"Para realizar todo o potencial destes volantes eléctricos, necesitas un sistema de control intelixente que mellore a súa robustez e especialmente a súa resistencia ante unha variedade de fallos", di Soon-Jo Chung, profesor de control e sistemas dinámicos de Bren en Caltech e Científico de investigación sénior en JPL, que Caltech xestiona para a NASA. "Desenvolvemos un sistema tan tolerante a fallos, crucial para sistemas autónomos críticos para a seguridade, e introduce a idea de sensores virtuais para a detección de calquera fallo mediante métodos de aprendizaxe automática e control adaptativo".
Múltiples rotores significan moitos posibles puntos de falla
Os enxeñeiros están a construír estes avións eléctricos híbridos con múltiples hélices ou rotores, en parte para a redundancia: se un rotor falla, quedan suficientes motores funcionais para permanecer no aire. Non obstante, para reducir a enerxía necesaria para realizar voos entre lugares urbanos -por exemplo, 10 ou 20 millas-, a embarcación tamén necesita ás fixas. Ter rotores e ás, porén, crea moitos puntos de posible fallo en cada avión. E iso deixa aos enxeñeiros a pregunta de como detectar mellor cando algo fallou en calquera parte do vehículo.
Os enxeñeiros poderían incluír sensores para cada rotor, pero mesmo iso non sería suficiente, di Chung. Por exemplo, unha aeronave con nove rotores necesitaría máis de nove sensores, xa que cada rotor pode necesitar un sensor para detectar un fallo na estrutura do rotor, outro para notar se o seu motor deixa de funcionar e outro para alertar cando se produce un problema de cableado de sinal. ocorre. "Poderíase eventualmente ter un sistema distribuído de sensores altamente redundante", di Chung, pero iso sería caro, difícil de xestionar e aumentaría o peso da aeronave. Os propios sensores tamén poderían fallar.
Con NFFT, o grupo de Chung propúxoo un enfoque alternativo e innovador. Construíndo esforzos anteriores, o equipo desenvolveu un método de aprendizaxe profundo que non só pode responder aos fortes ventos senón que tamén detecta, sobre a marcha, cando a aeronave sufriu un fallo a bordo. O sistema inclúe unha rede neuronal que está adestrada previamente en datos de voo da vida real e despois aprende e adáptase en tempo real en base a un número limitado de parámetros cambiantes, incluíndo unha estimación do eficaz que funciona cada rotor da aeronave. tempo.
"Isto non require ningún sensor ou hardware adicionais para a detección e identificación de fallos", di Chung. "Só observamos o comportamento da aeronave: a súa actitude e posición en función do tempo. Se a aeronave se desvía da súa posición desexada do punto A ao punto B, NFFT pode detectar que algo está mal e utilizar a información que ten para compensar ese erro.
E a corrección ocorre moi rápido, en menos dun segundo. "Voando a aeronave, realmente podes sentir a diferenza que fai NFFT para manter a controlabilidade da aeronave cando falla un motor", di o científico Matthew Anderson, autor do artigo e piloto que axudou a realizar as probas de voo. "O redeseño do control en tempo real fai que pareza que nada cambiou, aínda que acabas de deixar de funcionar un dos teus motores".
Presentación de sensores virtuais
O método NFFT depende de sinais e algoritmos de control en tempo real para detectar onde hai un fallo, polo que Chung di que pode dar a calquera tipo de vehículo sensores virtuais esencialmente gratuítos para detectar problemas. O equipo probou principalmente o método de control nos vehículos aéreos que están a desenvolver, incluíndo a ambulancia voadora autónoma, un vehículo eléctrico híbrido deseñado para transportar rapidamente feridos ou enfermos aos hospitais. Pero o grupo de Chung probou un método similar de control tolerante a fallos en vehículos terrestres e ten plans de aplicar NFFT aos barcos.
Escrito por Kimm Fesenmaier
fonte: caltech
enlace da fonte
