine Drehung des Kiteschirms um die Hochachse, also eine
Gierbewegung und damit die Einleitung eines Kurvenflugs.
22 Kapitel 3: Stand der Technik
Abbildung 3.3: Freischnitt der Tips nach einer durch das Ziehen an der linken Steuerleine verursachten Verformung
des Kites
Der entscheidende Unterschied zwischen den unterschiedlichen Theorien besteht darin, welcher
der beiden genannten Mechanismen den überwiegenden Effekt hat und damit hauptsächlich die
hohe Drehfreudigkeit moderner LEI-Kites hervorruft.
Die in der Literatur am häufigsten vertretene Theorie wurde von Breukels aufgestellt und durch
Simulationen untermauert
32
. Die Erkenntnisse der Untersuchungen von Bosch, Ruppert und van
Reijen
33
gehen mit dieser Theorie einher und erweitern bzw. detaillieren diese teilweise.
Breukels Theorie zufolge hat die durch die Verwindung des Kiteschirms verursachte
Verschiebung der Kraftangriffspunkte einen weitaus größeren Einfluss auf die resultierende
Drehrate als die ungleichmäßige Kraftverteilung zwischen den beiden Tips. Breukels hat dies in
seiner Arbeit durch den Vergleich zweier Simulationsmodelle gezeigt (vgl. Breukels
34
). Ein
verwindungssteifer Kiteschirm wies dabei eine um ein vielfaches geringere Drehfreudigkeit auf,
als ein flexibler Kiteschirm, der die Verschiebung der Tips zuließ.
Demgegenüber stehen die Argumente vieler Kitedesigner
35
, dass bei modernen LEI-Kites nur
geringe Verwindungen auftreten. Stattdessen sei das Design moderner LEI-Kites so ausgelegt,
32
Breukels, J. (2010)
33
Bosch, A. (2012); Ruppert, M. B. (2012); van Reijen, M. (2018)
34
Breukels, J. (2010), S. 168 ff.
35
Grösel, R. (2019)
Kapitel 3: Stand der Technik 23
dass der Zug an einer Steuerleine den Winkel der Tube am Tipende zur Horizontalen vergrößert.
Dadurch wird die Abströmkante gespannt und bewegt sich infolgedessen nach innen, sodass der
Anstellwinkel des Tips stark vergrößert wird (vgl. Abbildung 3.4).
Die dadurch entstandene Differenz der Widerstandkräfte an den beiden Tips bewirkt
gegensätzliche Beschleunigungen der Tips und damit die Gierbewegung.
Abbildung 3.4: Qualitative Form des Kiteschirms vor (links) und nach (rechts) dem Zug an der linken Steuerleine.
Aufnahme von vorne (a) und von innen auf das linke Tip (b).
Ein weiteres Argument der Kitedesigner gegen die Theorie von Breukels ist das von der Realität
stark abweichende Design
36
des von Breukels verwendeten Simulationsmodels. Ein solcher Kite
würde sich kaum depowern lassen und wäre dadurch sowohl für den Kitesport, als auch für die
Anwendung in einer AWE-Anlage ungeeignet.
3.1.2. Kinematische Einflussfaktoren
Neben der durch Steuereingaben ausgelösten Gierbewegung des Kites treten auch Effekte auf,
die ihre Ursache in der Flugtrajektorie haben und das Drehverhalten beeinflussen. Der erste
dieser Effekte kann beobachtet werden, wenn der Kite das Windfenster horizontal durchfliegt.
36
Pfeilung an der Abtrömkante, anstatt an der Anströmkante; Tips sehr schmal
24 Kapitel 3: Stand der Technik
Die Gravitationskraft wirkt dabei entlang der y-Achse des kitefesten KS (vgl. Abbildung 2.5)
und führt abhängig von der Fluggeschwindigkeit zu einer mehr oder weniger starken lateral nach
unten gerichteten Bewegung des Kites. Dadurch tritt, wie in Abbildung 3.5 dargestellt, ein
Schiebewinkel β (vgl. Abbildung 2.6) auf. Dies führt zu einer Vergrößerung des Anstellwinkels
und der Auftriebskraft am oberen Tip sowie zu einer entsprechenden Verringerung des
Anstellwinkels und der Auftriebskraft am unteren Tip. Die erhöhte Auftriebskraft am oberen Tip
wirkt der Gravitationskraft entgegen, und das resultierende Moment um den Schwerpunkt ruft
eine Gierbewegung hervor, die den Effekt des Schiebewinkels ausgleicht.
Abbildung 3.5: Freischnitt der Tips beim Auftreten eines Schiebewinkels
Der zweite kinematische Effekt, der Einfluss auf das Drehverhalten des Kiteschirms hat, tritt
während des Kurvenflugs auf. Zum besseren Verständnis wird vereinfacht angenommen, dass sich
der Kiteschirm dabei, wie in Abbildung 3.6 skizziert, auf einer Kreisbahn bewegt. Da die
Bahngeschwindigkeit mit zunehmendem Radius ansteigt, bewegt sich das kurvenäußere Tip mit
einer höheren Eigengeschwindigkeit und wird deshalb mit einer höheren Anströmgeschwindigkeit
beaufschlagt. Die dadurch hervorgerufene Erhöhung der aerodynamischen Kräfte am äußeren Tip
wirkt der ursächlichen Winkelbeschleunigung entgegen und dämpft diese dadurch.
Kapitel 3: Stand der Technik 25
Abbildung 3.6: Unterschiedliche Anströmung und resultierende Kräfte an den Tips beim Kurvenflug
3.1.3. Geometrische Einflussfaktoren
Aus dem Wissen über die Mechanismen, die eine Gierbewegung von Kiteschirmen auslösen, lassen
sich geometrische Parameter identifizieren, die das Drehverhalten beeinflussen.
In Abschnitt 3.1.1 wurde erklärt, dass die Verwindung des Kites und die Änderung des
Anstellwinkels der Tips die Hauptursachen für die Gierbewegung des Kiteschirms darstellen. Die
Veränderung geometrischer Parameter, die diese Effekte verstärken, sollte sich also positiv auf
die Drehfreudigkeit des Kites auswirken.
Breukels hat diese Vermutung mit Hilfe eines modifizierten Simulationsmodells untersucht (vgl.
Breukels
37
). Das Simulationsmodell, das hinsichtlich der Drehfreudigkeit verbessert werden sollte,
wurde mit flächenmäßig deutlich größeren Tips versehen. Die Vergrößerung der Fläche wurde
erreicht, indem die Länge der Profilsehne und damit auch der Abstand zwischen Power- und
Steuerleine
38
verdoppelt wurde. Dies führt beim Ziehen an einer Steuerleine zu einer deutlich
stärkeren Verwindung und damit zu einem größeren Versatz der Angriffspunkte der
aerodynamischen Kräfte. Der dann vorhandene größere Hebelarm der Kräfte in Bezug auf die
Hochachse ruft eine stärkere Gierbewegung hervor.
Außerdem werden durch die größeren Flächen an den Tips höhere aerodynamische Kräfte erzeugt,
was die Drehfreudigkeit ebenfalls verstärkt.
Eine weitere Möglichkeit zu beeinflussen, wie stark sich ein Kiteschirm beim Zug an einer
Steuerleine verwindet sowie die Fläche der Tips bzw. die laterale Fläche zu vergrößern, ergibt
sich durch die Variation einer Kombination aus Streckung und Krümmung. Werden eine
verhältnismäßig geringe Profiltiefe und eine starke Krümmung im Zentrum kombiniert, weist der
37
Breukels, J. (2010), S. 171 f.
38
Es sei an dieser Stelle erwähnt, dass der Abstand zwischen den Power- und Steuerleinen auch ohne eine Änderung
des Kitedesigns, durch die Verschiebung der Anknüpfpunkte der Steuerleinen erreicht werden kann.
26 Kapitel 3: Stand der Technik
Kite eine geringe projizierte Spannweite und große Höhe auf
39
. Dies reduziert das
Flächenträgheitsmoment bzgl. der Hochachse sowie das Widerstandsmoment gegen Verwindung
und vergrößert den lateral ausgerichteten Teil der Tragfläche.
3.1.4. Turn Rate Law
Das sog. „Turn Rate Law“ (TRL), das erstmals von Erhard und Strauch
40
formuliert und durch
Versuche mit Ram-Air-Kites verifiziert wurde, beschreibt die Änderung des Gierwinkels eines
Kiteschirms, welche sich in Folge einer Längendifferenz der Steuerleinen einstellt:
ψ
m
=
g
k
⋅
v
a
⋅
δ
(
3.1
)
Darin ergibt sich ein linearer Zusammenhang zwischen der Gierwinkeländerung ψ
m
und der
Längendifferenz der Steuerleinen δ, der Anströmgeschwindigkeit v
a
und dem Proportionalitäts-
faktor g
k
. In dieser Version des TRL wird der Einfluss der Gravitationskraft auf die Drehrate
vernachlässigt. Demnach führt eine konstante Differenz der Steuerleinenlängen zu einer
konstanten Änderungsrate des Gierwinkels und somit zu einem Kurvenflug mit konstantem
Kurvenradius. Durch Einsetzen der Formel für die Bahngeschwindigkeit eines Objekts in einem
rotierenden System ψ
m
=
v
a
r
in die Formel 3.1 lässt sich durch einfaches Umstellen der aus einer
Längendifferenz der Steuerleinen resultierende Kurvenradius berechnen:
r
=
1
g
k
⋅
δ
(
3.2
)
In der ebenfalls von Erhard und Strauch
41
diskutierten erweiterten Version des TRL wird zur
Berücksichtigung der Gravitationskraft ein zusätzlicher Term eingeführt, in dem in der Variable
M die Systemmassen und Kitecharakteristika zusammengefasst sind:
ψ
m
=
g
k
⋅
v
a
⋅
δ
+
M
cos
θ
g
⋅
sin
ψ
g
v
a
(
3.3
)
Jehle
42
konnte später nachweisen, dass die Formel 3.1 auch für LEI-Kites anwendbar ist und
Ruppert
43
erweiterte diese, indem er den Proportionalitätsfaktor durch einen Term ausdrückte,
der geometrische und aerodynamische Koeffizienten des Kites beinhaltet:
g
=
2
b
DP
2
⋅
C
L
,
Tip
C
D
,
Tip
⋅
a
DP
(
δ
)
(
3.4
)
39
Dies entspricht der typischen Form eines sog. C-Kites
40
Erhard, M., Strauch, H. (2012)
41
Erhard, M. et al. (2012)
42
Jehle, C. (2012)
43
Ruppert, M. B. (2012)
Kapitel 3: Stand der Technik 27
Der Term ergibt sich durch die Auswertung eines Momentengleichgewichts an den
freigeschnittenen Tips im durch einen Steuereinschlag verformten Zustand. In der Formel 3.4
repräsentieren C
L,Tip
und C
D,Tip
den Auftriebs- und Widerstandsbeiwert der Tips, b
DP
den
Abstand der Tips zueinander und a
DP
die kitespezifische, von δ abhängige Verschiebung der Tips
(vgl. Abbildung 3.3).
Fagiano et al.
44
fanden eine Gesetzmäßigkeit, die nicht die Änderung des Gierwinkels, sondern
die Änderung des Geschwindigkeitswinkels (vgl. Abbildung 2.6) beschreibt:
γ
(
t
)
∼=
K
(
t
)
δ
(
t
)
+
T
(
t
)
(
3.5
)
mit
K
=
ρ
C
L
(
t
)
A
2m
d
s
(
1
+
1
E
Eq
2
(
t
)
)
2
|
v
(
t
)
|
(
3.6
)
T
=
g
cos
(
θ
(
t
)
)
sin
(
γ
(
t
)
)
|
v
(
t
)
|
+
sin
(
θ
(
t
)
)
ϕ
(
t
)
(
3.7
)
Dieser Version des TRL liegt ebenfalls ein mechanisches Modell zu Grunde. Durch die
Anwendung des Impulssatzes auf ein Punktmassemodell, das in diesem Fall den Kite
repräsentiert, werden aerodynamische Koeffizienten sowie die Geometrie, Massen und Trägheiten
berücksichtigt.
In Flugversuchen mit Onboard-Anströmungsmessung
45
konnte gezeigt werden, dass der
Geschwindigkeitswinkel im sog. „crosswind flight“, also dem dynamischen Flug quer zum Wind,
nur maximal 10 Grad vom Gierwinkel abweicht. Fagiano et al. vernachlässigen deshalb diesen
Unterschied aus Gründen der Vereinfachung. Oehler et al.
46
präzisieren diese Vereinfachung,
indem sie dessen Gültigkeitsbereich durch die Anwendung einer Erkenntnis aus der
Anströmungsmessung einschränken. Demnach ändert sich der Driftwinkel nur, wenn ein
Kurvenflug ein- oder ausgeleitet bzw. wenn die Drehrate geändert wird. Wenn der
Steuereinschlag also konstant gehalten wird, bleiben auch die Gierrate und die Änderung des
Geschwindigkeitswinkels identisch:
d
δ
dt
=
0
⇒
γ
=
ψ
(
3.8
)
44
Fagiano, L. et al. (2013)
45
Fagiano, L. et al. (2013), Oehler, J. (2017)
46
Oehler, J., van Reijen, M., Schmehl, R. (2018)
28 Kapitel 3: Stand der Technik
Fagiano et al.
47
konnten außerdem zeigen, dass der lineare Zusammenhang zwischen der
Leinenlängendifferenz δ und der Änderung des Geschwindigkeitswinkels nicht nur im Bereich
kleiner Azimutwinkelwerte
48
, sondern sogar im Bereich
|
ϕ
|
≤35° nachweisbar ist.
Das TRL bildet in vielen Algorithmen zur Regelung des automatisierten Flugs von Kiteschirmen
die Basis für das Regelgesetz. In Feldtests wurde beobachtet, dass teilweise eine signifikante
Verzögerung zwischen einer Steuereingabe und der Reaktion des Kiteschirms darauf auftritt. In
einigen dieser Algorithmen
49
wird das TRL deshalb um einen zusätzlichen Term ergänzt, um
diese Verzögerung abbilden zu können.
3.2. Automatisierter Flug seilgebundener Tragflächen
In der Überführung der AWE-Technologie zur Serienreife stellt die Umsetzung des vollständig
autonomen Betriebs eine der größten Herausforderungen dar, sodass bereits sehr viel Forschung
in diesem Themengebiet betrieben wird und wurde. Das System muss in der Lage sein, den
Kiteschirm bzw. die Tragfläche vollautomatisiert zu starten und zu landen, sowie vorgegebene
Trajektorien abfliegen zu können. Start und Landung stellen für die Entwickler momentan die
größte Herausforderung dar. Da das automatisierte Starten und Landen im Rahmen dieser Arbeit
nicht relevant ist, soll an dieser Stelle jedoch nicht weiter darauf eingegangen werden. Der
automatisierte Flug hingegen ist für die reproduzierbare Vermessung ebenfalls essentiell.
In diesem Unterkapitel wird deshalb ein umfangreicher Überblick über die in der Literatur
beschriebenen Algorithmen, die den automatisierten Flug seilgebundener Tragflächen
ermöglichen, gegeben.
Zunächst wird dafür auf Regelalgorithmen für die Umsetzung automatisierter Flugmanöver
eingegangen und anschließend auf Algorithmen zur Zustands- und Parameterschätzung, die die
von den Regelalgorithmen benötigten Inputdaten bereitstellen. Der gegebene Überblick wird
dabei auf Algorithmen beschränkt, die für das Verständnis der vorliegenden Arbeit relevant sind.
In Abschnitt 3.2.1 werden deshalb ausschließlich Regelalgorithmen für vollflexible, seilgebundene
Tragflächen behandelt, die aufgrund des nichtlinearen und zeitvarianten dynamischen Verhaltens
sowie fehlender präziser Simulationsmodelle die deutlich anspruchsvollere Regelaufgabe
darstellen.
In Abschnitt 3.2.2 hingegen wird diese klare Abgrenzung nicht vorgenommen, da Algorithmen
zur Zustands- und Parameterschätzung starrer Flügel teilweise auch auf vollflexible Tragflächen
übertragen werden können.
47
Fagiano, L., Zgraggen, A., Morari, M. (2014)
48
|ϕ|≤5°, in diesem Bereich spricht man typischerweise von crosswind flight
49
Baayen, J. H. (2012), Rontsis, N., Costello, S., Lymperopoulos, I., Jones, C. N. (2015), Costello, S. (2015), Costello,
S., Francois, G., Bonvin, D. (2018) und Wood, T. A., Hesse, H., Zgraggen, A. U., Smith, R. S. (2015a)
Kapitel 3: Stand der Technik 29
3.2.1. Regelung seilgebundener Tragflächen
In diesem Abschnitt wird eine Zusammenfassung der in der Literatur dokumentierten
Regelalgorithmen für die automatisierte Durchführung von Flugmanövern mit seilgebundenen,
(voll-) flexiblen Tragflächen gegeben.
Generell lassen sich diese Regelansätze in zwei Kategorien unterteilen: Algorithmen, die
ausschließlich auf eine robuste Regelung abzielen und Algorithmen, die eine Maximierung der
Energiegewinnung zum Ziel haben. Es wird hier hauptsächlich die erste Kategorie betrachtet, da
die Optimierung der Manöver bzw. Trajektorien hinsichtlich des Energieertrags im Rahmen
dieser Arbeit nicht relevant ist. Des Weiteren wird in diesem Abschnitt nicht auf Algorithmen
eingegangen, die den Kiteschirm während der Rückholphase einer AWE-Anlage stabilisieren
sollen.
Aufgrund der hohen Flexibilität des Materials verformt sich ein Kiteschirm im Flug sehr stark,
weshalb Modelle zur Beschreibung des dynamischen Verhaltens (voll-) flexibler Tragflächen
hochgradig nichtlinearer Art sind. Zusätzlich wirken teilweise starke äußere Störungen auf das
System ein und es müssen kritische Randbedingungen, beispielsweise aufgrund von
Stellgrößenbeschränkungen, eingehalten werden.
Für die Lösung solch eines Regelproblems stellt eine nichtlineare modellprädiktive Regelung (engl.
Nonlinear Model Predictive Control; kurz: NMPC) generell einen vielversprechenden Ansatz dar.
Eine NMPC zeichnet sich dadurch aus, dass ein Modell der Regelstrecke nicht nur in der
Entwurfsphase, sondern auch im laufenden Betrieb der Regelung verwendet wird, um eine
Vorhersage über die Antwort des Prozesses auf einen Regeleingriff treffen zu können. Dies
ermöglicht es, den Zielkonflikt zwischen der Einhaltung der Randbedingungen und dem möglichst
präzisen Folgen der Solltrajektorie zu lösen. Dazu wird in jedem Rechenschritt eine
Optimierungsaufgabe gelöst, die den für den Prädiktionshorizont optimalen Stellgrößenverlauf
ausgibt. Die Optimierung erfolgt dabei im Hinblick auf ein Gütefunktional, das die
Nichteinhaltung der Regelziele in Abhängigkeit von deren Bedeutung mit bestimmten Kosten
bewertet. Das erste Element des berechneten Stellgrößenverlaufs wird als Stellgröße auf das
System geschaltet und anschließend das Optimierungsproblem auf dem um einen Zeitschritt
fortgeschrittenen Prädiktionshorizont erneut berechnet.
Die erste dokumentierte Anwendung von NMPC auf den automatisierten Flug seilgebundener
Tragflächen wurde im Rahmen der Dissertation von Diehl
50
und später in erweiterter Form von
Diehl et al.
51
veröffentlicht. Darin wird ein Zweileiner-Deltadrachen mit fester Leinenlänge stark
vereinfacht als Punktmassemodell modelliert. Es wird angenommen, dass der Zug an einer
Steuerleine zu einer Rollwinkeländerung führt, wodurch der resultierende aerodynamische
Kräftevektor gekippt wird und der Kiteschirm seine Flugrichtung ändert. Die Erzeugung einer
Differenz der Steuerleinenlängen wird als Stellgröße verwendet. Die Modellbildung erfolgt über
50
Diehl, M. (2001)
51
Diehl, M., Magni, L., Nicolao, G. de (2004)
30 Kapitel 3: Stand der Technik
Bewegungsdifferentialgleichungen, wobei angenommen wird, dass alle Systemzustände zu jedem
Zeitpunkt bekannt sind.
Um die Ausführungszeit dieses Regelalgorithmus zu reduzieren und eine robuste Anwendung in
Echtzeit zu ermöglichen, wird das von den Autoren neu entwickelte sog. „real-time-iteration-
scheme“ zur Lösung des Optimierungsproblems verwendet. Dabei wird ausgenutzt, dass in einer
NMPC eine Reihe benachbarter Optimierungsprobleme gelöst werden muss. Die Lösung der
vorhergehenden Optimierung enthält in diesem Fall immer schon wertvolle Informationen für die
Lösung der nachfolgenden Optimierung und wird darin deshalb für die Initialisierung verwendet.
Dieses Vorgehen ermöglicht es, eine ausreichende Vorhersagegenauigkeit mit nur einer
Recheniteration pro Optimierungsproblem erreichen zu können.
Als Solltrajektorie wird eine im Vorhinein offline berechnete Trajektorie in der Form einer
liegenden Acht, die wiederholt abgeflogen werden soll, vorgegeben. In Simulationstests zeigte der
Algorithmus gute Ergebnisse und war auch bei simulierten starken Störungen durch Böen von
der Seite in der Lage, den Kiteschirm stabil einen Achtenflug durchführen zu lassen.
Aufbauend auf den Erkenntnissen von Diehl et al.
52
führen Houska und Diehl
53
eine Erweiterung
des Algorithmus durch, indem sie die Daten eines Kiteschirms mit einer Fläche von 500 m
2
hinterlegen und die Widerstandskraft des Seils sowie die Zunahme des Windes mit der Höhe in
dem Optimierungsproblem berücksichtigen. Das erweiterte Modell nutzen sie vorrangig für die
Untersuchung des Einflusses verschiedener Parameter des Optimierungsproblems auf die erzeugte
Zugkraft und damit auf den Energieertrag. Dabei stellt sich heraus, dass die Form der geflogenen
Trajektorie und die effektive Gleitzahl bzw. der Auftriebskoeffizient die erzeugte Zugkraft am
stärksten beeinflussen und deshalb aktiv geregelt werden sollten.
Dieser Erkenntnisse fließen in Houska et al.
54
und Ilzhöfer et al.
55
in den Regelalgorithmus ein,
indem das Simulationsmodell um einen regelbaren Auftriebskoeffizienten erweitert wird.
Zusätzlich wird eine variable Leinenlänge eingeführt, um die Anwendung in einer AWE-Anlage
simulieren zu können.
Canale et al.
56
bauen ebenfalls ab dem Jahr 2006 auf dem Algorithmus von Diehl et al.
57
auf und
erweitern das Simulationsmodell um eine variable Leinenlänge. Außerdem wird die NMPC
modifiziert, indem keine offline berechnete Trajektorie vorgegeben wird. Stattdessen wird das
Optimierungsproblem durch die Einführung der zusätzlichen Zielgröße „Maximierung des
Energieertrags“ erweitert, sodass in Abhängigkeit von den aktuellen äußeren Bedingungen eine
bzgl. des Energieertrags möglichst optimale Solltrajektorie während der Laufzeit berechnet wird.
52
Diehl, M. et al. (2004)
53
Houska, B. et al. (2006)
54
Houska, B., Diehl, M. (2007)
55
Ilzhöfer, A., Houska, B., Diehl, M. (2007)
56
Canale, M., Fagiano, L., Ippolito, M., Milanese, M. (2006)
57
Diehl, M. et al. (2004)
Kapitel 3: Stand der Technik 31
Um die Berechnung dieses noch komplexeren Optimierungsproblems annähernd in Echtzeit
58
durchführen zu können, müssen anstatt der Trajektorie andere Parameter des
Optimierungsproblems offline berechnet werden, deren aktueller Wert während der Laufzeit dann
nur noch grob geschätzt wird. Auch dieser Algorithmus wurde in Simulationen getestet und
stellte sich als grundsätzlich funktionstüchtig heraus. Die kontinuierliche Neuberechnung der
Solltrajektorie führt allerdings dazu, dass die Stabilität der Regelung nicht garantiert werden
kann.
Das von Diehl
59
entwickelte Simulationsmodell wurde auch von den Forschern der Politecnico di
Torino verwendet und von 2006 bis 2009 kontinuierlich weiterentwickelt. Die erzielten
Fortschritte und Erkenntnisse wurden in diversen Publikationen
60
dokumentiert sowie in der
Dissertation von Fagiano
61
zusammengefasst. Die Erweiterungen umfassen unter anderem die
Integration eines Modells für die mit der Höhe ansteigende Windgeschwindigkeit, einer speziellen
zusätzlichen Formulierung der NMPC für die Rückholphase sowie zusätzliche Parameter des
Kiteschirms.
Eine weitere Anwendung von NMPC für den automatisierten Flug von Kiteschirmen ist in
Williams et al.
62
zu finden. In diesem Regelalgorithmus wird die NMPC in der äußeren Schleife
eines Kaskadenreglers verwendet. Diese äußere Regelschleife verwendet zuvor offline berechnete
Referenztrajektorien
63
und führt abhängig von den vorherrschenden Windbedingungen eine
Interpolation zwischen diesen sowie eine nichtlineare Koordinatentransformation durch, um die
Solltrajektorie zu berechnen. In der inneren Schleife wird mit einer höheren Frequenz eine lineare
modellprädiktive Regelung ausgeführt, die die Steuerbefehle berechnet, die notwendig sind, um
den Kiteschirm die Solltrajektorie abfliegen zu lassen. Die zweistufige Regelstruktur ermöglicht
es, den Flug des Kiteschirms kurzzeitig auch ohne ein Update von der äußeren Schleife
stabilisieren zu können, wodurch die Notwendigkeit, die NMPC in Echtzeit zu berechnen, entfällt.
Ein anderer Ansatz das aufgrund der vollflexiblen Struktur von Kiteschirmen sehr anspruchsvolle
Regelproblem zu lösen, wurde von Furey et al.
64
verfolgt. Darin soll den Nichtlinearitäten und
den stark veränderlichen Betriebsbedingungen durch den Einsatz lernender neuronaler Netze
begegnet werden. Die Idee dahinter ist, dass biologische Organismen sehr erfolgreich darin sind,
einen sinnvollen Kompromiss zwischen optimalen und robusten Lösungen eines Problems zu
finden. Zusätzlich erlaubt die Evolution eine Anpassung an sich ändernde Umweltbedingungen.
58
Canale, M. et al. (2006), S. 2: als Echtzeit wird in dieser Quelle eine Iterationzeit von ca. 100ms bezeichnet
59
Diehl, M. (2001)
60
Massimo Canale, Lorenzo Fagiano, Mario Milanese (2007); Canale, M., Fagiano, L., Milanese, M., Ippolito, M.
(2007); Canale, M., Fagiano, L., Milanese, M. (2008); Canale, M., Fagiano, L., Milanese, M. (2010)
61
Fagiano, L. (2009)
62
Williams, P., Lansdorp, B., Ockels, W. (2008a)
63
Die Bestimmung der optimalen Referenztrajektorien für verschiedene Windbedingungen erfolgte in Williams, P.,
Lansdorp, B., Ockels, W. (2008b)
64
Furey, A., Harvey, I. (2007)
32 Kapitel 3: Stand der Technik
Das beschriebene anpassungsfähige und lernende Verhalten von Organismen wird durch den
Einsatz von Methoden aus dem Gebiet der evolutionären Robotik umgesetzt. Das neuronale Netz
wird dabei trainiert, indem in Abhängigkeit von deren Performance verschiedenartig
„mutierte“ Regelalgorithmen selektiert werden. Wie in der biologischen Evolution
„überleben“ nur die Individuen, bzw. in diesem Fall Algorithmen, die gute Ergebnisse
hervorbringen und eine hohe Anpassungsfähigkeit aufweisen.
Im Gegensatz zu allen anderen bisher vorgestellten Ansätzen modellieren Furey et al. einen
Vierleiner-LEI-Kite. Sie nutzen ein Mehrkörpermodell, um die geometrischen und physikalischen
Charakteristiken verschiedener Komponenten des Kiteschirms, wie z. B. die Verformung des
Tuchs oder die Gewichtsverteilung über die einzelnen Komponenten, abbilden zu können.
Das mit diesem Simulationsmodell trainierte neuronale Netzwerk wurde in Simulationen getestet
und war in der Lage, den Kiteschirm vordefinierte Trajektorien abfliegen zu lassen.
Der Einsatz von neuronalen Netzwerken für die Regelung fliegender Objekte ist aber generell
kritisch zu sehen, da die Struktur des Algorithmus in der Regel nicht nachvollzogen und somit
die Stabilität der Regelung nicht nachgewiesen werden kann.
Alle bisher beschriebenen Regelalgorithmen basieren auf Simulationsmodellen, die für die
Vorhersage des dynamischen Verhaltens des Kiteschirms verwendet werden. Sie unterscheiden
sich teilweise im Detaillierungsgrad, der Genauigkeit und den getroffenen Vereinfachungen.
Mit höherer Komplexität der Modelle steigt in der Regel die Vorhersagegenauigkeit und der
Umfang der Output-Parameter, gleichzeitig steigt aber auch die benötigte Rechenzeit pro
Zeitschritt stark an.
Es ist deshalb entweder auch mit fortgeschrittenen NMPC Methoden in der Anwendung in
Feldtests nicht möglich, die notwendige Lösung des Optimierungsproblems in Echtzeit
durchzuführen, oder das verwendete Simulationsmodell ist zu stark vereinfacht, sodass es das
dynamische Verhalten des Kiteschirms nicht ausreichend genau abbilden kann. Hinzu kommt,
dass nahezu keines der in der Literatur dokumentierten Simulationsmodelle bisher experimentell
validiert wurde
65
, weshalb weitere große Unsicherheiten in der Vorhersagegenauigkeit auftreten.
Darüber hinaus wird in allen NPMC-Ansätzen vorausgesetzt, dass für die Optimierung kritische
Systemzustände, wie beispielsweise das dreidimensionale Windfeld auf Höhe des Kiteschirms, zu
jeder Zeit bekannt sind. Dafür wäre der Einsatz aufwendiger und kostenintensiver Messverfahren
wie LiDAR notwendig.
Sowohl eine Anwendung eines solchen Systems in einer AWE-Anlage als auch der erfolgreiche
Einsatz einer der bisher beschriebenen Regelalgorithmen in Feldversuchen ist daher bisher nicht
dokumentiert. Um von den Vorteilen dieser Algorithmen profitieren zu können, müssen
Simulationsmodelle mit hoher Vorhersagegenauigkeit und gleichzeitig möglichst geringer
65
in Fagiano, L. (2009) fand ein Vergleich zwischen Simulation und Realität statt, der sich aber ausschließlich auf die
Leinenlänge und -geschwindigkeit sowie die erzeugte Leistung, also hauptsächlich auf Parameter, die die Bodenstation
betreffen, beschränkte
Kapitel 3: Stand der Technik 33
Komplexität entwickelt und validiert werden. Um dies zu erreichen, ist weitere Forschung und
die detaillierte Vermessung von Kiteschirmen notwendig. Die vorliegende Arbeit versucht diese
Lücke zu schließen bzw. einen Beitrag dazu zu leisten.
Seit dem Jahr 2011 ist in der Literatur ein Trend zur Entwicklung von Algorithmen mit jeweils
separaten Reglern für den Kiteschirm und die Bodenstation zu erkennen. Durch die Aufteilung
wird die Komplexität des Regelproblems bzw. der verwendeten Simulationsmodelle reduziert,
sodass die bei der Anwendung von NMPC auftretenden Probleme umgangen werden können. Da
dieser Abschnitt die Regelung seilgebundener Tragflächen thematisiert, beschränkt sich die
nachfolgende Beschreibung solcher sog. dezentralen Regelstrategien ausschließlich auf die
Algorithmen für den Kiteschirm und lässt die Algorithmen für die Bodenstation außen vor.
Der erste dokumentierte Regelalgorithmus dieser Art wurde von Baayen und Ockels
66
entworfen.
Es werden darin Methoden aus dem Bereich der Trajektorienfolge genutzt, um den Kiteschirm
eine vorgegebene Referenztrajektorie abfliegen zu lassen. Der Ansatz basiert auf der Beobachtung,
dass sich der Gierwinkel des Kiteschirms durch die Erzeugung einer Längendifferenz der
Steuerleinen beeinflussen lässt. Es wird ein Kaskadenregler verwendet, dessen äußere Schleife
berechnet, welcher Gierwinkel aktuell erforderlich ist, damit der Kiteschirm die
Referenztrajektorie nicht verlässt bzw. sich dieser nähert. Die innere Schleife besteht aus einem
adaptiven nichtlinearen Regler, der anhand des geforderten Soll-Gierwinkels eine entsprechende
Steuereingabe berechnet. Die Stabilität des Reglers wird durch die Anwendung einer Lyapunov-
Funktion sichergestellt. Das Regelverhalten basiert auf einem SISO
67
-Modell, welches online an
das dynamische Verhalten des Kiteschirms angepasst wird. Dadurch, dass ein geeigneter
Verstärkungsfaktor für den inneren Regler online geschätzt wird, wird für die praktische
Umsetzung dieses Ansatzes kein Modell des Kiteschirms benötigt, weshalb es sich hierbei um
einen der wenigen nicht-modellbasierten Regelansätze handelt. Der Algorithmus wurde in
Simulationen unter Verwendung einer erweiterten Version des von Diehl et al.
68
eingeführten
Punktmasse-Modells getestet und war auch unter turbulenten Bedingungen in der Lage, den
Regelfehler gering zu halten.
Nahezu zeitgleich entwickelte Knappskog
69
einen sehr ähnlichen Regelalgorithmus, wobei dieser
jedoch wieder auf einer erweiterten Version des Punktmassemodells von Diehl et al.
70
basiert.
66
Baayen, J. H., Ockels, W. J. (2011)
67
SISO steht für Single Input Single Output. Im Gegensatz zu den in den NMPC-Regelalgorithmen verwendeten
MIMO (Multi Input Multi Output)-Modellen beschreibt dieses Modell das Verhalten genau eines Parameters aufgrund
der Änderung von genau einem anderen Parameter. In diesem Fall beschreibt es die Änderung des Gierwinkels
aufgrund einer Differenz der Steuerleinenlängen.
68
Diehl, M. (2001)
69
Knappskog, H. (2011)
70
Diehl, M. (2001)
34 Kapitel 3: Stand der Technik
In dem Pfadverfolgungs-Algorithmus wird die Abweichung von der vorgegebenen Trajektorie
durch den sog. cross-track-error
71
und den sog. track-error-angle
72
beschrieben. Ähnlich wie in
Baayen et al.
73
wird ein auf Lyapunov-Methoden basierender zweistufiger Regler verwendet. Für
diesen Algorithmus konnte in Simulationstests jedoch lediglich asymptotische Stabilität
nachgewiesen werden. Aufgrund der Verwendung des stark vereinfachten Simulationsmodells als
Grundlage für das Regelgesetz und der in Feldtests normalerweise nicht zutreffenden Annahme,
dass die Werte aller Parameter des Modells zu jedem Zeitpunkt bekannt sind, ist die Aussagekraft
der Simulation allerdings begrenzt.
Jehle
74
knüpft 2012 an den Algorithmus von Baayen et al.
75
an und entwickelt diesen weiter. Er
führt dafür ein spezielles Bezugskoordinatensystem, das sog. „small earth reference frame“, ein,
durch dessen Anwendung die Modellgleichungen vereinfacht werden und das Regelproblem
wiederum auf ein SISO-Problem reduziert wird. Es wird ein Black-Box-Modell erstellt, das das
Gierverhalten in Abhängigkeit von den Steuereingaben abbildet und durch die Anwendung einer
nichtlinearen dynamischen Inversion als Basis für das Regelgesetz genutzt. Auch hier wird ein
zweistufiger Kaskadenregler implementiert, der den cross-track-error durch eine Regelung des
track-error-angle reduzieren soll. Dafür berechnet die äußere Schleife ein Peilungssignal, das als
Input für den auf dem Black-Box-Modell basierenden P(I)-Regler in der inneren Schleife dient.
Um Unsicherheiten im Modell und schwankende Betriebsbedingungen ausgleichen zu können,
wird eine Online-Adaption des Regelverhaltens umgesetzt.
Der Regelalgorithmus wurde in Simulationen sowie in Feldtests mit dem Prototypen der TU
Delft getestet und die Ergebnisse in einer gemeinsamen Veröffentlichung von Jehle und Schmehl
76
dokumentiert. In dem System der TU Delft wird eine KCU verwendet, die über Seilwinden den
Regeloutput in eine Längendifferenz der Steuerleinen umsetzt. Wie in Unterkapitel 2.2 bereits
erwähnt, handelt es sich dabei um eine Box, die in den Steuerleinen des Kiteschirms befestigt ist,
damit nur ein Seil die Bodenstation und den Kiteschirm verbindet. Die KCU ist außerdem mit
diversen mechatronischen Komponenten ausgestattet und ermöglicht es, Daten sehr nahe am
Kite zu messen und diese an die Bodenstation zu senden. Regelalgorithmen können entweder
autark auf der KCU ausgeführt werden oder auf einem Computer in der Bodenstation. Da in der
Entwicklungs- und Erprobungsphase der Regelalgorithmen häufig Benutzereingaben getätigt
werden müssen und die Regler meist noch nicht bzgl. der Ressourcennutzung optimiert sind, ist
71
Der cross-track-error beschreibt den Abstand des Kiteschirms anhand der kürzesten Verbindung zwischen diesem
und der Referenztrajektorie, der sich durch das Fällen eines Lots vom Kiteschirm auf die Tangente der
Referenztrajektorie ergibt
72
Der track-error-angle ist der Differenzwinkel zwischen der Orientierung des Kiteschirms und der Tangente der
Referenztrajektorie
73
Baayen, J. H. et al. (2011)
74
Jehle, C. (2012)
75
Baayen, J. H. et al. (2011)
76
Jehle, C., Schmehl, R. (2014)
Kapitel 3: Stand der Technik 35
es sinnvoller, die Berechnung auf einem leistungsstarken Desktop-PC durchzuführen, als auf
kleiner, rechenschwächerer eingebetteter Hardware. Wird der Regelalgorithmus auf einem
Rechner in der Bodenstation ausgeführt, ist es erforderlich, diverse Mess- und Steuerdaten über
eine drahtlose Verbindung zwischen Bodenstation und KCU zu übertragen. Dabei können
Latenzen und Paketverluste auftreten, die die Robustheit der Regelung negativ beeinflussen.
In den Feldtests mit einem 25 m
2
großen Kiteschirm führten diese Probleme in der
Datenübertragung sowie begrenzte Verfahrbeschleunigungen der Antriebe dazu, dass mit dem
Regelalgorithmus zwar grundsätzlich ein Achtenflug umgesetzt werden konnte, der Kiteschirm
der Trajektorie aber nicht präzise folgte
77
. Ein weiteres Problem ergab sich dadurch, dass der
Kiteschirm teilweise in eine Richtung gierte, obwohl keine Längendifferenz der Steuerleinen
vorlag. Der Regler konnte diese Nullpunktverschiebung nicht kompensieren, wodurch eine
Asymmetrie der Trajektorien entstand.
Fechner und Schmehl
78
nehmen sich dem Problem der Datenübertragung an, indem sie
verschiedene Optimierungen an der Hard- und Softwarearchitektur vornehmen, die zu einer
Reduzierung der Latenzen und Paketverluste führen. Die Wirksamkeit dieser Optimierungen
konnte in Feldtests anhand einer robusteren und präziseren Trajektorienfolge nachgewiesen
werden.
Ebenfalls im Jahr 2012 veröffentlichen auch Erhard und Strauch
79
einen Regelalgorithmus. Als
Basis für das Regelgesetz dient ein kinematisches Modell mit vielen Vereinfachungen. Es wird
beispielsweise angenommen, dass ein homogenes Windfeld vorliegt und Massen, Trägheiten sowie
die Seildynamik werden vernachlässigt. Das Modell besteht aus Bewegungsdifferentialgleichungen,
die aufgrund der getroffenen Annahmen lediglich 1. Ordnung sind. Unter anderem wird darin
über das bereits in Abschnitt 3.1.4 beschriebene TRL, erstmals das lineare Verhältnis zwischen
dem Steuereinschlag und der Änderung des Gierwinkels analytisch beschrieben.
Im Gegensatz zu allen bisher beschriebenen Algorithmen wird in diesem Fall keine feste
Trajektorie vorgegeben, stattdessen erfolgt die Erzeugung der achtenförmigen Trajektorie durch
das wechselseitige Umschalten zwischen zwei Zielpunkten. Kurz bevor der Kiteschirm den
aktuellen Zielpunkt erreicht, wird der gegenüberliegende Punkt als Ziel definiert, wodurch ein
Kurvenflug eingeleitet wird. Diese Methode zur Trajektorienerzeugung hat den Vorteil, dass viele
Aspekte des Regelproblems vereinfacht werden, es ist damit aber nur in begrenztem Maße
möglich, die genaue Form der Trajektorie vorzugeben.
Auch in diesem Algorithmus kommt ein zweistufiger Kaskadenregler zum Einsatz, in dem die
äußere Schleife die erforderliche Änderung des Gierwinkels und die innere Schleife den dafür
notwendigen Steuereinschlag berechnet. Um Probleme aufgrund von Stellgrößenbeschränkungen
77
Jehle, C. et al. (2014), S. 9: Die durchschnittliche geodätische Abweichung von der Trajektorie betrug in den Tests
14m bei einer Leinenlänge von 500m
78
Fechner, U., Schmehl, R. (2012)
79
Erhard, M. et al. (2012)
36 Kapitel 3: Stand der Technik
zu umgehen, wird das durch das schlagartige Umschalten des Zielpunkts rechteckförmige
Sollwertsignal geglättet, bevor es an den Regler weitergegeben wird. Der Algorithmus wurde in
Feldtests unter Verwendung eines Kiteschirm mit einer Fläche von 160 m
2
und einer KCU
getestet und zeigte dabei ein robustes Regelverhalten.
Da der Algorithmus von Erhard und Strauch trotz des vergleichsweise simplen Aufbaus sehr gute
Ergebnisse lieferte, erfuhr das TRL in der Folge zunehmende Aufmerksamkeit, sodass seit dem
Zeitpunkt der Veröffentlichung fast ausschließlich Regelalgorithmen entwickelt wurden, die
darauf basieren.
Zuerst nutzt Baayen
80
es zur Weiterentwicklung des bereits beschriebenen, von ihm und Ockels
entworfenen Algorithmus zur Trajektorienfolge
81
. Basierend auf dem so vereinfachten
Algorithmus wird erstmals der Einfluss der dem System immanenten Verzögerungszeiten auf die
Stabilität der Regelung genauer untersucht und eine Formel entwickelt, mit der der für die aktuell
vorherrschende Verzögerung optimale Verstärkungsfaktor für die innere Schleife berechnet
werden kann.
Im darauffolgenden Jahr veröffentlichten auch Fagiano et al.
82
einen auf dem TRL und den
Erkenntnissen von Erhard und Strauch sowie Baayen basierenden Regelalgorithmus. Das TRL
wird darin so erweitert, dass die Masse, Trägheit und Fläche des Kiteschirms sowie
aerodynamische Parameter des Kiteschirms und der Leine in der analytischen Formel
berücksichtigt werden. Durch diese Integration physikalischer Parameter gestaltet sich die
Einstellung der Reglerparameter intuitiver. Außerdem wird anstatt des Gierwinkels der
Geschwindigkeitswinkel (vgl. Abschnitt 3.1.4) als Regelgröße verwendet. Die Auswahl der
Regelgröße wird damit begründet, dass dadurch eine Vereinfachung der Modellgleichungen
erreicht werden kann und das Ziel des Algorithmus die Regelung der Flugrichtung des
Kiteschirms und nicht die Regelung des Gierwinkels sei. Da gezeigt werden konnte, dass während
des Achtenflugs in der Regel maximal kleine Driftwinkel auftreten, ist der Unterschied zwischen
den beiden Winkeln dann ohnehin ebenfalls gering. Des Weiteren wird die vereinfachende
Annahme getroffen, dass während des Achtenflugs die Anströmgeschwindigkeit der
Eigengeschwindigkeit des Kiteschirms entspricht, weshalb es nicht notwendig ist, die
Windgeschwindigkeit auf Höhe des Kiteschirms zu schätzen oder die effektive Anströmung des
Kiteschirms zu messen. Ansonsten ähnelt der Aufbau des Reglers sehr stark dem von Erhard und
Strauch vorgestellten. Die Erprobung dieses Algorithmus erfolgte an einem kleinen an der
Universität von Kalifornien in Santa Barbara entwickelten Teststand. Die Steuereingaben werden
darin durch die Erzeugung einer Längendifferenz der Steuerleinen in der Bodenstation
hervorgerufen. Die Tests erfolgten mit LEI-Kiteschirmen mit einer Fläche von 6, 9 sowie 12 m
2
80
Baayen, J. H. (2012)
81
Baayen, J. H. et al. (2011)
82
Fagiano, L., Zgraggen, A. U., Khammash, M., Morari, M. (2013b)
Kapitel 3: Stand der Technik 37
und die Ergebnisse sind verteilt über drei weitere Veröffentlichungen
83
dokumentiert. Es konnte
gezeigt werden, dass die intuitive und schnelle Einstellung des Reglergains sowie in begrenztem
Maße die Modellierung der Form der Acht anhand der physikalischen Parameter möglich ist. Der
Regler ist in der Lage, den Kiteschirm über einen langen Zeitraum
84
, auch bei unterschiedlichen
Windgeschwindigkeiten, einen Achtenflug durchführen zu lassen.
Fechner et al.
85
nutzen später ebenfalls das durch das TRL beschriebene lineare Verhältnis
zwischen der Längendifferenz der Steuerleinen und dem Gierverhalten, um das dynamische
Verhalten des Kiteschirms in einem Punktmassemodell abzubilden. Es wird ein weiterer Term
eingeführt, über den der Einfluss der Gravitationskraft berücksichtigt wird. Zusätzlich werden in
einem Look-Up-Table vom Anstellwinkel abhängige aerodynamische Koeffizienten hinterlegt.
Außerdem wird ein Vierpunkt-Modell entwickelt, in dem durch die Hinterlegung der Abstände
der Punkte die Kite- und Bridlegeometrie abgebildet werden können. An drei der vier Punkte
werden aerodynamische Kräfte modelliert und am vierten, der die KCU repräsentiert, wird nur
die Trägheit modelliert.
Die beiden Modelle werden hinsichtlich ihrer Anwendbarkeit in der Regelung verglichen, indem
sie in Jehles Algorithmus anstelle des Black-Box-Modells eingesetzt werden. Der Algorithmus
wird außerdem so modifiziert, dass ebenfalls keine exakte Trajektorie vorgegeben wird, sondern
die Erzeugung der Trajektorie durch das Umschalten zwischen mehreren Zielpunkten erfolgt.
Die Autoren kommen zu der Erkenntnis, dass beide Modelle echtzeitfähig und damit grundlegend
für die Regelung einsetzbar sind. Das Punktmassemodell sei jedoch nur für die Verwendung in
der Regelung des Achtenflugs geeignet, wo hingegen das Vierpunkt-Modell aufgrund einer
besseren Abbildung der Dynamik auch in noch schwieriger zu regelnden Flugsituationen wie z.
B. dem Start und der Landung verwendet werden kann.
Auch Rontsis et al.
86
bauen auf dem Algorithmus von Jehle auf und integrieren eine erweiterte
Variante des TRL anstelle des Black-Box-Modells. Sie erweitern ihren Algorithmus außerdem um
eine Schätzung der aktuell vorherrschenden Verzögerungszeiten und nutzen diese Information
zur Anpassung des Regelgesetzes. Der Algorithmus wurde in Versuchen in einem kleinen
Testaufbau mit Softkites in den Größen 2,5 m
2
sowie 3,5 m
2
getestet und konnte auch bei
unterschiedlichen Windgeschwindigkeiten genutzt werden, um einen Achtenflug zu erzeugen.
Einen noch stärkeren Fokus auf die Untersuchung und Kompensation der Auswirkungen von
Verzögerungszeiten setzen die Forscher der ETH Zürich in ihren Veröffentlichungen. Wood et
83
Fagiano, L., Zgraggen, A. U., Khammash, M., Morari, M. (2013a); Fagiano, L. et al. (2013); Fagiano, L. et al.
(2014)
84
Fagiano, L. et al. (2013), S. 8: Der längste zusammenhängende automatisierte Achtenflug dauerte 4,3 Stunden
85
Fechner, U., van der Vlugt, R., Schreuder, E., Schmehl, R. (2015)
86
Rontsis, N. et al. (2015)
38 Kapitel 3: Stand der Technik
al.
87
nutzen dafür die Erkenntnisse von Jehle und Schmehl
88
sowie Baayen
89
für ihren Ansatz. Die
Verzögerungszeiten werden direkt in den Designprozess der inneren Schleife integriert, indem ein
Smith-Predictor verwendet wird, der die Totzeiten in der Systemantwort berücksichtigt. Des
Weiteren wird eine Adaption integriert, die den Verstärkungsfaktor für die Steuereingaben in
Echtzeit anpasst und so Änderungen in der vorherrschenden Windgeschwindigkeit, die großen
Einfluss auf die Drehrate haben, ausgleicht. Die Autoren stellen noch im gleichen Jahr eine
Erweiterung dieses Algorithmus vor
90
. Darin werden die Verzögerungszeiten zusätzlich auch in
der äußeren Schleife berücksichtigt, indem eine Begrenzung der von der äußeren Schleife
geforderten Gierwinkeländerung umgesetzt wird. Dadurch wird sichergestellt, dass die Änderung
des Inputs für die innere Schleife nicht zu dynamisch für eine realistische Umsetzung wird. Diese
Erweiterung ermöglicht es auch, große Änderungen des dynamischen Verhaltens, die vor allem
durch eine variable Leinenlänge verursacht werden, auszugleichen.
Später wird eine erneute Weiterentwicklung dieses Algorithmus vorgestellt
91
. In dieser Version
kommt in der äußeren Schleife eine modellprädiktive Regelung zum Einsatz, die Unsicherheiten
des Modells zur Kompensation der Verzögerungszeiten ausgleicht, indem online ein
Optimierungsproblem unter Berücksichtigung der gesetzten Input-Begrenzungen der inneren
Schleife gelöst wird. Die Input-Begrenzungen werden in Abhängigkeit von den
Betriebsbedingungen, die die Verzögerungszeiten beeinflussen, angepasst.
Die letzte dokumentierte Optimierung
92
wird erreicht, indem der Geschwindigkeitsverlauf des
Kiteschirms während des Achtenflugs in der Prädiktion der äußeren Schleife berücksichtigt wird.
Die kontinuierliche Verbesserung der Leistungsfähigkeit der Regelung konnte in Feldtests mit
einem 5 m
2
großen Softkite in einem kleinen Prototypenaufbau nachgewiesen werden.
Die Wichtigkeit einer Kompensation der Verzögerungszeiten in Regelalgorithmen für Kiteschirme
zeigt sich auch in einer Veröffentlichung
93
, die Teil der Dissertation von De Lellis
94
ist. Darin
wird ein Algorithmus verwendet, der denen von Fagiano et al.
95
sowie Erhard und Strauch
96
entwickelten sehr ähnlich ist. Zusätzlich zu der Möglichkeit, die Trajektorie durch Umschalten
zwischen mehreren Zielpunkten zu erzeugen, wird die Bernoulli-Lemniskate als Soll-Trajektorie
vorgegeben. In der Simulation lieferte der Algorithmus noch für beide Arten der
Trajektorienerzeugung gute Ergebnisse. In Feldtests mit einem kleinen Versuchsaufbau zeigte
sich dann aber, dass es aufgrund einer zu geringen Aktualisierungsrate des Systems und den
87
Wood, T. A. et al. (2015a)
88
Jehle, C. et al. (2014)
89
Baayen, J. H. (2012)
90
Wood, T. A., Hesse, H., Zgraggen, A. U., Smith, R. S. (2015b)
91
Wood, T. A., Ahbe, E., Hesse, H., Smith, R. S. (2017)
92
Wood, T. A., Hesse, H., Smith, R. S. (2017)
93
De Lellis, M., Saraiva, R., Trofino, A. (2013)
94
De Lellis, M. (2016)
95
Fagiano, L. et al. (2013b)
96
Erhard, M. et al. (2012)
Kapitel 3: Stand der Technik 39
auftretenden Verzögerungen in der Umsetzung der Steuereingaben nicht möglich war, eine
robuste Trajektorienfolge der Lemniskate zu erreichen.
Kurz nach De Lellis veröffentlicht auch Fechner seine Dissertation
97
, von deren Inhalt Teile auch
in einer gemeinsamen Veröffentlichung mit Schmehl
98
zusammengefasst sind. In diesem
Algorithmus wird ein anderer Ansatz gewählt, um mit Problemen in der Regelung umzugehen,
die durch Verzögerungszeiten im System verursacht werden. Es wird ein Regelalgorithmus
vorgestellt, der abhängig von der Position des Kites auf der Trajektorie zwischen zwei Reglern
umschaltet: In den Kurven wird ein auf dem TRL basierender Regler ohne Rückkopplung
verwendet und auf den geraden Stücken dazwischen ein PID-Regler mit Rückkopplung. Dadurch
wird erreicht, dass während des Kurvenflugs praktisch nur eine Steuerung ausgeführt wird, was
die Robustheit gegenüber Verzögerungszeiten erhöht. Auf den geraden Stücken ist eine
Rückkopplung aufgrund des Einflusses der Gravitation und eventueller Änderungen in der
Anströmgeschwindigkeit erforderlich. Da auf diesem Teil der Trajektorie die Dynamik der
Gierwinkeländerung aber begrenzt ist, wirken sich die Verzögerungszeiten deutlich weniger stark
aus. Dieser Regelalgorithmus wurde ausschließlich in Simulationen mit dem von Fechner et al.
99
vorgestellten Vierpunkt-Modell getestet und erreichte dabei auch bei stark turbulenten
Bedingungen gute Regelergebnisse
100
.
Der letzte Regelalgorithmus, der hier vorgestellt werden soll, wurde im Rahmen der Dissertation
von Costello
101
erarbeitet und im Jahr 2018 in einer zusammenfassenden Veröffentlichung
102
publiziert. Costello et al. bedienen sich vieler der Erkenntnisse und vielversprechendsten Ansätze
aus den bisher vorgestellten Algorithmen, vereinen diese sinnvoll und integrieren Messdaten in
das Modell. Es wird das kinematische Modell von Erhard und Strauch verwendet, wobei ähnlich
wie bei Fagiano et al. nicht der Gierwinkel, sondern der Geschwindigkeitswinkel als Regelgröße
verwendet wird, um die Abhängigkeit von einer IMU am Kite zu umgehen. Auch hier wird
argumentiert, dass der Geschwindigkeitswinkel für eine Regelung des dynamischen Achtenfluges
aufgrund des geringen auftretenden Schiebewinkels ausreichend sei. Durch die Projektion des
Regelproblems auf eine Tangentialebene ähnelt die Flugdynamik der Bewegung eines Fahrzeugs
in der Ebene. Damit erreichen die Autoren eine Vereinfachung des kinematischen Modells und
können einen erprobten Pfadverfolgungs-Algorithmus aus der Robotik anwenden. Das durch den
Proportionalitätsfaktor im TRL repräsentierte Gierverhalten und die Totzeit -die Zeit die
zwischen der Ausgabe des Steuerbefehls und der messbaren Reaktion des Kites vergeht- werden
in Feldtests ermittelt und im Modell hinterlegt. Zusätzlich wird ein Prädiktionsblock integriert,
97
Fechner, U. (2016)
98
Fechner, U., Schmehl, R. (2016)
99
Fechner, U. et al. (2015)
100
Fechner, U. et al. (2016), S. 4083: bei einer nach dem sog. Mann-Modell modellierten Turbulenzintensität von 26,5%
belief sich die Abweichung des Höhenwinkels von der Zieltrajektorie auf einen Wert kleiner 1,5°
101
Costello, S. (2015)
102
Costello, S. et al. (2018)
40 Kapitel 3: Stand der Technik
indem weitere Verzögerungszeiten und deren Auswirkung auf zukünftige Systemzustände
abgeschätzt werden, damit diese im Regelalgorithmus berücksichtigt bzw. kompensiert werden
können.
Der Algorithmus wurde in Feldtests mit dem bereits von Rontsis et al.
103
verwendeten
Prototypen-Setup mit kleinen Softkites erprobt. Obwohl ausschließlich die von Seilwinkelsensoren
gemessene Positionsinformation für die Rückkopplung genutzt wird, konnte auch bei großen
auftretenden Totzeiten
104
und wechselnden Windbedingungen ein robustes Regelverhalten
erreicht werden. Die Wiederholgenauigkeit der Trajektorien ist dabei sehr gut, es besteht aber
ein dauerhafter Offset zur Referenztrajektorie, der sich laut der Einschätzung der Autoren auch
durch eine Anpassung der Reglereinstellungen nicht vollständig verhindern lässt.
3.2.2. Zustands- und Parameterschätzung an seilgebundenen Tragflächen
In Abschnitt 3.1.4 wurde bis hierhin ausführlich erläutert, warum der automatisierte Flug von
Kiteschirmen sowohl im Bereich AWE, als auch für die reproduzierbare Vermessung derer
aerodynamischen Eigenschaften notwendig ist und wie dieser realisiert werden kann. Für die
praktische Umsetzung solcher Regelalgorithmen ist die möglichst präzise Messung bzw.
Schätzung vieler Zustandsvariablen des Systems notwendig. Systeme, die den automatisierten
Flug seilgebundener Tragflächen ermöglichen, sind deshalb mit diversen Sensoren ausgestattet.
Die meisten Systeme sind mindestens mit Kraftmessdosen, Dreh- bzw. Leinenwinkelsensoren und
einem Anemometer ausgestattet. Darüber hinaus kommen in einigen Prototypen noch viele
weitere Sensoren, wie beispielsweise GNSS, IMUs, Systeme zur Messung der Anströmung sowie
Barometer zum Einsatz. Die Qualität der Messdaten dieser Sensoren und damit der Regelgüte
kann erhöht werden, indem die Auswirkung von Messfehlern durch die Fusion unterschiedlicher
Sensoren bzw. Sensorsysteme, reduziert wird. Algorithmen, die verschiedene Messdaten
fusionieren, ermöglichen es meist außerdem, Zustände zu schätzen, die nicht direkt messbar sind
und werden deshalb Zustandsschätzer oder -beobachter genannt. Die Umsetzung eines solchen
Algorithmus ist für instabile und nicht lineare Systeme wie Kiteschirme, die im Flug eine hohe
Dynamik entwickeln, durchaus komplex, sodass sich diverse Institutionen weltweit mit der
Lösung dieser Herausforderung beschäftigen. Die bisher zu diesem Thema dokumentierten
Anstrengungen und Erkenntnisse werden nachfolgend zusammengefasst.
Der erste und zunächst einzige in der Literatur dokumentierte Ansatz zur Zustandsschätzung
von seilgebundenen Tragflächen wurde von Hjukse
105
erarbeitet und 2011 vorgestellt. Der Ansatz
basiert auf dem ursprünglich von Diehl
106
entwickelten Punktmassemodell. Dieses wird durch
eine Modellierung der Turbulenz des Windes und der mit der Höhe zunehmenden Windstärke
erweitert. Der Algorithmus verwendet ausschließlich die Messdaten der Leinenwinkelsensoren
103
Rontsis, N. et al. (2015)
104
Costello, S. et al. (2018), S. 520: Der Algorithmus funktionierte bei Totzeiten bis zu 250ms
105
Hjukse, O. H. (2011)
106
Diehl, M. (2001)
Kapitel 3: Stand der Technik 41
und eines am Boden befindlichen Anemometers, um daraus den Gierwinkel des Kiteschirms zu
schätzen. Dafür wird die vereinfachende Annahme getroffen, dass die Leine stets gespannt ist
und kein Schiebewinkel auftritt. Die Umsetzung erfolgt in einer Variante unter Verwendung eines
EKF und in einer zweiten Variante mit einem UKF. In einem Vergleich der beiden Varianten in
der Simulation stellt sich heraus, dass der UKF deutlich bessere Schätzergebnisse liefert als der
EKF. Hjukse relativiert die guten Ergebnisse mit der Begründung, dass die getroffenen
Annahmen in der Realität, z. B. durch auftretenden Leinendurchhang, häufig nicht zutreffen und
in diesem Fall der Algorithmus keine sinnvollen Ergebnisse liefert. Er empfiehlt deshalb entweder
eine Modellierung der Leinendynamik, oder den Einsatz zusätzlicher Sensoren am Kiteschirm.
In den folgenden Jahren gewann die Thematik aufgrund der Entwicklung vieler der bereits
beschriebenen Regelalgorithmen zunehmend an Bedeutung und rückte deshalb stärker in den
Fokus der Forschung.
Zunächst präsentierten 2013 Fagiano et al. zwei Veröffentlichungen
107
zum Thema Sensorfusion.
Darin werden drei verschiedene Varianten eines Fusionsalgorithmus vorgestellt, der es
ermöglichen soll, die Position und Geschwindigkeit sowie den Geschwindigkeitswinkel des
Kiteschirms zu schätzen. In allen drei Varianten wird dafür ein kinematisches Modell genutzt,
um die Beschleunigungen des Kiteschirm im inertialen KS zu bestimmen. Am Kiteschirm ist zu
diesem Zweck ein IMU montiert, dessen Messdaten zuerst in einem EKF gefiltert werden, um
die Orientierungsquaternion zu berechnen. Mit Hilfe dieser Information und unter Ausnutzung
des kinematischen Modells ist es dann möglich, den Einfluss des Erdbeschleunigungsvektors aus
den Daten zu eliminieren und so die reinen dynamischen Beschleunigungen zu berechnen. Diese
werden anschließend in einem linearen Kalmanfilter mit Positionsdaten anderer Sensoren sowie
weiteren Informationen fusioniert, um die Schätzung der Geschwindigkeit und Position des
Kiteschirms zu verbessern. Die drei vorgestellten Varianten unterscheiden sich dabei anhand der
Inputdaten für den linearen Kalmanfilter. In der ersten Variante wird die Position des
Kiteschirms mit Hilfe von GPS und einem Barometer gemessen. Aufgrund der geringen Messrate
des GPS erfolgt das Messupdate des Kalmanfilters nur vier Mal pro Sekunde. Für die Umsetzung
der zweiten Variante werden die gleichen Sensoren verwendet, es wird aber eine zusätzliche
geometrische Randbedingung genutzt, um die Positionsmessung zu korrigieren. So wird die
Tatsache ausgenutzt, dass sich der Kiteschirm aufgrund der festen Leinenlänge nur auf einer
Kugelsphäre bewegen kann. Durch die Ausnutzung dieser Randbedingung ist es möglich, die
Messdaten des Barometers zusätzlich auch für die Positionsbestimmung zu verwenden. Dafür
wird basierend auf der barometrischen Höhenmessung der Höhenwinkel berechnet und
anschließend auf die Ebene projiziert. Dadurch ergibt sich der Radius des Kreises auf dem Boden,
auf dem sich der Kiteschirm befinden muss. Da die barometrische Höhenmessung genauer ist als
die Messung der Position per GPS, führt dies zu einer Verbesserung der Positionsmessung. In
107
Fagiano, L., Huynh, K., Bamieh, B., Khammash, M. (2013a), Fagiano, L., Huynh, K., Bamieh, B., Khammash, M.
(2013b)
42 Kapitel 3: Stand der Technik
der dritten Variante wird für die Positionsbestimmung ausschließlich der gemessene Leinenwinkel
verwendet.
Der letzte Schritt des Schätzalgorithmus ist bei allen drei Varianten gleich: Die aus der zeitlichen
Ableitung der Position berechnete Geschwindigkeit wird genutzt, um den
Eigengeschwindigkeitsvektor und damit den Geschwindigkeitswinkel zu berechnen. Dessen
Verlauf wird schließlich noch durch die Anwendung eines Luenberger-Beobachters geglättet.
Alle drei Varianten des Algorithmus wurden in Feldtests mit dem bereits im vorherigen Abschnitt
erwähnten, kleinen Prototypen getestet; im Rahmen der ersten Veröffentlichung zunächst nur
mit einem 12 m
2
großen Softkite und für die zweite Veröffentlichung dann zusätzlich noch mit
Softkites in den Größen 9 m
2
und 6 m
2
. Es zeigte sich, dass die beiden Varianten, die auf GPS-
Daten basieren, keine zuverlässigen Schätzungen liefern konnten. Dies wird zum einen durch die
geringe Messrate und Genauigkeit des GPS und zum anderen durch häufig, aufgrund der hohen
Dynamik auftretende Aussetzer des GPS begründet. Die Autoren kommen deshalb zu dem
Schluss, GPS sei nicht für den Einsatz in Systemen mit kurzen Leinen und damit hoher Dynamik
geeignet. Die auf den Messdaten der Leinenwinkelsensoren basierende Variante liefert hingegen
sehr gute Schätzergebnisse, weshalb die Verwendung einer Leinenwinkelmessung zumindest für
Systeme mit kurzen Leinen als essentiell eingeschätzt wird. Darüber hinaus konnte gezeigt werden,
dass aufgrund der Verwendung des kinematischen Modells, das unabhängig von geometrischen
und aerodynamischen Parametern des Kiteschirms ist, die sehr guten Schätzergebnisse auch mit
den anderen Kitegrößen und bei unterschiedlichen Windbedingungen reproduziert werden
konnten. Die Autoren sind deshalb überzeugt, dass dieser Algorithmus auch bei der Verwendung
von noch größeren Kiteschirmen präzise und verlässliche Schätzungen ermöglicht.
Nahezu zeitgleich stellen auch Geebelen et al.
108
sowie Erhard und Strauch
109
jeweils einen
Schätzalgorithmus vor. Erhard und Strauch nutzen ähnlich wie Fagiano et al. die kinematische
Randbedingung aus, die sich aufgrund der festen Leinenlänge ergibt, um aus den Messdaten eines
IMU die Orientierung des Kiteschirms bezogen auf den Horizont zu schätzen. Es wird
argumentiert, dass sich die Mittelwerte der dynamischen Beschleunigung in einem gefesselten
System über die Zeit aufheben müssen, da das System andernfalls die Kugelsphäre verlassen
würde. Diese Information wird ausgenutzt, indem die dynamischen Beschleunigungen durch die
Anwendung eines Tiefpassfilters aus den gemessenen Beschleunigungen herausgefiltert werden,
sodass nach der Filterung nur die statischen Beschleunigungen vorliegen, die den
Gravitationsvektor repräsentieren. Ist der Gravitationsvektor bekannt, kann mit Hilfe der
gemessenen, um einen geschätzten Offset korrigierten Drehraten, die Orientierung des
Kiteschirms auf den Horizont bezogen werden. Anders als bei Fagiano et al. wird die
Orientierungsquaternion nicht in einem EKF, sondern durch Integration der Drehraten bestimmt.
Da der Regler als Input jedoch die Orientierung bezogen auf die Windrichtung benötigt, wird
108
Geebelen, K., Wagner, A., Gros, S., Swevers, J., Diehl, M. (2013)
109
Erhard, M., Strauch, H. (2013)
Kapitel 3: Stand der Technik 43
anschließend der von einem Sensor am Boden gemessene Windvektor genutzt, um die für den
Regler benötigte windbezogene Orientierung zu berechnen. Die Güte der Schätzung wurde in
Feldtests durch den Vergleich mit Messungen anderer unabhängiger Sensoren validiert.
Zusätzlich zu den bisher genannten Sensoren beinhaltet das beschriebene Sensorsetup
Leinenwinkelsensoren und ein GPS an der Bodenstation sowie eine Kraftmessdose, ein Impeller-
Anemometer zur Messung der Anströmgeschwindigkeit des Kiteschirms, eine barometrische
Höhenmessung sowie ebenfalls ein GPS in der KCU. Auch Erhard und Strauch beschreiben
Probleme durch Aussetzer bei der Verwendung von GPS, die ihrer Meinung nach durch die
schnellen Orientierungsänderungen der Antenne verursacht werden. Außerdem bemerken sie,
dass die Anwendung eines Kalman-Filters wahrscheinlich bessere Schätzergebnisse erzielen würde,
als ihr hauptsächlich anhand von empirisch ermittelten Parametern eingestellter Algorithmus.
Sie geben allerdings auch zu bedenken, dass der Einsatz eines Kalman-Filters nicht trivial wäre,
da die Messdaten hauptsächlich durch Turbulenzen und nicht durch Messrauschen gestört sind,
sodass die statistisch fundierte Modellierung schwierig ist.
Geebelen et al. wählen aus diesem Grund einen anderen Ansatz, der nicht auf einem Kalman-
Filter basiert, um die Position und die Orientierung des Kiteschirms zu schätzen. Sie verwenden
dafür die Messdaten eines IMU und eines Stereo-Kamerasystems, das am Kiteschirm befestigte
Marker erkennt und fusionieren diese mit Hilfe eines Moving Horizon Estimation (MHE)-
Algorithmus. Die Messdaten des IMU werden durch Polynome angenähert, um die Anzahl der
Variablen während der Optimierung gering zu halten. Dies führt gleichzeitig dazu, dass
hochfrequente Störungen aus den IMU-Messdaten herausgefiltert werden. Die Messrate des
Kamerasystems ist aufgrund der begrenzten Bildrate deutlich geringer als die des IMU, sodass
zwischen zwei Messpunkten des Kamerasystems 50 Messpunkte des IMU zur Interpolation
genutzt werden. Die MHE erwies sich in Simulationen und bei der Anwendung auf Messdaten
aus Labortests insbesondere als sehr robust gegenüber den Auswirkungen von Ausreißern in den
Messdaten. Dies zeigte sich auch in einem Vergleich mit einem multiplikativen EKF, der in
Simulationstests ohne Ausreißer noch ähnlich gute Schätzergebnisse erzielte wie die MHE; mit
Ausreißern war der durchschnittliche Schätzfehler des EKF aber mehr als zehnmal so hoch wie
der des MHE-Algorithmus.
Messerer
110
führt später einen Vergleich zwischen MHE, EKF und UKF durch, kann dabei aber
keine eindeutige Aussage darüber treffen, welcher Algorithmus bessere bzw. zuverlässigere
Schätzungen berechnet. Die Inputs für die Schätzalgorithmen liefern ein IMU, Seilwinkelsensoren
und ein Drehgeber an der Seiltrommel. Auf Basis der Messdaten dieser Sensoren werden die
Position und Orientierung, der Offset der Drehratenmessung sowie der Windvektor auf Höhe des
Kiteschirms geschätzt. In Feldtests konnte nur der Windvektor dauerhaft zuverlässig geschätzt
werden. Die anderen Schätzungen wichen teilweise sehr stark voneinander und vom Ergebnis des
Referenzalgorithmus ab.
110
Messerer, F. (2016)
44 Kapitel 3: Stand der Technik
Es werden außerdem zwei verschiedene Ansätze für die Bestimmung der Orientierung betrachtet.
Der erste Ansatz basiert auf der Integration der vom IMU gemessenen Drehraten und der zweite
auf den ursprünglich von Erhard und Strauch eingeführten Bewegungsdifferentialgleichungen
111
.
Der zweite Ansatz wird schnell verworfen, da für den ersten Ansatz nur die direkt gemessenen
Drehraten benötigt werden und es dadurch nicht notwendig ist, die in den
Bewegungsdifferentialgleichungen enthaltenen unbekannten Parameter „Drehfreudigkeit“ g
k
und
„Anströmgeschwindigkeit“ v
a
zu schätzen.
Ranneberg
112
setzt mit seinem Algorithmus besonderen Fokus darauf, von der Regelung benötigte
Systemzustände und -parameter mit möglichst kostengünstigen und wenig fehleranfälligen
Sensoren schätzen zu können. Neben der Position, Geschwindigkeit und Beschleunigung des
Kiteschirms werden dessen aktuelle aerodynamische Koeffizienten und der Windvektor auf dessen
Höhe geschätzt. Dafür kommt ein auf einem Punktmassemodell basierender UKF zum Einsatz
und es werden drei unterschiedliche Sensorsetups verglichen, um eine Aussage darüber treffen zu
können, wie komplex und umfangreich das verwendete Sensorsetup sein muss, um ausreichend
präzise Schätzergebnisse zu erzielen. Das einfachste Setup verwendet nur Leinenwinkelsensoren
und Kraftmessdosen in den Leinen. Im etwas komplexeren Setup werden zusätzlich die durch
eine IMU gemessenen Beschleunigungen sowie die von einer Pitotsonde gemessene
Anströmgeschwindigkeit in der Schätzung berücksichtigt und im komplexesten Setup werden
zusätzlich noch die Positions- und Geschwindigkeitsdaten eines GPS-Moduls ausgewertet.
In Simulationen sowie Feldtests, in denen zu Vergleichszwecken ein LiDAR-System zur Messung
des Windfeldes eingesetzt wurde, zeigte sich, dass das einfachste Sensorsetup nur für die
Schätzung der Windgeschwindigkeit akzeptable Ergebnisse liefert. Eine Änderung der
Windgeschwindigkeit wird dabei erst nach ca. zwei Minuten in der Schätzung sichtbar. Durch
die zusätzliche Berücksichtigung der Beschleunigungs- und Anströmungsdaten konnte diese
Zeitspanne auf eine halbe Minute reduziert werden. Außerdem ermöglichte diese Erweiterung des
Sensorsetups eine deutlich präzisere Schätzung der Kitegeschwindigkeit. Wurden darüber hinaus
auch noch die GPS-Daten in der Schätzung berücksichtigt, stieg wiederum die Genauigkeit der
Positionsschätzung deutlich an. In diesem Fall konnte das GPS vermutlich aufgrund der großen
Leinenlänge und damit reduzierter Dynamik zuverlässige Daten bereitstellen und somit sinnvoll
im Schätzalgorithmus eingesetzt werden.
Ähnlich wie die Entwickler der bisher vorgestellten Algorithmen beobachteten auch die Forscher
der ETH Zürich
113
, dass Zustandsschätzer zur Bestimmung der Position und Orientierung des
Kiteschirms, die auf Leinenwinkelsensoren basieren, unter bestimmten Voraussetzungen an ihre
Grenzen stoßen. Insbesondere in Flugsituationen, in denen der Kiteschirm keine große Zugkraft
erzeugt oder bei der Verwendung langer Leinen hängen diese durch, sodass die Qualität der
111
Erhard, M. et al. (2012)
112
Ranneberg, M. (2013)
113
Millane, A. (2015), Millane, A., Hesse, H., Wood, T. A., Smith, R. S. (2015)
Kapitel 3: Stand der Technik 45
Schätzung stark verschlechtert wird. Aus diesem Grund entwickeln sie einen Algorithmus, der
nur auf den Messdaten eines IMU und auf einer Positionsbestimmung anhand von
Entfernungsmessungen zwischen mehreren Sende-Empfangs-Einheiten basiert. Für die Fusion
wird eine Kombination aus einem multiplikativen und einem hybriden EKF genutzt, die es
ermöglicht, die zeitkontinuierlichen Zustände des in dem Algorithmus genutzten kinematischen
Modells aus den zeitdiskreten Messdaten schätzen zu können.
Der Algorithmus wurde in Simulationen mit einem komplexen 3D-Simulationsmodell, das die
Aerodynamik des Kitschirms sowie die Dynamik des Seils modelliert, getestet und ermöglichte
sowohl bei der Verwendung in der Auszugsphase, als auch in der Rückholphase eine verbesserte
Schätzung. In der Auszugsphase konnte vor allem die kritische zeitliche Verzögerung in der
Schätzung des Geschwindigkeitswinkels signifikant reduziert werden und in der Rückholphase
konnte eine deutliche genauere Schätzung des Geschwindigkeitswinkels und der Position erreicht
werden
114
.
Inspiriert von den vielversprechenden Simulationsergebnissen der Schweizer Forscher präsentiert
Schmidt
115
ebenfalls einen auf Entfernungsmessungen basierenden Schätzalgorithmus, der im
Rahmen seiner Masterarbeit und einer weiteren Veröffentlichung
116
entwickelt wurde. In diesem
Algorithmus werden zwei EKF in einer speziellen Topologie vereint, die sowohl eine parallele als
auch eine sequentielle Ausführung der beiden Filter erlaubt. Ein EKF wird darin genutzt, um
die Position, Geschwindigkeit und Beschleunigung des Kiteschirms zu schätzen. Der andere EKF
wird genutzt, um die aktuelle Auftriebs- und Widerstandskraft sowie den Windvektor auf Höhe
des Kiteschirms zu schätzen. Für die Schätzung der aerodynamischen Parameter kommt ein
einfaches kinematisches Modell zum Einsatz, in dem der Kiteschirm und die Leinen jeweils als
eine Punktmasse modelliert werden. Basierend auf den damit geschätzten aerodynamischen
Parametern können schließlich auch der Anstellwinkel und die Gleitzahl berechnet werden. Durch
den modularen Aufbau ist eine unkomplizierte Anpassung des Algorithmus für eine Verwendung
mit unterschiedlicher Hardware oder bei einer gewünschten Aufteilung zwischen Kiteschirm und
Bodenstation möglich.
Der Algorithmus und damit auch die Positionsbestimmung basierend auf Entfernungsmessungen
wurden in Simulationen als auch im Feldtest mit einem kleinen Prototypen validiert. Neben den
2,4 GHz-Sende-Empfangs-Modulen für die Entfernungsmessung war der Prototyp mit
Leinenwinkelsensoren, einer Kraftmessdose und einem Anemometer am Boden ausgestattet. Die
Messdaten der Leinenwinkelsensoren dienten nicht als Input für den Schätzalgorithmus, sondern
wurden in den Feldtests als Vergleichswert herangezogen. Dabei zeigte sich, dass die Messwerte
der Seilwinkelsensoren stets zeitlich verzögert in Bezug auf die geschätzten Werte reagierten, die
114
Millane, A. (2015), S. 66: Reduzierung der Zeitverzögerung von 1,52 s auf 0,06 s, Steigerung der Genauigkeit von
16,23 m auf 2,24 m und von 0,38 rad auf 0,03 rad.
115
Schmidt, E. (2017)
116
Schmidt, E., De Lellis, M., Saraiva, R., Trofino, A. (2017)
46 Kapitel 3: Stand der Technik
Verläufe ansonsten aber sehr ähnlich waren. Die Schätzung der aerodynamischen Parameter
konnte ausschließlich mit Simulationsergebnissen verglichen werden und ist deshalb nur begrenzt
aussagekräftig.
Schmidt et al. forschen in der Folge weiter an dieser Thematik und präsentieren die Fortschritte
in einer weiteren Veröffentlichung
117
. Die wesentliche Weiterentwicklung des Algorithmus besteht
in der Verwendung eines komplexeren Modells für die Schätzung der aerodynamischen Parameter,
das auch die auftretenden äußeren Kräfte und die Leinenkräfte in den
Bewegungsdifferentialgleichungen berücksichtigt. Dieser verbesserte Algorithmus wurde
anschließend in Feldtests mit zwei verschiedenen Prototypen und Kiteschirmen in vier
verschiedenen Größen
118
getestet. In diesen Tests wurde die Position des Kiteschirms
ausschließlich über Leinenwinkelsensoren bestimmt, weshalb für keinen der geschätzten
Parameter Referenzmesswerte zur Verfügung standen. Die Schätzungen konnten deshalb nur mit
Simulationsergebnissen verglichen und auf Plausibilität überprüft werden. Es zeigte sich, dass
das Rauschen der Schätzungen maßgeblich von der Leinenkraft beeinflusst wird und die
Schätzergebnisse grundlegend plausibel sind. Bei der Analyse der beiden größten Kiteschirme
ergab sich ein unerwarteter Verlauf des Auftriebskoeffizienten, dessen Ursprung die Autoren in
einer größeren Verformung dieser Kiteschirme unter der aerodynamischen Belastung vermuten.
Girrbach et al. versuchen die Nachteile der Positions- und Orientierungsbestimmung des
Kiteschirms über Leinenwinkelmessungen zu umgehen, indem sie einen Ansatz verfolgen, der
ausschließlich auf den Messdaten von Sensoren basiert, die am Kiteschirm befestigt sind. Sie
fusionieren dafür die Messdaten eines IMU und eines GNSS-Empfängers in einer MHE. Die
verwendete Optimierungsfunktion der MHE erlaubt es, die aus vergangenen Messdaten
gewonnenen Informationen über die sensorspezifischen Beschränkungen in die Optimierung
einzubeziehen und somit in der Schätzung zu berücksichtigen. Der Algorithmus wurde zunächst
im Rahmen einer ersten Veröffentlichung
119
auf Messdaten eines Testfluges, der mit dem
Prototypen der Fa. Kitepower durchgeführt wurde, angewandt. Dabei konnte die grundlegende
Anwendbarkeit des Algorithmus für die robuste Schätzung der Position, Geschwindigkeit und
Orientierung seilgebundener Tragflächen nachgewiesen werden. Anschließend wurde eine
ausführliche Bewertung der Qualität der Schätzergebnisse des Algorithmus durchgeführt und
dokumentiert
120
. Dazu wurde ein Testflug mit einem kleinen Propellerflugzeug absolviert, in dem
zwei sehr enge 360°-Kurven durchflogen wurden, um hohe Dynamiken zu simulieren. Das
Flugzeug war zusätzlich zu den günstigen MEMS-Sensoren, die typischerweise in AWE-Anlagen
eingesetzt werden, auch mit teuren Sensoren, genauer gesagt mit einem Faserkreisel und einem
differentiellen GPS, bestückt, die die tatsächlich geflogene Trajektorie sehr präzise messen können.
117
Schmidt, E., De Lellis, M., Saraiva da Silva, R., Fagiano, L., Trofino Neto, A. (2019)
118
3 m
2
Softkite sowie 6 m
2
, 9 m
2
und 12 m
2
LEI-Kites
119
Girrbach, F., Hol, J. D., Bellusci, G., Diehl, M. (2017a)
120
Girrbach, F. et al. (2017b)
Kapitel 3: Stand der Technik 47
Der Vergleich der Schätzergebnisse des MHE-Algorithmus mit denen eines rein filterbasierten
Schätzers sowie mit den Messdaten der präzisen Sensoren zeigte das Potential einer auf
Optimierung basierenden Sensorfusion. Die Qualität der Schätzergebnisse des MHE-Algorithmus
überstieg die des Filteralgorithmus aber erst, wenn die Länge des in der MHE berücksichtigten
Zeithorizonts so groß gewählt wurde, dass der Algorithmus nicht mehr echtzeitfähig war. Es ist
also weitere Forschung notwendig, ehe der Einsatz im Betrieb einer AWE-Anlage denkbar ist.
Ebenfalls im Jahr 2017 veröffentlichen Polzin et al. einen Schätzalgorithmus, der die Position,
den Geschwindigkeitswinkel und weitere Parameter wie die Totzeit und den
Geschwindigkeitsoffset der Leinenwinkelmessung ausgibt. Dieser stellt eine Weiterentwicklung
eines zuvor von den gleichen Autoren vorgestellten Algorithmus
121
dar, der Leinenwinkel und die
von einem IMU gemessenen Drehraten in einem EKF fusioniert. Die Weiterentwicklung umfasst
zum einen die Anwendung eines neuartigen kinematischen Modells, das das dynamische
Verhalten der Tragfläche und der Leine sowie die Kopplung dieser modelliert und zum anderen
die zusätzliche Integration von Positionsdaten, die aus den Bildern eines Kamerasystems
berechnet werden. Für die Fusion wird anstelle des EKF ein UKF verwendet. Bei der Anwendung
des neu entwickelten Algorithmus auf Messdaten vom Prototypen der Fa. TwingTec konnte
verglichen mit dem ursprünglichen Algorithmus ein deutlich genaueres und robusteres
Schätzverhalten erreicht werden. Sogar Phasen, in denen das Kamerasystem die Tragfläche
verloren hatte und deshalb für einige Sekunden keine Positionsdaten lieferte, konnten überbrückt
werden, ohne dass die Schätzung signifikant abdriftete.
Einen weiteren auf einem EKF basierenden Zustandsschätzer stellen im Jahr 2018 Borobia et
al.
122
vor. Dieser nutzt die Messdaten eines GPS-Empfängers, einer integrierten IMU und einer
Pitotsonde, die am Kiteschirm montiert sind sowie Kraftmessdosen in den Leinen und
Distanzsensoren zur Bestimmung der Barposition am Boden, um den Zustandsvektor zu schätzen.
Dieser beinhaltet die Position, Geschwindigkeit und die Drehraten des Kiteschirms sowie die
Windgeschwindigkeit auf dessen Höhe, das magnetische Feld und die Kräfte in den Leinen.
Außerdem ermöglicht das im EKF verwendete Modell eine auf Markov-Modellen dritter Ordnung
basierende stochastische Beschreibung und damit Schätzung der auftretenden aerodynamischen
Kräfte und Drehmomente am Schwerpunkt des Kiteschirms.
Der Algorithmus wurde an einem kleinen Prototypen mit Kiteschirmen in den Größen 10 m
2
und 13 m
2
getestet. Als Referenz für die Orientierungsschätzung wurden die Berechnungen des
internen Filters eines sog. Pixhawk-Sensors verwendet und es zeigte sich eine gute
Übereinstimmung. Alle anderen Werte konnten aufgrund fehlender Referenzwerte nur auf
Plausibilität geprüft werden.
121
Hesse, H., Polzin, M., Wood, T. A., Smith, R. S. (2018)
122
Borobia, R., Sanchez-Arriaga, G., Serino, A., Schmehl, R. (2018)
48 Kapitel 3: Stand der Technik
3.3. Vorangegangene Arbeit
Im Rahmen der Dissertation mit dem Titel „Automatisierte Vermessung und Charakterisierung
der dynamischen Eigenschaften seilgebundener, vollflexibler Tragflächen“ von Jan Hummel
123
wurde am Fachgebiet Methoden der Produktentwicklung und Mechatronik der TU Berlin das
Projekt „Test and Evaluation of Tethered Airfoils“, kurz TETA, gestartet. Dieses Projekt dient
vorrangig der Grundlagenforschung an seilgebundenen, hochflexiblen Tragflächen. Zu diesem
Zweck wurde ein Prüfstand entwickelt, der eine reproduzierbare Vermessung von Kiteschirmen
ermöglicht. Mit dem Prüfstand konnten erstmals wiederholbare, automatisierte Testmanöver
unter kontrollierten Bedingungen durchgeführt werden.
Nachfolgend wird der Entwicklungsstand des Prüfstands, der zu Beginn dieser Dissertation vorlag,
dargestellt. Außerdem werden der Umfang und die Qualität der bisher messbaren Parameter
beschrieben.
3.3.1. Prüfstand
Das grundlegende Konzept des Prüfstands besteht darin, diesen bei möglichst geringer
Windstärke auf eine gewünschte Geschwindigkeit zu beschleunigen, um eine konstante
störungsfreie Anströmung des Kiteschirms zu erzeugen. Zu diesem Zweck ist der Prüfstand auf
einem einachsigen KFZ-Anhänger montiert und wird für Messungen von einem Fahrzeug gezogen.
In Abbildung 3.7 ist der Aufbau des Prüfstands mit der Beschriftung der wichtigsten
Komponenten dargestellt. In den nachfolgenden Unterkapiteln werden die Komponenten in einer
inhaltlichen Tiefe beschrieben, die das Verständnis der in dieser Arbeit behandelten Themen
ermöglicht. Für tiefergehende Informationen zu einzelnen Komponenten sei auf die Dissertation
von Jan Hummel
124
verwiesen.
In der Mitte des Rahmens aus Aluminiumprofilen sind zwei Seilwinden montiert, die jeweils von
einem Servomotor angetrieben werden. Auf den Seilwinden sind die Steuerleinen aufgewickelt,
die von dort durch die sog. Dreheinheit geführt werden. Die Dreheinheit bildet den
Befestigungspunkt für die Frontleinen des Kiteschirms und ermöglicht es, die Leinen der
Bewegung des Kiteschirms im Windfenster reibungsarm nachzuführen. Auf die Dreheinheit und
ihre Funktion wird im Abschnitt 3.3.2 noch genauer eingegangen. Um die Position und Lage des
Kiteschirms im Windfenster zu erfassen, ist über der hinteren Seilwinde ein Kamerasystem
montiert. Außerdem sind insgesamt acht Blei-Akkumulatoren verbaut, die mit dem in
Fahrtrichtung vorne rechts befindlichen Wechselrichter verbunden sind. Der Wechselrichter
ermöglicht das Laden der Akkumulatoren mit 230 V sowie die Umwandlung der 48 V-
Gleichspannung des Akkupacks in die vom Prüfstand benötigte 230 V-Versorgungsspannung.
Neben dem Wechselrichter befindet sich der MSR-Schrank. In diesem sind mehrere Netzteile, ein
123
Hummel, J. (2017)
124
Hummel, J. (2017)
Kapitel 3: Stand der Technik 49
Industrie-PC für die Datenverarbeitung des Kamerasystems, die Servocontroller der Antriebe,
ein Netzwerk-Switch sowie ein robuster Einplatinencomputer (Single-Board-RIO, kurz sbRIO),
verbaut. Das sbRIO besteht aus einem Echtzeit-Prozessor, einem rekonfigurierbaren FPGA
(Field Programmable Gate Array) sowie I/O-Schnittstellen und bildet die zentrale Recheneinheit
des Prüfstands.
Abbildung 3.7: Grundlegender Aufbau des Prüfstands mit Beschriftung der wichtigsten Komponenten
3.3.2. Sensorik
Der Prüfstand ist mit umfangreicher Sensorik ausgestattet, die nachfolgend beschrieben wird.
Zunächst soll dafür auf die in der Abbildung 3.8 dargestellte sog. Dreheinheit genauer
eingegangen werden. Die Dreheinheit kann aus der in dieser Abbildung dargestellten
Ausgangsposition in einem Bereich von ±135° um ihre Drehachse rotiert werden. Diese Rotation
wird durch einen an der Drehachse befestigten Drehwinkelsensor erfasst. Das aufgesetzte
Kreuzgelenk bildet den Befestigungspunkt für die Frontleine bzw. die Frontleinen und damit für
den Kiteschirm. Es erlaubt eine Rotation von 90° um die Querachse und eine Rotation von ±45°
um die Hochachse, die ebenfalls jeweils von einem Drehwinkelsensor gemessen werden können.
Durch die Überlagerung der Messungen der drei Drehwinkelsensoren können unter der
vereinfachten Annahme gespannter Seile, der Höhen- und Azimutwinkel und somit die Position
des Kiteschirms im Windfenster bestimmt werden. Die beiden Steuerleinen werden von den
Seilwinden über zwei Umlenkpunkte durch eine Bohrung in der Dreheinheit und schließlich zu
den Anknüpfpunkten an der Bar geführt. In den unteren Umlenkpunkten der Steuerleinen sind
die beiden Kraftmessdosen zur Messung der Steuerleinenkräfte integriert. Die Frontleinenkraft
wird von einer zwischen dem Kreuzgelenk und der Sicherheitsauslösung positionierten
Kraftmessdose aufgenommen.
50 Kapitel 3: Stand der Technik
Abbildung 3.8: Dreheinheit mit montierter Bar und Sicherheitsauslösung
(Aluminiumprofile im Vordergrund wurden ausgeblendet)
Ein weiteres wichtiges Sensorsystem stellt das Kamerasystem dar. Dieses ist in Abbildung 3.9
dargestellt und besteht hardwaretechnisch im Wesentlichen aus 12 Full-HD-Webcams, die auf
einem Montagekörper so angeordnet sind, dass die Bildausschnitte der Kameras eine
Halbkugelsphäre komplett abdecken. Die Daten der Kameras werden über zwei USB-Hubs an
einen Industrie PC übertragen, auf dem die Auswertungssoftware ausgeführt wird. Abhängig von
den äußeren Bedingungen werden unterschiedliche Bildverarbeitungsalgorithmen angewendet,
um die Position und Orientierung des Kiteschirms im Windfenster zu bestimmen. Detaillierte
Informationen zur Hard- und Software dieses Messsystems sind in der Masterarbeit von
Renneisen
125
und der Projektdokumentation von Weiß und Winkelmann
126
zu finden.
Um die Versuchsbedingungen dokumentieren und die gewünschte Anströmgeschwindigkeit
einstellen zu können, ist außerdem auf dem Dach des Zugfahrzeugs eine Wetterstation montiert.
Diese misst die Wind- bzw. Anströmgeschwindigkeit und -richtung in der horizontalen Ebene
über ein Schalenanemometer und eine Windfahne sowie die Temperatur, den Luftdruck und die
Luftfeuchtigkeit.
Die Messdaten aller Sensoren werden von der Software in einer Taktfrequenz von 50 Hz abgefragt.
Die Wetterstation ist das einzige Sensorsystem des Prüfstands, das seine Daten nicht in dieser
Frequenz, sondern nur mit 1 Hz bereitstellen kann.
125
Renneisen, B. (2014)
126
Weiß, K., Winkelmann, M. (2018)
Kapitel 3: Stand der Technik 51
Abbildung 3.9: Kamerasystem
3.3.3. Benutzerschnittstelle
Für die Versuchsdurchführung ist eine Mensch-Maschine-Schnittstelle im Zugfahrzeug
erforderlich, die es dem Piloten ermöglicht, Einstellungen vorzunehmen, Parameter zu
überwachen, den Kiteschirm manuell zu steuern und das Datenlogging zu starten. Diese besteht
im Wesentlichen aus dem sog. Barstand (vgl. Abbildung 3.10) und einem Notebook
127
, auf dem
eine graphische Benutzeroberfläche (GUI) bereitgestellt wird und an das ein Fußschalter
angeschlossen ist.
Die Leinen der Bar sind auf Seiltrommeln aufgewickelt, die mit den Antriebsmotoren verbunden
sind. Über das Drehmoment der Motoren kann so eine Zugkraft von maximal 350 N auf der
Powerleine und eine Zugkraft von jeweils maximal 50 N auf den Steuerleinen des Barstands
erzeugt werden. Dadurch können die von den Kraftmessdosen des Prüfstands in den Leinen
gemessenen Zugkräfte über ein entsprechendes Drehmoment der Barstand-Antriebe als skalierte
Zugkraft an den Piloten übermittelt werden. Dieser ist wie beim Kitesurfen über ein Trapez mit
der Powerleine des Barstands verbunden und kann durch die Force-Feedback-Funktionalität die
am Kiteschirm wirkenden Kräfte auch ohne einen Blick auf visuelle Anzeigeelemente einschätzen.
Gleichzeitig kann der Pilot durch Bewegungen der Bar Steuerbefehle erzeugen. Bei Bewegungen
der Bar werden die Leinen durch das an den Antrieben anliegende Drehmoment aufgewickelt
128
.
Der Leineneinzug wird dabei über die in den Antrieben integrierten Encoder gemessen und an
die Prüfstandssoftware übergeben.
Das Display wird benötigt, da der Pilot und der Barstand sich im Zugfahrzeug befinden, sodass
das Dach die Sicht auf den Kiteschirm versperrt. Aus diesem Grund ist auf dem Dach eine Ultra-
127
dabei handelt es sich um ein sog. Toughbook von Panasonic
128
Auch wenn gerade keine Kräfte in den Steuerleinen gemessen werden, liegt ein geringes Drehmoment an den
Antrieben an, um das Aufwickeln der Leinen zu erzwingen
52 Kapitel 3: Stand der Technik
Weitwinkel-Kamera montiert, deren Videosignal über ein HDMI-Kabel live auf dem Display
angezeigt wird.
Abbildung 3.10: Eingabegerät "Barstand"
3.3.4. Aktorik
Die Aktoren des Prüfstands bilden die beiden in Abschnitt 3.3.1 bereits kurz erwähnten
Servomotoren. Mit diesen werden die Seilwinden angetrieben und somit Steuerbefehle umgesetzt.
Die maximal auf die Seilwinden aufwickelbare Leinenlänge beträgt 1600 mm. Mit den verbauten
Servomotoren mit aufgesetztem Planetengetriebe (i=10) ist es möglich, diese Leinenlänge
innerhalb von 400 ms aufzuwickeln und eine maximale Zugkraft von 1200 N aufzubringen (vgl.
Bergmann et al.
129
).
Angesteuert werden die Servomotoren von jeweils einem Servoregler, der die via CAN von der
Prüfstandssoftware erhaltenen Fahraufträge umsetzt und diverse Statusparameter der Antriebe
zurückgibt. Die Servoregler können entweder über ein USB-Kabel mit der zugehörigen
Konfigurationssoftware oder über CAN-Nachrichten vom sbRIO bzw. RTOS parametriert
werden. Einige Einstellungen wie beispielsweise die maximal zulässigen Verfahrgeschwindigkeiten
und -beschleunigungen für die unterschiedlichen Betriebsmodi
130
sind in die GUI integriert und
können so auch im Betrieb vom Piloten geändert werden.
3.3.5. Software
Die Software des Prüfstands setzt sich aus diversen Algorithmen zusammen, die in
unterschiedlichen Programmiersprachen implementiert sind und auf den verschiedenen
129
Bergmann, M., Elfert, C. (2014)
130
Manueller oder automatisierter Betrieb
Kapitel 3: Stand der Technik 53
Hardwarekomponenten ausgeführt werden. Zum besseren Verständnis ist in Abbildung 3.11 eine
schematische Übersicht der Softwarearchitektur dargestellt.
Abbildung 3.11: Softwareübersicht
Die Hauptsoftware des Prüfstandes, in der die Daten aller Systeme und Sensoren zusammenlaufen
und die die Abläufe des Prüfstands steuert, wird auf dem sbRIO ausgeführt und projektintern
RTOS (Real-Time-Operating-System) genannt. Das RTOS ist in der graphischen
Programmiersprache G in der Programmierumgebung LabView der Fa. National Instruments
umgesetzt. Die zentrale Struktur des RTOS ist in eine zeitgesteuerte sog. deterministische
Schleife mit sieben Sequenzen eingebettet. Dadurch kann sichergestellt werden, dass alle
wichtigen Programmschritte innerhalb einer definierten Taktfrequenz von 50 Hz und in einer
definierten Reihenfolge ausgeführt werden. In der ersten Sequenz werden zunächst die
Sensordaten und Benutzereingaben abgefragt und teilweise skaliert. In der zweiten Sequenz
werden diese Inputs ausgewertet und die Berechnungen der Manöveralgorithmen, auf die in
Abschnitt 3.3.6 noch genauer eingegangen wird, ausgeführt. Abhängig vom gewählten
Betriebsmodus
130
werden in der dritten Sequenz entweder die berechneten Regelabweichungen
und/oder die Eingaben vom Benutzer in Stellgrößen für die Antriebe umgerechnet. In den
Sequenzen vier bis sechs erfolgt die Ansteuerung der Antriebe, bevor in der letzten Sequenz alle
Daten und Parameter gesammelt und via TCP/IP an den Logging-Algorithmus übergeben
werden.
Dieser ist in das sog. Host-VI integriert, das auf dem Toughbook ausgeführt wird und Teil der
Benutzerschnittstelle ist. Das Host-VI stellt außerdem die GUI bereit, in der die aktuellen
Messdaten visualisiert werden sowie Benutzereingaben getätigt werden können und wertet den
an das Toughbook angeschlossenen Fußschalter aus, mit dem der Pilot die Manöver-Freigabe
54 Kapitel 3: Stand der Technik
setzen kann. Solange der Fußschalter betätigt ist, wird der Kiteschirm, abhängig von den
Einstellungen, voll- oder teilautomatisiert durch den ausgewählten Manöveralgorithmus
kontrolliert. Eine ausführliche Dokumentation zum RTOS und Host-VI ist in der Masterarbeit
des Autors der vorliegenden Arbeit
131
zu finden.
Zur Auswertung der Daten des Kamerasystems ist auf dem Industrie-PC ein in Visual-Studio
entwickelter Algorithmus, genannt „Kite Tracker“, implementiert.
Dieser Bildverarbeitungsalgorithmus ermöglicht es, aus den Daten der Webcams die Position
sowie Lage des Kiteschirms im Windfenster zu bestimmen und ist in der Projektdokumentation
von Weiß und Winkelman
132
ausführlich dokumentiert. Der Datenaustausch mit dem RTOS
erfolgt über TCP/IP.
Im Schaltschrank des Barstands (vgl. Abbildung 3.10) ist ein Mikrocontroller-Board
133
verbaut,
auf dem die Software „Kite Control“ zur Auswertung aller physischen Eingabegeräte außer dem
Fußschalter ausgeführt wird. Detaillierte Informationen zu dieser Software sind in der
Masterarbeit von Lauth
134
ersichtlich.
3.3.6. Automatisierte Manöver
In der Dissertation von Jan Hummel wurden verschiedene (Flug)- Manöver definiert, die es
ermöglichen sollen, möglichst viele Parameter gleichzeitig vermessen zu können (vgl. Hummel
135
).
Um die Reproduzierbarkeit der Messungen zu gewährleisten, ist es notwendig, diese
vordefinierten Manöver immer mit identischen Steuereingaben auszuführen. Dies wird durch eine
voll- oder teilautomatisierte Kontrolle des Kiteschirms durch Regelalgorithmen, die sog.
Manöveralgorithmen, erreicht.
Im RTOS ist dafür entsprechend dem Paradigma der objektorientierten Programmierung eine
Elternklasse mit Basismethoden hinterlegt, die die Schnittstelle zwischen Manöveralgorithmen
und dem RTOS definiert. Um neue Manöveralgorithmen zu integrieren, werden Kindklassen
implementiert, die die Methoden der Elternklasse erben und teilweise überschreiben. Durch dieses
Vorgehen wird sichergestellt, dass die Kindklassen die Schnittstellendefinition einhalten und so
problemlos in die vorhandene Struktur des RTOS eingebunden werden können.
Zu Beginn der vorliegenden Arbeit war der einzige funktionsfähige Manöveralgorithmus das sog.
„lineare Powern“. Bei diesem teilautomatisierten Manöver wird der Kiteschirm durch manuelle
Lenkeingaben des Piloten möglichst ruhig in der Mitte des Windfensters gehalten, während
automatisiert über eine definierte Zeitspanne das Längenverhältnis zwischen Power- und
Steuerleinen verändert wird. Durch dieses Manöver können aerodynamische Charakteristiken
bestimmt werden, die der Kiteschirm aufweist, wenn er in statischen Flugpositionen am
131
Elfert, C. (2015)
132
Weiß, K. et al. (2018)
133
Arduino Mega 2560
134
Lauth, E. (2015)
135
Hummel, J. (2017), S. 72 f.
Kapitel 3: Stand der Technik 55
Windfensterrand positioniert ist. Dies sind die Gleitzahl, die Kräfte in den Leinen, das
Kraftverhältnis sowie die Gesamtzugkraft und der Auftriebs- und Widerstandsbeiwert. Für die
Vermessung eines Kiteschirms wird das Manöver sehr oft wiederholt ausgeführt und die
Messdaten anschließend gemittelt, um den Einfluss zufälliger Störungen zu minimieren. Über die
gemittelten Kräfte in den Leinen und den gemittelten Höhenwinkel können anschließend die
aerodynamischen Parameter für alle abgefahrenen Längenverhältnisse und somit deren Verläufe
berechnet werden.
3.4. Vermessung von Kiteschirmen
Nachfolgend wird eine Übersicht über in der Literatur dokumentierten Ansätze zur Vermessung
von Kiteschirmen gegeben. In der Dissertation von Jan Hummel
136
wird eine solche Übersicht
ebenfalls gegeben. Um den Umfang dieses Unterkapitels nicht unnötig ansteigen zu lassen, wird
der interessierte Leser an dieser Stelle auf dieses Dokument verwiesen und es werden
ausschließlich Forschungsergebnisse zu diesem Thema beschrieben, die nach der Veröffentlichung
der Dissertation von Jan Hummel publiziert wurden.
Python
137
baut in seiner Masterarbeit auf der Entwicklung von Hummel auf und nutzt den im
vorigen Unterkapitel beschriebene Prüfstand mit dem Ziel, das Simulationsmodell der Kitepower-
Group der TU Delft zu validieren. Zu diesem Zweck analysiert er zunächst die Messmethode,
Messdaten und Einflussfaktoren, die Auswirkungen auf die Bestimmung der Gleitzahl haben, um
potentielle Fehler aufzudecken und zu vermeiden. Dabei kommt der Verdacht auf, dass das im
Rahmen der Vermessungen von Hummel verwendete Powermanöver zu schnell
138
durchgeführt
wurde, sodass die für die Bestimmung der aerodynamischen Parameter getroffene Annahme des
statischen Gleichgewichts nicht hinreichend genau zutrifft. Aus diesem Grund schlägt Python
ein anderes Manöver, das sog. „stufenweise Powern“, für die Vermessung vor. Bei diesem
Manöver wird eine feste Powerposition eingestellt und eine Weile lang gehalten, sodass der
Kiteschirm genügend Zeit hat, die Gleichgewichtsposition einzunehmen. Die Powerposition wird
so allmählich schrittweise erhöht, bis Messdaten des gesamten Powerbereichs aufgenommen
wurden. In einer Messung mit dem von Hummel entwickelten Prüfstand mit einem North Vegas
in der Größe 10 m
2
und einem Genetrix Hydra in der Größe 14 m
2
wurden Messdaten für beide
Manöver aufgenommen, um einen Vergleich aufstellen zu können. In der Auswertung zeigten sich
deutliche Unterschiede in den Verläufen der Graphen der aerodynamischen Parameter und
Python konnte durch eine detaillierte Analyse der Messdaten darlegen, dass den mit dem neuen
Manöver gewonnen Ergebnissen eher vertraut werden sollte.
136
Hummel, J. (2017)
137
Python, B. (2017)
138
Die Änderung des Langenverhältnisses zwischen Power- und Steuerleinen von 0-500 mm im Manöver „lineares
Powern“ erfolgte bei Hummel innerhalb von 4,5 Sekunden.
56 Kapitel 3: Stand der Technik
Der zweite Fokus von Pythons Untersuchungen bezog sich auf das von Hummel verwendete
analytische Modell und die getroffenen Annahmen sowie Vereinfachungen zur Berechnung der
aerodynamischen Parameter. Darin werden die Masse des Kiteschirms und des Seils sowie die
vom Seil erzeugten aerodynamischen Kräfte und der Leinendurchhang vernachlässigt. Die
Bestimmung der Gleitzahl erfolgt unter der Annahme eines perfekt gespannten Seils direkt aus
dem Tangens des gemessenen Höhenwinkels. Der Tangens weist in der Nähe von 90° einen
asymptotischen Verlauf auf. Moderne Kiteschirme nehmen typischerweise statische
Flugpositionen in einem Höhenwinkelbereich von ca. 75-85° ein. Aus diesem Grund können kleine
Ungenauigkeiten bzw. Fehler in der Bestimmung des Höhenwinkels zu großen Abweichungen in
der Berechnung der Gleitzahl führen. Dementsprechend erachtet Python besonders die Annahme
des perfekt gespannten Seils und damit die Vernachlässigung den Leinendurchhang als kritisch,
weshalb er dessen Auswirkung auf die berechneten aerodynamischen Parameter anhand eines
entsprechenden analytischen Modells untersucht. Er kommt zu der Erkenntnis, dass dadurch im
ungünstigsten Fall eine um 55% niedrigere Gleitzahl berechnet wird, als tatsächlich vorliegt
139
.
Zusätzlich erweitert er das analytische Modell des Kitschirms durch die Integration der von
Hummel vernachlässigten Gewichtskräfte und der vom Seil erzeugten aerodynamischen Kräfte in
den Gleichgewichtszustand. Die Berücksichtigung dieser Parameter ergibt eine 29% höhere
Gleitzahl, einen 16% höheren Auftriebs- und einen 10% höheren Widerstandskoeffizienten
140
.
Außerdem führt Python eine Sensitivitätsanalyse bezüglich der aerodynamischen Parameter
durch, wobei sich herausstellt, dass insbesondere die für die Berechnung zu Grunde gelegte
Anströmgeschwindigkeit sehr großen Einfluss hat und damit die Ergebnisse stark verfälschen
kann
141
. In seinem Fazit empfiehlt Python genau wie Hummel deshalb für zukünftige
Vermessungen von Kiteschirmen die Nutzung einer Anströmungsmessung.
Die Erkenntnisse von Python und Hummel bilden die Motivation für die Masterarbeit von
Oehler
142
und eine gemeinsame Veröffentlichung von Oehler und Schmehl
143
. Im Rahmen dieser
Arbeit wird ein System zur Messung der Anströmung des Kiteschirms entwickelt. Dieses besteht
aus einer Pitotsonde und zwei Windfahnen und wird oberhalb der KCU an den Frontleinen
befestigt. Durch einen ausreichenden Abstand zum Kiteschirm wird sichergestellt, dass die
gemessene Anströmung nicht durch die Umströmung der Tragfläche verfälscht wird. Unter der
Annahme, dass die Frontleinen im voll gepowerten Zustand senkrecht zur Profilsehne
139
Python, B. (2017), S. 93
140
Python, B. (2017), S. 93
141
Python, B. (2017), S. 91: eine 50% höhere Anströmgeschwindigkeit führt nahezu zu einer Verdopplung der
berechneten Gleitzahl
142
Oehler, J. et al. (2018)
143
Oehler, J., Schmehl, R. (2019)
Kapitel 3: Stand der Technik 57
ausgerichtet sind
144
, kann aus dem gemessenen Winkel der Frontleinen zum Anströmvektor die
Ausrichtung des aerodynamischen Kräftevektors zur Profilsehne und damit die Gleitzahl
bestimmt werden. In dem für die Feldtests verwendeten System der Fa. Kitepower muss dafür
die Gewichtskraft der KCU berücksichtigt werden, da diese in den meisten Flugsituationen durch
eine Verschiebung des aerodynamischen Kräftevektors ausgeglichen werden muss, sodass dieser
nicht parallel entgegengesetzt zur Seilkraft ausgerichtet ist. Auf Basis der Gleitzahl kann
anschließend der Auftriebsbeiwert berechnet werden.
Es ist mit dieser Methode zur Bestimmung der Gleitzahl möglich, die Vermessung von
Kiteschirmen durchzuführen, die zu groß sind für eine Vermessung mit dem von Hummel
entwickelten Prüfstand. Außerdem ist die Vermessung im dynamischen Flug und somit während
der Ausführung der für den regulären Betrieb erforderlichen Trajektorien möglich. Da die
Bestimmung der aerodynamische Parameter nicht auf Basis von Leinenwinkelmessungen erfolgt,
haben das Gewicht und der Durchhang der Leine keinen Einfluss und müssen daher nicht
modelliert werden. Es wird allerdings unter Einfluss des natürlichen Windes gemessen, sodass
Böen die Messung verfälschen können und keine definierte Windgeschwindigkeit eingestellt
werden kann. Außerdem kann keine Aussage über die Verteilung der Kräfte in den Leinen
gemacht werden, da keine Kraftmessdosen verbaut sind.
Es wurden Tests mit einer an die Anforderungen von Kitepower angepassten Variante des
Genetrix Hydra LEI-Kiteschirms mit einer Fläche von 25 m
2
durchgeführt. Die aus den
Messdaten dieser Tests berechneten Gleitzahlen
145
zeigten im Vergleich eine gute
Übereinstimmung mit den Ergebnissen anderer Ansätze zur Bestimmung der aerodynamischen
Koeffizienten des Modells Genetrix Hydra
146
. In den Tests wurden außerdem ein Abfall der
Gleitzahl während des Kurvenflugs und eine Abhängigkeit der aerodynamischen Parameter von
der lastabhängigen Verformung des Kiteschirms beobachtet.
Um dieses Verhalten und die Mechanismen, die die Gierbewegung eines Kiteschirms auslösen
(vgl. Unterkapitel 3.1), genauer zu untersuchen, führt van Reijen im Rahmen seiner
Masterarbeit
147
Versuche zur Vermessung der Verformung im Flug durch. Außerdem verfolgt van
Reijen mit seinen Versuchen erstmals einen Ansatz zur systematischen Vermessung der
Drehfreudigkeit, also des Proportionalitätsfaktors g
k
im TRL (vgl. Abschnitt 3.1.4). Der
Vollständigkeit halber soll an dieser Stelle erwähnt werden, dass mit dem Ziel, die Robustheit
von Flugregelungen zu erhöhen, bereits einige Ansätze verfolgt wurden, um die Drehfreudigkeit
144
Diese Annahme trifft in der Regel zu, da die senkrechte Anordnung der Frontleinen zur Profilsehne im voll
gepowerten Zustand eine gewünschte optimale Kraftübertragung ermöglicht, weshalb das Kitedesign entsprechend
ausgelegt wird
145
L/D=4 für die Auszugsphase und L/D=3 für die Rückholphase
146
Ruppert, M. B. (2012), Fechner, U. et al. (2015), van der Vlugt, R., Bley, A., Noom, M., Schmehl, R. (2019)
147
van Reijen, M. (2018)
58 Kapitel 3: Stand der Technik
und bzw. oder Totzeit mit Hilfe eines Optimierungsalgorithmus online zu schätzen
148
. Eine
systematische Vermessung der Parameter wurde allerdings nicht durchgeführt.
Für van Reijens Untersuchungen werden jeweils ein IMU an der Mittelstrut und auf dem Tuch
an den beiden Tips eines Genetrix Hydra V5 LEI-Kiteschirms in der Größe 14 m
2
befestigt sowie
Kraftmessdosen in den Leinen montiert. Aus den von den IMUs gemessenen Positions- und
Orientierungsänderungen soll dann die Verformung bestimmt werden. Zusätzlich wird das von
Oehler entwickelte System zur Messung des Anströmvektors verwendet, um Aussagen über die
Anströmgeschwindigkeit, den Anstellwinkel und den Driftwinkel machen zu können. Die Montage
des Systems erfolgt in diesem Fall aber nicht in den Frontleinen, sondern an einem am Kiteschirm
befestigten Karbonstab.
Die Versuche werden an einem Strand bei einer Windgeschwindigkeit von durchschnittlich
22 knt durchgeführt. Der Kiteschirm ist dabei am Boden verankert und die Manöver werden
manuell über eine Standard-Kitesurfbar von einem Piloten gesteuert. Um eine Wiederholbarkeit
der Manöver zu erreichen, werden mechanische Anschläge an der Bar verwendet, die eine
Fixierung der Powerposition und eine Begrenzung des maximalen Lenkeinschlags ermöglichen.
Zuerst wird der Kite nacheinander bei vier fest eingestellten Powerpositionen ca. eine Minute
ruhig im Zenit gehalten. Anschließend wird eine definierte Kombination aus Powerposition und
Lenkeinschlag eingestellt, um mit dem Kiteschirm einen Kurvenflug zu absolvieren. Die
Einstellung wird so lange gehalten, bis ein Absturz droht. Es werden dabei alle Kombinationen
der Lenkeinschläge 8° und 20° sowie der vier Powerpositionen jeweils ca. 15-mal getestet.
Bei der Auswertung der so gewonnenen Messdaten ergaben die Werte für den aerodynamischen
Beiwert C
R
eine gute Übereinstimmung mit den Ergebnissen von Python für denselben
Kiteschirm. Um den Proportionalitätsfaktor g
k
zu bestimmen, wurden die Messdaten aus dem
Bereich der Kurvenflüge extrahiert, in denen eine konstante Drehrate vorliegt und in das TRL
eingesetzt. Dabei ergaben sich der erwartete lineare Zusammenhang und höhere g
k
-Werte für
höhere Powerpositionen. Der Kiteschirm reagiert also besser auf Steuereingaben, je höher die
Powerposition ist. Diese Abhängigkeit konnte im Rahmen einer gemeinsamen Veröffentlichung
von Oehler, van Reijen und Schmehl
149
durch genauere Analysen der von Oehler aufgenommenen
Messdaten auch für den Kiteschirm mit einer Fläche von 25 m
2
beim Einsatz am Kitepower-
Prototypen beobachtet werden. Die Drehfreudigkeit war während der Auszugsphase, in der die
maximale Powerposition eingestellt ist, 40% höher als in der Rückholphase, wo eine um 40-60%
geringere Powerposition verwendet wird. Dieser Anstieg entspricht dem Verlauf des
Auftriebskoeffizienten C
L
, weshalb Oehler et al. einen linearen Zusammenhang zwischen der
Drehfreudigkeit und dem Auftriebskoeffizienten vermuten.
148
Baayen, J. H. (2012), Rontsis, N. et al. (2015), Costello, S. (2015), Costello, S. et al. (2018) und Wood, T. A. et
al. (2015a)
149
Oehler, J. et al. (2018)
Kapitel 3: Stand der Technik 59
Bei der Auswertung der in den Versuchen von van Reijen aufgenommenen Messdaten der IMUs
fiel auf, dass mindestens das Magnetometer des auf dem linken Tip montierten IMUs vermutlich
durch den Akku gestört wurde und deshalb keine sinnvollen Werte lieferte. Es konnten aber
trotzdem einige Analysen bezüglich der Verformung gemacht werden. Demnach tritt während
des Kurvenflugs eine Kombination aller in Abschnitt 3.1.1 beschriebenen Effekte auf, wobei van
Reijen aufgrund der Winkeländerungen in den unterschiedlichen Achsen an den Tips den Einfluss
der Verwindung des Kiteschirms auf die Gierbewegung am größten einschätzt. Außerdem wurde
beobachtet, dass die Erhöhung des Anstellwinkels beim Powern an den Tips mehr als doppelt so
groß ist als an der Mittelstrut. Dies führt zu einem deutlich größeren Anstieg der Auftriebskraft
an den Tips, weshalb sich der Radius des Kiteschirms und somit die projizierte Fläche, die die
Auftriebskraft erzeugt, vergrößert. Ein für starre Flügel gängiger Vergleich unterschiedlicher
Tragflächen anhand des dimensionslosen Beiwertes C
R
ist somit nicht möglich.
Einen weiteren Ansatz zur Vermessung der aerodynamischen Parameter anhand dynamischer
Flugmanöver verfolgen Behrel et al.
150
. Dafür wurde ein kleiner Prüfstand entwickelt, der
entweder an Land oder auf einem eigens zu diesem Zweck gebauten Boot eingesetzt werden kann.
Es sind Kraftmessdosen in den Steuerleinen und eine 3D-Kraftmessdose verbaut, die es
ermöglicht, die Kraft in den Frontleinen und unter der Annahme eines perfekt gespannten Seils
die Position des Kiteschirms im Windfenster zu messen. Die Regelung der geflogenen Trajektorie
erfolgt mit einem Regelalgorithmus, der weitestgehend dem von Fagiano et al. (vgl. Abschnitt
3.2.1) entwickelten Algorithmus entspricht. Die Umsetzung der Steuerbefehle erfolgt über eine
Manipulation der Steuerleinenlängen durch Seilwinden. Für die Messungen an Land wird
außerdem ein SODAR-System verwendet, das es ermöglicht, das Windprofil zwischen 13 m und
108 m in 5-Meter-Schritten und mit einer zeitlichen Auflösung von fünf Minuten zu messen.
Zusätzlich wird für eine Windmessung mit einer höheren zeitlichen Auflösung ein in einer Höhe
von 8 m montiertes Ultraschallanemometer verwendet.
Zur Vermessung der aerodynamischen Parameter werden wiederholt achtenförmige Trajektorien
abgeflogen und die Messdaten ähnlich wie bei Hummel gemittelt, um den Einfluss zufälliger
Fehler zu minimieren. Anhand der Überlagerung des aus der Änderung der Kiteposition
bestimmten Geschwindigkeitsvektors und des aus den Messungen des SoDAR interpolierten
Windvektors wird anschließend für jeden Punkt der Trajektorie die Ausrichtung eines
aerodynamischen Referenzsystems berechnet. In diesem Referenzsystem erfolgt dann anhand
eines zweidimensionalen aerodynamischen Modells die Berechnung der Gleitzahl und des
Auftriebsbeiwerts.
Es wurden insgesamt ca. 15 Stunden Messdaten aufgenommen und dabei unterschiedliche
Leinenlängen von 25 m bis 80 m und verschiedene LEI-Kiteschirme eingesetzt. Die Auswertung
der Daten erfolgte aber hauptsächlich anhand von Messdaten, die mit einem Cabrinha
Switchblade in der Größe 5 m
2
an 25 m langen Leinen aufgenommen wurden. Dabei fiel, wie
150
Behrel, M., Roncin, K., Leroux, J.-B., Montel, F., Hascoet, R., Nême, A., Jochum, C., Parlier, Y. (2018)
60 Kapitel 3: Stand der Technik
bereits von Oehler et al. beobachtet, ein Abfall der Gleitzahl während des Kurvenflugs und eine
hohe Sensitivität der berechneten Gleitzahl bzgl. der für die Berechnung verwendeten
Anströmgeschwindigkeit auf. Des Weiteren wurden für die Berechnung der aerodynamischen
Koeffizienten ebenfalls sowohl ein Modell, in dem die Masse des Kiteschirms vernachlässigt, als
auch eines, in dem die Masse berücksichtigt wird, zu Grunde gelegt und die Ergebnisse verglichen.
Dabei zeigte sich, dass die Vernachlässigung der Masse des Kiteschirms im Modell hauptsächlich
die berechnete Gleitzahl im Kurvenflug verfälscht. Die Berechnung ergibt dort dadurch 20%
größere Werte für die Gleitzahl. Die gemessene Gleitzahl variiert über den Verlauf der Trajektorie
ca. zwischen 4 und 5 und erreicht die höchsten Werte am Ende der geraden Passage der Acht,
kurz nach der Einleitung des Kurvenflugs. Dadurch, dass der Kiteschirm an dieser Stelle die
höchste Geschwindigkeit erreicht, ergibt sich ein sehr ähnlicher Verlauf für die in den Frontleinen
gemessene Zugkraft.
Die aktuellste Dokumentation eines Ansatzes zur experimentellen Vermessung stammt von
Rushdi et al.
151
und beschreibt den Einsatz von maschinellem Lernen für die Vorhersage der von
einem Kiteschirm erzeugten Zugkraft. Für die Erzeugung der Messdaten wird ein kleiner AWE-
Prototyp mit einer Nennleistung von 7 kW verwendet, der auf einem Fahrzeug montiert ist.
Ähnlich wie beim TETA-Prüfstand wird die Anströmung bei möglichst geringem Grundwind
durch die Fahrgeschwindigkeit erzeugt. Die Steuerung des Kiteschirms erfolgt über eine KCU, in
der eine Kraftmessung für die Powerleine integriert ist. Die Länge der Powerleine von 13,3 m
wird konstant gehalten, während die Länge der Steuerleinen in drei Stufen variiert werden kann,
um unterschiedliche Anstellwinkel zu erzeugen. Die beiden Manöver „Halten einer statischen
Flugposition“ und „Achtenflug“ werden manuell von einem Piloten gesteuert. An dem für die
Messungen verwendeten LEI-Kite mit einer Fläche von 6 m
2
ist eine Sensoreinheit montiert, die
eine IMU, einen GPS-Empfänger, einen Drucksensor und ein Funkmodul beinhaltet. Es wurden
insgesamt sieben Testläufe mit jeweils unterschiedlichen Kombinationen der Parameter
„Fahrgeschwindigkeit“, „durchgeführtes Manöver“ und „Steuerleinenlänge“ durchgeführt.
Basierend auf den Messdaten, die bei diesen Versuchen erzeugt wurden, wurde eine
Sensitivitätsanalyse durchgeführt und Regressionsmodelle erstellt, sowie neuronale Netzwerke
trainiert, um den jeweiligen Einfluss aller Inputparameter auf die erzeugte Zugkraft zu
quantifizieren bzw. die erzeugte Zugkraft zu schätzen. Dabei konnte gezeigt werden, dass
maschinelles Lernen für diesen Anwendungsfall prinzipiell sinnvoll eingesetzt werden kann und
dass neuronale Netze zwar zeitaufwändiger zu trainieren sind, aber andere Regressionsmethoden
bzgl. der Vorhersagegenauigkeit für die erzeugte Zugkraft übertreffen. Insgesamt ist die
Aussagekraft der Studie aber begrenzt, da nur eine geringe Anzahl an Versuchen durchgeführt
und nur wenige Messkanäle aufgezeichnet wurden bzw. wichtige Parameter wie die
Anströmgeschwindigkeit oder die Steuereingaben nicht gemessen wurden.
151
Rushdi, M. A., Rushdi, A. A., Dief, T. N., Halawa, A. M., Yoshida, S., Schmehl, R. (2020)
Kapitel 4: Forschungsumfang 61
4. Forschungsumfang
In diesem Kapitel erfolgt die Abgrenzung des Forschungsumfangs durch die Formulierung der
Forschungsfragen. Die Untersuchungen zur Beantwortung der Forschungsfragen erfolgen an LEI-
Kiteschirmen aus dem Kitesport. Der Fokus liegt dabei auf der Grundlagenforschung, da die
Ergebnisse nicht direkt auf andere Kiteschirm-Modelle oder -Größen übertragen bzw. skaliert
werden können. Das aus den Ergebnissen gewonnene grundlegende Verständnis der Dynamik
sowie die grundlegende Vorgehensweise für die Vermessung sind auch für andere
Anwendungsgebiete von Kiteschirmen wie AWE von großem Mehrwert.
Forschungsfrage 1: Anhand welcher Parameter lässt sich das dynamische Verhalten von
Kiteschirmen beurteilen bzw. vergleichen?
Ziel dieser Arbeit ist die Untersuchung und Charakterisierung von Eigenschaften, die das
Verhalten von Kiteschirmen in dynamischen Flugmanövern beschreiben. Dafür sollen im Rahmen
der ersten Forschungsfrage zunächst Parameter definiert werden, die eine quantitative
Beschreibung dieser Eigenschaften und somit des dynamischen Verhaltens von Kiteschirmen
ermöglichen.
Erste Untersuchungen bzgl. des Verhaltens von Kiteschirmen in dynamischen Flugmanövern sind
durch die Einführung des TRL (vgl. Abschnitt 3.1.4) und im Rahmen der Entwicklung von
Regelalgorithmen für Kiteschirme (vgl. Abschnitt 3.2.1) bereits durchgeführt worden. Außerdem
wurden erste Ansätze zur systematischen Vermessung des dynamischen Verhaltens von
Kiteschirmen und deren Verformung im Kurvenflug an der TU Delft verfolgt (vgl. Unterkapitel
3.3). Die aus der Literaturrecherche gewonnenen Erkenntnisse bilden deshalb die Basis für die
Beantwortung der ersten Forschungsfrage.
Forschungsfrage 2: Ist die reproduzierbare Vermessung der dynamischen Eigenschaften von
Kiteschirmen möglich?
Eine sehr ähnliche Forschungsfrage wurde bereits in der Dissertation von Hummel
152
formuliert
und bearbeitet, aber nur zum Teil beantwortet. Die durchgeführten Vermessungen basierten
ausschließlich auf Manövern, bei denen der Kite ruhig im Zenit gehalten wird, während nur die
Powerposition ε variiert wird (vgl. Abschnitt 3.3.6). Die hervorgerufene Dynamik beschränkte
sich dementsprechend also auf den Anstellwinkel bzw. den Höhenwinkel.
Im Rahmen dieser Arbeit sollen hingegen dynamische Flugmanöver definiert und umgesetzt
werden, in denen zusätzlich zur Powerposition ε auch der Lenkeinschlag δ und damit die
Kiteposition variiert wird.
152
Hummel, J. (2017), S. 53
62 Kapitel 4: Forschungsumfang
Damit das dabei auftretende dynamische Verhalten reproduzierbar vermessen werden kann,
müssen die Manöver automatisiert und bei möglichst konstanter Anströmung durchgeführt
werden. Außerdem muss die Sensorik des Prüfstands (vgl. Abschnitt 3.3.2) durch ein Onboard-
Messsystem am Kiteschirm erweitert werden.
Im Rahmen anderer Forschungsvorhaben (vgl. Unterkapitel 3.3) wurden bereits ähnliche
Messungen durchgeführt. Die Ausführung der Manöver erfolgte dabei allerdings unter dem
Einfluss des natürlichen Windes sowie nicht automatisiert und somit nicht reproduzierbar.
Diese Besonderheiten stellen das Alleinstellungsmerkmal der in dieser Arbeit beschriebenen
Forschung dar.
Forschungsfrage 3: Kann mit Hilfe von Inertialsensoren die aus einer Steuereingabe
resultierende makroskopische Verformung von Kiteschirmen gemessen werden, ohne
dass das Flugverhalten signifikant beeinflusst wird?
Für die Beantwortung der Forschungsfrage 4 ist es notwendig, die Verformung des Kiteschirms
im Flug zu messen. Bisher in der Literatur dokumentierte Ansätze zur Messung der Verformung
von Kiteschirmen im Flug nutzen Kamera- oder Lasersysteme (vgl. de Wachter & Costa
153
),
deren Messbereich räumlich stark begrenzt ist. Die Vermessung dynamischer Manöver, die in
einem großen Teil des Windfensters ausgeführt werden, wäre mit solchen Systemen nicht möglich.
Eine Möglichkeit, dieses Problem zu umgehen, wäre die Montage eines solchen Systems in den
Leinen des Kiteschirms. Aufgrund des Gewichts und der Größe hätte dies jedoch eine
beträchtliche Beeinflussung des Flugverhaltens zur Folge. Aus diesem Grund soll im Rahmen der
vorliegenden Arbeit ein robustes und sehr kompaktes sowie leichtes System aus miteinander
vernetzten Inertialsensoren zur Messung der Kiteverformung zur Anwendung kommen.
Üblicherweise werden für die Messung der Verformung eines Objekts mehrere Inertialsensoren
auf dem Objekt befestigt und deren räumliche Verschiebung sowie Orientierungsänderung
zueinander gemessen. Diese Messmethode stößt an ihre Grenzen, wenn über einen längeren
Zeitraum hohe Dynamiken vorherrschen, sodass keine Phasen auftreten, in denen das Objekt
möglichst still, bestenfalls in einer bekannten Pose, gehalten wird. Eine weitere Herausforderung
stellt die Befestigung der Sensoren am Kiteschirm dar. Auf dem Tuch ist zum einen eine
reproduzierbare zerstörungsfreie Befestigung der Sensoren praktisch nicht möglich und zum
anderen würden das Eigengewicht der Sensoren und die lokale Versteifung durch das
Montagematerial die Verformung des Materials und damit höchstwahrscheinlich die
Eigenschaften des Kiteschirms beeinflussen.
Zur Beantwortung der Forschungsfrage 3 muss deshalb zunächst ein Konzept für die sichere und
gleichzeitig rückwirkungsarme Befestigung der Sensoren erarbeitet und erprobt werden.
Anschließend soll analysiert werden, ob mit Hilfe spezieller Manöver Messdaten der
153
Aart de Wachter (2008), Costa, D. (2011)
Kapitel 4: Forschungsumfang 63
Inertialsensoren aufgezeichnet werden können, die ausreichend detailliert und präzise sind, um
die Forschungsfrage 4 beantworten zu können.
Forschungsfrage 4: Kann durch die Vermessung der makroskopischen Verformung
infolge einer Steuereingabe der Mechanismus bestimmt werden, der die
Hauptursache für die Einleitung des Kurvenflugs eines Kiteschirms darstellt?
Wenn die Forschungsfrage 3 positiv beantwortet werden kann, soll die makroskopische
Verformung des Kiteschirms während dynamischer Manöver gemessen werden. Insbesondere soll
dadurch geklärt werden, welche der in Abschnitt 3.1.1 beschriebenen Mechanismen vorwiegend
die Reaktion des Kiteschirms auf eine Längendifferenz der Steuerleinen verursacht. Es wird
erwartet, dass anhand der kurz vor und während eines Kurvenflugs auftretenden
makroskopischen Verformung festgestellt werden kann, ob eine deutliche Verwindung des
Kiteschirms auftritt und wie sich der lokale Anstellwinkel an den Tips ändert.
64 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
5. Automatisierter Prüfstand zur Vermessung
vollflexibler Tragflächen
In diesem Kapitel wird die Weiterentwicklung des in Unterkapitel 3.3 beschriebenen Prüfstands
dokumentiert. Dafür werden zunächst die Messgrößen sowie zur Messung dieser Größen geeignete
Manöver definiert. Anschließend wird die Entwicklung neuer Messsysteme sowie neuer Hard- und
Software beschrieben, die die Messung der physikalischen Parameter ermöglichen, die für die
Bestimmung der neu definierten Messgrößen benötigt werden.
5.1. Definition der zu messenden Parameter
Ziel der vorliegenden Arbeit ist die Charakterisierung des dynamischen Verhaltens hochflexibler
Tragflächen am Beispiel von Kiteschirmen. Zu diesem Zweck müssen zunächst Messgrößen
definiert werden, anhand derer der Kurvenflug in Folge einer Änderung des relativen
Lenkeinschlags quantitativ bzw. analytisch beschrieben werden kann. Wie in Abschnitt 3.2.1
gezeigt wurde, kann eine einfache, aber trotzdem präzise analytische Modellierung des
Kurvenflugverhaltens durch die Anwendung des TRL bzw. einer Variante davon (vgl. Abschnitt
3.1.4) erfolgen.
Alle Varianten des TRL beschreiben in gewisser Art das für eine robuste Regelung essentielle
Verhältnis zwischen der Längendifferenz der Steuerleinen und der sich daraus ergebenen Reaktion
des Kiteschirms in Form einer Gierwinkeländerung anhand eines einheitenlosen
Proportionalitätsfaktors. Dieser wird Drehfreudigkeit genannt und ist nicht, wie oft vereinfachend
angenommen konstant, sondern neben der Geometrie des Kiteschirms auch von diversen
veränderlichen Einflussparametern wie der Leinenlänge, der Position des Kiteschirms im
Windfenster, der Anströmgeschwindigkeit und der Powerposition bzw. der Kraft in den
Steuerleinen abhängig.
Außerdem wurde in Abschnitt 3.2.1 aufgezeigt, dass signifikante Verzögerungszeiten zwischen
der Ausgabe des Steuerbefehls und der messbaren Reaktion des Kiteschirms auftreten können.
Auch dieser Parameter ist nicht konstant, sondern von diversen veränderlichen
Einflussparametern abhängig.
In Abschnitt 3.1.4 wurde bereits erläutert, dass das TRL häufig um einen Totzeitterm erweitert
wird. Das TRL nimmt dann die folgende Form an:
ψ
m
(
t
)
=
g
k
⋅
v
a
⋅
δ
(
t
−
d
)
(
5.1
)
In der Formel 5.1 stellen die Drehfreudigkeit g
k
und Totzeit d die bisher unbekannten
kitespezifischen, von der Flugsituation abhängigen Parameter dar.
Wenn bekannt ist, welche Werte diese beiden Parameter für eine beliebige Flugsituation
annehmen, kann sehr genau vorhergesagt werden, wie der Kiteschirm auf Steuereingaben reagiert.
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 65
Neben der präzisen Umsetzung komplexer Trajektorien wäre damit die Validierung von
Simulationen sowie ein Vergleich verschiedener Kiteschirme bzgl. des dynamischen Verhaltens
möglich. Die reproduzierbare Vermessung dieser beiden Parameter ist deshalb von großem
Interesse und hat im Rahmen der vorliegenden Arbeit die höchste Priorität.
5.2. Definition geeigneter Manöver
Um die beiden im vorigen Unterkapitel beschriebenen Parameter zur Charakterisierung des
dynamischen Verhaltens von Kiteschirmen bestimmen zu können, müssen dafür geeignete
Flugmanöver definiert und umgesetzt werden.
In Abschnitt 3.1.4 wurde erläutert, wie theoretisch durch die Anwendung des TRL bei gegebener
Drehfreudigkeit der Kurvenradius berechnet werden kann (vgl. Formel 3.1). Dementsprechend
wäre es umgekehrt durch die Anwendung der Formel 3.1 möglich, aus dem bei einem bekannten
Lenkeinschlag geflogenen Kurvenradius die Drehfreudigkeit zu berechnen. Basierend auf dieser
Überlegung und der Empfehlung von Hummel
154
wurde zunächst die Durchführung eines
Looping-Manövers favorisiert.
Dieser sollte aus einer Ruheposition im Zenit eingeleitet werden und der Lenkeinschlag während
des gesamten Loopings konstant gehalten werden. Bei Vorversuchen im Feld zeigten sich
allerdings gleich mehrere Probleme, weshalb diese Idee schnell wieder verworfen wurde. Zum
einen reagieren insbesondere größere Kiteschirme bei niedrigen Powerpositionen kaum auf
Lenkeingaben, sodass der Radius des Loopings so groß wird, dass eine Kollision mit dem Boden
und somit eine potentielle Beschädigung des Kiteschirms und der Onboard-Sensorik die Folge ist.
Zusätzlich treten bei der Durchführung eines Loopings mit großem Kurvenradius sehr große
Kräfte auf, die zu einer Beschädigung des Prüfstands führen könnten.
Aufgrund der hohen Dynamik ist das Manöver außerdem zwar sehr schnell absolviert, es werden
dabei aber auch nur für sehr kurze Zeit Messdaten generiert und die Zeit, die nach der
Durchführung des Manövers benötigt wird, um den Kiteschirm wieder in die statische
Startposition im Zenit zu bringen, ist im Verhältnis zur Manöverzeit sehr hoch.
Da das Manöver sehr oft wiederholt werden muss, um eine für die statistische Mittelung
ausreichende Datenmenge zu erzeugen, ist dementsprechend schon für die Vermessung nur einer
Powerposition ein hoher zeitlicher Aufwand erforderlich, um mit diesem Manöver repräsentative
Messdaten zu generieren. Um das dynamische Verhalten für den gesamten Powerbereich zu
vermessen, vervielfacht sich die Zahl der erforderlichen Manöver und damit die benötigte
Versuchsdauer entsprechend.
Erhard und Strauch begegneten im Jahr 2005 bei Untersuchungen zum TRL ähnlichen
Problemen
155
. Sie führten ihre Feldtests unter dem Einfluss des natürlichen Windes durch.
154
Hummel, J. (2017), S. 229
155
Erhard, M., Strauch, H. (2014), S. 152 ff.
66 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Insbesondere wechselnde Windgeschwindigkeiten erschwerten dabei die empirische Suche nach
einer Gesetzmäßigkeit für das Gierverhalten von Kiteschirmen. Der Durchbruch gelang durch die
Einführung des sog. bang-bang-Manövers. Dabei handelt es sich um einen „halb-
automatisierten“ Achtenflug. Basierend auf einem Schwellwert des Gierwinkels wird wechselseitig
zwischen zwei Lenkeinschlägen mit gleichem Absolutwert umgeschaltet. Die Position der
Trajektorie im Windfenster wird dabei nicht direkt kontrolliert, weshalb der Kiteschirm schnell
an Höhe verliert und beim Achtenflug immer tiefer in das Windfenster hineinfliegt. Der Pilot
muss rechtzeitig wieder die Kontrolle übernehmen, um einen Absturz zu verhindern. Diese
Entwicklung der Flugtrajektorie, die zunächst unerwünscht und nachteilig erscheint, stellte sich
für Erhard und Strauchs Zwecke als sehr hilfreich heraus. Wie in Abschnitt 2.1.2 erklärt, steigt
durch die Reduzierung des Höhenwinkels die Eigengeschwindigkeit und damit die
Anströmgeschwindigkeit des Kiteschirms. Da während des bang-bang-Manövers in kurzer Zeit
ein großer Höhenwinkelbereich durchflogen wird, wird gleichzeitig auch ein großes Spektrum an
Anströmgeschwindigkeiten durchlaufen. Die Bandbreite der gemessenen Dynamik ist damit
deutlich höher als bei dem Looping-Manöver. Die maximale Ausführungszeit ist allerdings auch
bei diesem Manöver aufgrund des drohenden Absturzes relativ gering, sodass Störungen die
Messdaten stark verfälschen können. Dieses Manöver war somit sehr nützlich, um die
Gesetzmäßigkeit des TRL zu erkennen; für eine reproduzierbare systematische Vermessung des
dynamischen Verhaltens ist es allerdings ebenfalls nicht bzw. bedingt geeignet. Aus diesem Grund
wird in dieser Arbeit die Idee hinter der in Unterkapitel 3.3 erläuterten Messmethode von Behrel
et al.
156
verfolgt. Bei dieser Methode werden über einen langen Zeitraum möglichst gleichförmige
Achten geflogen, die anschließend gemittelt werden, um den Einfluss von zufälligen Störungen
auf die Messergebnisse zu reduzieren.
Für die systematische Charakterisierung der Kiteschirme über den gesamten Powerbereich soll,
mit einer relativen Powerposition von 0% beginnend, nach einer festgelegten Anzahl von Achten
bzw. Zeit die relative Powerposition schrittweise erhöht werden, bis der gesamte Powerbereich
vermessen ist. Die Form der Achten soll so eingestellt werden, dass die Trajektorien nicht zu
weit in Richtung des seitlichen Windfensterrandes reichen. Bei niedrigen relativen
Powerpositionen kann es ansonsten dazu kommen, dass die Reaktion des Kiteschirms auf
Lenkeingaben nicht ausreicht, um der Gewichtskraft entgegenzuwirken. In Folge dessen kann der
Kiteschirm nicht mehr in das Windfenster zurückgeflogen werden und driftet am
Windfensterrand zu Boden. Bei hohen Powerpositionen kann es hingegen passieren, dass der
Kiteschirm in den resultierenden großflächigen Achten sehr schnell wird und deshalb den
Windfensterrand überfliegt, sodass ein Absturz in Folge eines Stalls auftritt.
Um den erforderlichen automatisierten Achtenflug mit möglichst gleichförmigen Trajektorien
über einen langen Zeitraum umsetzen zu können, ist die in Unterkapitel 5.4 beschriebene
Entwicklung und Implementierung einer robusten Regelung erforderlich.
156
Behrel, M. et al. (2018)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 67
Dafür wiederum ist die im folgenden Unterkapitel beschriebene Entwicklung einer Onboard-
Sensorik, dem sog. Air Data System (ADS), erforderlich. Dieses soll unter anderem einen IMU
und eine Anströmungsmessung enthalten und damit einerseits wichtige Inputdaten für die
Regelung, als auch die erforderlichen Messdaten für die Charakterisierung des dynamischen
Verhaltens liefern.
5.3. Entwicklung eines Onboard-Sensorsystems
In Unterkapitel 5.1 wurde erläutert, wie die Charakterisierung des dynamischen Verhaltens von
Kiteschirmen im Rahmen dieser Arbeit durch die reproduzierbare Vermessung der Parameter
Drehfreudigkeit g
k
und Totzeit d aus dem TRL erfolgen soll. Anders als die anderen Parameter
aus dem TRL, die Drehrate ψ
m
, die Anströmgeschwindigkeit v
a
und die Längendifferenz der
Steuerleinen δ, können die Drehfreudigkeit und die Totzeit nicht direkt gemessen werden. Von
den direkt messbaren Parametern kann mit dem TETA-Prüfstand bisher allerdings auch nur die
Längendifferenz der Steuerleinen gemessen werden. Für die Berechnung der
Anströmgeschwindigkeit am Kiteschirm wurde von Hummel
157
vereinfachend angenommen, dass
diese bei geringer Windstärke der auf dem Dach des Zugfahrzeugs gemessenen Anströmung
entspricht. In Feldversuchen zeigte sich allerdings, dass diese Annahme häufig nicht zutrifft. Das
Flugfeld, auf dem die Messfahrten durchgeführt werden, ist größtenteils von Wald umgeben. Es
kann deshalb beispielsweise vorkommen, dass in Bodennähe aufgrund der Abdeckung der Bäume
keine Windgeschwindigkeit messbar ist, obwohl natürlicher Wind weht. Da die Abdeckung durch
die Bäume auf Höhe des Kiteschirms deutlich geringer ausfällt, hat der natürliche Wind dort
aber Einfluss. Darüber hinaus treten gelegentlich aufgrund von Thermik lokale Strömungseffekte
auf, die einen ähnlichen Effekt verursachen.
Weiterhin setzt sich die Anströmung des Kiteschirms während dynamischer Flugmanöver aus
der Windgeschwindigkeit und der Eigengeschwindigkeit des Kiteschirms zusammen, sodass eine
Abschätzung der Anströmgeschwindigkeit auf Basis der von Hummel getroffenen Annahme für
solche Manöver noch ungenauere Ergebnisse hervorbringen würde. Um die für die Vermessung
des dynamischen Verhaltens benötigten Parameter Orientierung, Drehrate und
Anströmgeschwindigkeit direkt messen zu können, ist die Entwicklung eines Onboard-
Sensorsystems notwendig.
Die Entwicklung dieses Systems erfolgte im Rahmen mehrerer Projekt- und Abschlussarbeiten,
die alle vom Autor angeleitet wurden. Eine detaillierte Auflistung aller im Rahmen der
vorliegenden Dissertation durchgeführten Projekt- und Abschlussarbeiten ist im Anhang A.3 zu
finden.
157
Hummel, J. (2017)
68 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
5.3.1. System zur Messung der Position, Geschwindigkeit und Orientierung
Außer der direkten Messung der Drehraten soll das Onboard-Sensorsystem es auch ermöglichen,
die Genauigkeit und Robustheit der Messung anderer Messgrößen wie beispielsweise die
Positions- und Orientierungsmessung durch Sensorfusion zu erhöhen. Die Position und
Orientierung des Kiteschirms stellen die wichtigsten Feedback-Parameter für die Kontrolle der
Flugbahn dar. Eine genaue und verlässliche Messung dieser Parameter bildet damit die
Grundlage für eine robuste Flugregelung. Die Messung der Orientierung erfolgt am TETA-
Prüfstand bisher ausschließlich mit dem Kamerasystem und liefert nur unter bestimmten äußeren
Bedingungen Messdaten in ausreichender Güte. Die Messung der Position kann entweder mit
den gleichen Einschränkungen ebenfalls über das Kamerasystem oder über Seilwinkelsensoren
erfolgen (vgl. Abschnitt 3.3.2). Dementsprechend muss vor der Durchführung einer Messung
entschieden werden, welches Sensorsystem die Positionsdaten für die Regelung bereitstellen soll.
Fällt das ausgewählte System aus, fehlen der Regelung kritische Inputdaten. Bei der Berechnung
der Position aus den Seilwinkelmessungen wird vereinfachend ein perfekt gespanntes Seil zu
Grunde gelegt. Diese Annahme trifft aber insbesondere in statischen Flugsituationen häufig nicht
zu, wenn die Seilkraft nicht ausreicht, um der Gewichtskraft der Bar entgegenzuwirken. Das
Onboard-Messsystem soll Messungen ermöglichen, die nicht negativ durch optische Effekte oder
eine zu geringe Seilkraft beeinflusst werden. Durch eine Sensorfusion der unterschiedlichen
Messsysteme kann somit eine Steigerung der Genauigkeit und Robustheit der Positions- sowie
Orientierungsmessung erreicht werden. Ein gängiges Messsystem, das diese Anforderungen erfüllt
und mit dem prinzipiell die Position, Geschwindigkeit und Orientierung eines Objekts gemessen
werden kann, ist ein INS (vgl. Unterkapitel 2.3). Weltweit wurde der Ansatz, die Bewegung des
Kiteschirms über ein INS zu erfassen, bereits in mehreren Projekten umgesetzt (vgl. Abschnitt
3.2.2). Die Verwendung eines INS als Lagesensor stellte sich hierbei als praktikable Lösung heraus.
Durch den Einsatz moderner MEMS (Micro-Electro-Mechanical-System)-Sensoren ist es möglich,
sehr kostengünstige und kompakte INS mit ausreichender Messgenauigkeit zu entwickeln. Diese
beiden Eigenschaften sind für das Onboard-Messsystem von großer Bedeutung, da es zum einen
durch einen Absturz des Kiteschirms zur Beschädigung des Messsystems kommen kann und zum
anderen die Beeinflussung der Flugeigenschaften des Kiteschirms durch das Messsystem so gering
wie möglich sein soll.
Aus diesem Grund sollte ein Onboard-Messsystem auf Basis eines MEMS-IMU entwickelt werden.
Die erste Entwicklungsstufe eines solchen Systems wurde im Rahmen einer Projektarbeit
158
von
Samuel Junglas erarbeitet. Der Fokus bei dieser Arbeit lag auf der Zielstellung, eine Messung der
Orientierung umzusetzen, da diese wie bereits erwähnt bis dahin noch nicht zuverlässig gemessen
werden konnte. Projektintern wurde dieses Messsystem Orientation Data System (ODS) genannt.
Es soll an dieser Stelle kurz erwähnt werden, dass es prinzipiell auch möglich ist, die Gierwinkel
des Kiteschirms aus dem Eigengeschwindigkeitsvektor zu schätzen, der wiederum aus dem
158
Junglas, S. (2015)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 69
Verlauf der Positionsdaten berechnet werden kann. Insbesondere wenn der Kiteschirm möglichst
ruhig in einer statischen Flugposition gehalten werden soll, ist es allerdings erforderlich, den
Gierwinkel direkt zu messen, da in dieser Flugsituation der Betrag des
Eigengeschwindigkeitsvektors bestenfalls gleich null ist.
Aufgrund guter Erfahrungen aus einem anderen Projekt und den sehr geringen Kosten wurde
folgende Hardware verwendet:
• Mikroprozessor ATMega88 (PU)
• Funkmodul nRF24L01
• Inertialsensor MPU-9250
• Platine mit weiteren Funktionsbausteinen
Die zuletzt genannte Platine wurde von Samuel Junglas entworfen und im Isolationsfräsverfahren
gefertigt. Sowohl die Platine als auch das Gehäuse wurden auf einer Portalfräse gefertigt. Die im
Gehäuse montierte Sensoreinheit ist in Abbildung 5.1 (a) dargestellt. In Abbildung 5.1 (c) ist die
am Kiteschirm montierte Sensoreinheit zu sehen. Die Montage erfolgt über eine an die Kontur
der Mittelstrut angepasste Lexan-Platte mittels Klettbändern. Das Sensormodul wird über eine
Knopfzelle mit Energie versorgt und sendet die Messdaten über das Funkmodul an die in der
Abbildung 5.1 (b) dargestellte Basisstation.
Abbildung 5.1: Orientation Data System: a) Kiteeinheit, b) Basiseinheit, c) Kiteeinheit am Kiteschirm montiert
Die Inbetriebnahme des Systems sowie die Entwicklung und Implementierung der Algorithmen
zur Verarbeitung der Rohdaten wurden zusammen mit Enrico Seiler ebenfalls im Rahmen einer
Projektarbeit
159
durchgeführt.
159
Seiler, E. (2017)
70 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Es zeigte sich schnell, dass die verwendete Hardware, anders als aufgrund der Erfahrungen aus
dem anderen Projekt erwartet, für die Anwendung am TETA-Prüfstand nicht ausreichend
leistungsfähig ist. Problematisch waren vor allem eine im Feldtest zu geringe Reichweite der
Funkmodule sowie eine zu geringe Rechenleistung und Speicherkapazität des Mikrocontrollers.
Darüber hinaus traten häufig Ausfälle der Module aufgrund beschädigter elektrischer Kontakte
bzw. Leiterbahnen auf, die langwierige Fehlersuchen zur Folge hatten. Auch die Programmierung
des Mikrocontrollers mittels Registern gestaltete sich kompliziert.
Aufgrund dieser Erkenntnisse wurde entschieden, eine komplette Neugestaltung des
Sensorsystems unter dem Namen Air Data Systems (ADS) durchzuführen. Im Zuge dessen wurde
außerdem eine Erweiterung der Funktionalität durch die Integration einiger zusätzlicher Sensoren
in das ADS geplant.
Basierend auf den Erfahrungen, die mit dem ODS gesammelt wurden und einer ausführlichen
Literaturrecherche (vgl. Abschnitt 3.2.2), wurde die im Anhang B.1.1 hinterlegte
Anforderungsliste für das ADS erstellt.
Hardware und Gehäuse
Die Auswahl der Hardwarekomponenten des Sensorsystems erfolgte anhand der
Anforderungsliste. Dabei wurde großer Wert auf eine Erhöhung der Zuverlässigkeit und der
Benutzerfreundlichkeit gelegt. Dies sollte durch die Verwendung möglichst vieler Kaufteile und
einer weniger komplexen Entwicklungsumgebung erreicht werden. Grundsätzlich besteht das
Sensorsystem aus der Kiteeinheit, die am Kiteschirm befestigt wird und einer Basiseinheit, die
auf dem Prüfstand montiert ist. Die Messdaten der Kiteeinheit werden kabellos über Funk an
die Basiseinheit gesendet. Die Basiseinheit wiederum sendet ihre und die von der Kiteeinheit
empfangenen Messdaten über eine serielle Schnittstelle an das sbRIO, die zentrale Recheneinheit
des Prüfstands, in der alle Messdaten verarbeitet werden (vgl. Abschnitt 3.3.5). Die Hardware
der Kite- und Basiseinheit ist weitestgehend identisch. Der einzige Unterschied besteht in der
zusätzlichen Integration eines Differenzdrucksensors in die Kiteeinheit. Dieser Sensor wird für die
Anströmungsmessung benötigt, weshalb erst im nächsten Unterkapitel genauer darauf
eingegangen wird. Die verwendeten Hardwarekomponenten sind in der Tabelle B-2 im Anhang
aufgelistet.
Aus der Tabelle geht hervor, dass trotz der häufig in der Literatur berichteten Probleme mit
GNSS in AWES-Prototypen mit kurzen Leinen (vgl. Abschnitt 3.2.2) die Integration von GNSS-
Empfängern eingeplant wurde. Dies geschah, weil feststand, dass mindestens die GPS-Daten der
Basiseinheit einen großen Mehrwert für die spätere Datenanalyse darstellen werden. Es ist für
eine Plausibilitätsprüfung beispielsweise hilfreich zu wissen, was für eine Route auf dem
Testgelände abgefahren wurde oder an welcher Stelle bestimmte Messdaten aufgezeichnet wurden.
Da die Kite- und Basiseinheit zur Reduzierung der Komplexität ohnehin identisch aufgebaut
werden sollten und durch die Integration des GPS in die Kiteeinheit in jeden Fall kein Nachteil
zu erwarten war, wurde das GPS-Modul auch auf der Platine der Kiteeinheit montiert. Außerdem
bestand durch die Nutzung der SBAS-Funktionalität sowie einer externen Antenne die
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 71
Möglichkeit, bessere Positionsmessungen erreichen zu können, sodass auch die GPS-Daten der
Kiteeinheit sinnvoll nutzbar wären.
Nachdem die Abmaße der Platinen feststanden, wurde für beide Sensoreinheiten jeweils ein
passendes modulares Gehäuse entwickelt, das die Elektronik vor äußeren Einflüssen schützt und
eine exakte Ausrichtung der Sensoren ermöglicht. Zusätzlich wurde eine auf diverse Kitemodelle
und -größen anpassbare Halteklammer konstruiert, mit der eine sichere Befestigung der
Kiteeinheit an der Mittelstrut des Kiteschirms realisiert werden kann. Die Gehäuseteile wurden
im SLS-Verfahren im 3D-Labor der TU Berlin gefertigt. Die Halteklammern konnten aufgrund
der geringeren Anforderungen an die Fertigungsgenauigkeit im fachgebietseigenen FDM-Drucker
hergestellt werden. In Abbildung 5.2 sind alle Komponenten der Kiteeinheit und in Abbildung
5.3 alle Komponenten der Basiseinheit dargestellt.
Abbildung 5.2: Komponenten der Kiteeinheit (Teensy 3.6 nicht sichtbar, da auf der unteren Platine verbaut)
160
160
Seiler, E. (2018)
72 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Abbildung 5.3: Komponenten der Basiseinheit
161
Justierung
Die erste Entwicklungsstufe des Algorithmus zur Filterung und Fusion der Messdaten des ADS
wurde zusammen mit Enrico Seiler im Rahmen seiner Masterarbeit
162
umgesetzt. Zunächst
musste sichergestellt werden, dass die Sensoren plausible Rohdaten liefern. Aus diesem Grund
wurde eine ausführliche Justierung der Beschleunigungs-, Drehraten- und Magnetfeldsensoren
durchgeführt. Die Justierung erfolgte nach einem linearen Ansatz und setzte sich
dementsprechend aus einer Korrektur des Offsets sowie des Skalierungsfaktors zusammen.
Die Offsetkorrektur für die Drehratensensoren erfolgt automatisch bei jedem Start des Systems,
indem die Sensoren für einen definierten Zeitraum nach dem Einschalten in einer Ruhelage
belassen werden. Da in dieser Situation keine Drehraten ausgegeben werden sollten, reicht es aus,
die Messwerte der Drehratensensoren in der Ruhelage zu nullen. Die Justierung der
Skalierungsfaktoren kann durch den Abgleich der Messwerte bei definierten
Rotationsbewegungen erfolgen. Für die Drehratensensoren des ADS wurde dies mit Hilfe eines
Industrieroboters
163
des Instituts für Werkzeugmaschinen und Fabrikbetrieb der TU Berlin
realisiert. Dieser weist eine sehr hohe Wiederholgenauigkeit von 0,15 mm auf und ist damit gut
geeignet, um definierte Posen und Bewegungen für die Justierung vorzugeben. Die
Sensoreinheiten wurden, wie in Abbildung 5.4 dargestellt, so am Roboterarm befestigt, dass der
Ursprung des sensorfesten KS des IMU auf der Rotationsachse des Endeffektors lag.
161
Seiler, E. (2018)
162
Seiler, E. (2018)
163
Comau S.p.A: NJ-370-3.0
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 73
Abbildung 5.4: Am Roboterarm montierte Sensoreinheit
Anschließend wurden mit Hilfe eines eigens dafür programmierten Algorithmus nacheinander
definierte Rotationsbewegungen um alle Achsen des Gyroskops ausgeführt. Die dabei gemessenen
Drehraten wurden integriert und das Ergebnis mit den Winkellagen des Roboterarms verglichen.
Die maximale Winkelabweichung betrug weniger als 1°, weshalb entschieden wurde, dass die vom
Hersteller vorgenommene Justierung der Skalierungsfaktoren der Drehratensensoren bereits
ausreichend genau ist und nicht korrigiert werden muss.
Für die Justierung der Beschleunigungssensoren wurde eine Richtplatte genutzt. Diese wurde mit
Hilfe eines Laser-Nivelliergeräts und einer Maschinenwasserwaage möglichst genau horizontal
ausgerichtet (siehe Abbildung 5.5).
Abbildung 5.5: Horizontale Ausrichtung der Richtplatte zur Justierung der Beschleunigungssensoren
164
164
Seiler, E. (2018), S. 69
74 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Die Sensoreinheiten wurden anschließend nacheinander so auf die Richtplatte gelegt, dass jeweils
eine Achse des Beschleunigungssensors kollinear zum Erdbeschleunigungsvektor ausgerichtet ist.
Diese Achse sollte idealerweise eine Beschleunigung von 1 g bzw. in der entgegengesetzten
Ausrichtung −1 g messen. Die anderen beiden Achsen sind in diesen Posen orthogonal zum
Erdbeschleunigungsvektor ausgerichtet und sollten somit keine Beschleunigung detektieren. Für
die Justierung wurden die Abweichungen von diesen erwarteten Messwerten durch eine
Anpassung der Offset- und Skalierungsfaktoren korrigiert.
In Unterkapitel 2.3 wurde bereits erwähnt, dass die Messwerte eines Magnetometers sehr stark
durch ferromagnetische Bauteile in der Umgebung beeinflusst bzw. verfälscht werden können.
Deshalb ist es erforderlich, die Magnetometer möglichst exakt in der Umgebung zu justieren, in
der diese später eingesetzt werden. Bei einem korrekt justierten 3-Achs-Magnetometer bilden alle
Messwerte eine Punktwolke in Form einer perfekten Kugelsphäre, die im Ursprung des
Achsensystems zentriert ist. Die maximalen Messwerte bilden dabei die Ränder der Kreise dieser
Kugelsphäre, die jeweils durch zwei Sensorachsen aufgespannt werden. Die Messwerte nehmen
den Maximalwert an, wenn die jeweils dritte Achse senkrecht zu den Magnetfeldlinien
ausgerichtet ist und der Sensor nur um diese dritte Achse rotiert wird. Alle anderen Punkte
werden bei der Variation der Orientierung um mehrere Achsen angenommen. Die gesamte
Punktewolke lässt sich demnach erzeugen, indem der Sensor beliebig um den Ursprung des
Achsensystems rotiert wird, sodass dieser nacheinander möglichst viele Orientierungen
annimmt
165
.
Ist das Magnetometer nicht justiert, verteilen sich die Messwerte anstatt auf der idealen
Kugelsphäre auf einer elliptischen Sphäre, die nicht im Ursprung des Achsensystems zentriert ist.
Diese Abweichung muss für die Justierung durch die Anpassung der Offset und
Skalierungsfaktoren korrigiert werden. Dafür werden mit der Sensoreinheit möglichst an der
Position, an der diese später Messwerte aufnehmen soll, wie im letzten Satz des vorigen Absatzes
beschrieben, möglichst viele unterschiedliche Orientierungen durchlaufen. Die dabei
aufgenommenen Messwerte werden anschließend in ein frei verfügbares Software-Tool
166
eingespeist, mit dem die Korrekturwerte berechnet werden.
Software
Nachdem sichergestellt werden konnte, dass alle Sensoren der integrierten IMU plausible
Messwerte bereitstellen, wurde die Entwicklung und Implementierung eines Fusionsalgorithmus
begonnen. Dafür wurde zunächst die nachfolgende Liste mit grundlegenden Anforderungen
erstellt:
• hohe Recheneffizienz, um Integration des Algorithmus unter Einhaltung der festgelegten
Taktzeit des TETA-Prüfstands zu ermöglichen
165
Kris Winer: Simple and Effective Magnetometer Calibration
166
Sailboat Instruments: Magneto
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 75
• überschaubare Komplexität / geringer Implementierungsaufwand
• Modularität / Kombinierbarkeit mit anderen Ansätzen
• einfache Parametereinstellung
Basierend auf einer ausführlichen Literaturrecherche (vgl. Abschnitt 3.2.2) und einer zusätzlichen
Internetrecherche im Rahmen der Masterarbeit von Enrico Seiler
167
wurden gängige Algorithmen
zur Zustands- und Parameterschätzung analysiert und bzgl. der Erfüllung der Anforderungen
bewertet. Besonderes Gewicht wurde dabei weiterhin daraufgelegt, möglichst schnell und
unkompliziert vor allem eine Messung der Orientierung zu realisieren. Außerdem wurde die
generelle Funktionsfähigkeit der Orientierungsschätzung zunächst höher gewichtet als die
Genauigkeit.
Für die Schätzung der Orientierung wurde der sog. Madgwick-Filter
168
favorisiert. Die
Anwendung dieses Algorithmus für AWES ist bisher nicht dokumentiert. Der Madgwick-Filter
zeichnet sich vor allem durch eine hohe Recheneffizienz bei ähnlich hohen bzw. teilweise sogar
höheren Genauigkeiten als beim Einsatz komplexerer Algorithmen aus
169
. Außerdem sind der
Quellcode sowie die Dokumentation dieses Algorithmus frei verfügbar und aufgrund der im
Internet dokumentierten Anwendungsbeispiele war zu erwarten, dass die Ausführungszeit auf der
vorhandenen Hardware den geforderten Wert nicht überschreitet. Diese Eigenschaften führten
insgesamt zu einem hohen Erfüllungsgrad der Anforderungen und damit zur höchsten Bewertung.
Der Madgwick-Filter schätzt die Orientierung auf Basis der IMU-Messdaten in Form von
Quaternionen. Die mathematische Beschreibung der Rotation bzw. Orientierung eines Körpers
im dreidimensionalen Raum durch Quaternionen gestaltet sich beispielsweise im Verglich zu
Euler-Winkeln deutlich recheneffizienter. Zusätzlich besteht bei der Verwendung von
Quaternionen nicht das von Euler-Winkeln bekannte Problem von Singularitäten in Form des
sog. Gimbal Locks. Für tiefergehende Erläuterungen zu Quaternionen und den Vorteilen derer
Verwendung zur Beschreibung der Orientierung soll an dieser Stelle auf die Veröffentlichungen
von Madgwick
170
und Kuipers
171
verwiesen werden.
Die Implementierung des Madgwick-Filter sowie der gesamten ADS-Software, projektintern
TETA-OS genannt, erfolgte im Arduino-Entwicklungssytem in der Programmiersprache C/C++.
In Abbildung 5.6 ist schematisch der durch das TETA-OS gesteuerte Datenfluss zwischen den
einzelnen Hardwarekomponenten der Kite- und Basiseinheit sowie zwischen den beiden Einheiten
dargestellt. In der Abbildung ist außerdem visualisiert, an welcher Stelle dieser Architektur der
Madgwick-Filter integriert wurde. Es ist darüber hinaus das große Spektrum unterschiedlicher
maximaler Aktualisierungsraten der verschiedenen Sensoren zu erkennen. Um die Abfrage aller
167
Seiler, E. (2017)
168
Madgwick, S. O. H. (2010)
169
Madgwick, S. O. H. (2010), S. 21
170
Madgwick, S. O. H. (2010), S. 4 ff.
171
Kuipers, J. B. (2000)
76 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Sensoren sowie die weiteren Berechnungsschritte auf dem Mikrocontroller trotz der während
Abfragen entstehenden Wartezeiten in Echtzeit durchführen zu können, wurde für das TETA-
OS eine spezielle modulare Multithreading-Architektur entwickelt und umgesetzt. Der genaue
Ablauf dieser Softwarearchitektur ist in Anhang B.1.3 hinterlegt.
Abbildung 5.6: Signalfluss in der Kiteeinheit (oben) und in der Basiseinheit (unten) sowie zwischen den beiden
Einheiten
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 77
Nachdem die grundsätzliche Funktionsfähigkeit der ADS-Software sichergestellt werden konnte,
wurden Feldtests durchgeführt, um die Leistungsfähigkeit unter realen Bedingungen zu
untersuchen. Abgesehen von der höheren Aussagekraft von Feldtests bzgl. der typischen
Testbedingungen ist eine Validierung des Algorithmus anhand von Labortests generell nicht
möglich, da unter gängigen Laborbedingungen die Magnetometer-Messungen zu stark durch
Geräte und Materialien in der Umgebung gestört werden. Bei den Feldtests stellte sich heraus,
dass das Verhalten des Filters und die Aussagekraft der Schätzungen sehr stark von der
Einstellung des Madgwick-Filters abhängen. Die Einstellung des Filters erfolgt über die Variation
zweier Verstärkungsfaktoren. Da diese keine direkte physikalische Bedeutung haben, gestaltet
sich die Suche nach geeigneten Einstellungen allerdings schwierig und kann ausschließlich iterativ
durchgeführt werden. Zusätzlich bestand bei der Einstellung die Schwierigkeit, dass in den
Feldtests der wahre Wert der Orientierung in der Regel nicht bekannt ist, weshalb zunächst nur
ein qualitativer Abgleich der Messwertverläufe mit Referenzwerten durchgeführt werden konnte.
Die Gierwinkelschätzung wurde beispielsweise mit einem aus Videoaufnahmen bestimmten
Gierwinkel verglichen und die Schätzung des Nickwinkels anhand der Höhenwinkelmessung der
Seilwinkelsensoren auf Plausibilität geprüft. So konnte gezeigt werden, dass der Algorithmus auch
in Feldtests grundsätzlich korrekt funktioniert und plausible Messdaten liefert.
Die Schätzungen des Madgwick-Filters waren bei der Anwendung auf Messdaten von Feldtests
allerdings immer stark verrauscht und wiesen starke Ausreißer auf. Aus diesem Grund wurden
im Rahmen einer Projektarbeit
172
zusammen mit Florian Triebel weitere Erprobungen
durchgeführt, um die Orientierungsschätzung zu verbessern und eine zufriedenstellende
Einstellung des Madgwick-Filters zu finden. Da diese Anstrengungen keine signifikante
Verbesserung hervorbrachten, wurde eine tiefergehende Literaturrecherche gestartet, bei der eine
vielversprechende Alternative entdeckt wurde: Der sog. CSG-Algorithmus
173
des Fachgebiets für
Regelungssystem der TU Berlin. Dieser Algorithmus wird über Parameter eingestellt, die eine
direkte physikalische Bedeutung haben. Sie stellen die Halbwertszeit der entsprechenden
Korrektur in der Einheit Sekunden dar. Außerdem ist es im Gegensatz zu den meisten IMU-
Sensorfusionsansätzen im CSG-Algorithmus möglich, getrennte Gewichtungen für die
gravitations- und magnetfeldbasierte Schätzung einzustellen. Somit kann beispielsweise der
negative Einfluss eines durch äußere Einflüsse gestörten Magnetfeldes auf die
Orientierungsschätzung reduziert werden. Eine weitere Besonderheit stellt eine von der Dynamik
abhängige, adaptive Gewichtung des Einflusses der Messdaten der Beschleunigungssensoren dar.
Ein direkter Vergleich der Schätzergebnisse des CSG-Algorithmus und des Madgwick-Filters bei
der Anwendung auf mehrere Datensätze aus Feldtests bestätigte die erwartete bessere Leistung
des CSG-Algorithmus. Insbesondere gestaltete sich die Einstellung des CSG-Algorithmus deutlich
logischer und dadurch zielführender. Durch die adaptive Anpassung des Algorithmus an die
172
Triebel, F. (2019)
173
Seel, T., Ruppin, S. (2017)
78 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Dynamik konnten außerdem mit den gleichen Einstellungen gute Schätzergebnisse in einem
größeren Dynamikspektrum erreicht werden. Aus diesem Grund wurde der Madgwick-Filter
durch den CSG-Algorithmus ersetzt und fortan für die Schätzung der Orientierung verwendet.
Nachdem eine zuverlässige, rauscharme Schätzung der Orientierung möglich war, sollte in einer
weiteren Entwicklungsstufe der Algorithmus zur Filterung und Fusion der Messdaten des ADS
erweitert werden, um eine verbesserte Schätzung der Position zu erreichen. Erst durch eine
genaue Schätzung der Position des Kiteschirms in Bezug auf den Prüfstand ist es möglich, aus
der geschätzten Orientierung in einem lokalen erdfesten KS den für die Regelung und die
Vermessung der Drehfreudigkeit wichtigen Gierwinkel des Kiteschirms zu bestimmen (vgl.
Abschnitt 2.1.3). Die Erweiterung des Algorithmus wurde zusammen mit Hendrik Freter im
Rahmen seiner Bachelorarbeit
174
und einer Veröffentlichung
175
umgesetzt. Nachfolgend werden
die Erkenntnisse aufgelistet, die aus der in Abschnitt 3.2.2 zusammengefassten Literatur und den
bisherigen Erfahrungen mit dem ADS sowie mit den Systemen zur Messung der Kiteposition am
TETA-Prüfstand stammen und entscheidend für die Konzeptauswahl waren:
1. Die Nutzung eines GNSS-Empfängers zur Positionsbestimmung eines Kiteschirms an
kurzen Leinen ist aufgrund unzureichender Genauigkeit und Zuverlässigkeit ungeeignet
2. Die Zuverlässigkeit des Kamerasystems hängt stark von den Einstellungen und den
Testbedingungen ab, ist insgesamt aber unzureichend
3. In einigen Flugsituationen tritt selbst mit kurzen Leinen ein signifikanter
Leinendurchhang auf, sodass die über Leinenwinkelsensoren bestimmte Position von der
wahren Kiteposition abweicht und die Messung zusätzlich eine zeitliche Verzögerung
aufweist
4. Eine Fusion der Messdaten von Leinenwinkelsensoren und einer IMU kann sehr gute
Positionsschätzungen liefern
5. Das Kalman-Filter bietet den besten Kompromiss zwischen Funktionalität und
Komplexität bzw. Recheneffizienz
Zusätzlich wurden die Sensorsysteme des TETA-Prüfstands bzgl. der Erfüllung der in Tabelle 1
aufgelisteten Kriterien bewertet. Dabei zeigte sich, dass die Seilwinkelsensoren und die IMU das
größte Potential für eine zuverlässige und genaue Positionsbestimmung aufweisen.
174
Freter, H. (2019)
175
Freter, J. H., Seel, T., Elfert, C., Göhlich, D. (2020)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 79
Tabelle 1: Bewertung der Sensorsysteme bzgl. der Positionsmessung
Kriterien Leinenwinkel
Kamera IMU GPS
Robustheit ggü. Ausfall + - 0 0
Räumliche Abdeckung + + + 0
Zeitliche Abdeckung + 0 0 -
Genauigkeit + 0 0 -
Unsicherheit 0 - + 0
Total 4 -1 2 -2
Da das Hauptaugenmerk bei der Konzeptauswahl auf der Verbesserung dieser beiden Kriterien
lag, wurde die Fusion dieser beiden Systeme favorisiert. Ziel der Fusion sollte sein, die Schwächen
des einen Systems durch die Stärken des jeweils anderen Systems zu kompensieren. Dafür wurde
das in Abbildung 5.7 dargestellte Konzept nach dem Prinzip einer sog. Complementary-Fusion
ausgewählt. Die Umsetzung erfolgte mit einem Kalman-Filter. Die Unterscheidung zwischen
gemessenen und geschätzten Parametern erfolgt anhand von Akzenten: Gemessene Parameter
werden mit und geschätzte Parameter mit gekennzeichnet.
Abbildung 5.7: Schema des Algorithmus zur Schätzung der Position des Kiteschirms
Diese Fusion ermöglicht es, die Trägheit und den Durchhang des Seils durch die hochfrequenten
und verzögerungsfreien Messungen der IMU zu kompensieren, während die genauen Messdaten
der Seilwinkelsensoren als Referenz dienen, um dem Driftverhalten der IMU-Schätzung entgegen
zu wirken. Da die IMU im kitefesten KS misst, während die Seilwinkelsensoren im
prüfstandsfesten KS messen (vgl. Abschnitt 2.1.3), muss für eine sinnvolle Fusion eine
Koordinatentransformation durchgeführt werden. Im CSG-Algorithmus erfolgt bereits eine
Transformation vom kitefesten KS in ein erdfestes SEU-KS. Wird vereinfachend angenommen,
dass der Prüfstand sich in einer ideal horizontalen Ebene befindet, unterscheidet sich das SEU-
KS vom kitefesten KS nur in einer Rotation mit dem Winkel Π um die Hochachse. Π entspricht
80 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
dabei der Ausrichtung des Prüfstands gegenüber dem magnetischen Süden und kann
beispielsweise aus den Messdaten des GPS-Empfängers oder der IMU der auf dem Prüfstand
montierten Basiseinheit berechnet werden (vgl. Abbildung 5.8).
Abbildung 5.8: Prüfstandsfestes, kitefestes und SEU-KS
Für die Transformation der Beschleunigungswerte aus dem SEU-KS in das kitefeste KS muss
also nur eine Multiplikation mit der Quaternion durchgeführt werden, die die Rotation um den
Winkel Π beschreibt. Anschließend können die Anteile der Gravitationskraft an der gemessenen
Beschleunigung eliminiert werden, um die dynamische Beschleunigung zu erhalten. Durch eine
zweifache Integration der dynamischen Beschleunigung kann dann die Position berechnet werden.
Alleinstellungsmerkmal des hier vorgestellten Fusions-Algorithmus ist die adaptive Gewichtung
des jeweiligen Einflusses der beiden Sensorsysteme auf das Ergebnis. Um dies umzusetzen, erfolgt
eine Anpassung der Kovarianz-Matrix R des Kalman-Filters in Abhängigkeit von der Seilkraft
(siehe Freter et al.
176
):
R
(
k
)
=
W
(
k
)
[
I
3
]
(
5.2
)
mit
W
(
k
)
=
{
1
10
c
(
1000
F
t
(k)
)
r
,
1
e
10
,
für
F
t
(
k
)
>
0
für
F
t
(
k
)
=
0
(
5.3
)
176
Freter, J. Hendrik et al. (2020), S. 116
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 81
Je geringer die Seilkraft ist, desto geringer ist auch die Wahrscheinlichkeit, dass die für die
Positionsbestimmung aus den Seilwinkeln zu Grunde gelegte Annahme des perfekt gespannten
Seils zutrifft. Dementsprechend wird der Einfluss der Seilwinkelsensoren im Kalman-Filter mit
sinkender Seilkraft exponentiell reduziert.
Der Algorithmus wurde in Feldversuchen getestet. Dabei fiel auf, dass im normalen Flugbetrieb
praktisch kein Leinendurchhang mehr auftritt. Dies ist vermutlich auf die Tatsache
zurückzuführen, dass während der Entwicklung des ADS die Bar aus den Leinen entfernt wurde
(vgl. Abschnitt „Einfluss der Bar“ im Kapitel 6). In provozierten Flugsituationen mit dem Ziel,
testweise Leinendurchhang zu erzeugen, zeigte sich, dass die gewünschte Funktionalität gegeben
ist und die Messdaten der IMU partielle Fehlmessungen der Seilwinkelsensoren aufgrund von
Leinendurchhang kompensieren können. In normalen Flugsituationen bestätigten die auf den
Messdaten der IMU basierenden Schätzungen die anhand der Seilwinkelsensoren bestimmte
Position, sodass zukünftig höheres Vertrauen in die Zuverlässigkeit und Genauigkeit der
Positionsbestimmung gesetzt werden kann.
5.3.2. System zur Messung des Anströmvektors
Wie in der Einleitung dieses Kapitels bereits erwähnt, soll das Onboard-Sensorsystem auch die
Messung des Anströmvektors am Kiteschirm ermöglichen, da die möglichst genaue Kenntnis über
die Anströmverhältnisse am Kiteschirm essentiell ist für eine fundierte und präzise Vermessung
von Kiteschirmen.
Ein geeignetes Sensorsystem zur Messung der Anströmgeschwindigkeit und des Anströmwinkels,
mit dem ein in einer Strömung befindliches Objekt beaufschlagt wird, stellt eine Mehrloch-
Prandtl-Sonde dar. Ein solches Strömungsmesssystem unterliegt sehr geringen Trägheiten und
unter Berücksichtigung der unterschiedlichen Dichten der Luft bei verschiedenen Temperaturen
können sehr hohe Genauigkeiten bei gleichzeitig großen Messbereichen erreicht werden. Darüber
hinaus kann eine solche Sonde sehr kompakt und leicht gestaltet werden, sodass die Beeinflussung
des Flugverhaltens minimal gehalten wird. Ein weiterer Vorteil des Sensorsystems ist die
verlässliche und robuste Bauweise aufgrund der geringen mechanischen Komplexität ohne
bewegliche Teile.
Nachteilig sind vor allem die sehr hohen Kosten für kommerzielle Mehrloch-Prandtl-Sonden. Da
durch den Staudruck eine Beeinflussung der Anströmung unmittelbar vor dem Kite auftritt, muss
die Messung der Anströmung möglichst weit vor der Fronttube erfolgen, wodurch das System
bei einem Absturz mit hoher Wahrscheinlichkeit beschädigt wird. Zusätzlich zu den
Anschaffungskosten könnten also ggf. noch sehr hohe Reparaturkosten entstehen.
Aus diesem Grund wurde zusammen mit Gian Tegel und Luis Neuweiler ein Projekt
177
gestartet
mit dem Ziel, eine Mehrloch-Prandtl-Sonde zu entwickeln, die speziell auf die Anforderungen für
den Einsatz am TETA-Prüfstand abgestimmt und dadurch insbesondere deutlich kostengünstiger
177
Tegel, G., Neuweiler, L. (2020)
82 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
ist. Die vollständige Anforderungsliste, die die Basis für die Entwicklung bildete, ist in Anhang
B.2.1 zu finden.
Sowohl die Maximalwerte als auch der Bereich der erwarteten Strömungsgeschwindigkeiten sind
bei der geplanten Anwendung im Gegensatz zu den konventionellen Anwendungsgebieten solcher
Sonden, wie beispielsweise der Luftfahrt oder dem Rennsport, vergleichsweise gering. Aus diesem
Grund sind auch die Anforderungen an die Fertigungsgenauigkeit und Oberflächenqualität des
Sondenkopfes deutlich geringer, sodass additive Fertigungsverfahren für dessen Herstellung
genutzt werden können. Dies wiederum bietet ein sehr großes Potential bzgl. der Kostenreduktion.
Dieser Ansatz wurde bereits im Rahmen eines anderen Projekts
178
erfolgreich umgesetzt und
analysiert. Dabei wurden deutliche Vorteile von sphärischen gegenüber pyramidenförmigen
Kopfgeometrien bezüglich Messgenauigkeit und Linearität festgestellt, weshalb die sphärische
Kopfgeometrie für die Umsetzung im Rahmen des TETA-Projekts priorisiert wurde. Um den
Anströmwinkel in zwei Ebenen messen zu können, die Komplexität des Sondenkopfes aber
gleichzeitig möglichst gering zu halten, sollte eine 5-Loch-Sonde entwickelt werden. Dafür wurden
zunächst mithilfe eines Morphologischen Kastens mehrere Konzepte erarbeitet, die anschließend
vom Projektteam bewertet wurden. Anhand einer detaillierten Analyse der Bewertungen ergab
sich die in Abbildung 5.9 als Skizze bzw. in Abbildung 5.10 als ausgearbeitetes CAD-Modell
dargestellte Vorzugsvariante.
Abbildung 5.9: Vorzugsvariante für die Kopfgeometrie der 5-Loch-Prandtl-Sonde
179
178
Azartash-Namin, S. K. (2017)
179
nach Tegel, G. et al. (2020)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 83
Abbildung 5.10: Ausgearbeitete Vorzugsvariante der 5-Loch-Prandtl-Sonde
Darin wird ein dünnwandiges Karbonrohr verwendet, um den durch selektives Lasersintern
gefertigten Sondenkopf aufzunehmen und weit vor der Tragfläche zu positionieren. Es werden
Druckluftschläuche genutzt, um die Verbindung zwischen den Löchern im Sondenkopf und den
Differenzdrucksensoren
180
herzustellen. Die Messung des statischen Druckes erfolgt über
Bohrungen im Karbonrohr und eine verschiebbare ringförmige Druckkammer, wodurch die
Position, an der der statische Druck gemessen wird, bei Bedarf verändert werden kann. Die
Weiterleitung des statischen Drucks zum Differenzdrucksensor erfolgt mit Hilfe eines weiteren
Druckluftschlauchs. Die ausgearbeitete Vorzugsvariante ist in Abbildung 5.10 dargestellt.
Das Karbonrohr wird, wie in Abbildung 5.11 visualisiert, über die in der Abbildung 5.10 gelb
dargestellten, im FDM-Verfahren hergestellten Bauteile an dem am Kiteschirm montierten
Gehäuse des ADS befestigt. An das Karbonrohr geklebte Lamellen verhindern durch eine
formschlüssige Verbindung zum Rohrhalter ein ungewolltes Verdrehen der Sonde, wodurch eine
korrekte Ausrichtung der Drucklöcher sichergestellt wird.
180
Sensirion AG: Datasheet SDP31-Digital; Die maximal messbare Anströmgeschwindigkeit beträgt mit diesen
Sensoren mit einem Messbereich von ±500 Pa ca. 28
m
s
. Der maximal zulässige Druck, mit dem die Sensoren
beaufschlagt werden dürfen, ohne Schaden zu nehmen, beträgt 1 Bar.
84 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Abbildung 5.11: ADS inkl. Prandtl-Sonde am Kiteschirm montiert
Zusätzlich wird über den Rohrhalter das Gehäuse für die Differenzdrucksensoren realisiert. Die
Fixierung der Sensoren erfolgt darin über die Platine, die in passende Schlitze eingeschoben wird.
Der Schutz vor Umwelteinflüssen wird durch den Gehäusedeckel und eine Flachdichtung
sichergestellt. Der dreieckige Adapter (vgl. Abbildung 5.10) wurde in diversen unterschiedlichen
Größen gefertigt. Der Austausch dieses Bauteils ermöglicht eine Anpassung der Ausrichtung der
Sonde. Diese wird im Betrieb so eingestellt, dass im statischen Flugzustand möglichst ein
Anströmwinkel von 0° an der Sonde vorliegt. Es sei erwähnt, dass von den Anströmwinkeln der
Sonde nicht direkt auf den Anströmwinkel des Kiteschirms geschlossen werden kann. Dafür muss
zusätzlich mindestens die Ausrichtung der Sonde bezüglich einer definierten Referenz am
Kiteschirm bekannt sein. Bei starren Flügeln bildet typischerweise die Profilsehne diese Referenz.
Da sich Kiteschirme aber wie bereits in Abschnitt 2.1.1 ausführlich beschrieben, unter Einwirkung
der aerodynamischen Lasten stark verformen, kann keine konstante Profilsehne und damit
höchstens ein lokaler Anströmwinkel angegeben werden. Aufgrund der Befestigung des ADS an
der Mittelstrut kann ausschließlich die Ausrichtung der Sonde bzw. des Anströmvektors bezüglich
dieses Teils des Kitschirms sicher bestimmt werden.
Zur Vermeidung von Schraubenverbindungen, die das Magnetfeld in der Nähe des Inertialsensors
stören könnten, erfolgt die Verbindung der Bauteile mit Hilfe von Laschen und Gummiringen.
Der modulare Aufbau ermöglicht bei Bedarf einen schnellen Austausch defekter Bauteile.
Funktionsweise der Messung und Justierung
Alle notwendigen Berechnungen, um aus den Rohdaten der Differenzdrucksensoren den Betrag
und die Ausrichtung des Anströmvektors zu bestimmen, erfolgen im Mikrocontroller des ADS
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 85
(vgl. Abschnitt 5.3.1). Aus den Rohdaten der Sonde werden drei Differenzdrücke berechnet: Der
Differenzdruck der Centerbohrung zu den Bohrungen für die statische Druckmessung ∆P
c
sowie
jeweils der Differenzdruck der zwei gegenüberliegenden Bohrungen für den Anstellwinkel α und
den Schiebewinkel β, ∆P
α
bzw. ∆P
β
. Anhand dieser können basierend auf den nachfolgenden
Formeln zwei dimensionslose Koeffizienten berechnet werden, die einzigartig für einen
bestimmten Anströmwinkel und unabhängig von der Anströmgeschwindigkeit sind:
c
α
=
∆
P
α
∆
P
c
(
5.4
)
c
β
=
∆
P
β
∆
P
c
(
5.5
)
Damit aus diesen Koeffizienten der Anströmwinkel bestimmt werden kann, muss durch eine
Justierung unter kontrollierten Bedingungen im Windkanal ein Kennfeld für den verwendeten
Sondenkopf erzeugt werden. Aufgrund des simplen geometrischen Aufbaus des Sondenkopfes in
Form einer Halbkugel könnte das Kennfeld theoretisch auch analytisch bestimmt werden. Da
jedoch aufgrund der additiven Fertigung zumindest kleine Ungenauigkeiten der Kopfgeometrie
nicht ausgeschlossen werden können, wurde die Justierung im Windkanal bevorzugt.
Dafür wurde der in Abbildung 5.12 dargestellte offene Windkanal der Fa. Enerkite genutzt.
Dieser ist mit einem System zur Messung der eingestellten Strömungsgeschwindigkeit
ausgestattet, das zum Zeitpunkt der Justierung aber nicht funktionsfähig war. Die erzeugte
Strömungsgeschwindigkeit wurde deshalb mit Hilfe eines mobilen Windmessers
181
gemessen und
über die Drehzahl der Turbine anhand eines Umrichters auf den gewünschten Wert eingestellt.
181
PCE Deutschland GmbH: Schalenstern-Anemometer Windmaster 2; Genauigkeit 4% des angezeigten Wertes.
Auflösung bis 20
m
s
0,1, danach 1
86 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Abbildung 5.12: Justierung der Prandtl-Sonde mit dem offenen Windkanal der Fa. Enerkite
Die Konstruktion, über die die Sonde in der Strömung positioniert wird, ermöglicht eine laterale
Drehung und damit eine Veränderung des Azimutwinkels φ und zusätzlich eine Drehung ω um
die Rotationsachse der Sonde, jeweils mit einer Auflösung von 1°. Bei korrekter Einspannung der
Sonde mit dem Sondenkopf im Rotationsmittelpunkt verweilt dieser bei einer
Azimutwinkelverstellung an einer Stelle im Raum und verdreht sich nur gegenüber der Strömung.
Durch die zusätzliche Drehung der Sonde um ihre Rotationsachse können alle für die Erstellung
des Kennfeldes relevanten Anströmwinkel des Sondenkopfes erzeugt werden. Die Umrechnung
der mit der Einspannung einstellbaren Winkel in die Winkel α und β erfolgt anhand der Formeln
α
=
arctan
(
cos
(
ω
)
sin
(
φ
)
cos
(
φ
)
)
(
5.6
)
β
=
arcsin
(
sin
(
φ
)
sin
(
ω
)
)
(
5.7
)
Während der Justierung wurden die Differenzdrücke für alle Kombinationen der Winkel φ∈
[0°,90°] und ω∈[−45°,45°] jeweils in 5°-Schritten bei einer Anströmgeschwindigkeit von 5
m
s
vermessen. Diese Anströmgeschwindigkeit wurde gewählt, da die Strömungswinkelmessung mit
einer Mehrloch-Prandtl-Sonde mit steigender Windgeschwindigkeit generell immer akkurater
wird. Wenn die Sonde also in dieser niedrigsten und damit anspruchsvollsten relevanten
Anströmgeschwindigkeit, die bei den Messungen erwartet wird, akkurat justiert wird, liefert sie
im gesamten Messbereich gute Messergebnisse. Für die Justierung der
Windgeschwindigkeitsmessung wurde zusätzlich das gesamte Spektrum der zu messenden
Windgeschwindigkeiten mit frontaler Anströmung in 1
m
s
- Schritten durchfahren.
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 87
Für die Bestimmung des Anströmvektors während der Messung werden zunächst wieder aus den
gemessenen Differenzdrücken anhand der Formeln 5.4 und 5.5 die beiden Koeffizienten berechnet
und anschließend durch den Vergleich mit dem in der Justierung erstellten Kennfeld dem
zugehörigen Anstell- und Schiebewinkel zugeordnet.
Sind die beiden Winkel bekannt, kann basierend darauf die Anströmgeschwindigkeit berechnet
werden. Die gemessene Center-Druckdifferenz beginnt bei Anströmwinkeln von über 10° vom
dynamischen Druck abzuweichen (vgl. Abbildung 5.13).
Abbildung 5.13: Abschwächung des Center-Differentialdruckes bei seitlicher Anströmung beispielhaft anhand einer
Azimut-Schwenkung bei v=5
m
s
dargestellt
Dies geschieht, da die Löcher zur statischen Druckmessung immer mehr in der Anströmung
stehen und die Center Druckbohrung langsam aus der Anströmung gedreht wird. Bei 45° wird
dieses Phänomen so stark, dass die Differenzdrücke negativ werden.
Um den tatsächlich vorliegenden dynamischen Druck zu berechnen, wird deshalb die gemessene
Center-Druckdifferenz abhängig von den berechneten Anströmwinkeln skaliert. Zusätzlich wird
eine Skalierung durchgeführt, um den von der Anströmgeschwindigkeit und der Schlauchlänge
abhängigen Druckverlust in den Druckleitungen zu korrigieren. Das dafür verwendete
Korrekturpolynom wird aus den Messdaten bestimmt, die im Windkanal bei unterschiedlichen
Anströmgeschwindigkeiten für eine frontale Anströmung gemessen wurden. Anschließend kann
mit der Formel 5.8 die Anströmgeschwindigkeit berechnet werden.
88 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
v
=
√
2
∆
P
c,s
ρ
(
5.8
)
Die aktuelle Luftdichte ρ wird dabei mit der Formel 5.9 approximiert.
ρ
=
p
R
S
⋅
T
(
5.9
)
Darin ist p der statische Luftdruck, R
S
die spezifische Gaskonstante von Luft und T die
Temperatur. Die spezifische Gaskonstante ist von der molaren Masse und somit von der
Luftfeuchtigkeit abhängig. Die Luftfeuchtigkeit wird nur durch die Wetterstation auf dem Dach
des Zugfahrzeugs gemessen. Damit diese für die Berechnungen im ADS zur Verfügung steht,
müsste diese von sbRIO über die Basiseinheit an die Kiteeinheit gesendet werden. Um den dafür
notwendigen Programmieraufwand zu vermeiden, wird die Berechnung unabhängig von der
tatsächlichen vorherrschenden Luftfeuchtigkeit, mit der spezifischen Gaskonstante für trockene
Luft R
S,Luft
=287,085
J
kg⋅K
durchgeführt. Der durch diese Vereinfachung auftretende Fehler in
der Berechnung der Anströmgeschwindigkeit ist sehr gering
182
.
5.4. Umsetzung des automatisierten dynamischen Manövers
In Abschnitt 3.2.1 wurde aufgezeigt, dass bisher keine validierten hochgenauen
Simulationsmodelle von Kiteschirmen existieren, die geeignet wären, um die Anwendung
fortschrittlicher Regelalgorithmen wie NMPC für die echtzeitfähige Trajektorienkontrolle von
Kiteschirmen zu ermöglichen. Die vorliegende Arbeit soll helfen, diese Lücke zu schließen. Um
die dafür notwendige reproduzierbare systematische Vermessung des dynamischen Verhaltens
von Kiteschirmen zu realisieren, muss ein robuster Regelalgorithmus implementiert werden, der
die Umsetzung des in Unterkapitel 5.2 definierten automatisierten Manövers „Achtenflug“ mit
möglichst gleichförmigen Trajektorien ermöglicht.
Erste Untersuchungen mit dem Ziel, einen solchen Regelalgorithmus zu finden, wurden anhand
einer Simulationsstudie zusammen mit Michel van der Schoor im Rahmen seiner Masterarbeit
183
durchgeführt. In einer vorhergehenden Projektarbeit war das von Erhard und Strauch entwickelte
Modell
184
in einer Bewegungssimulation implementiert worden. Es bot sich deshalb an, diese
182
Die vergleichende Berechnung der Anströmgeschwindigkeit unter Berücksichtigung der spezifischen Gaskonstante
für Luft bei 5% relativer Feuchte und 95% relativer Feuchte ergibt unter „Standard Ambient Temperature and
Pressure“-Bedingungen (Temperatur: 25° Celsius, Luftdruck: 1013hPa) bei einer anliegenden Anströmgeschwindigkeit
von 22 knt eine Differenz von ca. 0,15%
183
van der Schoor, M. J. (2017)
184
Erhard, M. et al. (2014)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 89
Simulation um den ebenfalls von Erhard und Strauch entwickelten Regelalgorithmus
185
zur
Erzeugung eines automatisierten Achtenflugs zu erweitern. Da außerdem davon ausgegangen
wurde, dass zeitnah eine Messung der in diesem Algorithmus als Regelgröße genutzten
Orientierung verfügbar sein würde und das für die Messung der Orientierung erforderliche
Messsystem für die Vermessung der Kiteschirme ohnehin immer verwendet werden muss, wurde
auch der erfolgreiche Einsatz in Feldtests als realistisch eingeschätzt. Die Umsetzung einer
zuverlässigen Orientierungsmessung gestaltete sich jedoch aufwendiger als erwartet und dauerte
deshalb deutlich länger als geplant (vgl. Abschnitt 5.3.1). Obwohl in der Simulation mit dem
Regelalgorithmus vielversprechende Ergebnisse erzielt werden konnten, musste deshalb eine
Alternative für die schnelle Umsetzung eines robusten automatisierten Achtenflugs gefunden
werden.
Aus diesem Grund wurde die in Abschnitt 3.2.1 zusammengefasste, ausführliche
Literaturrecherche durchgeführt und im Rahmen einer weiteren Masterarbeit
186
gemeinsam mit
Conrad Lange das Regelungskonzept überarbeitet. Bei der Suche nach einem alternativen
Regelalgorithmus wurde insbesondere darauf geachtet, dass möglichst keine a priori
Parameterkenntnis des Kiteschirms, dessen Flugtrajektorie geregelt werden soll, erforderlich ist.
Andernfalls wäre es nicht möglich, den Regelalgorithmus für die Vermessung des dynamischen
Verhaltens von Kiteschirmen zu verwenden. Außerdem sollte es möglich sein, die Form der
geflogenen Acht intuitiv über die Reglerparameter einzustellen. Die Inputparameter für den
Algorithmus sollten über die bereits funktionstüchtige Sensorik bereitgestellt werden können.
Ein Algorithmus, der alle zuvor genannten Anforderungen erfüllt und deshalb für die Regelung
des Achtenflugs implementiert werden sollte, wurde von Fagiano et al.
187
entworfen. Bei der
Entwicklung dieses Algorithmus wurde darauf abgezielt, lediglich mit den Messdaten von
Seilwinkelsensoren einen robusten Achtenflug erzeugen zu können. Die Regelgröße in diesem
Konzept stellt deshalb der Geschwindigkeitswinkel dar, der aus den Seilwinkelsensordaten
berechnet werden kann (vgl. Abschnitt 2.1.3). Die Verwendung des Geschwindigkeitswinkels als
Regelgröße ermöglicht außerdem eine Vereinfachung der Modellgleichungen. Ein weiterer Vorteil
dieses Konzepts ergibt sich dadurch, dass angenommen wird, die Anströmgeschwindigkeit des
Kiteschirms im Achtenflug entspräche dessen Eigengeschwindigkeit, sodass diese nicht gemessen
bzw. geschätzt werden muss. Das in diesem Algorithmus verwendete Modell stellt eine erweiterte
Variante des TRL dar und wurde bereits in Abschnitt 3.1.4 vorgestellt (vgl. Formel 3.5 - 3.7).
Der Aufbau des implementierten Regelalgorithmus ist in Abbildung 5.14 dargestellt. Es ist zu
erkennen, dass eine Kaskadenstruktur verwendet wird.
185
Erhard, M. et al. (2012)
186
Lange, C. (2018)
187
Fagiano, L. et al. (2013)
90 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
Abbildung 5.14: Blockschaltbild des Geschwindigkeitswinkelreglers
188
In der äußeren Schleife erfolgt die Berechnung des Sollwerts, der für die Erzeugung der
Trajektorie in Form einer liegenden Acht erforderlich ist, durch eine positionsabhängige
Umschaltung zwischen zwei Zielpunkten im Windfenster (vgl. Abbildung 5.15) anhand folgender
Vorschrift:
P
a
(
k
)
=
⎩
{
⎨
{
⎧
P
−
für
Φ
k
>
Φ
+
P
+
für
Φ
k
<
Φ
−
P
a
(
k
−
1
)
sonst
(5.10)
Es wird also auf den jeweils gegenüberliegenden Zielpunkt umgeschaltet, sobald der gemessene
Azimutwinkel den Bereich verlässt, der durch die beiden Zielpunkte begrenzt wird. In der
Flugsituation, die in der Abbildung dargestellt ist, ist der linke Zielpunkt (P
+
) aktiv geschaltet,
sodass der Kiteschirm diesen anfliegen soll. Der dafür erforderliche Kurswinkel γ
p
wird in
Abhängigkeit von der Position des Kiteschirms mittels nautischer Kurswinkelberechnung
bestimmt. Die Berechnung des Kurses erfolgt dabei, abweichend von der Umsetzung im
ursprünglichen Algorithmus, nicht mit Hilfe der Loxodrome, sondern der Orthodrome. In ersten
Feldversuchen hatte sich gezeigt, dass dadurch ein ruhigerer und robusterer Achtenflug erzeugt
werden kann.
188
in Anlehnung an Fagiano, L. et al. (2013)
Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen 91
Abbildung 5.15: Berechnung des erforderlichen Kurswinkels mit Hilfe der Orthodrome
189
Durch die Verwendung der Orthodrome wird für die Berechnung des Kurswinkels im Gegensatz
zu der von Fagiano et al. angewendeten vereinfachten Beschreibung in der Ebene zusätzlich die
Kugelform des Windfensters berücksichtigt. Dafür wird zunächst nach dem Cosinus-Satz des
sphärischen Dreiecks der Winkel ζ (vgl. Abbildung 5.15) in der Großkreisebene zwischen der
Position des Kiteschirms und dem aktuell aktiven Zielpunkt wie folgt berechnet:
ζ
=
arccos
(
sin
Θ
k
sin
Θ
p
+
cos
Θ
k
cos
Θ
p
cos
(
Φ
p
−
Φ
k
)
)
(5.11)
bevor damit der Startkurswinkel berechnet werden kann
190
:
Ψ
p
=
arccos
(
sin
Θ
p
−
sin
Θ
k
cos
ζ
cos
Θ
k
sin
ζ
)
(5.12)
Dieser wird wiederum folgendermaßen als Sollvorgabe in Form des erforderlichen Kurswinkels
zum Ansteuern des aktiven Zielpunkts interpretiert:
γ
p
=
{
Ψ
p
für
Φ
k
≤
Φ
±
−
Ψ
p
für
Φ
k
>
Φ
±
(5.13)
Da es aufgrund der Umschaltung zwischen den Zielpunkten zu einem abrupten Wechsel der
Führungsgröße kommen würde, ist ein Tiefpassfilter nachgeschaltet, der diese Sprünge des Soll-
Kurswinkels abmildert, bevor dieser an die innere Schleife übergeben wird. Dadurch wird ein
stetiger Verlauf der Führungsgröße erreicht und die Änderungsgeschwindigkeit der Eigendynamik
der Kiteschirms angepasst.
189
in Anlehnung an Fagiano, L. et al. (2013)
190
Richter, W. (2020)
92 Kapitel 5: Automatisierter Prüfstand zur Vermessung vollflexibler Tragflächen
In der inneren Schleife erfolgt die Rückkopplung der Regelabweichung über einen einfachen P-
Regler nach folgender Gesetzmäßigkeit:
δ
=
K
P
(
γ
p
−
γ
)
(5.14)
Eine Sollwertabweichung des Geschwindigkeitswinkels wird also durch die Multiplikation mit
dem Proportionalitätsfaktor K
P
in die Stellgröße umgewandelt. In einem nachgeschalteten
Sättigungsblock erfolgt eine Stellgrößenbeschränkung.
Der für die Berechnung der Regelabweichung benötigte aktuelle Geschwindigkeitswinkel des
Kiteschirms wird entsprechend der folgenden Gleichung mit der Vierquadrantenversion der
Arkustangens berechnet:
γ
=
arctan
(
cos
(
Θ
)
Φ
Θ
)
(5.15)
Der Geschwindigkeitswinkel ist dadurch auf einem Wertebereich von ∈[−180°,180°] definiert.
Dadurch können fehlerhafte Berechnungen in Form von Sprüngen im Verlauf des
Geschwindigkeitswinkels auftreten. In bestimmten Flugsituationen, wenn der Kite beispielsweise
ruhig im Zenit gehalten wird, kann es vorkommen, dass der Kiteschirm kurzzeitig rückwärts
fliegt. In diesem Fall würde der Wert des Geschwindigkeitswinkels von 0° auf 180° bzw. -180°
springen. Das Rauschen der Seilwinkelsensoren kann zu ähnlichen Fehlinterpretationen führen.
Um solche physikalisch nicht möglichen Sprünge im Trajektorienverlauf des Kiteschirms zu
verhindern, wird das sog. γ-Filter eingesetzt.
Die Größe und Robustheit der mit diesem Algorithmus erzeugten achtenförmigen Trajektorien
kann durch eine Verschiebung der Zielpunkte sowie durch die Wahl des Verstärkungsfaktors K
P
und die Einstellung des Tiefpassfilters beeinflusst werden.
Kapitel 6: Voruntersuchungen 93
6. Voruntersuchungen
In diesem Kapitel werden einige Voruntersuchungen beschrieben, die durchgeführt wurden,
nachdem die im vorigen Kapitel beschriebene Weiterentwicklung des Prüfstands abgeschlossen
war. Ziel dieser Untersuchungen war die Überprüfung der Wirksamkeit verschiedener
Maßnahmen, die getroffen wurden, um die Qualität der Messdaten zu erhöhen, die zur
Bestimmung der aerodynamischen Koeffizienten verwendet werden.
Vergleich der Powermanöver
Die erste Voruntersuchung betrifft die von Python
191
empfohlene Änderung des Power-Manövers
(vgl. Unterkapitel 3.4). Pythons Empfehlung basiert auf der Analyse einer Vergleichsmessung, in
der festgestellt wurde, dass sich die aus den Messdaten der beiden unterschiedlichen Manöver
„lineares Powern innerhalb von 4,5 s“ und „stufenweises Powern“ berechneten Gleitzahlen stark
unterscheiden. Er vermutet deshalb, dass beim Manöver „lineares Powern innerhalb von 4,5
s“ der Powerbereich zu schnell durchfahren wird. Die für die Berechnungen zugrunde gelegte
Annahme, der Kiteschirm befände sich stets in einem quasi-statischen Flugzustand, sei demnach
nicht erfüllt.
Um eine umfangreichere Datenbasis zur Analyse zur Verfügung zu haben, wurde eine Messreihe
durchgeführt, bei der nacheinander bei gleichen äußeren Bedingungen und mit dem gleichen
Kiteschirm die Manöver „lineares Powern innerhalb von 4,5 s“, „lineares Powern innerhalb von
8 s“ und „stufenweises Powern“ durchgeführt wurden. Die Zielgeschwindigkeit betrug 11,3
m
s
=
22 knt. Der Powerbereich wurde auf 500 mm eingestellt.
In Abbildung 6.1 sind die aus den Messdaten dieser Versuche berechneten Verläufe der Gleitzahl
dargestellt. Entsprechend der von Hummel
192
eingeführten Darstellungsweise werden die
Messdaten stets gegenüber der relativen Powerposition aufgetragen (vgl. Abbildung 2.2).
191
Python, B. (2017)
192
Hummel, J. (2017)
94 Kapitel 6: Voruntersuchungen
Abbildung 6.1: Ermittelte Gleitzahl bei unterschiedlichen Power-Manövern
Es ist zu erkennen, dass sich für die drei Manöver jeweils unterschiedliche Verläufe der
resultierenden Gleitzahlen ergeben. Wie in den Versuchen von Python ergibt sich mit dem
Manöver „lineares Powern innerhalb von 4,5 s“ eine geringere Gleitzahl als mit dem Manöver
„stufenweises Powern“
193
. Der Verlauf der mit dem Manöver „lineares Powern innerhalb von 8
s“ bestimmten Gleitzahl liegt erwartungsgemäß zwischen den beiden anderen Graphen. Die
Beobachtungen von Python können also bestätigt werden und es ist zu vermuten, dass der
Kiteschirm während des Manövers „lineares Powern“ auch mit einer deutlich längeren
Ausführungszeit keinen quasi-statischen Flugzustand einnimmt. Da die Messdaten durch die
dann vorliegende Dynamik verfälscht würden, wird die Vermessung der aerodynamischen
Koeffizienten mit dem TETA-Prüfstand fortan ausschließlich mit dem Manöver „stufenweises
Powern“ durchgeführt.
Einfluss der Bar
Die zweite Voruntersuchung hatte das Ziel, den Einfluss der Bar und der Sicherheitsauslösung
auf die Messung des Höhenwinkels und somit auf die Bestimmung der aerodynamischen
193
Die Messungen von Python wurden mit einem Kiteschirm durchgeführt, der für die Verwendung mit einem
geringeren Powerbereich eingestellt war. Aus diesem Grund trat mit dem Manöver „stufenweises Powern“ in den
höheren relativen Powerpositionen ab ca. ε
rel
=0,7 ein Stall auf. Bei dem Manöver „lineares Powern innerhalb von
4,5 s“ trat dieser Stall vermutlich aufgrund der ungewollten Restdynamik nicht auf. Die aus den Messdaten von Python
berechnete Gleitzahl des Manövers „stufenweises Powern“ liegt deshalb nicht über den gesamten Powerbereich
oberhalb der berechneten Gleitzahl des Manövers „lineares Powern innerhalb von 4,5 s“ (vgl. Python, B. (2017), S.
71).
Kapitel 6: Voruntersuchungen 95
Koeffizienten zu analysieren. Die beiden Bauteile sind zwischen dem Kreuzgelenk und den Leinen
verbaut (vgl. Abbildung 3.8) und haben eine Gesamtmasse von ca. 1,15 kg. Dieses Gewicht in
den Leinen wirkt sich zum einen negativ auf die Messung des Höhenwinkels aus, weil
Schwingungen induziert werden und zum anderen, weil es dadurch bei geringen Leinenkräften zu
einem starken Leinendurchhang bzw. zum Absacken des Kreuzgelenks kommen kann. Dies hatte
bereits Hummel in seinen Messungen festgestellt und deshalb den Ausbau der beiden Bauteile
vorgeschlagen. Der Ausbau der Bar kann problemlos vorgenommen werden, da die Funktion des
Prüfstands dadurch nicht beeinträchtigt wird. Der Ausbau der Sicherheitsauslösung führt dazu,
dass der Kiteschirm nicht wie im ursprünglichen Entwicklungsprozess vorgesehen vom Prüfstand
getrennt werden kann. Aus der Erfahrung der vielen bisher durchgeführten Versuche kann jedoch
eingeschätzt werden, dass diese Funktion mit dem aktuellen Entwicklungsstand des Prüfstands
überflüssig geworden ist und nicht weiter benötigt wird. Aus diesem Grund wurden die beiden
Bauteile aus den Leinen entfernt.
Die Einstellung der Leinen auf den Auslegungszustand
194
und des Powerbereichs von 500 mm
erfolgt fortan durch eine Längenmessung an den „kiteseitigen“ Enden der Leinen für die relativen
Powerpositionen ε
rel
=1 und ε
rel
=0. Für die Analyse der Auswirkung dieser Änderung wurden
Vergleichsmessungen mit dem gleichen Kiteschirm vor und nach dem Ausbau der Bar und der
Sicherheitsauslösung durchgeführt. Die dabei gemessenen Verläufe des Höhenwinkels sind in
Abbildung 6.2 dargestellt.
194
Bei der relativen Powerposition ε
rel
=1 sind alle Leinen gleich lang
96 Kapitel 6: Voruntersuchungen
Abbildung 6.2: Gemessener Höhenwinkel mit (rot) und ohne (blau) eingebauter Bar und Sicherheitsauslösung
Es ist deutlich zu erkennen, dass das Gewicht in den Leinen einen erheblichen Messfehler erzeugt,
der schlussendlich in zu geringen berechneten Gleitzahlen resultiert. Dieser Messfehler ist umso
größer, je geringer die eingestellte relative Powerposition ist. Begründet werden kann dies
dadurch, dass bei niedrigeren relativen Powerpositionen die Leinenkräfte geringer sind, wobei das
zusätzliche Gewicht in den Leinen einen stärkeren Leinendurchhang verursacht. Darüber hinaus
ist auch zu erkennen, dass das durch Schwingungen verursachte Rauschen in der
Höhenwinkelmessung nach dem Ausbau geringer ist.
Abhängigkeit der Messdaten von der Fahrtrichtung
Zusätzliche Messungen wurden durchgeführt, um bisher nicht eindeutig erklärbare Auffälligkeiten
in den Messdaten zu analysieren. Bei einigen Messungen konnte eine Abhängigkeit der Messdaten
von der Fahrtrichtung auf der Start- und Landebahn beobachtet werden. Obwohl die
Anströmgeschwindigkeit mit Hilfe der Wetterstation auf dem Dach des Zugfahrzeugs für beide
Fahrtrichtungen gleich eingestellt wurde, war die gemessene Leinenkraft für eine Fahrtrichtung
stets größer als für die andere. Eine zur Untersuchung dieses Phänomens durchgeführte Messung
mit montierter, funktionsfähiger Prandtl-Sonde lieferte die in Abbildung 6.3 dargestellten
Messergebnisse.
Kapitel 6: Voruntersuchungen 97
Abbildung 6.3: Durch natürlichen Wind auf Höhe des Kiteschirms verursachte Differenz der Leinenkräfte bei
unterschiedlicher Fahrtrichtung auf der Start- und Landebahn
Darin ist die beschriebene Abhängigkeit der Leinenkraft von der Fahrtrichtung gut zu erkennen
(oberstes Diagramm). Die mit der Wetterstation gemessene Anströmgeschwindigkeit (unterster
Graph) zeigt, wie ebenfalls beschrieben, keine Abhängigkeit von der Fahrtrichtung. Betrachtet
man allerdings die mit der Prandtl-Sonde gemessene Anströmgeschwindigkeit (mittleres
Diagramm), die der tatsächlichen Anströmung des Kiteschirms entspricht, erkennt man sehr gut
die erwartete Korrelation zwischen Anströmgeschwindigkeit und Leinenkraft.
Die in Unterkapitel 5.3 beschriebene Vermutung, dass in Bodennähe aufgrund der Abdeckung
der Bäume keine Windgeschwindigkeit messbar ist, obwohl natürlicher Wind weht, kann mit
diesen Messdaten bestätigt werden. Es kann also festgestellt werden, dass die Entwicklung des
Systems zur Messung des Anströmvektors (vgl. Abschnitt 5.3.2) notwendig war und das
Vertrauen in die Messergebnisse durch die Verwendung dieses Systems deutlich gesteigert werden
kann.
98 Kapitel 7: Versuchsdurchführung
7. Versuchsdurchführung
In diesem Kapitel werden zunächst die Maßnahmen beschrieben, die eine zuverlässige sowie
effektive Funktionsweise des Gesamtsystems gewährleisten sollen, um eine effektive Ausnutzung
der verfügbaren Messzeit zu erreichen. Anschließend wird der Versuchsablauf beschrieben.
Maßnahmen zur Gewährleistung einer effektiven Ausnutzung der verfügbaren Messzeit
Eine große Herausforderung bei der einheitlichen und reproduzierbaren Charakterisierung von
Kiteschirmen mit dem TETA-Prüfstand stellt die Abhängigkeit von geeigneten Wind- und
Wetterverhältnissen dar. Wenn die Messungen bei nahezu absoluter Windstille ohne Thermik
durchgeführt werden, steigt die Qualität der Ergebnisse signifikant an. Diese deshalb für die
Messungen angestrebten Bedingungen herrschen allerdings nur selten vor. Aus diesem Grund
wurden diverse Verbesserungen durchgeführt, um die verfügbare Messzeit möglichst effektiv
nutzen zu können.
In früheren Messungen führten insbesondere unerwartet aufgetretene Defekte bzw.
Fehlfunktionen unterschiedlichster Komponenten sowie eine komplizierte Bedienung des Host-
VIs zu signifikanten Zeitverzögerungen. Häufig traten im Feld beispielsweise Fehlfunktionen der
Software auf, die bis dahin trotz umfangreicher Funktionstests in der Versuchshalle unentdeckt
blieben. Aus diesem Grund wurden zur Erprobung der neu entwickelten Komponenten und
Algorithmen hauptsächlich zahlreiche sog. statische Tests durchgeführt, bei denen der Prüfstand
stationär unter dem Einfluss des natürlichen Windes betrieben wird. Diese werden auf einer
Wiese durchgeführt, weshalb Abstürze in der Regel zu keiner Beschädigung des Kiteschirms
führen. Da es durch Böen im natürlichen Wind leicht vorkommen kann, dass der Kiteschirm ein
unvorhersehbares Verhalten zeigt, stellen dieses Tests außerdem tendenziell höhere
Anforderungen an die Robustheit der Regelung. Es kann deshalb davon ausgegangen werden,
dass ein Regelalgorithmus, der eine robuste Flugregelung während statischer Tests gewährleistet,
in den regulären dynamischen Tests mindestens die gleiche Robustheit erreicht.
Weitere Maßnahmen zur Gewährleistung einer effektiven Nutzung der verfügbaren Messzeit
betreffen hautsächlich die Optimierung der Bedienbarkeit des Prüfstands durch den Piloten.
Durch die sukzessive Erweiterung der Software um neue Funktionen gestaltete sich die Bedienung
durch den Piloten zunehmend komplizierter. Neben der Steuerung bzw. Überwachung des
Kiteschirms musste der Pilot über einen Fußschalter die automatisierten Manöver freigeben (vgl.
Abschnitt 3.3.5), durch wiederholtes Betätigen einer weiteren Taste des Fußschalters die
gewünschte Powerposition vorauswählen und für einen Wechsel des Manövers im Host-VI die
entsprechende Auswahl treffen sowie die Parameter des Reglers einstellen. Die damit
einhergehende potentielle Überforderung des Piloten stellt eine nicht zu vernachlässigende
mögliche Fehlerquelle dar.
Um die Belastung des Piloten zu reduzieren, wurde das Bedienkonzept überarbeitet. Dafür wurde
die Benutzerschnittstelle um die in Abbildung 7.1 dargestellte Kassentastatur erweitert. Diese
Kapitel 7: Versuchsdurchführung 99
ermöglicht es, alle wesentlichen Eingaben, die für die Steuerung des Prüfstands während des
Messens notwendig sind, über große übersichtlich angeordnete, physische Tasten zu tätigen. Der
Pilot muss dadurch nicht während der Fahrt über ein Touchpad mit dem Cursor auf einem
kleinen Bildschirm mit mehreren Tabs navigieren.
Abbildung 7.1: Modifizierte Kassentastatur zur Steuerung aller wesentlichen Funktionen des Host-VIs
Für die Umsetzung dieses Bedienkonzepts wurden umfangreiche Änderungen am Host-VI
vorgenommen. Insbesondere wurde eine mit den Manövern korrespondierende Klassenstruktur,
der sog. Manöverkatalog, eingeführt. In diesem sind die voreingestellten Parameter für die
unterschiedlichen Regler hinterlegt, sodass beim Wechsel des Manövers sofort geeignete
Einstellungen aktiv sind.
Versuchsablauf
Im Folgenden wird der Ablauf der Messungen im regulären dynamischen Betrieb des Prüfstands
beschrieben. Diese wurden auf dem ehemaligen Flughafengelände Pütnitz in Mecklenburg-
Vorpommern durchgeführt.
Die Inbetriebnahme des Prüfstands auf dem Testgelände erfolgt stets durch das Abarbeiten der
in Anhang B.3 hinterlegten Checkliste. Dadurch wird sichergestellt, dass keine wichtigen Schritte
vergessen werden. Diese Checkliste beinhaltet auch die beiden Punkte „ADS inkl. Prandtl-Sonde
mit passendem Adapter am Kiteschirm montiert“ und „XSens-DOT-Sensoren an den Struts
befestigt“, auf die nachfolgend genauer eingegangen werden soll.
Für die Montage des Onboard-Sensorsystems (vgl. Unterkapitel 5.3) muss zuerst eine zum
Durchmesser der Mittelstrut passende Halteklammer ausgewählt werden, mit der das Gehäuse
100 Kapitel 7: Versuchsdurchführung
des ADS wie in Abbildung 7.2 dargestellt, am Kiteschirm fixiert wird. Anschließend muss für die
Montage der Prandtl-Sonde ein Adapter ausgewählt werden, mit dem eine möglichst waagerechte
Ausrichtung und damit ein neutraler Anstellwinkel der Sonde vorliegt, wenn der Kiteschirm im
statischen Flugzustand im Zenit steht. Dadurch wird gewährleistet, dass auch eventuell
auftretende große Anströmwinkel zuverlässig gemessen werden können.
Abbildung 7.2: Montage des Onboard-Sensorsystems am Kiteschirm
Bei dem XSens-DOT-System
195
handelt es sich um die vernetzen Inertialsensoren, die genutzt
werden sollen, um die Verformung des Kiteschirms im Flug zu messen (vgl. Forschungsfrage 3).
Es besteht aus fünf Inertialsensor-Einheiten, die synchron Messdaten aufzeichnen. Die Messdaten
werden während der Messung auf den internen Speicher der Sensoreinheiten geschrieben und
können nach der Messung via Bluetooth oder eine USB-Verbindung heruntergeladen werden.
Da die Befestigung der Sensoren auf dem Tuch des Kiteschirms vermutlich zu einer signifikanten
Beeinflussung des Flugverhaltens führen würde, wurde entschieden, die Sensoren auf den Struts
zu befestigen. Diese weisen eine deutlich steifere Struktur auf, sodass eine sichere Befestigung
gewährleistet werden kann und der Einfluss der Sensoren geringer ist. Die Positionierung erfolgt,
wie in Abbildung 7.3 dargestellt, an definierten Positionen und in möglichst der gleichen
Ausrichtung auf den Struts des Kiteschirms. Zu beachten ist, dass diese Ausrichtung aus
montagetechnischen Gründen gewählt wurde und die Koordinatensysteme der Sensoren nicht wie
das kitefeste Koordinatensystem ausgerichtet sind.
195
Xsens: XSens DOT
Kapitel 7: Versuchsdurchführung 101
Abbildung 7.3: Schematische (oben) und reale (unten) Darstellung der Befestigung der XSens-DOT-Sensoren auf den
Struts des Kiteschirms
Die Befestigung erfolgt mit Gewebeband so, dass die Sensoren bei einem Absturz möglichst gut
geschützt sind und gleichzeitig im statischen Flugzustand im Zenit alle fünf Sensoren möglichst
die gleiche Orientierung aufweisen.
Wenn alle Sensoren korrekt am Kiteschirm montiert wurden, wird der Kiteschirm mit gespannten
Leinen hinter dem Prüfstand auf der Abströmkante stehend positioniert. Wird der Prüfstand
nun beschleunigt, hebt der Kiteschirm vom Boden ab und wird manuell in die Zenitposition
gesteuert. Das Flugfeld verfügt über eine befestigte Start- und Landebahn mit asphaltierten
Außenbahnen. Die Messungen werden ausschließlich auf diesen ebenen Seitenstreifen
durchgeführt, um die induzierten Schwingungen aufgrund des Untergrundes zu minimieren. Die
für die Messungen nutzbare gerade Strecke hat eine Länge von ca. 1,5 km. Die gewünschte
Anströmgeschwindigkeit wird über den Tempomaten des Zugfahrzeugs eingestellt und anhand
der Messdaten der Wetterstation auf dem Zugfahrzeug sowie des GPS der ADS-Basiseinheit
kontrolliert. Nach dem Erreichen der Zielgeschwindigkeit kann mit der Durchführung der
Manöver begonnen werden. Ist das Ende der Start- und Landebahn erreicht, wird das Manöver
beendet und mit dem Gespann eine 180°-Grad-Kurve gefahren. In der neuen Fahrtrichtung wird
analog verfahren, sodass es möglich ist, den Kiteschirm dauerhaft anzuströmen und beliebig lange
Messfahrten durchzuführen.
102 Kapitel 8: Versuchsauswertung
8. Versuchsauswertung
In diesem Kapitel werden alle Schritte erläutert, die zur Auswertung der in den Messkampagnen
aufgezeichneten Messdaten durchgeführt werden. Die Versuchsauswertung erfolgt größtenteils
mit Hilfe der Software Diadem der Fa. National Instruments sowie der Software Matlab der Fa.
MathWorks. Das verwendete Diadem-Skript stellt eine Erweiterung des von Hummel
entwickelten Batch-Process-Skripts (vgl. Hummel
196
) dar. Die Erweiterung umfasst hauptsächlich
Anpassungen, die die Auswertung des neuen Manövers „stufenweises Powern“ sowie die
Berücksichtigung der hinzugekommenen Messkanäle ermöglichen. Die Berechnung der
Drehfreudigkeit sowie der Totzeit aus den Messdaten der Achtenflug-Manöver erfolgt in Matlab.
Wird das Batch-Process-Skript gestartet, öffnet sich eine Benutzeroberfläche, in der die
Messdatensätze auszuwählen sind, die ausgewertet werden sollen und verschiedene Optionen an-
bzw. abgewählt werden können. Anschließend startet die Hauptschleife des Skripts, die in die
drei Abschnitte „Preprocessing“, „Processing“ und „Postprocessing“ aufgeteilt ist. Im
„Preprocessing“ werden die Messdaten zugeschnitten, damit diese später mit den aufgezeichneten
Videos synchronisiert werden können. Außerdem werden den Messkanälen physikalische
Einheiten zugewiesen und es erfolgt die Berechnung neuer Kanäle, die die aerodynamischen
Kennwerte beinhalten. Im letzten Schritt dieses Abschnitts folgt die Manövererkennung zur
Separierung der Messdaten, die während der Ausführung der automatisierten Manöver
aufgezeichnet wurden. Dafür wird überprüft, wann die sog. Manöver-Freigabe gesetzt ist.
Messdaten von Zeiträumen, in denen dies der Fall ist, bilden ein Manöver und werden in
fortlaufend nummerierte Kanalgruppen kopiert. Durch die Auswertung der GPS-Daten der
Basisstation des ADS wird zusätzlich jeweils die Fahrtrichtung des Manövers automatisiert in
den Metadaten der Kanalgruppen hinterlegt. Dies ermöglicht es, in der Auswertung zu
überprüfen, ob eine Abhängigkeit der Messdaten von der Fahrtrichtung auf der Start- und
Landebahn vorliegt.
Auswertung des Manövers „stufenweises Powern“
In dem Messkanal ”Running Manöver Index” ist hinterlegt, welches Manöver aktuell aktiv ist.
Handelt es sich dabei um das Manöver „stufenweises Powern“, werden innerhalb der
Manövergruppen für jeden Kanal mit veränderlichem Werteverlauf ausgewählte statistische
Kennwerte berechnet und in entsprechend benannte Kanäle geschrieben. Abschließend werden
die berechneten Kennwerte im Abschnitt „Postprocessing“ über die zugehörigen Powerpositionen
in 2D-Achsensysteme geplottet und als sog. Report im PDF-Format gespeichert. Der entstandene
modifizierte Datensatz wird ebenfalls gespeichert.
196
Hummel, J. (2017), S. 155 ff.
Kapitel 8: Versuchsauswertung 103
Wurden zu Beginn mehrere Messdatensätze ausgewählt, werden die beschriebenen Schritte vor
dem Plotten für jeden der gewählten Datensätze wiederholt, sodass die Messdaten anschließend
zusammen geplottet und verglichen werden können.
Auswertung des Manövers „Achtenflug“
Wie in Unterkapitel 5.2 beschrieben dient der Achtenflug der Bestimmung der Drehfreudigkeit
und Totzeit in Abhängigkeit von der relativen Powerposition. Dies erfolgt durch die Auswertung
der Messdaten, die als Parameter im TRL enthalten sind (vgl. Unterkapitel 5.1). Wird das um
den Totzeitterm erweiterte TRL (vgl. Formel 5.1) umgestellt, erhält man folgende Gleichung:
ψ
m
(
t
)
v
a
(
t
)
=
g
k
⋅
δ
(
t
−
d
)
(
8.1
)
Aus einem Achtenflug-Manöver ergeben sich für die beiden Seiten dieser Gleichung
typischerweise die in Abbildung 8.1 blau und rot dargestellten Verläufe der Graphen.
Abbildung 8.1: Typische Verlaufsgraphen des linken und rechten Terms aus der Formel 8.1, während eines
Achtenflugs
Für die Bestimmung der Drehfreudigkeit g
k
und Totzeit d erfolgt in der Auswertung eine
numerische Anpassung dieser beiden Parameter mit dem Ziel, den in der Abbildung 8.1 rot
dargestellten Graphen möglichst exakt dem Verlauf des blauen Graphen anzupassen. Die dafür
erforderliche numerische Optimierung wird mit einem Simplex-Verfahren unter Anwendung der
sog. Methode der Größten Dichte, engl. Maximum Likelihood Estimation (MLE) durchgeführt.
Bei der MLE handelt es sich um ein allgemeines Parameterschätzverfahren mit einem
heuritischen Ansatz. Sie ist sowohl für lineare als auch nicht-lineare Systeme geeignet und erlaubt
aufgrund der allgemeinen Schätztheorie Angaben über die asymptotische Güte der Konvergenz.
Bei der Anwendung auf ein lineares System mit einer normalen Verteilungsdichtefunktion für
das Fehlersignal ist die MLE asymptotisch effizient, d.h. es gibt keine anderen erwartungstreuen
Schätzverfahren mit kleinerer Varianz. Selbst wenn zwar keine Linearität, aber zumindest eine
Normalverteilung der Messwerte vorliegt, kann davon ausgegangen werden, dass mit der MLE
104 Kapitel 8: Versuchsauswertung
bessere Ergebnisse erzielt werden als mit anderen Verfahren, die im linearen Fall ungünstiger
sind (vgl. Isermann
197
).
Die Auswertung der während der automatisierten Achtenflüge aufgezeichneten Messdaten erfolgt
entsprechend dem in der Abbildung 8.2 dargestellten Ablauf.
Abbildung 8.2: Schematischer Ablauf der Auswertung des Manövers "Achtenflug" für eine relative Powerposition
Nach dem Start eines Achtenflug-Manövers benötigt der Kiteschirm insbesondere bei niedrigen
relativen Powerpositionen ein paar Perioden zum ”Einschwingen”, ehe ein gleichmäßiger
Achtenflug erreicht wird. Damit eine Verfälschung der Messergebnisse durch
diese ”Einschwingphase” ausgeschlossen werdem kann, wird für die Auswertung ein Ausschnitt
mit fester Länge separiert, indem die ersten Perioden nicht enthalten sind. Dieser Ausschnitt
sollte möglichst lang sein, damit der Einfluss zufälliger Störungen auf die Ergebnisse reduziert
wird.
Auf die so separierten Ausschnitte wird jeweils, wie oben beschrieben, die MLE angewendet um
die Drehfreudigkeit und Totzeit zu bestimmen. Der jeweilige Mittelwert der berechneten
Drehfreudigkeiten und Totzeiten aller Datensätze für eine relative Powerposition, stellt das
Ergebnis der Auswertung dar.
197
Isermann, R. (1992)
Kapitel 8: Versuchsauswertung 105
Auswertung der Messdaten für die Verformungsmessung
Die Auswertung der Messdaten des XSens-Dot-Systems erfolgte mit der Unterstützung von
Daniel Laidig und Dr. Thomas Seel vom Fachgebiet Regelungssysteme der TU Berlin.
Nachfolgend sind stichpunktartig die Datenverarbeitungsschritte aufgelistet, die auf die
Messdaten der Inertialsensoren angewendet wurden, damit die zur Analyse erforderliche
Visualisierung erfolgen konnte:
• Berechnung und Kompensation des Gyro-Bias anhand einer manuell ausgewählten
Ruhephase zur Reduktion des Drifts
• Schätzung der Orientierungsverläufe aus den Messdaten der Beschleunigungs- und
Drehratensensoren mit einer für Offline-Berechnungen optimierten Variante des CSG-
Algorithmus
198
• Transformation der Orientierungen aller Sensoren in ein Referenzkoordinatensystem über
die Schätzung der Gierwinkeldifferenzen der x-Achsen der Sensoren
• Nullsetzen der Orientierungen aller Sensoren in der Ausgangslage im Zenit über die
Verdrehung der Tip-Sensoren zum Sensor an der Mittelstrut
199
Die Analyse der Orientierungsänderungen der Struts ausschließlich anhand der Verlaufsgraphen
gestaltete sich schwierig und unübersichtlich, weshalb die in Abbildung 8.3 gezeigte
Darstellungsart entwickelt wurde. In dieser Visualisierung werden die Orientierungen der
einzelnen Sensoren jeweils durch farbige Boxen dargestellt, die entsprechend ihrer Position auf
den Struts zu einem simplen Modell des Kiteschirms verknüpft sind. Die Variation der Ansichten
erlaubt dabei eine detailliertere und übersichtliche Darstellung von Rotationen um bestimmte
Achsen, aber auch von gleichzeitigen kombinierten Rotationen um mehrere Achsen. Die beiden
oberen Ansichten stellen jeweils eine Ansicht des Modells von vorne auf die Fronttube dar, die
Ansicht unten links zeigt die Draufsicht und die Ansicht unten rechts entspricht der Seitenansicht
von links. Zur Verdeutlichung wurden in der Abbildung 8.3 Bilder des Kiteschirms hinzugefügt,
die diesen in der jeweiligen Ansicht darstellen. Bei der späteren Verwendung dieser Darstellung
in Kapitel 9 sind die Bilder nicht enthalten, um eine bessere Erkennbarkeit der Lageänderungen
der Boxen zu gewährleisten. Zusätzlich wurde das Videobild mit den Messdaten synchronisiert
und in die Darstellung integriert. Diese intuitiv verständliche Visualisierung ermöglichte die
Bewertung der Plausibilität der Messdaten sowie die Identifikation von Bereichen der Messdaten,
die genauer analysiert werden sollten.
198
Seel, T. et al. (2017)
199
Durch diesen Schritt sind in der Ausgangslage im Zenit virtuell alle Sensoren exakt gleich ausgerichtet, sodass die
relative Orientierungsänderung der Tip-Struts beobachtet werden kann.
106 Kapitel 8: Versuchsauswertung
Abbildung 8.3: Darstellung der für die Visualisierung der Inertialsensor-Messdaten verwendeten Grafiken
Kapitel 9: Darstellung und Analyse der Messergebnisse 107
9. Darstellung und Analyse der
Messergebnisse
In diesem Kapitel werden die Messergebnisse präsentiert und diskutiert, die das dynamische
Verhalten eines Kiteschirms beschreiben. Die zur Erlangung dieser Ergebnisse verwendeten
Messdaten wurden am 15.09.2020 auf dem Flughafengelände in Pütnitz aufgezeichnet. Bei dem
vermessenen Kiteschirm handelt es sich um das Modell Vegas 2015 der Fa. Duotone Kiteboarding
(ehemals North Kiteboarding) in der Größe 10 m
2
. Die Windgeschwindigkeit betrug im Zeitraum,
in dem die Messdaten aufgezeichnet wurden, 0 − 3
m
s
. In selten auftretenden Böen wurden
maximal 5,8
m
s
erreicht. Die durch die Fahrgeschwindigkeit des Zugfahrzeugs eingestellte Soll-
Anströmgeschwindigkeit betrug bei allen Messungen 11,3
m
s
(22 knt). Diese Geschwindigkeit
wurde gewählt, da es sich dabei um den Median des geeigneten Windbereichs handelt, der für
den verwendeten Kiteschirm vom Hersteller angegeben wird. Dadurch kann davon ausgegangen
werden, dass das vom Designer angestrebte Flugverhalten abgerufen werden kann.
Die Messung der dynamischen Eigenschaften erfolgt anhand automatisierter Achtenflüge
bezüglich der relativen Powerposition. Dadurch ist es möglich zu untersuchen, wie sich das
dynamische Verhalten in Abhängigkeit von der Powerposition ändert. Der maximale Powerweg
(vgl. Abbildung 2.2) betrug bei allen Messungen ε
max
=500 mm. Der Powerbereich, auf den die
Kiteschirme der Fa. Duotone Kiteboarding ausgelegt werden, ist kleiner, weshalb am Prüfstand
relative Powerpositionen angefahren werden können, in denen die Längendifferenz zwischen den
Steuer- und Powerleinen größer ist als vom Hersteller vorgesehen. In diesem Fall hängen die
Steuerleinen stark durch, sodass folgende Situation auftreten kann: Die maximal ausführbare
Steuereingabe in Form einer Änderung der Steuerleinenlängen führt nur zu einer Straffung der
Steuerleinen, aber nicht zu einer merklichen Verschiebung der Enden der Steuerleinen. Somit
erfolgt keine für die Einleitung einer Gierbewegung ausreichende Verformung und folglich auch
keine Reaktion des Kiteschirms auf die Steuereingabe. Bei etwas höheren Powerpositionen kann
mit maximalen Lenkausschlägen zwar bereits eine geringe Gierbewegung erzeugt werden, diese
reicht allerdings nicht aus, um mit dem Kiteschirm einen kontrollierten Achtenflug auszuführen.
Bevor eine Vermessung gestartet werden kann, muss deshalb zunächst iterativ die geringste
relative Powerposition gefunden werden, ab welcher mit dem zu vermessenden Kiteschirm
automatisert ein kontrollierter Achtenflug ausgeführt werden kann. Anschließend müssen die
Zielpunkte (vgl. Abbildung 5.15) sowie der Reglerverstärkungsfaktor angepasst werden, bis mit
dem Regler ein gleichmäßiger und robuster Achtenflug umsetzbar ist. Für den verwendeten
Kiteschirm ergab sich die für den Achtenflug erforderliche Reaktion auf Steuereingaben ab einer
relativen Powerposition von ε
rel
=0,4 , weshalb keine Messergebnisse für geringere
Powerpositionen vorliegen.
108 Kapitel 9: Darstellung und Analyse der Messergebnisse
9.1. Drehfreudigkeit und Totzeit
Messdurchlauf 1
Nachfolgend werden die Ergebnisse des ersten vollständigen Messdurchlaufs vorgestellt. Bei dieser
Messung wurde für alle Powerpositionen von ε
rel
=0,4 bis ε
rel
=1 in beiden Fahrtichtungen auf
der Start- und Landebahn jeweils einmal die gesamte Fahrbahnlänge für die Aufzeichnung eines
möglichst langen zusammenhängenden Achtenflugs genutzt. Um die benötigte Zeit für einen
Messdurchlauf gering zu halten, wurde dabei für die Erhöhung der Powerstufe eine Schrittweite
von 0,1 gewählt und jede Fahrtrichtung pro Powerstufe nur einmal abgefahren. Da der
Kiteschirm mit steigender Powerposition agiler wird, werden in der für das Manöver verfügbaren
Zeit bei hohen Powerpositionen mehr Achten durchgeführt als bei niedrigen.
Der für die Auswertung berücksichtigte Bereich der Manöver-Messdaten (vgl. Abbildung 8.2)
wurde für alle Manöver auf die Messtakte 1000 - 3500 festgelgt und beinhaltet dementsprechend
für unterschiedliche Powerstufen auch unterschiedlich viele Achten.
Als Ergebnis der Auswertung ergeben sich der in der Abbildung 9.1 dargestellte Verlauf der
Drehfreudigkeit g
k
und der in der Abbildung 9.2 dargestellte Verlauf der Totzeit d in
Abhängigkeit von der Powerposition.
Abbildung 9.1: Drehfreudigkeit g
k
in Abhängigkeit von der relativen Powerposition ε
rel
für den Kiteschirm Vegas
2015 10 m
2
Kapitel 9: Darstellung und Analyse der Messergebnisse 109
Abbildung 9.2: Totzeit d in Abhängigkeit von der relativen Powerposition ε
rel
für den Kiteschirm Vegas 2015 10 m
2
Die Verläufe beider Graphen sind plausibel und spiegeln die erwartete Steigerung der Agilität
des Kiteschirms mit steigender Powerposition wieder. Dies drückt sich durch eine kontinuierliche
und deutliche Steigerung der Drehfreudigkeit sowie gleichzeitige Reduzierung der Totzeit aus. Je
höher also die relative Powerposition ist, umso schneller und stärker reagiert der Kiteschirm auf
Steuereingaben.
An dieser Stelle soll angemerkt werden, dass die Richtigkeit und Genauigkeit dieser Ergebnisse
im Rahmen der vorliegenden Arbeit nicht nachgewiesen bzw. angegeben werden können.
Unsicherheiten bezüglich der Lage der Ergebnisse zum wahren Wert ergeben sich vor allem
dadurch, dass der Gierwinkel ψ, der den größten Einfluss auf die hier gezeigten Ergebnisse hat,
durch einen Fusionsalgorithmus geschätzt wird (vgl. Abschnitt 5.3.1). Des Weiteren sind die
Parameter g
k
und d das Ergebnis einer weiteren numerischen Optimierung durch die
Anwendung der MLE (vgl. Kapitel 8, Abschnitt ”Auswertung des Manövers Achtenflug”).
Um das Vertrauen in die Messergebnisse zu erhöhen, wurden verschiedene Sensitivitätsanalysen
und Plausibilitätsversuche durchgeführt. In der ersten Sensitivitätsanalyse wurde untersucht, ob
eine Variation der Startwerte das Ergebnis der MLE beeinflusst. Dabei konnte beobachtet werden,
dass eine signifikante Beeinflussung erst auftritt, wenn Startwerte gewählt werden, die sich sehr
stark von realistischen Werten unterscheiden. Dieses Szenario ist beispielhaft in Abbildung 9.3
dargestellt. Der rote Graph repräsentiert das Ergebnis der Optimierung mit den Startwerten
g
k
=0,3 und d=600 ms und der rote Graph das Ergebnis der Optimierung mit den Startwerten
g
k
=10 und d=1200 ms. Trotz des verrauschten Verlaufs des grünen Graphen, der aus der
Bildung des Differenzenquotienten des Gierwinkels resultiert, ist gut erkennbar, dass die
Optimierung insbesondere bzgl. der Phasenverschiebung, aber auch bzgl. der Amplitude, keine
gute Anspassung des blauen Verlaufsgraphen an den grünen erreicht hat.
110 Kapitel 9: Darstellung und Analyse der Messergebnisse
Abbildung 9.3: Ergebnis der Optimierung mit sinnvollen Startwerten (roter Graph) und extremen Startwerten
(blauer Graph)
In Abbildung 9.1 und Abbildung 9.2 ist erkennbar, dass die berechneten Werte sich für die
unterschiedlichen Fahrtrichtungen geringfügig unterscheiden. Es bestand die Vermutung, dass
diese Unterschiede durch unterschiedliche Anströmgeschwindigkeiten aufgrund von Wind bzw.
Thermik auf Höhe des Kiteschirms verursacht wurden. Aus diesem Grund wurde eine
Sensitivitätsanalyse mit dem Ziel, den Einfluss von Schwankungen in der Antrömgeschwindigkeit
abschätzen zu können, durchgeführt.
Da bei der hier thematisierten Messung erstmals Messdaten der Prandtl-Sonde im Feldversuch
aufgenommen wurden, wurde vor der Verwendung dieser Messdaten für die Sensitivitätsanalyse
zunächst die Plausibilität der Anströmungsmessung überprüft. Dabei wurde festgestellt, dass die
von der Prandtl-Sonde gemessene Anströmgeschwindigkeit meist ca. 1 − 2
m
s
geringer ist als
die von der Wetterstation gemessene Fahrtgeschwindigkeit. Überprüft wurde dies anhand von
Flugphasen, in denen der Kiteschirm bei Windstille ruhig im Zenit gehalten wurde, sodass dieser
die gleiche Eigengeschwindigkeit aufweist wie das Zugfahrzeug.
Eine Einschätzung der Plausibilität des mit der Prandtl-Sonde gemessenen Anstell- sowie
Schiebewinkels erfolgte anhand der in Abbildung 9.4 und Abbildung 9.5 dargestellten Plots der
entsprechenden Messdaten vom gesamten ersten Messdurchlauf. Die folgenden Abbildungen
enthalten zum besseren Verständnis zusätzlich die qualitativ und in gelb dargestellte Manöver-
Freigabe sowie die in blau dargestellte relative Powerposition. Dadurch kann nachvollzogen
werden, in welchen Zeiträumen ein automatiserter Achtenflug durchgeführt wurde und welche
relative Powerposition dabei eingestellt war. Bei der Betrachtung dieses Plots muss beachtet
werden, dass es sich bei dem Winkel α um den Anstellwinkel der Prandtl-Sonde handelt, der
nicht zwangsweise dem lokalen Anstellwinkel des Kiteschirms entspricht und außerdem eine
umgekehrte Vorzeichendefinition aufweist (vgl. Abschnitte 2.1.1 und 5.2 sowie Kapitel 7).
Kapitel 9: Darstellung und Analyse der Messergebnisse 111
Abbildung 9.4: Verlauf des Anstellwinkels α (links) sowie des Schiebewinkels β (rechts) während des ersten
Messdurchlaufs
Der Anstellwinkel α sinkt wie erwartet mit steigender relativer Powerposition
200
(vgl. Abschnitt
2.1.1) und es ist ein deutlicher Unterschied der im Mittel auftretenden Anstellwinkel bei
unterschiedlichen relativen Powerpositionen zu erkennen. Im Plot des Schiebewinkels ist zu sehen,
dass die Bandbreite des während des Achtenflugs gemessenen Schiebewinkels mit steigender
Powerposition zunimmt. Die in Abbildung 9.5 dargestellte gute qualitative Übereinstimmung der
Verläufe von Schiebe- und Gierwinkel lässt vermuten, dass die Prandtl-Sonde auch im Feld
sinnvolle Messdaten für den Schiebewinkel liefert. Zusammenfassend kann festgestellt werden,
dass alle mit der Prandtl-Sonde aufgenommenen Messkanäle sinnvolle Daten enthalten und somit
für die weitere Datenanalyse genutzt werden können. An dieser Stelle soll noch angemerkt werden,
dass der ebenfalls in der Abbildung 9.5 zu erkennende große Unterschied zwischen den
auftretenden Gier- und Schiebewinkeln deutlich größer ist, als die von Fagiano in Flugversuchen
beobachtete maximale Abweichung von 10° zwischen diesen beiden Winkeln (vgl. Abschnitt
3.1.4). Dies resultiert vermutlich daraus, dass die im Rahmen dieser Arbeit durchgeführten
automatisierten Achtenflüge nicht besonders tief im Windfenster
201
durchgeführt wurden,
weshalb die Bedingungen für einen „crosswind flight“
202
nicht erfüllt waren.
200
dies entspricht einem Anstieg des Anstellwinkels
201
In einem Bereich niedriger Höhenwinkel
202
dynamischer Flug quer zum Wind
112 Kapitel 9: Darstellung und Analyse der Messergebnisse
Abbildung 9.5: Vergleich des von der Prandtl-Sonde gemessenen Schiebewinkels (rot) mit dem von der ADS-
Kiteeinheit berechneten Gierwinkel (grün) des Kiteschirms
Bei der Analyse der Anströmungsdaten fiel außerdem auf, dass entgegen der Erwartung (vgl.
Abschnitt 3.2.2) das GPS der Kiteeinheit des ADS auch in hochdynamischen Manövern
zuverlässig funktioniert und plausible Daten liefert. Dies kann beispielsweise anhand der
Abbildung 9.6 nachvollzogen werden. In dieser Abbildung sind die während des gesamten ersten
Messdurchlaufs von der Prandtl-Sonde gemessene Anströmgeschwindigkeit und die vom GPS der
ADS-Kiteeinheit berechnete Fluggeschwindigkeit (nachfolgend „GPS-Geschwindigkeit“ genannt)
des Kiteschirms aufgetragen. Es ist gut zu erkennen, dass die Flug- bzw. Anströmgeschwindigkeit
zwischen den Manövern signifikant ansteigt. Dies geschieht, da zwischen den Manövern die
Kurvenfahrt für den Richtungswechsel durchgeführt wird. Dabei wird der Kiteschirm in der
kurvenäußeren Seite des Windfensters gehalten und absolviert die Kurve deshalb in einem
größeren Radius und entsprechend höherer Geschwindigkeit als das Zugfahrzeug. Darüber hinaus
ist gut erkennbar, wie die Bandbreite der während der Achtenflüge auftretenden
Geschwindigkeiten mit höheren Powerpositionen aufgrund der größeren Dynamik der Manöver
ansteigt. Für die weitere Auswertung ist aber vor allem entscheidend, dass der Verlauf der vom
GPS gemessenen Fluggeschwindigkeit dem Verlauf der von der Prandtl-Sonde gemessenen
Anströmgeschwindigkeit sehr gut folgt und im Wesentlichen lediglich ein geringer Offset von ca.
2 − 3
m
s
zwischen den beiden Verläufen besteht. Aus diesem Grund wurde die Berechnung der
Parameter g
k
und d aus den Messdaten des ersten Messdurchlaufs erneut durchgefüht, mit dem
Unterschied, dass anstatt der Anströmgeschwindigkeit die GPS-Geschwindigkeit in der MLE
verwendet wurde.
Kapitel 9: Darstellung und Analyse der Messergebnisse 113
Abbildung 9.6: Vergleich der von der Prandtl-Sonde gemessenen Anströmgeschwindigkeit (grün) mit der vom GPS
der ADS-Kiteeinheit berechneten Fluggeschwindigkeit (rot) des Kiteschirms
In Abbildung 9.7 ist dargestellt, wie sich die Ergebnisse der MLE aufgrund dieser Änderung
unterscheiden. Der Offset zwischen Anström- und Fluggeschwindigkeit wirkt sich auf die
Mittelwerte der berechneten Drehfreudigkeit in Form eines Offsets von 0,01 - 0,04 aus. Auf die
berechnete Totzeit hat der Offset erwartungsgemäß keinen signifikanten Einfluss.
114 Kapitel 9: Darstellung und Analyse der Messergebnisse
Abbildung 9.7: Vergleich der Mittelwerte von Drehfreudigkeit g
k
und Totzeit d aus beiden Fahrtrichtungen in
Abhängigkeit von der relativen Powerposition ε
rel
für den Kiteschirm Vegas 2015 10 m
2
bei Durchführung der MLE
unter Berücksichtigung der Anströmgeschwindigkeit (blau) und der aus dem GPS der ADS-Kiteeinheit berechneten
Fluggeschwindigkeit (rot)
Die größte Differenz zwischen den in Abbildung 9.1 dargestellten Ergebnissen der beiden
Fahrtrichtungen liegt bei der maximalen relativen Powerposition von ε
rel
=1,0 vor. Aus diesem
Grund wurden die Wind- und Anströmgeschwindigkeiten, die während der zugehörigen Manöver
gemessen wurden, genauer untersucht. In Abbildung 9.8 sind die entsprechenden Messdaten
dargestellt. Es ist zu erkennen, dass die Wind- und Anströmgeschwindigkeiten, die während der
beiden gezeigten Manöver vorlagen, kaum von einander abweichen. Im Mittel beträgt der
Unterschied ca. 1
m
s
. Die Differenz zwischen den berechneten Drehfreudigkeiten für die
unterschiedlichen Fahrrichtungen bei der maximalen relativen Powerposition von ca. 0,03 kann
durch die beschriebene geringe Differenz der Anströmgeschwindigkeiten nicht erklärt werden. Die
tatsächliche Ursache ist aber trotzdem in der Abbildung 9.8 zu erkennen: Im letzten Drittel des
zweiten Manövers, welches in der Fahrtrichtung 70° aufgenommen wurde, tritt eine extreme
Spitze in der gemessenen Anströmgeschwindigkeit auf. Eine Analyse der GPS-Daten zeigte, dass
exakt zu diesem Zeitpunkt die einzige landschaftliche Unregelmäßigkeit in der direkten
Umgebung der Start- und Landebahn - ein ca. 3 m hohes Maisfeld - erreicht wird. Da am Tag,
an dem die hier beschriebenen Messungen durchgeführt wurden, hohe Temperaturen um 27°
Kapitel 9: Darstellung und Analyse der Messergebnisse 115
Celsisus und wolkenloser Himmel vorherrschten, liegt die Vermutung nahe, dass der Extremwert
der Anströmung durch Thermik über dem Maisfeld verursacht wurde.
Abbildung 9.8: Verlauf der von der Wetterstation gemessenen Windgeschwindigkeit sowie der von der Prandtl-Sonde
gemessenen Anströmgeschwindigkeit während der beiden Manöver, in denen die relative Powerposition ε
rel
=1,0
eingestellt war
Bei einer genaueren Analyse weiterer Messkanäle zu diesem Zeitpunkt stellte sich heraus, dass
die beobachtete Unregelmäßigkeit in der Anströmung den Kite so stark beeinflusste, dass der
Achtenflug-Regler gewissermaßen ”aus dem Rythmus gebracht” wurde. Dies äußerte sich dadurch,
dass nach dem Erreichen des Maisfeldes keine Zielpunktumschaltung mehr stattfand (vgl.
Unterkapitel 5.4). Der eingestellte Regelerverstärkungsfaktor war für die hohen relativen
Powerpositionen grenzwertig aggressiv eingestellt. Dies führte in Folge der großen externen
Störung zu einem Überschwingen des Reglers, sodass der Kiteschirm nur noch um den rechten
Zielpunk pendelte, anstatt zwischen den Zielpunkten hin und her zu fliegen. Da im verzerrten
Videobild der GoPro kaum ein Unterschied zwischen dem korrekten Achtenflug und dem Pendeln
um einen Zielpunkt wahrgenommen werden kann und nicht auffiel, dass die Zielpunkte nicht
mehr gewechselt werden, wurde das Manöver nicht abgebrochen und die Messdaten vollständig
für die Berechnung der Ergebnisse verwendet. Die mit diesen Messdaten berechnete
Drehfreudigkeit g
k
fällt höchstwahrscheinlich geringer aus, da die Flugbewegung in Folge des
fehlerhaften Reglerverhaltens in der Nähe des seitlichen Windfensterrandes ausgeführt wurden,
wo der Kiteschirm erwatungsgemäß träger auf Steuereingaben reagiert. Die Untersuchung aller
Manöverdurchläufe des ersten Messdruchlaufs zeigte, dass das beschriebene Fehlverhalten des
Reglers auch bei den relativen Powerpositionen ε
rel
=0,9 und ε
rel
=0,8 auftrat. Genau wie bei
ε
rel
=1,0 trat der Fehler ausschließlich in der Fahrtrichtung 70° und im Bereich des Maisfeldes
116 Kapitel 9: Darstellung und Analyse der Messergebnisse
auf. Anders als bei ε
rel
=1,0 und ε
rel
=0,8 wirkt sich der Fehler bei ε
rel
=0,9 allerdings nicht
merklich auf die berechnete Drehfreudigkeit g
k
aus. Begründet werden kann dies dadurch, dass
bei diesem Manöverdurchlauf der Fehler nicht direkt an der Kante des Maisfeldes, sondern etwas
später auftrat, sodass die zugehörigen Messdaten gerade nicht mehr in dem für die Auswertung
gewählten Manöver-Zeitraum liegen. Zur Überprüfung dieser These wurden die sechs
Manöverdurchläufe der drei betroffenen relativen Powerpositionen separat unter Verwendung der
Messdaten längerer Zeiträume (Manövertakt 1000 - 4500) ausgewertet. Dabei konnte
nachgewiesen werden, dass auch bei ε
rel
=0,9 der erwartete Einfluss des fehlerhaften
Reglerverhaltens auf die berechnete Drehfreudigkeit g
k
auftritt.
Bei einer erneuten Betrachtung der Abbildung 9.1 kann also davon ausgegangen werden, dass
die aus den Messdaten der Fahrtrichtung 250° berechneten Drehfreudigkeiten näher am wahren
Wert liegen. Diese Vermutung wird zusätzlich durch den erwartungsgemäß stetigen Verlauf des
zugehörigen Graphen bekräftigt.
Messdurchlauf 2
Nachfolgend werden die Ergebnisse eines zweiten Messdurchlaufs mit dem selben Kiteschirm
präsentiert. Beim ersten Versuch, diesen Messdurchlaufs durchzuführen, kam es aufgrund einer
unerwarteten fehlerhaften Initialisierung des Regelalgorithmus zu einem Absturz des Kiteschirms.
Dabei wurde die Sensorik für die Anströmungsmessung so stark beschädigt, dass trotz einer
vorhandenen Ersatz-Prandtl-Sonde eine Reperatur vor Ort nicht möglich war. Während des
direkt im Anschluss durchgeführten zweiten Versuchs ereignete sich ein weiterer Absturz, bei
dem auch die zuvor unbeschädigt gebliebenen Komponenten des ADS so stark beschädigt wurden,
dass die weitere Verwendung der Kitesensorik nicht möglich war und somit keine weiteren
Vermessungen der Parameter g
k
und d durchgeführt werden konnten.
Aus diesem Grund stand für eine vergleichende Auswertung nur die Aufzeichnung dieses
Messdurchlauf zur Verfügung, die die Manöverdurchläufe bis zur relativen Powerposition ε
rel
=
0,7 sowie keine Messdaten der Anströmung beinhaltet. Die Berechnung der Drehfreudigkeit g
k
und der Totzeit d aus diesem Datensatz wurde daher unter Verwendung der vom GPS der ADS-
Kiteeinheit gemessenen Fluggeschwindigkeit des Kiteschirms durchgeführt. Die gemittelten
Ergebnisse sind in Abbildung 9.9 zusammen mit den bereits in Abbildung 9.7 gezeigten
Ergebnissen des ersten Messdurchlaufs, die auf die gleiche Weise berechnet wurden, dargestellt.
In diesem Plot sind vom ersten Messdurchlauf die Ergebnisse aus den Messdaten der
Fahrtrichtung 250° aufgetragen, da diesen nach der Analyse im vorigen Abschnitt stärker
vertraut wird. In allen aufgezeichneten Manöverdurchläufen des zweiten Messdurchlaufs erfolgte
die Zielpunktumschaltung stets zuverlässig, da die für den Achtenflugregler mit dem gewählten
Verstärkungsfaktor kritischen relativen Powerpositionen aufgrund des Absturzes nicht erreicht
wurden. Dementsprechend ist in den Messdaten des zweiten Durchlaufs kein signifikanter
Unterschied zwischen den Ergebnissen beider Fahrtrichtungen erkennbar, weshalb von diesem
Versuch der Mittelwert aus beiden Fahrtrichtungen geplottet wurde.
Kapitel 9: Darstellung und Analyse der Messergebnisse 117
Abbildung 9.9: Vergleich der Mittelwerte von Drehfreudigkeit g
k
und Totzeit d aus beiden Fahrtrichtungen vom
ersten und zweiten Messdurchlauf in Abhängigkeit von der relativen Powerposition ε
rel
für den Kiteschirm Vegas
2015 10 m
2
bei Durchführung der MLE unter Berücksichtigung der aus dem GPS der ADS-Kiteeinheit berechneten
Fluggeschwindigkeit
In der Abbildung 9.9 ist ein signifikanter Unterschied zwischen den Ergebnissen der beiden
Messdurchläufe erkennbar. Es kann festgestellt werden, dass der Kiteschirm im zweiten
Messdurchlauf stärker und schneller auf Steuereingaben reagiert, insgesamt also agiler ist.
Es wurden zwei Unterschiede zwischen den beiden Messungen erkannt, die die geringere
Drehfreudigkeit und höhere Totzeit im ersten Messdurchlauf verursacht haben könnten:
Zum einen war im zweiten Messdurchlauf keine Prandtl-Sonde am Kiteschirm montiert. Eine
Gierbewegung des Kiteschirms erzeugt eine seitliche Anströmung der Sonde (vgl. Abbildung 9.5).
Aufgrund der verhältnismäßig großen Länge des Rohres ist zu vermuten, dass der dabei
auftretende Strömungswiderstand, der bzgl. der Gierbewegung ein Gegenmoment darstellt, einen
merklichen Einfluss auf die Drehträgheit des Kiteschirms hat.
Der zweite Unterschied zwischen den Messdurchläufen, mit dem die unterschiedlichen Ergebnisse
erklärt werden könnten, wurde in den Messdaten der Windgeschwindigkeit festgestellt. In
Abbildung 9.10 ist beispielhaft jeweils ein repräsentativer Ausschnitt gleicher Länge aus diesen
Messdaten der beiden Durchläufe dargestellt.
118 Kapitel 9: Darstellung und Analyse der Messergebnisse
Abbildung 9.10: Repräsentative Ausschnitte der Verläufe der auf dem Fahrzeug gemessenen Wind- sowie GPS-
Geschwindigkeit während eines Zeitraums gleicher Länge im ersten (links) und zweiten (rechts) Messdurchlauf
Aus den Erkenntnissen der bisherigen Analysen kann geschlossen werden, dass der deutliche
Unterschied zwischen den Ergebnissen nicht durch die geringe Differenz der Mittelwerte der
Fahr- bzw. Anströmgeschwindigkeiten hervorgerufen wurde.
Die in der Abbildung 9.10 dargestellte deutlich größere Streuung der Windgeschwindigkeit
hingegen könnte ursächlich dafür sein. Betrachtet man die in Abbildung 9.11 dargestellten
Verläufe der während der gleichen Zeiträume gemessenen Leinenkräfte, ist gut erkennbar, dass
das turbulentere Strömungsfeld, das während des ersten Messdurchlaufs vorherrschte, deutliche
Auswirkungen auf den Kiteschirm hat. Vermutlich führt die unruhige Anströmung dazu, dass
die Strömung weniger gut am Kiteschirm anliegt. Es liegt nahe, dass dadurch lokale Strömungs-
und Verformungseffekte auftreten, die in der stärkeren Streuung sowie den geringeren
Absolutwerten der Leinenkräfte resultieren. Dies wiederum wirkt sich höchstwahrscheinlich auf
die Reaktionsfreudigkeit des Kiteschirms bzgl. der Steuereingaben aus, da die geringeren
Leinenkräfte eine geringere Verformung hervorrufen.
Kapitel 9: Darstellung und Analyse der Messergebnisse 119
Abbildung 9.11: Repräsentative Ausschnitte der Verläufe der Leinenkräfte, die während der in Abbildung 9.10
dargestellten Zeiträume im ersten (links) und zweiten (rechts) Messdurchlauf gemessen wurden
Zu besseren Einordnung der Messergebnisse erfolgt abschließend ein Vergleich mit
entsprechenden Ergebnissen ähnlicher Messungen, die bisher in der Literatur dokumentiert sind.
Allgemein beeinflusst die in den jeweiligen Arbeiten verwendete Definition des Lenkeinschlags δ
die berechnete Drehfreudigkeit g
k
. Da der Lenkeinschlag aber in allen Arbeiten, in denen die
gemessene Drehfreudigkeit quantitativ angegeben wird, normiert in die Berechnung einging, ist
ein Vergleich möglich. Auch eventuell unterschiedliche Werte für die verwendete maximale
Längendifferenz der Steuerleinen verhindern einen Vergleich der Messwerte nicht, da eine größere
maximale Längendifferenz aufgrund der Proportionalität des TRL nur zu entsprechend größeren
Amplituden der gemessenen Gierwinkeländerung führen würde
203
. Ein direkter Vergleich wird
jedoch dadurch erschwert, dass nicht bei allen Arbeiten die Anströmgeschwindigkeit v
a
auf der
linken Seite der in Formel 8.1 gezeigten Gleichung und somit als Divisor eingeht. Bei Oehler et
al. und Wood et al. erfolgt die Berechnung stattdessen anhand des nicht umgestellten TRL (vgl.
Formel 5.1), sodass die Anströmgeschwindigkeit als Faktor auf der rechten Seite der Gleichung
eingeht. Eine Umrechnung wäre theoretisch möglich, die dafür benötigten Messwerte der während
der Versuche gemessenen Anströmgeschwindigkeiten sind in den jeweiligen Dokumentationen
203
Vorausgesetzt die Längendifferenz der Steuerleinen ist nicht so groß, dass an den Tips ein Stall auftritt
120 Kapitel 9: Darstellung und Analyse der Messergebnisse
allerdings nicht enthalten. Aus diesem Grund konnten in Tabelle 2 nur zwei weitere Arbeiten für
den Vergleich aufgelistet werden.
Tabelle 2: Vergleich der Messergebnisse für
𝑘
und
Quelle Kitegröße
Bauart
Drehfreudigkeit
𝒌
[
𝒓𝒂𝒅
𝒎
]
Totzeit
[
]
Erhard & Strauch
204
20
m
2
Softkite 0,13 -
Costello
205
2
,
5
m
2
Softkite 1,1 260
Messdurchlauf 1
10
m
2
Tubekite
0,14 - 0,32 480 - 1033
Messdurchlauf 2
10
m
2
Tubekite
0,15 - 0,37 520 - 994
Da die Agilität eines Kiteschirms erfahrungsgemäß maßgeblich durch die Größe beeinflusst wird,
ist die Einordnung der in dieser Arbeit gemessenen Werte zwischen den beiden Referenzwerten
plausibel.
9.2. Makroskopische Verformung
Am selben Tag wurde noch ein weiterer Messdurchlauf durchgeführt. Während dieses Durchlaufs
wurden manuell spezielle Flugmanöver durchgeführt, um mit den Xsens-DOT-Sensoren (vgl.
Abbildung 7.3) Messdaten aufzuzeichnen, die eine Analyse der aus einer Steuereingabe
resultierenden Verformung des Kiteschirms ermöglichen sollten. In Kapitel 4 wurde bereits kurz
erläutert, dass die Berechnung relativer räumlicher Verschiebungen sowie
Orientierungsänderungen aus Messdaten von Inertialsensoren üblicherweise nur dann genaue
Ergebnisse liefert, wenn regelmäßig zumindest kurze Phasen auftreten, in denen die Sensoren
möglichst ruhig in einer bekannten Position verweilen. Je länger eine Messphase dynamischer
Bewegungen andauert, desto größer wird der durch die Bias der Drehratensensoren
hervorgerufene Drift der Orientierungsschätzung. Aus diesem Grund wurde der Zeitraum für die
Durchführung der dynamischen Manöver kurzgehalten und davor sowie danach jeweils eine
Bewegungssequenz durchgeführt, die es ermöglichen soll, die genaue Ausrichtung der Sensoren
zueinander in der Ausgangslage im Zenit zu bestimmen. Dabei wird der Kiteschirm zunächst
einige Zeit ruhig im Zenit gehalten und anschließend auf beiden Seiten des Windfensters in einer
sehr langsamen Bewegung mit möglichst geringen dynamischen Beschleunigungen am
Windfensterrand zum Boden und wieder zurück in den Zenit gelenkt. Diese langsame
Bewegungssequenz kann zusätzlich genutzt werden, um die Verformung während einer
konstanten Steuereingabe im quasi-statischen Fall zu untersuchen. Um den dynamischen Fall zu
vermessen, wurden zwischen den beiden langsamen Bewegungssequenzen Manöver in Form von
aggressiv eingeleiteten Linkskurven aus dem Zenit durchgeführt.
204
Erhard, M. et al. (2014)
205
Costello, S. (2015)
Kapitel 9: Darstellung und Analyse der Messergebnisse 121
Die im dritten Messdurchlauf aufgezeichneten Messdaten wurden wie in Kapitel 8 beschrieben
verarbeitet und visualisiert. Wie bei der Orientierungsschätzung aus den Messdaten des ADS
(vgl. Abschnitt 5.3.1) kann für die Schätzergebnisse keine Genauigkeit angegeben werden, da der
wahre Wert nicht bekannt ist und dafür notwendige tiefergehende Untersuchungen im Rahmen
dieser Arbeit nicht durchgeführt werden konnten. Die Einschätzung der Qualität und
Plausibilität der Messdaten erfolgte deshalb wie nachfolgend beschrieben hauptsächlich anhand
der Visualisierung sowie unter Berücksichtigung des Verhältnisses von Nutzsignal zu
Messrauschen.
Um die makroskopische Verformung des Kiteschirms aus der Lageänderung der Inertialsensoren
zu schätzen, wird angenommen, dass keine starke Knickung der Struts auftritt
206
, sodass die mit
dem jeweiligen Sensor gemessene Lageänderung repräsentativ für alle Bereiche der zugehörigen
Strut ist. Da das Tuch des Kiteschirms mit den Struts vernäht ist, wird angenommen, dass die
Bewegung des Tuchs an diesen Stellen der Bewegung der Struts folgt. Ändert sich der Winkel
zwischen den Struts auf einer Seite des Kiteschirms in der Weise, dass die an der Abströmkante
befindlichen Enden der Struts sich voneinander wegbewegen, kann davon ausgegangen werden,
dass das Tuch dazwischen gespannt wird, womit sich die Wölbung abflacht und der lokale
Anstellwinkel vergrößert wird (vgl. Abbildung 3.4, nachfolgend „Fall 1“ genannt). Ändert sich
hingegen nicht der Winkel zwischen den beiden Struts auf einer Seite des Kiteschirms, aber
stattdessen beider Struts in ähnlicher Weise bzgl. der Mittelstrut, findet vermutlich eine Torsion
des Kiteschirm um den zentralen Bereich der Fronttube statt (vgl. Abbildung 3.2, nachfolgend
„Fall 2“ genannt).
Um zu überprüfen, ob das Auftreten dieser beiden Fälle in der Visualisierung der Messdaten
erkennbar ist, wurde diese mit synthetischen Daten gespeist, in denen jeweils nur einer der beiden
Effekte auftritt. Die Amplitude der simulierten Lageänderungen wurde dabei entsprechend der
während der dynamischen Manöver aufgetretenen Amplituden gewählt. Da es sich um
synthetische Daten handelt, existieren keine Videobilder für die Visualisierung. In den mit diesen
Daten erzeugten Abbildungen (vgl. Abbildung 9.12 und Abbildung 9.13) ist gut zu erkennen,
dass mit der gewählten Visualisierung eine deutliche Unterscheidung der Effekte möglich ist.
206
Die Strut wird also praktisch als starrer Stab betrachtet
122 Kapitel 9: Darstellung und Analyse der Messergebnisse
Abbildung 9.12: Visualisierung der Lageänderung der Struts gespeist mit simulierten Daten für den Fall 1
Abbildung 9.13: Visualisierung der Lageänderung der Struts gespeist mit simulierten Daten für den Fall 2
Basierend auf diesen Beobachtungen wurde eingeschätzt, dass anhand der aufgezeichneten
Messdaten die Bewegungen der Struts in einer für die Analyse der makroskopischen Verformung
ausreichenden Auflösung beobachtet werden können.
Bei der mit Hilfe der Visualisierung durchgeführten Analyse der Messdaten zeigte sich, dass die
Ausprägung der Verformung, die zu einer Gierbewegung führt, offenbar abhängig von der
Dynamik ist.
Kapitel 9: Darstellung und Analyse der Messergebnisse 123
Nachfolgend wird zunächst ein Flugzustand analysiert, der als quasi-statisch betrachtet werden
kann. Solch ein Flugzustand tritt beispielsweise auf, wenn der Kiteschirm am seitlichen
Windfensterrand kurz über dem Boden gehalten wird. Damit der Kiteschirm in dieser
Flugsituation nicht aufgrund der Gravitationskraft zu Boden sinkt, muss eine konstante
Steuereingabe anliegen, die ein entsprechendes Gegenmoment hervorruft (vgl. Abbildung 3.5).
In Abbildung 9.14 ist ein repräsentativer Zeitpunkt aus den Messdaten dargestellt, in dem die
beschriebene Flugsituation vorliegt. Der Kiteschirm ist in dem Videobild in dieser Abbildung
nicht zu sehen, da dieser sich so weit am seitlichen Windfensterrand befindet, dass er den
Sichtbereich der Kamera verlassen hat. Es ist deutlich erkennbar, dass sich eine Verformung
einstellt, die dem in Abbildung 9.12 gezeigten Fall 1 entspricht.
In den beiden unteren Ansichten der modellhaften Darstellung in Abbildung 9.14 ist gut zu
erkennen, dass sich der lokale Anstellwinkel am linken (blau-türkisen) Tip vergrößert hat, weil
in der x-z-Ebene ein Winkel zwischen den beiden Struts auf dieser Seite vorliegt. Auf der rechten
Seite des Kiteschirms (rot-orange) ist nahezu keine Verformung zu erkennen. Vermutlich liegt in
dieser Situation an den Tips ein lokaler Anstellwinkel nahe Null vor. Die aerodynamischen Kräfte
und die Leinenkräfte sind dementsprechend vermutlich gering, sodass das Verlängern der
Steuerleine nur zum Durchhängen der Leine führt. Diese Verformung entspricht qualitativ der
theoretisch erwarteten Verformung und kann auch auf Bildern, die den Kiteschirm in dieser
Flugsituation zeigen, beobachtet werden.
Abbildung 9.14: Repräsentative Visualisierung der Verformung des Kiteschirms während einer konstanten
Steuereingabe in einem quasi-statischen Flugzustand
124 Kapitel 9: Darstellung und Analyse der Messergebnisse
Zur Analyse einer dynamischen Flugsituation ist in Abbildung 9.15 ein Zeitpunkt aus den
Messdaten dargestellt, der repräsentativ zeigt, wie der Kiteschirm sich verformt, wenn bereits
eine aggressive Steuereingabe gemacht wurde, die Gierbewegung aber noch nicht begonnen hat.
Da die Gierbewegung direkt auf diese Verformung folgt, wird davon ausgegangen, dass die
Gierbewegung durch diese Verformung hervorgerufen wird.
Abbildung 9.15: Repräsentative Visualisierung der Verformung des Kiteschirms in Folge einer aggressiven
Steuereingabe (Zug an der linken Steuerleine)
Es ist deutlich zu erkennen, dass nahezu ausschließlich die in Abbildung 9.13 dargestellte
Verformung (Fall 2) auftritt. Der Kiteschirm tordiert also um den mittleren Bereich der
Fronttube und es tritt fast keine Veränderung der lokalen Anstellwinkel an den Tips auf.
Basierend auf dem im Abschnitt 3.1.1 beschriebenen Stand der Technik und der in diversen
Versuchen anhand von Zeitlupen-Aufnahmen visuell beobachteten Verschiebungen der Tips wäre
zu erwarten, dass das Tip auf der Seite, wo die Steuerleine verkürzt wurde, sich bezüglich des
zentralen Bereichs des Kiteschirms in Flugrichtung nach vorn verschiebt. Entgegen dieser
Erwartung zeigt das Ergebnis der Verformungsmessung jedoch eine Torsion, bei der sich
stattdessen das rechte (rot-orange) Tip, nach vorn verschiebt. Im weiteren zeitlichen Verlauf der
Gierbewegung zeigt sich bis zum Zeitpunkt, in dem gegengelenkt wird, eine immer stärkere
Ausprägung dieser Verformung. Dies ist beispielhaft in Abbildung 9.16 dargestellt.
Kapitel 9: Darstellung und Analyse der Messergebnisse 125
Abbildung 9.16: Repräsentative Visualisierung der Verformung des Kiteschirms im weiteren zeitlichen Verlauf nach
einer aggressiven Steuereingabe (Zug an der linken Steuerleine)
Eine solche Verformung müsste theoretisch eine Gierbewegung in Richtung des rechten Tips und
nicht, wie erwartungsgemäß beobachtet, in Richtung des linken Tips hervorrufen. Dieser
Widerspruch zwischen der erwarteten Verformung und der aus den Orientierungsänderung der
Struts geschätzten Verformung ließ Zweifel an der Korrektheit der Orientierungsschätzung
aufkommen. Da die Schätzung der Verformung für den oben beschriebenen quasi-statischen
Flugzustand plausible Ergebnisse liefert, wurde die in dem hier beschriebenen Manöver
auftretende höhere Dynamik als potentielle Fehlerquelle identifiziert. Konkret bestand die
Vermutung, dass die dynamischen Beschleunigungen zu einer fehlerhaften Schätzung der
Orientierungsänderung führen.
Aus diesem Grund wurde die Orientierungsschätzung mit unterschiedlichen Fusionsalgorithmen
wiederholt, wobei zusätzlich die Parameter variiert wurden, die beeinflussen, wie stark die
Messdaten der Beschleunigungssensoren in die Schätzung eingehen. Die so durchgeführten
Schätzungen ergaben stets qualitativ gleiche Ergebnisse, sodass dieser Verdacht nicht bestätigt
werden konnte.
Zusätzlich wurde für den sehr kurzen Zeitraum, in dem der Kiteschirm aus der Ruhelage in die
Gierbewegung übergeht, eine Strap-Down-Integration der Rohdaten der gemessenen Drehraten
durchgeführt. Auch die mit dieser Methode berechneten Orientierungsschätzungen, die
ausschließlich auf den Messdaten der Drehratensensoren basieren, konnten die bisherigen
Ergebnisse bestätigen.
Anhand der beschriebenen ausführlichen Untersuchungen zur Verifikation der Korrektheit der
Orientierungsschätzung wird geschlussfolgert, dass die geschätzten Orientierungsänderungen der
Struts mindestens bzgl. des qualitativen Verlaufs bzw. bzgl. der Richtung korrekt sind.
126 Kapitel 9: Darstellung und Analyse der Messergebnisse
Eine weitere mögliche Erklärung für den beschriebenen Widerspruch stellt die Annahme dar, auf
der die Schätzung der Verformung basiert. Wie zu Beginn dieses Abschnitts erläutert, werden
die Struts des Kiteschirms für die Schätzung der Verformung aus den Orientierungsänderungen
der Struts als starre Stäbe betrachtet, die zusätzlich über die Fronttube mechanisch miteinander
gekoppelt sind. Anhand von Videoanalysen fliegender Kiteschirme kann eingeschätzt werden,
dass diese Annahme nur mit begrenzter Zuverlässigkeit zutrifft. Es kann deshalb nicht
ausgeschlossen werden, dass die Torsion des Kiteschirms um den zentralen Bereich der Fronttube
bzw. die Verschiebung der Tips bzgl. dieses Bereichs nicht aus der Orientierungsänderung von
Inertialsensoren, die auf den Struts montiert sind, geschätzt werden kann. Demzufolge ist mit
der gewählten Messmethode die Beantwortung der Forschungsfrage 4 für dynamische Manöver
nicht möglich. Aufgrund der guten Übereinstimmung der Ergebnisse mit der erwarteten
Verformung im quasi-statischen Flugzustand wird jedoch davon ausgegangen, dass die
Messmethode in diesem Fall korrekte Ergebnisse liefert. Es wird demnach geschlussfolgert, dass
das in dieser Flugsituation zur Kompensation der Gewichtskraft erforderliche Giermoment
ausschließlich aus einer Erhöhung des Anstellwinkels am oberen Tip resultiert.
Kapitel 10: Zusammenfassung & Ausblick 127
10. Zusammenfassung & Ausblick
10.1. Zusammenfassung
Um den stetig steigenden Energiebedarf der Menschheit decken zu können und die Belastung der
Umwelt durch die Nutzung fossiler Brennstoffe zu reduzieren, ist die Entwicklung innovativer
Systeme zur Energiegewinnung aus erneuerbaren Energien erforderlich. Das Konzept von sog.
Flugwindkraftanalgen birgt diesbezüglich großes Potential, hat jedoch noch nicht den
Entwicklungsstand der Serienreife erreicht. Damit der dafür erforderliche sichere autonome
Betrieb dieser Anlagen gewährleistet werden kann, müssen robuste modellbasierte
Regelalgorithmen für die Kontrolle der Flugphase, aber auch der Start- und Landephase,
entwickelt werden. Dafür wiederum werden präzise verifizierte Simulationsmodelle von
hochflexiblen seilgebunden Tragflächen benötigt.
Das Ziel dieser Arbeit war deshalb die methodische Untersuchung des dynamischen Verhaltens
dieser Tragflächen durch die Vermessung ausgewählter dynamischer Parameter sowie der
Verformung von Kiteschirmen im Flug. Aus diesem Ziel wurden basierend auf dem Stand der
Technik vier Forschungsfragen abgeleitet:
1) Anhand welcher Parameter lässt sich das dynamische Verhalten von Kiteschirmen
beurteilen bzw. vergleichen?
2) Ist die reproduzierbare Vermessung der dynamischen Eigenschaften von Kiteschirmen
möglich?
3) Kann mit Hilfe von Inertialsensoren die aus einer Steuereingabe resultierende
makroskopische Verformung von Kiteschirmen gemessen werden, ohne dass das
Flugverhalten signifikant beeinflusst wird?
4) Kann durch die Vermessung der makroskopischen Verformung infolge einer Steuereingabe
der Mechanismus bestimmt werden, der die Hauptursache für die Einleitung des
Kurvenflugs eines Kiteschirms darstellt?
Für die Beantwortung der ersten Forschungsfrage wurde als Schlussfolgerung aus den
Erkenntnissen einer umfangreichen Literaturrecherche das sog. Turn Rate Law (TRL) ins
Zentrum der Untersuchung gestellt. Das TRL erlaubt eine einfache, aber trotzdem präzise
analytische Modellierung des Kurvenflugverhaltens von Kiteschirmen, sodass das dynamische
Verhalten eines Kiteschirms anhand der beiden im TRL enthaltenen Parameter Drehfreudigkeit
g
k
und Totzeit d charakterisiert werden kann.
Die reproduzierbare Messung dieser Parameter stellt den Kern der zweiten Forschungsfrage dar.
Für die Beantwortung dieser Forschungsfrage erfolgte zunächst die Definition eines für die
Vermessung geeigneten Manövers sowie der erforderlichen Messgrößen. Die Umsetzung des
ausgewählten Achtenflug-Manövers erforderte eine umfangreiche Weiterentwicklung des
vorhandenen Prüfstands. Es wurde ein geeigneter Regelalgorithmus ausgewählt und in
128 Kapitel 10: Zusammenfassung & Ausblick
angepasster Form implementiert, um die automatisierte Ausführung dieses Manövers zu
ermöglichen. Darüber hinaus wurde ein Onboard-Sensorsystem entwickelt und erprobt, das es
ermöglicht, die Position und Orientierung sowie den Anströmvektor des Kiteschirms zu messen
und die Messdaten via Funk an den Prüfstand zu übertragen. Dadurch konnten zunächst anhand
von Voruntersuchungen Maßnahmen identifiziert werden, die eine präzisere Messung der
aerodynamischen Charakteristiken wie etwa der Gleitzahl in statischen Flugzuständen
ermöglichen. Anschließend erfolgte die erfolgreiche Vermessung der dynamischen Parameter eines
Kiteschirms für einen weiten Bereich von Powerpositionen.
Durch die Weiterentwicklung ist erstmals eine reproduzierbare Vermessung der dynamischen
Parameter eines Kiteschirms unter kontrollierten Bedingungen und in hoher Auflösung in
Abhängigkeit von der Powerposition möglich. Da der im Rahmen der vorliegenden Arbeit
vermessene Kiteschirm aufgrund der Beschädigung der Onboard-Sensorik jedoch nicht mehrmals
mit dem exakt gleichen Setup vermessen werden konnte, kann die Forschungsfrage 2 nur teilweise
beantwortet werden: Das Messverfahren ist reproduzierbar, die Reproduzierbarkeit der
Ergebnisse konnte allerdings nicht nachgewiesen werden.
Für die Beantwortung der Forschungsfragen 3 und 4 wurden weitere Messungen durchgeführt,
in denen ein System aus kompakten, miteinander vernetzten, Inertialsensor-Einheiten am
Kiteschirm montiert war. Ziel dieser Messung war, die makroskopische Verformung des
Kiteschirms, die im Flug aus Steuereingaben resultiert, zu bestimmen und anhand dessen
Rückschlüsse auf die Mechanismen zu ziehen, die eine Gierbewegung des Kiteschirms hervorrufen.
Dabei zeigte sich, dass die Schätzung der Orientierungsänderungen der Inertialsensoren unter
den im Flug gegebenen Bedingungen auch für längere Zeiträume prinzipiell vertrauenswürdige
Ergebnisse hervorbringt und die Bestimmung der makroskopischen Verformung in statischen
Flugzuständen möglich ist. In dynamischen Flugzuständen trifft die für die Schätzung der
Verformung zu Grunde gelegte Annahme, nach der Teile des Kiteschirms als starre Körper
betrachtet werden, jedoch nicht in ausreichendem Maße zu. Die Verformungsmessung brachte
deshalb in diesem Fall keine plausiblen Ergebnisse hervor. Die Forschungsfragen 3 und 4 können
somit ebenfalls nur teilweise beantwortet werden.
Abschließend soll angemerkt werden, dass die Weiterentwicklung des Prüfstands, wie beschrieben,
die Gewinnung überaus wertvoller Messdaten und somit relevanter neuartiger Erkenntnisse
ermöglicht. Gleichzeitig muss aber auch festgestellt werden, dass die Komplexität des Prüfstands
durch die in Kapitel 5 beschriebenen Erweiterungen der Sensorik und Software enorm angestiegen
ist. Zusätzlich ist die Messung unter kontrollierten Bedingungen nur bei sehr geringen
Windstärken gegeben, die nur selten vorherrschen. Die genannten Punkte führen dazu, dass die
Wahrscheinlichkeit für das Auftreten unerwarteter Fehlfunktion nicht zu vernachlässigen ist und
die Durchführung von Messungen insgesamt sehr aufwändig und zeitintensiv ist.
Kapitel 10: Zusammenfassung & Ausblick 129
10.2. Ausblick
In diesem Unterkapitel wird zunächst beschrieben, was getan werden müsste, um die vollständige
Beantwortung der Forschungsfragen zu ermöglichen. Anschließend erfolgt eine Auflistung der aus
Sicht des Autors sinnvollen Folgearbeiten, die eine effiziente weitere Nutzung der in dieser Arbeit
dokumentierten Forschung gewährleisten.
Um die Reproduzierbarkeit der Messergebnisse überprüfen zu können, sollte die Vermessung der
dynamischen Parameter für einen Kiteschirm mit dem gleichen Setup mehrmals und an
unterschiedlichen Tagen wiederholt werden. Da es bei den im Rahmen der vorliegenden Arbeit
durchgeführten Versuchen zu einer starken Beschädigung der Onboard-Sensorik kam, muss diese
zuvor repariert und ggf. neu justiert werden. Außerdem sollte zuvor unbedingt analysiert werden,
wie es zu den fehlerhaften Initialisierungen des Reglers kam, die die Abstürze verursacht haben,
damit dies zukünftig verhindert werden kann.
Weitere Messungen sollten durchgeführt werden, um zu untersuchen, ob die Messergebnisse auch
für unterschiedliche Anströmgeschwindigkeiten sowie bei der Variation weitere Parameter wie
dem Reglerverstärkungsfaktor, der Position der Zielpunkte und eventuell auch bei Messungen, in
denen der Kiteschirm vom natürlichen Wind angeströmt wird, bestätigt werden können.
Insbesondere der letzte Punkt bietet großes Potential, um den Aufwand für die Durchführung
von Messungen zu reduzieren, da für Messungen unter dem Einfluss des natürlichen Windes im
Stand nur ein um ein vielfaches kleineres Testgelände benötigt wird. Außerdem sind weitere
Abläufe, wie beispielsweise der Start und die Landung des Kiteschirms mit deutlich weniger
Aufwand verbunden, es werden negative Einflüsse aus der Bewegung des Prüfstands auf die
Messdaten reduziert und Abstürze sind in der Regel weniger folgenschwer.
In einem weiteren Schritt sollte die Vermessung mit unterschiedlichen Kiteschirmen wiederholt
werden, um einen Vergleich anzustellen und zu überprüfen, ob die subjektiv empfundenen
Unterschiede im dynamischen Verhalten unterschiedlicher Kiteschirm-Modelle anhand der
Messergebnisse nachvollzogen werden können.
Zusätzlich sollten Messungen mit montierter Onboard-Sensorik durchgeführt werden, in denen
der Kiteschirm mit Hilfe des Manövers „Stufenweises Powern“ vermessen wird. Ein Datensatz
einer solchen Messung, der auch Messdaten der Prandtl-Sonde beinhaltet, ermöglicht die Analyse
des Zusammenhangs zwischen der Änderung der relativen Powerposition und dem Anstellwinkel
in der Mitte der Tragfläche. Bei einem starren Flügel ist ein direkter trigonometrischer
Zusammenhang zwischen diesen beiden Parametern vorhanden; bei Kiteschirmen besteht
aufgrund der hohen Flexibilität diesbezüglich Forschungsbedarf.
Weiterhin sollten Messdaten von dynamischen Manövern bei Verwendung längerer Leinen
aufgezeichnet werden. Durch die längeren Leinen können größere Achten geflogen werden, sodass
Abschnitte der Trajektorie entstehen, in denen kein Steuereinschlag anliegt. Dies ermöglicht die
Berechnung der aerodynamischen Koeffizienten für die unterschiedlichen Abschnitte und somit
eine Analyse des Einflusses von Steuereingaben auf diese.
130 Kapitel 10: Zusammenfassung & Ausblick
Die Durchführung aller bisher in diesem Unterkapitel beschriebenen Schritte hat vermutlich eine
weitere deutliche Steigerung des Vertrauens in die Messdaten sowie diverse neue Erkenntnisse
zum dynamischen Verhalten von Kiteschirmen zur Folge. Außerdem kann mit der dann
vorliegenden Menge an Messdaten eine umfassende Parametrierung bzw. Verifikation von
Simulationsmodellen durchgeführt werden.
Weiterer Forschungsbedarf besteht bzgl. der Vermessung sowie Analyse der Verformung von
hochflexiblen Tragflächen im Flug. Zunächst müsste erarbeitet werden, wie die
Verformungsmessung auch im dynamischen Flug erfolgreich umgesetzt werden kann.
Anschließend sollte versucht werden, auch in komplexeren dynamischen Manövern die
Verformungsmechanismen zu analysieren und daraus Rückschlüsse zu ziehen, welche
geometrischen Ausprägungen des Kiteschirms signifikanten Einfluss auf dessen dynamisches
Verhalten haben.
Ähnliche Erkenntnisse bzgl. der Auswirkung verschiedener Designparameter können vermutlich
aus der Analyse der Messdaten von unterschiedlichen Kiteschirmen abgeleitet werden. Um die
Identifikation entsprechender Korrelationen zu erleichtern, könnten beispielsweise Data-Mining-
Methoden angewendet werden. Darauf basierend kann untersucht werden, ob die Messdaten die
Realisierung einer systematischen industriellen Entwicklungsmethodik für Kiteschirme
ermöglichen.
Ein weiteres Thema von weitreichender Bedeutung, welches bisher kaum erforscht wurde,
zukünftig aber adressiert werden sollte, ist die Auswirkung von Alterung auf die
Flugeigenschaften von Kiteschirmen. Eine Möglichkeit, um mit überschaubarem zeitlichen
Aufwand dafür erforderliche Messdaten zu erhalten, wäre der Einsatz einer Klimakammer und
UV-Licht, um einen Kiteschirm nach der initialen Messung beschleunigt altern zu lassen und
anschließend erneut zu vermessen.
A. Literatur 131
A. Literatur
A.1. Literaturverzeichnis
Aart de Wachter (2008): Deformation and Aerodynamic Performance of a Ram-Air Wing.
Masterarbeit. Delft University of Technology, Delft.
Ahrens, Uwe; Diehl, Moritz; Schmehl, Roland (eds.) (2014): Airborne wind energy.
Archer, C. L. (2005): Evaluation of global wind power, in: J. Geophys. Res., 110. Jg., D12,
S. 5385.
Azartash-Namin, S. K. (2017): Evaluation of Low-cost Multi-hole Probes for Atmospheric
Boundary Layer Investigation. Masterarbeit. Oklahoma State University, Oklahoma.
Baayen, J. H. (2012): Trajectory tracking control of kites with system delay, in: arXiv preprint
arXiv:1212.6388.
Baayen, J. H.; Ockels, W. J. (2011): Tracking control with adaption of kites, in: Control
Theory & Applications, IET, Vol. 6, No. 2, pp. 182–191.
Behrel, M.; Roncin, K.; Leroux, J.-B.; Montel, F.; Hascoet, R.; Nême, A.; Jochum, C.; Parlier,
Y. (2018): Application of phase averaging method for measuring kites performance:
Onshore results.
Bergmann, M.; Elfert, C. (2014): Auslegung und Auswahl der Antriebseinheit für einen
Messstand für vollflexible Tragflächen am Beispiel von Kiteschirmen. Projektarbeit.
Technische Universität Berlin, Berlin.
Borobia, R.; Sanchez-Arriaga, G.; Serino, A.; Schmehl, R. (2018): Flight-Path Reconstruction
and Flight Test of Four-Line Power Kites, in: Journal of Guidance, Control, and
Dynamics, 1037. Jg., Nr. 6, S. 1–11.
Bosch, A. (2012): Finite element analysis of a kite for power generation. Masterarbeit. Delft
University of Technology, Delft.
Breukels, J. (2010): An engineering methodology for kite design. Dissertation, Oisterwijk.
Canale, M.; Fagiano, L.; Ippolito, M.; Milanese, M. (2006): Control of tethered airfoils for a
new class of wind energy generator, in: Proceedings of the 45th IEEE Conference on
Decision and Control, S. 4020–4026.
Canale, M.; Fagiano, L.; Milanese, M. (2008): KiteGen: A revolution in wind energy
generation, in: Energy, 34. Jg., Nr. 3, S. 355–361.
132 A. Literatur
Canale, M.; Fagiano, L.; Milanese, M. (2010): High Altitude Wind Energy Generation Using
Controlled Power Kites, in: IEEE Trans. Contr. Syst. Technol., 18. Jg., Nr. 2, S. 279–
293.
Canale, M.; Fagiano, L.; Milanese, M.; Ippolito, M. (2007): KiteGen project: control as key
technology for a quantum leap in wind energy generators, in: 2007 American Control
Conference, S. 3522–3528.
Comau S.p.A (o.J.): NJ-370-3.0, Online verfügbar unter:
https://www.comau.com/Download/robot/BROCHURE/DE_brochure_robots.pdf,
zuletzt geprüft am: 30. April 2020.
Costa, D. (2011): Experimental Investigation of Aerodynamic and Structural Properties of a
Kite. Masterarbeit. ETH Zurich.
Costello, S. (2015): Real-Time Optimization via Directional Modifier Adaptation, with
Application to Kite Control. Dissertation. École polytechnique fédérale de Lausanne
EPFL, Lausanne.
Costello, S.; Francois, G.; Bonvin, D. (2018): Real-Time Optimizing Control of an
Experimental Crosswind Power Kite, in: IEEE Trans. Contr. Syst. Technol., 26. Jg.,
Nr. 2, S. 507–522.
de Groot, S. G. C.; Breukels, J.; Schmehl, R.; Ockels, W. J. (2011): Modelling Kite Flight
Dynamics Using a Multibody Reduction Approach, in: Journal of Guidance, Control,
and Dynamics, 34. Jg., Nr. 6, S. 1671–1682.
De Lellis, M. (2016): Airborne Wind Energy with Tethered Wings: Modeling, Analysis and
Control. Dissertation. Federal University of Santa Catarina, Florianópolis.
De Lellis, M.; Saraiva, R.; Trofino, A. (2013): Turning angle control of power kites for wind
energy, in: 52nd IEEE Conference on Decision and Control, S. 3493–3498.
Delft University of Technology (2019): Airborne Wind Energy Conference 2019.
Diehl, M. (2001): Real-Time Optimization for Large Scale Nonlinear Processes. Dissertation.
Ruprecht-Karls-Universität Heidelberg, Heidelberg.
Diehl, M. (2014): Airborne Wind Energy: Basic Concepts and Physical Foundations, in:
Ahrens, Uwe; Diehl, Moritz; Schmehl, Roland (eds.): Airborne wind energy, S. 3–22.
Diehl, M.; Magni, L.; Nicolao, G. de (2004): Efficient NMPC of unstable periodic systems using
approximate infinite horizon closed loop costing, in: Annual Reviews in Control,
28. Jg., Nr. 1, S. 37–45.
Digi (o.J.): XBee/XBee-PRO S2C Zigbee: RF Module, Online verfügbar unter:
http://www.digi.com/resources/documentation/digidocs/pdfs/90002002.pdf, zuletzt
geprüft am: 4. Mai 2020.
A. Literatur 133
Elfert, C. (2015): Inbetriebnahme der Ansteuerung und Konzeption sowie Umsetzung der
Regelung eines Messstands zur Vermessung vollflexibler Tragflächen am Beispiel von
Kiteschirmen. Masterarbeit. Technische Universität Berlin, Berlin.
Erhard, M.; Strauch, H. (2012): Control of Towing Kites for Seagoing Vessels, in: IEEE Trans.
Contr. Syst. Technol., Vol. 21, No. 5, pp. 1629–1640.
Erhard, M.; Strauch, H. (2013): Sensors and navigation algorithms for flight control of tethered
kites, in: 2013 European Control Conference, S. 998–1003.
Erhard, M.; Strauch, H. (2014): Theory and Experimental Validation of a Simple
Comprehensible Model of Tethered Kite Dynamics Used for Controller Design, in:
Ahrens, Uwe; Diehl, Moritz; Schmehl, Roland (eds.): Airborne wind energy, S. 141–165.
Fagiano, L. (2009): Control of tethered airfoils for high-altitude wind energy generation:
Advanced control methods as key technologies for a breakthrough in renewable energy
generation. Dissertation. Politecnico di Torino, Torin.
Fagiano, L.; Huynh, K.; Bamieh, B.; Khammash, M. (2013a): Sensor fusion for tethered wings
in airborne wind energy, in: 2013 American Control Conference, S. 2884–2889.
Fagiano, L.; Huynh, K.; Bamieh, B.; Khammash, M. (2013b): On Sensor Fusion for Airborne
Wind Energy Systems, in: IEEE Trans. Contr. Syst. Technol., 22. Jg., Nr. 3, S. 930–
943.
Fagiano, L.; Milanese, M. (2012): Airborne Wind Energy: An overview, in: American Control
Conference (ACC), 2012. 27 - 29 June 2012, Montreal, QC, Canada, S. 3132–3143.
Fagiano, L.; Zgraggen, A.; Morari, M. (2014): On Modeling, Filtering and Automatic Control
of Flexible Tethered Wings for Airborne Wind Energy, in: Ahrens, Uwe; Diehl, Moritz;
Schmehl, Roland (eds.): Airborne wind energy, S. 167–180.
Fagiano, L.; Zgraggen, A. U.; Khammash, M.; Morari, M. (2013a): Automatic control of
tethered wings for airborne wind energy: Design and experimental results, in: 2013
European Control Conference, S. 992–997.
Fagiano, L.; Zgraggen, A. U.; Khammash, M.; Morari, M. (2013b): On control of tethered
wings for airborne wind energy, in: 2013 American Control Conference, S. 1430–1435.
Fagiano, L.; Zgraggen, A. U.; Morari, M.; Khammash, M. (2013): Automatic Crosswind Flight
of Tethered Wings for Airborne Wind Energy: Modeling, Control Design, and
Experimental Results: Control Systems Technology, IEEE Transactions on, in: Control
Systems Technology, IEEE Transactions on, PP, No. 99, p. 1.
Fechner, U. (2016): A Methodology for the Design of Kite-Power Control Systems.
Dissertation. Delft University of Technology, Delft.
134 A. Literatur
Fechner, U.; Schmehl, R. (2012): Design of a distributed kite power control system, in: 2012
IEEE International Conference on Control Applications, S. 800–805.
Fechner, U.; Schmehl, R. (2016): Flight path control of kite power systems in a turbulent wind
environment, in: 2016 American Control Conference (ACC), S. 4083–4088.
Fechner, U.; van der Vlugt, R.; Schreuder, E.; Schmehl, R. (2015): Dynamic model of a
pumping kite power system, in: Renewable Energy, 83. Jg., S. 705–716.
Freter, H. (2019): Entwicklung und Umsetzung einer Multi-Sensorfusion zur Abschätzung der
Position, Geschwindigkeit und Lage von vollflexiblen Tragflächen. Bachelorarbeit.
Technische Universität Berlin, Berlin.
Freter, J. H.; Seel, T.; Elfert, C.; Göhlich, D. (2020): Motion Estimation for Tethered Airfoils
with Tether Sag*, in: 2020 IEEE International Conference on Multisensor Fusion and
Integration for Intelligent Systems (MFI), S. 114–120.
Furey, A.; Harvey, I. (2007): Evolution of Neural Networks for Active Control of Tethered
Airfoils, in: Advances in artificial life. 2007 European Conference on Artificial Life,
4648. Jg., S. 746–755.
Geebelen, K.; Wagner, A.; Gros, S.; Swevers, J.; Diehl, M. (2013): Moving Horizon Estimation
with a huber penalty function for robust pose estimation of tethered airplanes, in: 2013
American Control Conference, S. 6169–6174.
Geschäftsstelle der Arbeitsgruppe Erneuerbare Energien-Statistik (AGEE-Stat) am
Umweltbundesamt (2020): Erneuerbare Energien in Deutschland: Daten zur
Entwicklung im Jahr 2019.
Girrbach, F.; Hol, J. D.; Bellusci, G.; Diehl, M. (2017a): On Robust Sensor Fusion of GNSS
and IMU for Airborne Wind Energy Systems, in: Diehl, Moritz; Leuthold, Rachel;
Schmehl, Roland (eds.): Airborne Wind Energy Conference 2017. Book of Abstracts,
S. 164.
Girrbach, F.; Hol, J. D.; Bellusci, G.; Diehl, M. (2017b): Optimization-Based Sensor Fusion of
GNSS and IMU Using a Moving Horizon Approach, in: Sensors (Basel, Switzerland),
Vol. 17, No. 5.
Grösel, R. (2019): Technisches Gespräch zwischen Ralf Grösel und Christoph Elfert.
Hesse, H.; Polzin, M.; Wood, T. A.; Smith, R. S. (2018): Visual Motion Tracking and Sensor
Fusion for Kite Power Systems, in: Schmehl, Roland (ed.): Airborne wind energy.
Advances in technology development and research, S. 413–438.
Hjukse, O. H. (2011): State Estimation and Kalman Filtering of Tethered Airfoils: by use of
ground based measurements. Masterarbeit. Norwegian University of Science and
Technology, Trondheim.
A. Literatur 135
Houska, B.; Diehl, M. (2006): Optimal Control of Towing Kites, in: Proceedings of the 45th
IEEE Conference on Decision and Control, S. 2693–2697.
Houska, B.; Diehl, M. (2007): Optimal control for power generating kites, in: Control
Conference (ECC), 2007 European, S. 3560–3567.
Hummel, J. (2017): Automatisierte Vermessung und Charakterisierung der dynamischen
Eigenschaften seilgebundener, vollflexibler Tragflächen. Dissertation. Technische
Universität Berlin, Berlin.
Hummel, J.; Göhlich, D.; Schmehl, R. (2019): Automatic measurement and characterization of
the dynamic properties of tethered membrane wings, in: Wind Energ. Sci., 4. Jg.,
Nr. 1, S. 41–55.
Ilzhöfer, A.; Houska, B.; Diehl, M. (2007): Nonlinear MPC of kites under varying wind
conditions for a new class of large-scale wind power generators, in: Int. J. Robust
Nonlinear Control, Vol. 17, No. 17, pp. 1590–1599.
InvenSense (o.J.): MPU-9250 Product Specification: Revision 1.1, Online verfügbar unter:
https://invensense.tdk.com/wp-content/uploads/2015/02/PS-MPU-9250A-01-v1.1.pdf,
zuletzt geprüft am: 2. Mai 2020.
Isermann, R. (1992): Maximum-Likelihood-Methode, in: Isermann, Rolf (ed.): Identifikation
dynamischer Systeme 2. Besondere Methoden, Anwendungen, S. 3–16.
Jehle, C. (2012): Automatic Flight Control of Tethered Kites for Power Generation.
Diplomarbeit. Technische Universität München, München.
Jehle, C.; Schmehl, R. (2014): Applied Tracking Control for Kite Power Systems, in: Journal of
Guidance, Control, and Dynamics, S. 1–12.
Junglas, S. (2015): Beschleunigungs-, Geschwindigkeits- und Ausrichtungsmessung an einem
Prüfstand zur reproduzierbaren Vermessung seilgebundener Tragflächen. Projektarbeit.
Technische Universität Berlin, Berlin.
Knappskog, H. (2011): Nonlinear control of Tethered Airfoils: Path-following control of
Tethered Airfoils. Masterarbeit. Norwegian University of Science and Technology,
Trondheim.
Kris Winer (2017): Simple and Effective Magnetometer Calibration, Online verfügbar unter:
https://github.com/kriswiner/MPU6050/wiki/Simple-and-Effective-Magnetometer-
Calibration, zuletzt geprüft am: 1. Mai 2020.
Kuipers, J. B. (2000): Quaternions and Rotation Sequences, in: Mladenov, Ivaïla. M.; Naber,
Gregory L. (eds.): Proceedings of International Conference Geometry, Integrability and
Quantization. September 1 - 10, 1999, Sts. Constantine and Elena, Bulgaria [near
Varna], 1. Jg., S. 127–143.
136 A. Literatur
Lange, C. (2018): Erweiterung und Verbesserung der Simulation des Kiteschirms sowie der
Regelung zur automatisierten Steuerung von Kiteschirmen. Masterarbeit. Technische
Universität Berlin, Berlin.
Lauth, E. (2015): Umsetzung, Inbetriebnahme und Erprobung eines Steuerelementes zur
haptischen Übertragung von Schirmkräften an den Piloten im Rahmen der
Prüfstandsentwicklung zur reproduzierbaren Vermessung vollflexibler Tragflächen.
Masterarbeit. Technische Universität Berlin, Berlin.
Madgwick, S. O. H. (2010): An efficient orientation filter for inertial and inertial / magnetic
sensor arrays.
Massimo Canale; Lorenzo Fagiano; Mario Milanese (2007): Power Kites for Wind Energy
Generation [Applications of Control], in: IEEE Control Syst., 27. Jg., Nr. 6, S. 25–38.
Mediatek (o.J.): MT3339: Overview, Online verfügbar unter:
https://labs.mediatek.com/en/chipset/MT3339, zuletzt geprüft am: 4. Mai 2020.
Messerer, F. (2016): Comparative Evaluation of State Estimation Approaches for an Airborne
Wind Energy System Based on Simulated and Real Flight Data. Bachelorarbeit.
University of Freiburg, Freiburg.
Millane, A. (2015): Sensor Fusion for Airborne Wind Energy Estimation. Masterarbeit. ETH
Zurich, Zürich.
Millane, A.; Hesse, H.; Wood, T. A.; Smith, R. S. (2015): Range-inertial estimation for airborne
wind energy, in: 2015 54th IEEE Conference on Decision and Control (CDC), S. 455–
460.
Miller, L. M.; Brunsell, N. A.; Mechem, D. B.; Gans, F.; Monaghan, A. J.; Vautard, R.; Keith,
D. W.; Kleidon, A. (2015): Two methods for estimating limits to large-scale wind power
generation, in: Proceedings of the National Academy of Sciences of the United States of
America, Vol. 112, No. 36, pp. 11169–11174.
NXP (o.J.): MPL3115A2: I2C precision pressure sensor with altimetry, Online verfügbar unter:
https://www.nxp.com/docs/en/data-sheet/MPL3115A2.pdf, zuletzt geprüft am: 4. Mai
2020.
Oehler, J. (2017): Measuring apparent flow vector on a flexible wing kite. Masterarbeit. Delft
University of Technology, Delft.
Oehler, J.; Schmehl, R. (2019): Aerodynamic characterization of a soft kite by in situ flow
measurement, in: Wind Energ. Sci., 4. Jg., Nr. 1, S. 1–21.
Oehler, J.; van Reijen, M.; Schmehl, R. (2018): Experimental investigation of soft kite
performance during turning maneuvers, in: Journal of Physics: Conference Series,
1037. Jg., Nr. 5, S. 52004.
A. Literatur 137
PCE Deutschland GmbH (o.J.): Schalenstern-Anemometer Windmaster 2, Online verfügbar
unter: https://www.warensortiment.de/datenblatt/datenblatt-schalenstern-
anemometer-windmaster-2.pdf, zuletzt geprüft am: 12. Juni 2020.
PJRC (o.J.): Teensy Technical Specifications, Online verfügbar unter:
https://www.pjrc.com/teensy/techspecs.html, zuletzt geprüft am: 4. Mai 2020.
Python, B. (2017): Methodology Improvement for Performance Assessment of Pumping Kite
Power Wing. Masterarbeit. École polytechnique fédérale de Lausanne EPFL, Lausanne.
Ranneberg, M. (2013): Sensor Setups for State and Wind Estimation for Airborne Wind
Energy Converters, in: CoRR, abs/1309.1029.
Renneisen, B. (2014): Konzeptionierung und Umsetzung einer Messeinrichtung zur sphärischen
Positions- und Lagebestimmung eines Kiteschirms. Masterarbeit. Technische
Universität Berlin, Berlin.
Richter, W. (2020): Flugnavigation: Grundlagen-Mathematik-Kartenkunde, München/Wien.
Rontsis, N.; Costello, S.; Lymperopoulos, I.; Jones, C. N. (2015): Improved path following for
kites with input delay compensation, in: 2015 54th IEEE Conference on Decision and
Control (CDC). Date: 15-18 Dec. 2015, S. 656–663.
Ruppert, M. B. (2012): Development and Validation of a Real Time Pumping Kite Model.
Masterarbeit. Delft University of Technology, Delft.
Rushdi, M. A.; Rushdi, A. A.; Dief, T. N.; Halawa, A. M.; Yoshida, S.; Schmehl, R. (2020):
Power Prediction of Airborne Wind Energy Systems Using Multivariate Machine
Learning, in: Energies, 13. Jg., Nr. 9, S. 2367.
Sabatini, A. M. (2011): Kalman-filter-based orientation determination using inertial/magnetic
sensors: observability analysis and performance evaluation, in: Sensors (Basel,
Switzerland), Vol. 11, No. 10, pp. 9182–9206.
Sailboat Instruments (2011): Magneto, Online verfügbar unter:
https://sites.google.com/site/sailboatinstruments1/home, zuletzt geprüft am: 1. Mai
2020.
Schmehl, R.; Noom, M.; van der Vlugt, R. (2014): Traction Power Generation with Tethered
Wings, in: Ahrens, Uwe; Diehl, Moritz; Schmehl, Roland (eds.): Airborne wind energy,
72. Jg., S. 23–45.
Schmidt, E. (2017): A state estimation strategy for monitoring, control, and optimization of
airborne wind energy systems. Masterarbeit. Federal University of Santa Catarina,
Florianópolis.
Schmidt, E.; De Lellis, M.; Saraiva, R.; Trofino, A. (2017): State Estimation of a Tethered
Airfoil for Monitoring, Control and Optimization.
138 A. Literatur
Schmidt, E.; De Lellis, M.; Saraiva da Silva, R.; Fagiano, L.; Trofino Neto, A. (2019): In-Flight
Estimation of the Aerodynamics of Tethered Wings for Airborne Wind Energy, in:
IEEE Trans. Contr. Syst. Technol., S. 1–14.
Seel, T.; Ruppin, S. (2017): Eliminating the Effect of Magnetic Disturbances on the Inclination
Estimates of Inertial Sensors, in: IFAC-PapersOnLine, 50. Jg., Nr. 1, S. 8798–8803.
Seiler, E. (2017): Integration eines Inertialsensor-Systems in einen Messstand zur Vermessung
vollflexibler Tragflächen (TETA). Projektarbeit. Technische Universität Berlin, Berlin.
Seiler, E. (2018): Integration eines mobilen Sensorsystems in einen Messstand zur Vermessung
vollflexibler Tragflächen (TETA) sowie Filterung und Auswertung der Messdaten des
Systems. Masterarbeit. Technische Universität Berlin, Berlin.
Senatsverwaltung für Stadtentwicklung Berlin (2007): Abschlussbericht der AG SAPOS, Online
verfügbar unter:
http://www.stadtentwicklung.berlin.de/geoinformation/sapos/de/download/abschlussbe
richt_5-07.pdf, zuletzt geprüft am: 28. April 2020.
Sensirion AG (o.J.): Datasheet SDP31-Digital: Digital Differential Pressure Sensor, Online
verfügbar unter:
https://www.sensirion.com/fileadmin/user_upload/customers/sensirion/Dokumente/8_
Differential_Pressure/Datasheets/Sensirion_Differential_Pressure_Sensors_SDP3x_Di
gital_Datasheet.pdf, zuletzt geprüft am: 8. Juni 2020.
Tegel, G.; Neuweiler, L. (2020): Entwicklung einer Mehrloch-Prandtl-Sonde zur Messung des
Anströmvektors an vollflexiblen Tragflächen im Flug. Projektarbeit. Technische
Universität Berlin, Berlin.
Triebel, F. (2019): Erprobung und Optimierung eines Algorithmus zur Filterung und
Auswertung der Messdaten eines INS/GNSS-Systems zur Anwendung an vollflexiblen
Tragflächen. Projektarbeit. Technische Universität Berlin, Berlin.
van der Schoor, M. J. (2017): Konzeption sowie Umsetzung einer Regelung zur automatisierten
Steuerung von Kiteschirmen. Masterarbeit. Technische Universität Berlin, Berlin.
van der Vlugt, R.; Bley, A.; Noom, M.; Schmehl, R. (2019): Quasi-Steady Model of a Pumping
Kite Power System, in: Renewable Energy, 131. Jg., S. 83–99.
van Reijen, M. (2018): The turning of kites: A quantification of known theories. Masterarbeit.
Delft University of Technology, Delft.
Viré, A.; Demkowicz, P.; Folkersma, M.; Roullier, A.; Schmehl, R. (2020): Reynolds-averaged
Navier-Stokes simulations of the flow past a leading edge inflatable wing for airborne
wind energy applications, in: Journal of Physics: Conference Series, 1618. Jg., S. 32007.
A. Literatur 139
Weiß, K.; Winkelmann, M. (2018): Weiterentwicklung einer Messeinrichtung zur sphärischen
Positions- und Lagebestimmung seilgebundener Tragflächen. Projektbericht. Technische
Universität Berlin, Berlin.
Williams, P.; Lansdorp, B.; Ockels, W. (2008a): Nonlinear Control and Estimation of a
Tethered Kite in Changing Wind Conditions, in: Journal of Guidance, Control, and
Dynamics, 31. Jg., Nr. 3, S. 793–799.
Williams, P.; Lansdorp, B.; Ockels, W. (2008b): Optimal Crosswind Towing and Power
Generation with Tethered Kites, in: Journal of Guidance, Control, and Dynamics,
31. Jg., Nr. 1, S. 81–93.
Wood, T. A.; Ahbe, E.; Hesse, H.; Smith, R. S. (2017): Predictive Guidance Control for
Autonomous Kites with Input Delay, in: IFAC-PapersOnLine, 50. Jg., Nr. 1, S. 13276–
13281.
Wood, T. A.; Hesse, H.; Smith, R. S. (2017): Predictive Control of Autonomous Kites in Tow
Test Experiments, in: IEEE Control Syst. Lett., 1. Jg., Nr. 1, S. 110–115.
Wood, T. A.; Hesse, H.; Zgraggen, A. U.; Smith, R. S. (2015a): Model-based identification and
control of the velocity vector orientation for autonomous kites, in: 2015 American
Control Conference ACC, S. 2377–2382.
Wood, T. A.; Hesse, H.; Zgraggen, A. U.; Smith, R. S. (2015b): Model-based flight path
planning and tracking for tethered wings, in: 2015 54th IEEE Conference on Decision
and Control (CDC), S. 6712–6717.
Woodman, O. J. (2007): An introduction to inertial navigation: Technical Report Number 696,
Cambridge.
Xsens (o.J.): XSens DOT: Precison Motion Tracking, Online verfügbar unter:
https://www.xsens.com/hubfs/Downloads/Manuals/Xsens%20DOT%20Datasheet.pdf,
zuletzt geprüft am: 5. November 2020.
A.2. Eigene Veröffentlichung
Freter, J. H.; Seel, T.; Elfert, C.; Göhlich, D. (2020): Motion Estimation for Tethered Airfoils
with Tether Sag*, in: 2020 IEEE International Conference on Multisensor Fusion and
Integration for Intelligent Systems (MFI), S. 114–120.
140 A. Literatur
A.3. Studentische Arbeiten
Zur besseren Übersichtlichkeit sind die studentischen Arbeiten, aus denen Ergebnisse in der
vorliegenden Arbeit verwendet bzw. zitiert wurden, zusätzlich zur Nennung im
Literaturverzeichnis nachfolgend noch einmal in chronologischer Reihenfolge aufgelistet. Alle
aufgeführten Arbeiten wurden unter maßgeblicher wissenschaftlicher und inhaltlicher Anleitung
durch den Autor angefertigt.
Junglas, S. (2015): Beschleunigungs-, Geschwindigkeits- und Ausrichtungsmessung an einem
Prüfstand zur reproduzierbaren Vermessung seilgebundener Tragflächen. Projektarbeit.
Technische Universität Berlin, Berlin.
van der Schoor, M. J. (2017): Konzeption sowie Umsetzung einer Regelung zur automatisierten
Steuerung von Kiteschirmen. Masterarbeit. Technische Universität Berlin, Berlin.
Seiler, E. (2017): Integration eines Inertialsensor-Systems in einen Messstand zur Vermessung
vollflexibler Tragflächen (TETA). Projektarbeit. Technische Universität Berlin, Berlin.
Hartrumpf, M. (2018): Entwicklung eines Systems zur Messung des Anströmvektors an
vollflexiblen Tragflächen im Flug. Projektarbeit. Technische Universität Berlin, Berlin.
Lange, C. (2018): Erweiterung und Verbesserung der Simulation des Kiteschirms sowie der
Regelung zur automatisierten Steuerung von Kiteschirmen. Masterarbeit. Technische
Universität Berlin, Berlin.
Seiler, E. (2018): Integration eines mobilen Sensorsystems in einen Messstand zur Vermessung
vollflexibler Tragflächen (TETA) sowie Filterung und Auswertung der Messdaten des
Systems. Masterarbeit. Technische Universität Berlin, Berlin.
Triebel, F. (2019): Erprobung und Optimierung eines Algorithmus zur Filterung und
Auswertung der Messdaten eines INS/GNSS-Systems zur Anwendung an vollflexiblen
Tragflächen. Projektarbeit. Technische Universität Berlin, Berlin.
Freter, H. (2019): Entwicklung und Umsetzung einer Multi-Sensorfusion zur Abschätzung der
Position, Geschwindigkeit und Lage von vollflexiblen Tragflächen. Bachelorarbeit.
Technische Universität Berlin, Berlin.
Tegel, G.; Neuweiler, L. (2020): Entwicklung einer Mehrloch-Prandtl-Sonde zur Messung des
Anströmvektors an vollflexiblen Tragflächen im Flug. Projektarbeit. Technische
Universität Berlin, Berlin.
B. Anhang 141
B. Anhang
B.1. Air Data System
B.1.1. Anforderungsliste
Tabelle B-1: Anforderungsliste Air Data System
Komponente Anforderungen
Mikrocontroller
• Deutlich höherer Takt als beim ODS (Ausreichend
für Dateninterpretation und -fusion in den Einheiten)
• Fließkommaarithmetik in Hardware
• Mehr Schnittstellen (für mehr Sensoren)
• Mehr RAM
• Integrierter Programmer
• Wünschenswert: höhere Busbreite (16bit bzw. 32bit)
IMU
• Gleicher IMU wie in ODS um vorhandenes Know-
how nicht zu entwerten
GNSS (Erweiterung ggü. ODS)
• Einführung als eigenständige Messgröße und
Hilfsgröße für IMU
• Modul mit integrierter Antenne, aber auch
Möglichkeit ext. Antennenanschluss zu verwenden
• Höhere Rate der Positionslösung als die üblichen 1Hz
• Unterstützung für GNSS Augmentation (SBAS etc.)
• Optional: Unterstützung unterschiedlicher GNSS
Systeme/ Plattformen
Barometrische Höhenmessung/
Messung des abs. Luftdruck
(Erweiterung ggü. ODS)
• Einführung als eigenständige Messgröße und
Hilfsgröße für IMU sowie Prandtl-Sonde
Funkmodule
• Mindestens 50m Reichweite
• Explizite Unterstützung für externe Antennen (keine
PCB-Patch Antennen)
• Optional: Unterstützung für Netzwerkorganisation
• Anbindung über schnelle Interfaces (SPI, UART falls
ausreichend schnell)
Akkus
• Kapazität für mindestens zwei einstündige
Messfahrten zzgl. Vor- und Nachbereitung – Zielgröße
mindestens 3-4 Stunden
• Günstig in der Anschaffung um zum einen mehrere
Akkus-Packs vorhalten zu können und zum anderen
den eventuellen Verlust durch Crash oder
142 B. Anhang
Tiefentladung (Messdurchlauf vor Akkulebensdauer)
vertreten zu können
Platine/ Fertigung
• Industriell gefertigte Platine
• Nur Komponenten/ Bauformen die händisch verbaut
werden können
Gehäuse
• Modularer Aufbau
• Integrierte Halteklammer (Einheit an Schirm)
• Integrierte Halterung Prandtl-Sonde
• Weitestgehender Verzicht auf ferromagnetische
Werkstoffe (Reduzierung der Störeinflüsse auf das
Magnetometer des IMU)
Software/
Entwicklungsumgebung
• Ein Softwarestand für beide Einheiten (Software
erkennt beim Start auf welcher Hardware sie läuft
und initialisiert dementsprechend)
• Einheitliche Datenstrukturen (Einschließlich implizit
erzwungener Anwendung)
• Nutzung einer Entwicklungsumgebung die die
Mikrocontrollerprogrammierung vereinfacht (Erhöhen
der Zugänglichkeit der Codebasis für nicht-
Hardwareentwickler; Anteil der Nutzung von
Bibliotheken ausbauen)
• Nutzung von Versionierungssystemen (z. B. Gitlab,
bereitgestellt von der tubIT)
• Modularisierung der Systemsoftware um
Wartungsfreundlichkeit und „Delegierbarkeit“ zu
erhöhen
B.1.2. Hardware
Tabelle B-2: Hardwarekomponenten des ADS
Komponente Bezeichnung
(Entwickler)
Eigenschaften
Mikrocontroller Teensy 3.6
(PJRC)
207
• 180 MHZ Takt
• 32 Bit Architektur
• Fließkommaarithmetik in Hardware (32bit/
Float)
• 6 UARTS, 4 I2C Busse, 3 SPI Busse (2
CAN)
• Integrierter µSD-Slot
207
PJRC: Teensy Technical Specifications
B. Anhang 143
• Über Teensyduino Softwarepaket in die
Arduino-Tool-Chain integrierbar
• Enthält Programmerhardware (nativ über
USB flashbar)
Integrierte IMU MPU-9250
(InvenSense)
208
• Beschleunigungssensoren (dreiachsig)
• Drehratensensoren (dreiachsig)
• Magnetfeldsensoren (dreiachsig)
Funkmodul XBee X2C Pro
(Digi)
209
• Reichweite mindestens 100m
GNSS-Empfänger MT3339
(Mediatek)
210
• bis zu 10Hz Positionsupdates im reinen
GNSS Betrieb
• bis zu 5Hz Positionsupdates bei GNSS mit
SBAS Augmentation
• Differential-GPS mittels RTC Daten möglich
• Integrierte Keramik-Patchantenne und ext.
Antenneneingang
Barometrischer Druck-
/ Höhensensor
MPL3115A2
(NXP)
211
• Messung von Luftdruck und -temperatur
208
InvenSense: MPU-9250 Product Specification
209
Digi: XBee/XBee-PRO S2C Zigbee
210
Mediatek: MT3339
211
NXP: MPL3115A2
144 B. Anhang
B.1.3. Software
B. Anhang 145
B.2. Anströmungsmesssystem
B.2.1. Anforderungsliste
Tabelle B-3: Anforderungsliste Mehrloch-Prandtl-Sonde
Anforderung Wert / Daten (Wunsch)
Gewicht <
1
kg
(minimal)
Mechanische Eigenschaften hohe Steifigkeit des Rohres (kein Schwingen)
Messbereich Anströmwinkel -45° bis 45° Azimut und Elevation
Messgenauigkeit Winkel
±
0,5°
Messbereich Anströmgeschwindigkeit
5
m
s
bis
20
m
s
Messgenauigkeit Geschwindigkeit
±
0
,
5
m
s
Maximale Windgeschwindigkeit
40
m
s
Schutzklasse IP 67-68
Temperaturspektrum
−
10
°C
bis
+
50
°C
Stromversorgung:
3
,
3
V
Akku (austauschbar)
Min. Betriebsdauer
1
h
Datenübertragung kabellos an Basisstation
Sensortaktung
20
ms
Weitere Anforderungen
• austauschbare Komponenten
• crashresistent
• kostengünstig
• montage- und wartungsfreundlich
B.3. Checklisten
B.3.1. Einmalig zum Beginn eines Testtages
1. Landebahn auf Hindernisse überprüft
2. Hochplane inklusive Spriegel und Seitenwände demontiert
3. Verbindungen und Bauteile auf Beschädigungen und festen Sitz (mechanisch +
elektrisch) kontrolliert
4. Testequipment aus dem Auto geräumt
5. Kunststoffschürze montiert und durch Leine gesichert
6. Sitz für Toughbook montiert und Sitzbank gedreht
7. Toughbook mit Gurtband gesichert
8. Fußschalter fixiert
9. Kabelbaum korrekt angeschlossen
146 B. Anhang
Barstand:
• Bedienteil STO, Not-Aus, Tippbetrieb
• Bedienteil Freigabe, Notabwurf
• RS485 Kommunikation
• Netzteil Toughbook
• USB-Stromversorgung GoPro
• HDMI-Kabel
MSR-Schrank
• Stromversorgung Barstand
• Netzwerkkabel Toughbook (optional Netzwerkkabel weiteres Notebook)
• Kabel (5V DC + Daten) Wetterstation
• 5V DC (Taktung) Sync-LED
• Freigabe/ Notabwurf
• STO/ Not-Aus/ Tippbetrieb
• Fernbedienung (GoPro Windfenster)
Toughbook
• VGA Kabel Monitor Fahrer
• Fußschalter
• Netzwerkkabel
• Netzteil
10. Wetterstation
• an den drei Markierungen des Autodachs ausgerichtet
11. GoPro Dreheinheit
• Einstellung 960p 100FPS W
• Akkuerweiterung BacPac angeschlossen
• Richtig ausgerichtet und mit Fernbedienung gekoppelt
12. GoPro Windfenster
• angeschaltet
• Einstellung 1080p 30FPS W
13. Kabel Wetterstation und GoPro Windfenster außen am Fahrzeug verlegt und festgeklebt
14. Signalampel montiert
15. Prüfstand hochgefahren
• FI Schalter ausschalten WS Ausgang
• Wechselrichter einschalten
• FI Schalter einschalten WS Ausgang
• Fernseher anschalten
• Toughbook hochfahren
• Host VI starten
B. Anhang 147
16. GoPro Windfenster ausgerichtet (Startbahn mittig, LED sichtbar, Horizont nur am
äußeren Bildrand zu sehen- jeweils 1/8 der Bildbreite)
17. Leinen ausgelegt, Kite aufgepumpt
18. ADS kalibriert
B.3.2. Vor jedem Messdurchlauf
1. Korrekte Umsetzung der Steuereingaben überprüft
2. Plausibilität aller Messwerte überprüft
3. ADS inkl. Prandtl-Sonde mit passendem Adapter am Kiteschirm montiert
4. XSens-DOT-Sensoren an den Struts befestigt
