„Abyste mohli plně využít potenciál těchto elektrických letců, potřebujete inteligentní řídicí systém, který zlepší jejich robustnost a zejména odolnost vůči různým poruchám,“ říká Soon-Jo Chung, Bren, profesor řídicích a dynamických systémů na Caltech and Senior Research Scientist ve společnosti JPL, kterou Caltech spravuje pro NASA. „Vyvinuli jsme takový systém odolný proti chybám, který je zásadní pro autonomní systémy kritické z hlediska bezpečnosti, a představuje myšlenku virtuálních senzorů pro detekci jakékoli poruchy pomocí metod strojového učení a adaptivního řízení.“
Více rotorů znamená mnoho možných bodů selhání
Inženýři staví tato hybridní elektrická letadla s více vrtulemi nebo rotory, částečně z důvodu redundance: Pokud jeden rotor selže, zůstane dostatek funkčních motorů, aby zůstaly ve vzduchu. Aby se však snížila energie potřebná k letům mezi městskými místy – řekněme 10 nebo 20 mil – loď také potřebuje pevná křídla. Mít rotory i křídla však vytváří mnoho bodů možného selhání v každém letadle. A to nechává inženýry před otázkou, jak nejlépe odhalit, když se na kterékoli části vozidla něco pokazilo.
Inženýři by mohli zahrnout senzory pro každý rotor, ale ani to by nestačilo, říká Chung. Například letadlo s devíti rotory by potřebovalo více než devět senzorů, protože každý rotor může potřebovat jeden senzor k detekci poruchy v konstrukci rotoru, další, který by si všiml, že jeho motor přestane běžet, a další, který by upozornil na problém s kabeláží signálu. dochází. "Mohli byste nakonec mít vysoce redundantní distribuovaný systém senzorů," říká Chung, ale to by bylo drahé, obtížné na správu a zvýšilo by to hmotnost letadla. Mohou selhat i samotné senzory.
S NFFT navrhla Chungova skupina alternativní, nový přístup. Budování na předchozí snahy, tým vyvinul metodu hlubokého učení, která dokáže nejen reagovat na silný vítr, ale také za letu detekovat, kdy letadlo utrpělo poruchu na palubě. Systém zahrnuje neuronovou síť, která je předem trénována na reálných letových datech a poté se učí a přizpůsobuje v reálném čase na základě omezeného počtu měnících se parametrů, včetně odhadu, jak efektivně každý rotor v letadle funguje v daném okamžiku. čas.
„To nevyžaduje žádné další senzory nebo hardware pro detekci a identifikaci chyb,“ říká Chung. „Pouze pozorujeme chování letadla – jeho polohu a polohu jako funkci času. Pokud se letadlo odchýlí od své požadované polohy z bodu A do bodu B, NFFT může zjistit, že něco není v pořádku, a použít informace, které má, aby tuto chybu kompenzoval.
A korekce se děje extrémně rychle – za méně než sekundu. „Při létání s letadlem můžete skutečně pocítit rozdíl, který NFFT přináší při udržování ovladatelnosti letadla, když selže motor,“ říká vědecký pracovník Matthew Anderson, autor článku a pilot, který pomáhal provádět letové testy. "Redesign ovládání v reálném čase vyvolává pocit, jako by se nic nezměnilo, i když vám právě přestal fungovat jeden z vašich motorů."
Představujeme virtuální senzory
Metoda NFFT spoléhá na řídicí signály a algoritmy v reálném čase, aby zjistila, kde došlo k poruše, takže Chung říká, že může poskytnout libovolnému typu vozidla v podstatě bezplatné virtuální senzory k detekci problémů. Tým primárně testoval způsob ovládání na vyvíjených vzdušných vozidlech, včetně autonomní létající ambulance, hybridního elektrického vozidla určeného k rychlé přepravě zraněných nebo nemocných lidí do nemocnic. Ale Chungova skupina testovala podobnou metodu kontroly tolerantní vůči chybám na pozemních vozidlech a má plány aplikovat NFFT na čluny.
Napsal Kimm Fesenmaier
Zdroj: Caltech
Zdrojový odkaz