Soon-Jo Chung، پروفسور برن کنترل و سیستم های دینامیکی در Caltech و می گوید: "برای درک کامل پتانسیل این پرنده های الکتریکی، به یک سیستم کنترل هوشمند نیاز دارید که استحکام و به ویژه انعطاف پذیری آنها را در برابر انواع خطاها بهبود بخشد." دانشمند ارشد تحقیقاتی در JPL، که Caltech آن را برای ناسا مدیریت می کند. ما چنین سیستم مقاوم در برابر خطا را توسعه داده‌ایم که برای سیستم‌های مستقل از نظر ایمنی حیاتی است و ایده حسگرهای مجازی را برای تشخیص هر گونه خرابی با استفاده از یادگیری ماشین و روش‌های کنترل تطبیقی معرفی می‌کند.
روتورهای چندگانه به معنای بسیاری از نقاط احتمالی شکست هستند
مهندسان در حال ساخت این هواپیمای الکتریکی هیبریدی با چندین ملخ یا روتور هستند که تا حدی برای اضافه کاری انجام می شود: اگر یک روتور از کار بیفتد، موتورهای کاربردی کافی برای ماندن در هوا باقی می مانند. با این حال، برای کاهش انرژی مورد نیاز برای انجام پرواز بین مکان‌های شهری (مثلاً 10 یا 20 مایل) این هواپیما به بال‌های ثابت نیز نیاز دارد. با این حال، داشتن هر دو روتور و بال، نقاط شکست احتمالی زیادی را در هر هواپیما ایجاد می کند. و این موضوع مهندسان را با این سوال مواجه می‌کند که چگونه می‌توانند هنگام اشتباه در هر بخشی از خودرو، تشخیص دهند.
به گفته چانگ، مهندسان می توانند حسگرهایی را برای هر روتور بگنجانند، اما حتی این نیز کافی نیست. به عنوان مثال، یک هواپیما با 9 روتور به بیش از 9 حسگر نیاز دارد، زیرا هر روتور ممکن است به یک حسگر برای تشخیص خرابی در ساختار روتور نیاز داشته باشد، حسگر دیگری برای اطلاع از توقف کار موتورش و دیگری برای هشدار در صورت بروز مشکل سیم کشی سیگنال نیاز داشته باشد. رخ می دهد. چانگ می‌گوید: «در نهایت می‌توانید یک سیستم حسگر توزیع‌شده بسیار زائد داشته باشید، اما این امر گران، مدیریت کردن آن دشوار است و وزن هواپیما را افزایش می‌دهد. خود سنسورها نیز ممکن است از کار بیفتند.
با NFFT، گروه چانگ پیشنهاد داده است یک رویکرد بدیع و جایگزین. ساختن تلاش های قبلیاین تیم یک روش یادگیری عمیق را توسعه داده است که نه تنها می تواند به بادهای شدید پاسخ دهد، بلکه می تواند در حین پرواز، زمانی که هواپیما دچار شکست شده است را تشخیص دهد. این سیستم شامل یک شبکه عصبی است که از قبل بر روی داده های پرواز واقعی آموزش دیده است و سپس بر اساس تعداد محدودی از پارامترهای در حال تغییر، از جمله تخمین میزان کارایی هر روتور در هواپیما در زمان معین، یاد می گیرد و با آن سازگار می شود. زمان.
چانگ می گوید: «این به هیچ سنسور یا سخت افزار اضافی برای تشخیص و شناسایی عیب نیاز ندارد. ما فقط رفتارهای هواپیما را مشاهده می کنیم - نگرش و موقعیت آن به عنوان تابعی از زمان. اگر هواپیما از موقعیت مورد نظر خود از نقطه A به نقطه B منحرف شود، NFFT می تواند تشخیص دهد که چیزی اشتباه است و از اطلاعاتی که در اختیار دارد برای جبران آن خطا استفاده کند.
و اصلاح بسیار سریع اتفاق می افتد - در کمتر از یک ثانیه. متیو اندرسون، دانشمند کارکنان، نویسنده مقاله و خلبانی که در انجام آزمایش‌های پروازی کمک کرد، می‌گوید: «با پرواز با هواپیما، واقعاً می‌توانید تفاوت NFFT را در حفظ قابلیت کنترل هواپیما در هنگام از کار افتادن موتور احساس کنید. “طراحی مجدد کنترل بلادرنگ باعث می شود این احساس را ایجاد کند که انگار هیچ چیز تغییر نکرده است، حتی اگر به تازگی یکی از موتورهای شما از کار افتاده باشد.”
معرفی حسگرهای مجازی
روش NFFT به سیگنال‌ها و الگوریتم‌های کنترل بلادرنگ برای تشخیص محل خرابی متکی است، بنابراین چانگ می‌گوید که می‌تواند اساساً به هر نوع وسیله نقلیه‌ای حسگرهای مجازی رایگان برای تشخیص مشکلات بدهد. این تیم در درجه اول روش کنترل را بر روی وسایل نقلیه هوایی که در حال توسعه هستند، از جمله آمبولانس پرواز خودکار، یک وسیله نقلیه الکتریکی هیبریدی که برای انتقال سریع افراد مجروح یا بیمار به بیمارستان ها طراحی شده است، آزمایش کرده است. اما گروه Chung یک روش کنترلی مشابه با تحمل خطا را روی وسایل نقلیه زمینی آزمایش کرده است و برنامه هایی برای اعمال NFFT در قایق ها دارد.
نوشته کیم فسنمایر
