<p dir="ltr">This study introduces a methodology wherein daily values are linearly interpolated to achieve uniform temporal resolution across various data sets, including spectral and environmental information. This approach facilitates further analysis using machine learning techniques to estimate biomass. The proposed Best Friend Frame (B.F.F.) data set integrates Unmanned Aerial Systems (UAS) data, weather data, weather indices, soil hydrological group classifications, and topographic information. Two different biomass estimations were created to enhance versatility: one averaged per management practice and another averaged per physical experimental plot size. Additionally, SuperDove satellite data were combined with identical environmental data as that of the UAS.</p><p dir="ltr">UAS flights were conducted at the ACRE field in 2022 and 2023. The UAS data were captured at a height of 30 meters, yielding a ground sample distance of 2 cm/pixel per flight. Satellite data were sourced from the Planet SuperDove product. The images were processed using Crop Image Extraction (CIE) and calibrated with Vegetation Index Derivation (VID). Spatial resolution was defined as the experimental plot size per year per crop type (soybean or corn). Topographic data were derived from Indiana LiDAR data, and soil information was obtained from the USDA SSURGO dataset.</p><p dir="ltr">The B.F.F. framework can be utilized with various models to identify which environmental inputs influence biomass accumulation throughout the growing season.</p>

Urban Air mobility (UAM) promises reduced congestion on roads, reduced travel times and stronger overall efficiency in densely populated areas. However several challenges arise when wanting to implement UAM such as safety and social acceptance. The aim of this paper is to gain valuable insights how to implement safe and socially accepted UAM into society. Current regulations are discussed as well as X, Y and Z volumes in U-space, flight separations with ellipsoidal safety buffers, high speed corridors, landing separation at vertiports and airspace partition with voronoi diagrams are proposed and discussed. Social acceptance is addressed with some of the most prominent concerns e.g. safety, privacy and noise. Examples are set in Stockholm, Sweden, resulting in a maximum airspace occupation of 1 % which means 210 UAS (Unmanned Aircraft Systems) on each flight level. Sensitive areas and people with privacy concerns should have the option to opt-out of having their properties under the flight paths of UAM-vehicles. Concerns with UAM from the public has to be taken into great consideration for a successful implementation of UAM.

<p>Civil engineering structures must provide an adequate and safe performance during their time of service, and the owners of these structures must have a reliable inspection strategy to ensure time-dependent damage does not become excessive. Visual inspection is the first step in every structural inspection; however, many elements in the majority of structures are difficult to access and require specialized personal and equipment. In an attempt to reduce the risk of the inspector and the cost of additional equipment, the use of Unmanned Aircraft Systems (UAS) has been increasing in the last years. The absence of standards and regulations regarding the use of UAS in inspection of structures has allowed the market to widely advertise Unmanned Aerial Vehicles (UAV) without protocols or qualifications that prove their effectiveness, leaving the owners of the structures to solely rely on claims of the vendors before deciding which technology suits their particular inspection needs. Focusing primarily on bridge inspection, this research aimed to address the lack of performance-based evaluation and standards for UAS, developing a validation criterion to evaluate a given UAS based on a repeatable test that resembles typical conditions in a structure. </p><p><br></p><p>Current applications of UAS in inspection of structures along with its advantages and limitations were studied to determine the current status of UAS technologies. A maximum typical rotor-tip-to-rotor-tip distance of an UAV was determined based on typical UAVs used in bridge inspection, and two main parameters were found to be relevant when flying close to structures: proximity effects in the UAV and availability of visual line of sight. Distances where proximity effects are relevant were determined based on several field inspections and flights close to structures. In addition, the use of supplementary technologies such as Global Positioning System (GPS) and Inertial Measurement Units (IMU) was studied to understand their effect during inspection. </p><p><br></p><p>Following the analysis, the author introduces the idea of a series of obstacles and elements inside an enclosed space that resemble components of bridge structures to be inspected using UAVs, allowing repeatability of the test by controlling outside parameters such as lighting condition, wind, precipitation, temperature, and GPS signal. Using distances based on proximity effects, maximum typical rotor-tip-to-rotor-tip distance, and a gallery of bridges and situations when flying close to bridge structures, a final arrangement of elements is presented as the evaluation chamber. Components inside the evaluation chamber include both “real” steel and concrete specimens as well as those intended to simulate various geometric configurations on which other features are mounted. Pictures of damages of steel and concrete elements have been placed in the internal faces of the obstacles that can be assessed either in real-time flight or in post-processing work. A detailed comparison between the objectives of this research project and the results obtained by the evaluation chamber was performed using visual evaluation and resolution charts for the images obtained, the availability of visual line of sight during the test, and the absence of GPS signal.</p><p><br></p><p>From the comparison and analysis conducted and based on satisfactory flight results as images obtained during flights, the evaluation chamber is concluded to be a repeatable and reliable tool to apply to any UAS prior to inspect bridges and other structures, and the author recommends to refrain from conducting an inspection if the UAS does not comply with the minimum requirements presented in this research work. Additionally, this research provided a clearer understanding of the general phenomenon presented when UAVs approach structures and attempts to fill the gap of knowledge regarding minimum requirements and criterion for the use of UAS technologies in inspection of structures.</p>

Over the last years there has been a rapid development in the UAS-technology (Unmanned Aircraft Systems) and today there are several UAS systems on the market. The fast development has led to differences in both price and capability of taking high-quality images between the systems. The purpose of this study was firstly to investigate how two UAS systems differ in the uncertainty of measurement while making digital terrain models, secondly, to investigate how different UAS systems cope with the laws and requirements that exist for producing digital terrain models for detail projection, SIS-TS 21144:2016 Table 6 level 1-3. A comparative study on two software’s creation of point clouds from picture data was also conducted. In this study, three digital models were made from one specific area. They were created with two different UAS-systems and laser scanning from an airplane. The models were compared and analysed using the RUFRIS method. The UASsystems used were a fixed wings Smartplanes S1C and a rotary wings Dji Phantom 4 PRO. The Smartplanes flew 174 m above the ground and the Dji Phantom 4 flew 80 m above the ground. The results from the study show that laser scanning from the airplane created the model with the lowest measurement uncertainty and met all the requirements for each separate type (asphalt, natural soil, grass and gravel) for detail projection according to SIS.TS 201144:2016 table 6 level 1-3. Additionally, the results show that the terrain model produced by the Dji Phantom 4 only met the requirements for asphalt where the mean deviation was 0,001 m. The results produced with “Smartplanes” met the requirements for asphalt and gravel where the mean deviations were -0,007 m and 0,017 m. The softwares PhotoScan and UASMaster were compared while creating point clouds from pictures taken by the Smartplanes. The results show that PhotoScan had the lowest uncertainty for asphalt, grass and gravel surfaces while UASMaster produced lower uncertainty for natural soil. The results indicate that airborne laser scanning should be the preferred method for collection of topographic data since it created lower measurement uncertainties than the other methods in this study. It is also possible to create digital terrain models with UAS for detail projection for asphalt and gravel surface in accordance with 21144:2016. Finally, it was concluded that the used software programs are showing differences in creating point clouds. / De senaste åren har tekniken för Unmanned Aircraft System (UAS) utvecklats snabbt och idag finns flera system på marknaden. Ett resultat av den snabba utvecklingen är att de olika systemen skiljer sig åt, dels i pris men även i kapacitet. Syftet med studien var att undersöka hur olika UAS-system skiljer sig åt i mätosäkerhet vid framställning av digitala terrängmodeller, men även hur olika UAS-system står sig mot det regelverk som finns för framställning av digitala terrängmodeller vid detaljprojektering enligt SIS-TS 21144:2016 Tabell 6 klass 1-3. Ytterligare ett syfte med studien var att undersöka hur olika programvaror skiljer sig åt vid framställning av punktmoln från bilddata. I studien kontrollerades och jämfördes tre digitala terrängmodeller genererade över samma område med två olika UAS-system samt laserskanning från ett flygplan. Terrängmodellerna jämfördes mot kontrollprofiler framställda med RUFRIS-metoden. De olika UAS-systemen var en dyrare variant, Smartplanes S1C (fastavingar), och en billigare variant, Dji Phantom 4 PRO (roterande vingar). De tillämpade flyghöjderna för flygningarna var 174 m för Smartplanes och 80 m för Dji Phantom. Resultatet från studien visar att laserskanning från flygplanet uppnådde lägst mätosäkerhet och klarade samtliga krav för varje separat marktyp för detaljprojektering enligt SIS-TS 201144:2016 Tabell 6 klass 1-3. Marktyper som undersöktes var: asfalt, naturmark, gräs och grus. Vidare klarade terrängmodellen producerad med Dji Phantom endast kravet för asfaltsytor, där medelavvikelsen fastställdes till 0,001 m. Terrängmodellen producerad med Smartplanes klarade endast kraven för marktyperna asfalt och grus där medelavvikelsen fastställdes till -0,007 m respektive 0,017 m. Som en del i studien jämfördes programvarorna PhotoScan och UASMaster för framställning av punktmoln för bilder insamlade med Smartplanes S1C. Resultatet visar att PhotoScan uppnådde lägst mätosäkerhet för asfalt, gräs och grus medan UASMaster uppnådde lägst mätosäkerhet för naturmark. Studien visar att flygburen laserskanning borde vara en fortsatt föredragen metod för insamling av topografisk data då metoden resulterade i lägst mätosäkerheter i denna studie. Vidare visar studien att det är möjligt att framställa digitala terrängmodeller med UAS för detaljprojektering enligt SISTS 21144:2016 för asfalt- och grusytor. Dessutom konstateras att olika bearbetningsprogram skiljer sig vid framställning av punktmoln.

Flygfotografering med Unmanned Aircraft System (UAS) är i jämförelse med traditionell fotogrammetri effektivare, billigare och säkrare vilket har medfört att denna teknik föredras av många aktörer. Ett tidskrävande arbete som varit svårt att kringgå är att etablera flygsignaler på marken som används för att georeferera och kontrollera flygbilderna med. Under 2018 presenterade UAS-tillverkaren DJI sin nya quadcopter med integrerad Real-Time Kinematic (RTK)-modul. I samband med detta kan kontinuerliga och noggranna positioner levereras via Nätverks-RTK (NRTK) och behovet av markstödpunkter reduceras. I denna studie undersöktes lägesosäkerheterna i plan för ortofoton som framställdes med hjälp av en DJI Phantom 4 RTK där flygbilderna georefererades med begränsat antal eller utan markstödpunkter. Lägesosäkerheterna beräknades och kontrollerades enligt Handbok i mät- och kartfrågor (HMK) – Ortofoto, vilket är ett stöddokument inom ämnet. Vid framställning av ett ortofoto krävs även en digital terrängmodell (DTM) eller en digital ytmodell (Digital Surface Model, DSM) och kvaliteten av denna har stor inverkan på ortofotots kvalitet. I denna studie kontrollerades och utvärderades därför en del av den DSM som användes vid ortofotoframställning för respektive uppsättning enligt den tekniska specifikationen SIS-TS 21144:2016. Resultatet från studien visar att ett ortofoto går att framställas utan markstödpunkter och samtidigt klara kraven på specificerad lägesosäkerhet enligt HMK-standardnivå 3. Den sammanlagda lägesosäkerheten beräknades till 0,029 m vilket är 5 mm högre i jämförelse med ett ortofoto som baserats på traditionell georefereringsmetod, dvs. med markstödpunkter. Kravet på kvalitet i höjddata uppfylldes också för ortofotoframställning trots att en systematisk effekt i höjd uppkom. Denna effekt påverkade inte ortofotots koordinater i plan då standardosäkerheterna i höjd var låga. Resultatet visade att om två markstödpunkter adderades i vardera änden av området, kunde de systematiska effekterna i höjd minimeras och det var då möjligt att skapa en DSM som uppfyller kraven för detaljprojektering (noggrannhetsklass 1–3) enligt SIS-TS 21144:2016. / Aerial photography with UAS is in comparison with traditional photogrammetry more efficient, cheaper and safer which has led to this technology being preferred by many performers. A time-consuming job that has been difficult to avoid is to establish signals at the ground that are used for georeferencing and evaluate the results. In 2018, the UAS manufacturer DJI presented its new quadcopter with integrated Real-Time Kinematic (RTK) module. This allows continuous and accurate positions delivered via Network RTK (NRTK) and the need of ground control points can be reduced. In this study, investigations of the position uncertainties in orthophotos produced using a DJI Phantom 4 RTK carried out where the aerial images were georeferenced with limited numbers or without ground control points. The position uncertainties were calculated and controlled according to the Swedish HMK – Ortofoto (Orthophoto) which is a document within the subject. When producing an orthophoto, a digital terrain model (DTM) or a digital surface model (DSM) is also required and the quality of this has a great impact on the result. Therefore, a part of the DSM used for orthophoto production for each set was checked and evaluated according to the Swedish technical specification, SIS-TS 21144:2016. The result of the study shows that an orthophoto can be produced without ground control points and at the same time meet the requirements for specified position uncertainty according to HMK standard level 3. The total position uncertainty was calculated to be 0,029 m, which is 5 mm higher compared to the orthophoto based on the traditional georeferencing method, i.e. with ground control points. The requirement for quality in height data was also met for orthophoto production even though a systematic effect in height occurred. This effect did not affect the plane coordinates in the orthophoto because of the low standard uncertainties in height. The result showed that if two ground control points were added at each end of the area, the systematic effects were minimized, and it was possible to produce a DSM that fulfils the requirements for accuracy class 1-3 according to SIS-TS 21144:2016.

Idag blir användningen av drönare allt mer vanlig för dokumentation av markytor. Det är ett billigare alternativ för att dokumentera små och otillgängliga områden. Genom tekniken går det bland annat att framställa olika digitala modeller som representerar jordens yta. En sådan modell kan vara en terrängmodell (DTM) som är en modell av markytan exklusive vegetation, hus eller annat som befinner sig på marken. Modeller kan framställas genom flygdata såsom laserskannad (LiDAR-data) eller flygfotograferade data (flygbilder). För att framställa en digital modell från rådata används olika programvaror. Den här studien utvärderar två olika programvarors förmåga att framställa digitala terrängmodeller från flygbilder. Främst undersöks levererade osäkerheter och användarvänligheten i programmen. Referensdata som användes i denna studie tillhandahölls av Norconsult och samlades in vid ett projekt över Hammarbyhöjdsskogen i Stockholm, hösten 2018. Den data som erhölls från projektet till denna studie var flygbilder samt terrestra detaljmätningar. Programmen som studien utvärderar är UAS Master som både använder datorseende och fotogrammetriska metoder och SURE Aerial som använder datorseende. Genom studien visade det sig att fler än de ursprungliga programvarorna behövdes för att framställa de digitala terrängmodellerna och vidare jämföra dessa. En orsak var att UAS Master saknade förmågor att redigera och visa punktmoln i 3D-vy och vidare skapa en DTM. Detta resulterade i att använda Trimble Business Center för slutarbetet. En annan orsak var att SURE Aerial visade sig vara avsett för framställning av digitala ytmodeller (representation av den faktiska, synliga ytan). För att framställa en DTM av punktmolnet användes både Cloud Compare och Agisoft Photoscan (numera Metashape). Geo användes sedan för att ta ut höjdavvikelserna från modellen. Två slutsatser som kunde dras utifrån denna studie var: 1) trots de olika tillvägagångssätten erhölls snarlika resultat för marktypernas lägesosäkerheter för respektive programvara (asfalt: 0,039 m; grus: ca 0,040 m; gräs: ca 0,048 m), varpå alla blev godkända enligt HMK – Flygfotografering 2017; 2) SURE Aerial är ett enklare och snabbbare program men med UAS Master har man som användare bättre förståelse över processerna och erhåller bättre dokumentation. / Drones have become a more and more frequent tool to document the surface of the ground, especially in smaller areas that otherwise are too expensive to observe by other means. This technology makes it possible to create digital terrain models (DTM) that represents the surface of the ground excluding vegetation, houses or other objects on the ground. These models can be created by laser scanned data (LiDAR-data) or aerial photogrammetry (aerial photos).  In order to create a digital model from raw data are various software needed. This study aims to test two software’s ability to create digital terrain models from UAS photos. The software were evaluated by the uncertainties of the models, as well as the user-friendliness of each software. All data used in this study was collected by Norconsult for another project in 2018 and consist of UAS photos and data from terrestrial measurements.  The softwares used in this study for comparison are UAS Master (using both computer vision and photogrammetric methods) and SURE Aerial (using computer vision). It turned out that additional use of software were needed to create DTMs that were comparable. UAS Master could not show or edit point clouds in 3D, because of this the software Trimble Business Centre had to be used. This program was also used to obtain height deviations. SURE Aerial on the other hand turned out to only be able to create digital surface models (models of the visible ground). The software Cloud Compare and Agisoft Photoscan (nowadays Metashape) were therefore used to create the DTM from the point cloud. The height deviations from the ladder DTM were obtained from the software Geo. Two conclusions could be drawn from this study: 1) the uncertainties of the different surface types were similar in the software despite the different ways to create the DTMs (asphalt: 0.039 m; gravel: 0.040 m; grass: 0.048 m). All of which meet the requirements according to HMK – Flygfotografering 2017; 2) SURE Aerial is a lot easier and quicker to work with but UAS Master give the user a lot more feedback in the way of documentation throughout the different processes.

During the war in Ukraine, technical and tactical innovation in the deployment of commercial drones for IRS and strike missions, and artillery spotting have been witnessed. This study aims to create a better understanding of evolving UAS capability and create a use-case forecasting UAS capability in five years. The research uses a combination of empirical data through two case studies in combination with interviews, collecting the perspective of four researchers and experts in the fields. The forecasted UAS capability use-case describes a multilayer use of aerial platforms of different sizes, performances, and specifications, which makes aerial IRS and strike capability available at lower tactical levels. Other aspects in the use-case are artificial intelligence that supports data processing in networking surveillance, command and control system, and autonomous navigation. Implications for UAS capability in an electronic warfare environment and implications for countermeasure deployments are discussed. The results presented in the study are generic and should be complemented with further studies, which through scenario-based research can create clear recommendations to specific actors linked to UAS capability. / Under kriget i Ukraina har tekniska och taktiska innovationer bevittnats när det gäller användande av kommersiella drönare för IRS och bekämpningsuppdraguppdrag, och eldledning av artilleri. Syftet med studien är att bidra till bättre förståelse för utvecklingen av UAS-förmåga och att skapa ett användningsfall där UAS-förmåga om fem år beskrivs. Studien tillämpar empirisk data genom två fallstudier, i kombination med intervjuer som inkluderar perspektivet från fyra forskare och experter inom området. Det prognostiserade användningsfallet för UAS-förmåga beskriver en flerskiktsanvändning av flygplattformar av olika storlek, prestanda och specifikationer, vilket gör flyg- IRS och slagförmåga tillgänglig på lägre taktisk nivå. Andra aspekter i användningsfallet är artificiell intelligens som stödjer databehandling i ett nätverksövervaknings- och kommando- och kontrollsystem, samt autonom navigering. Implikationer för UAS-kapacitet i en elektronisk krigföringsmiljö och implikationer för utplacering av motåtgärder diskuteras. Resultaten presenterade i studien är generiska och bör kompletteras med ytterligare studier, som genom scenariobaseradforskning kan skapa tydligare rekommendationer till specifika aktörer kopplade till UAS-förmåga.

This is a master thesis by Maria Ader and David Axelsson, students at the Master of Science in Engineering degree program in Design and Product Realization at KTH, within the master program Integrated Product Design. The thesis work will benefit ÅF and the EU project ɪɴᴛᴇʀᴀᴄᴛ. The ɪɴᴛᴇʀᴀᴄᴛ project is part of the EU’s effort to forward climate research, and aims to “coordinate and harmonize research and monitoring efforts that will greatly contribute to our knowledge and understanding of changes occurring in the arctic environment.” One out of 12 subprojects within ɪɴᴛᴇʀᴀᴄᴛ aims to “increase awareness of drone technology and sensors among researchers and research station managers while making industry aware of innovative potential uses requiring drone and sensor development.” A drone is an unmanned aerial system/vehicle (UAS/UAV), i.e. an airborne vehicle without a human pilot aboard. This master thesis examines the need of drones at the ɪɴᴛᴇʀᴀᴄᴛ research stations and how arctic climates affect drone technology and the ergonomics of piloting a drone. The thesis also provides an overview of the current state of the drone market and the laws and regulations that affect the use of drones. A survey was distributed within ɪɴᴛᴇʀᴀᴄᴛ to map the researchers’ need of, and attitudes towards, drones, followed by exhaustive interviews with researchers and other key figures. Field testing at Tarfala Research Station provided complementing data. The primary insight from the study was that the researchers’ need, as well as the tasks and methods that they employ, vary greatly. Another insight was that many researchers want to use drones primarily as a sensor platform to collect data from large areas in a short time span. A situation-based drone recommendation and a concept proposal for a simple water sampling solution were made based on the results of the study / Detta är ett examensarbete utfört av Maria Ader och David Axelsson, studenter på civilingenjörsprogrammet Design och Produktframtagning på KTH, med masterinriktning Teknisk Design. Arbetet är utfört åt ÅF i syfte att bidra till EU-projektet ɪɴᴛᴇʀᴀᴄᴛ. Iɴᴛᴇʀᴀᴄᴛ är EU:s satsning på klimatforskning i Arktis och syftar till att “koordinera och harmonisera forskning och miljöbevakning som bidrar till vår kunskap och förståelse av förändringar som sker i de arktiska miljöerna.” Ett av tolv delprojekt inom ɪɴᴛᴇʀᴀᴄᴛ-projektet syftar till att öka medvetenheten om drönarteknologi och sensorer bland forskare och föreståndare på forskningsstationerna inom ɪɴᴛᴇʀᴀᴄᴛ, samt att göra drönarindustrin medveten om nya potentiella användningsområden. En drönare är ett obemannat luftfartyg, d.v.s. en flygfarkost utan pilot ombord. Drönare benämns ibland som “UAS” och “UAV”. I den här rapporten används främst den engelska termen “drones”. Detta examensarbete undersöker behovet av drönare på de forskningsstationer som är delaktiga i ɪɴᴛᴇʀᴀᴄᴛ och hur det arktiska klimatet påverkar drönartekniken och ergonomin. Arbetet kartlägger även drönarmarknaden och de lagar och regler som påverkar användandet av drönare. En utförlig studie genomfördes, där forskarnas behov av drönare undersöktes. En enkät skickades ut inom ɪɴᴛᴇʀᴀᴄᴛ och utförliga intervjuer genomfördes med forskare och andra nyckelpersoner. Ett studiebesök på Tarfala forskningsstation kompletterade med fältdata. Den främsta insikten från studien var att behov, arbetsuppgifter och metoder varierar mycket mellan de olika forskarna. En annan insikt var att många ville använda drönare som sensorbärare, och på så sätt insamla data från stora områden på kort tid. Resultatet från studien låg till grund för en situationsbaserad drönarrekommendation samt ett konceptförslag för en enkel vattenprovtagningslösning.

The railway infrastructure needs to be safe, reliable and efficient in order to meet the growing demand of sustainable transportation methods. One of the main problems the railway industry faces today is that a higher traffic load increases the need for maintenance, at the same time as it reduces the availability of gaps in the timetables to perform maintenance activities. Unmanned Aerial Vehicles, UAVs, have in recent years been adopted commercially due to their potential of increasing work efficiency and productivity. Different actors in the railway industry have recently started to explore and test the possibilities of implementing UAVs. The objective of this master thesis was to investigate and define use case scenarios where the use of UAVs would create value for railway infrastructure operations and maintenance activities. It is meant for both stakeholders in the railway industry to gain better understanding of capabilities and limitations of UAV technology but also provide recommendations to UAV manufacturers to understand the railway industry and potential UAV applications. Theoretical research and qualitative user studies with UAV professionals and relevant stakeholders within the railway industry were conducted in order to gain insight in the railway industry and to identify potential use case scenarios. The research showed that maintenance activities to a large extent are performed either manually by walking along the tracks which is inefficient, physically demanding and dangerous or by using test/measurement vehicles which require track occupancy. It was concluded that the use of UAVs would mainly create value by; enabling remote inspection and operation, accessing the infrastructure without track occupancy or the need of roads. At the same time, improve the working conditions, efficiency and quality of maintenance activities. The thesis resulted in 15 potential use case scenarios for UAVs in the railway industry and proposals for common UAV solutions based on functional requirements. / Järnvägssystemet måste vara säkert, pålitligt och effektivt för att möta den växande efterfrågan på hållbara transportmetoder. Ett av de största problemen som den svenska järnvägsindustrin står inför idag är att ökad trafikbelastning ökar behovet av underhåll, samtidigt som det minskar tillgängligheten för att utföra underhållsaktiviteter. Obemannade flygfordon, även kallade drönare, har under de senaste åren tillämpats mer frekvent i kommersiella syften för att bland annat uppnå ökad effektivitet och produktivitet. Aktörer inom järnvägsindustrin har nyligen börjat utforska och testa möjligheterna att använda drönare. Syftet med detta examensarbete var att undersöka och definiera potentiella tillämpningar av drönare med syfte att skapa värde för drift- och underhållsarbete inom järnvägen. Denna rapport är avsedd för intressenter inom järnvägsindustrin att få bättre förståelse för kapaciteten och begränsningar av drönarteknik samt ge rekommendationer till drönartillverkare för att bättre förstå järnvägsindustrin och potentiella användningsområden. Teoretisk undersökning och kvalitativa användarstudier med drönarexperter och relevanta intressenter inom järnvägsindustrin genomfördes för att få insikt i järnvägsindustrin samt för att identifiera problemområden. Studien visade att underhållsverksamheten i stor utsträckning utförs antingen manuellt genom att gå längs spåren vilket är ineffektivt, fysiskt krävande och farligt eller genom att använda test/mätfordon som kräver tillgång till spår. Arbetet resulterade i 15 potentiella tillämpningar av drönare i järnvägsindustrin samt förslag på gemensamma drönarlösningar baserade på funktionella krav. Slutsatsen drogs att tillämpningen av drönare i järnvägsindustrin främst kan skapa värde genom att; på distans utföra underhållsaktiviteter och inspektioner, få tillgång till infrastrukturen utan behov av spår eller vägar. Detta resulterar i förbättrade arbetsförhållanden samt ökad effektivitet och kvalitet på underhållsarbetet.

This thesis investigates the possibility of using reinforcement learning (RL) techniques to create a flight controller for a quadrotor Micro Aerial Vehicle (MAV). A capable flight control system is a core requirement of any unmanned aerial vehicle. The challenging and diverse applications in which MAVs are destined to be used, mean that considerable time and effort need to be put into designing and commissioning suitable flight controllers. It is proposed that reinforcement learning, a subset of machine learning, could be used to address some of the practical difficulties. While much research has delved into RL in unmanned aerial vehicle applications, this work has tended to ignore low level motion control, or been concerned only in off-line learning regimes. This thesis addresses an area in which accessible information is scarce: the performance of RL when used for on-policy motion control. Trying out a candidate algorithm on a real MAV is a simple but expensive proposition. In place of such an approach, this research details the development of a suitable simulator environment, in which a prototype controller might be evaluated. Then inquiry then proposes a possible RL-based control system, utilising the Q-learning algorithm, with an adaptive RBF-network providing function approximation. The operation of this prototypical control system is then tested in detail, to determine both the absolute level of performance which can be expected, and the effect which tuning critical parameters of the algorithm has on the functioning of the controller. Performance is compared against a conventional PID controller to maximise the usability of the results by a wide audience. Testing considers behaviour in the presence of disturbances, and run-time changes in plant dynamics. Results show that given sufficient learning opportunity, a RL-based control system performs as well as a simple PID controller. However, unstable behaviour during learning is an issue for future analysis. Additionally, preliminary testing is performed to evaluate the feasibility of implementing RL algorithms in an embedded computing environment, as a general requirement for a MAV flight controller. Whilst the algorithm runs successfully in an embedded context, observation reveals further development would be necessary to reduce computation time to a level where a controller was able to update sufficiently quickly for a real-time motion control application. In summary, the study provides a critical assessment of the feasibility of using RL algorithms for motion control tasks, such as MAV flight control. Advantages which merit interest are exposed, though practical considerations suggest at this stage, that such a control system is not a realistic proposition. There is a discussion of avenues which may uncover possibilities to surmount these challenges. This investigation will prove useful for engineers interested in the opportunities which reinforcement learning techniques represent.