„Ahhoz, hogy ezekben az elektromos szórólapokban rejlő lehetőségeket teljes mértékben kiaknázhassuk, olyan intelligens vezérlőrendszerre van szükségünk, amely javítja robusztusságukat, és különösen a különféle hibákkal szembeni ellenálló képességüket” – mondja Soon-Jo Chung, a Caltech és a dinamikus rendszerek Bren professzora. Senior Research Scientist a JPL-nél, amelyet a Caltech a NASA számára irányít. "Egy ilyen hibatűrő rendszert fejlesztettünk ki, amely kulcsfontosságú a biztonság szempontjából kritikus autonóm rendszerek számára, és bevezeti a virtuális érzékelők ötletét, amelyek gépi tanulási és adaptív vezérlési módszereket alkalmazva bármilyen meghibásodást észlelnek."
A több rotor sok lehetséges meghibásodási pontot jelent
A mérnökök ezeket a hibrid elektromos repülőgépeket több légcsavarral vagy rotorral építik, részben a redundancia érdekében: Ha az egyik rotor meghibásodik, elegendő működőképes motor marad a levegőben. Azonban a városi helyek – mondjuk 10 vagy 20 mérföldes – közötti repüléshez szükséges energia csökkentése érdekében a járműnek rögzített szárnyakra is szüksége van. Ha azonban mind a rotorok, mind a szárnyak megvannak, az minden egyes repülőgépen számos lehetséges meghibásodási pontot okoz. Ez pedig a mérnököknek azt a kérdést veti fel, hogyan lehet a legjobban észlelni, ha valami elromlott a jármű bármely részében.
A mérnökök minden egyes rotorhoz beépíthetnének érzékelőket, de még ez sem lenne elég, mondja Chung. Például egy kilenc rotorral rendelkező repülőgépnek kilencnél több érzékelőre lenne szüksége, mivel minden rotornak szüksége lehet egy érzékelőre a rotorszerkezet meghibásodásának észlelésére, egy másikra, hogy észrevegye, ha a motorja leálljon, és egy másikra, hogy figyelmeztesse a jelvezeték-problémát. bekövetkezik. „Végül lehet egy rendkívül redundáns elosztott érzékelőrendszer” – mondja Chung, de ez drága, nehezen kezelhető lenne, és megnövelné a repülőgép tömegét. Maguk az érzékelők is meghibásodhatnak.
Az NFFT-vel Chung csoportja javasolta alternatív, újszerű megközelítés. építve korábbi erőfeszítéseket, a csapat kifejlesztett egy mély tanulási módszert, amely nem csak reagál az erős szélre, hanem menet közben is észleli, ha a repülőgép fedélzeti meghibásodást szenvedett. A rendszer tartalmaz egy neurális hálózatot, amely valós repülési adatokra van előtanulva, majd valós időben tanul és alkalmazkodik korlátozott számú változó paraméter alapján, beleértve annak becslését, hogy a repülőgép egyes rotorjai mennyire hatékonyan működnek adott esetben. idő.
"Ehhez nincs szükség további érzékelőkre vagy hardverekre a hibaészleléshez és -azonosításhoz" - mondja Chung. „Csak megfigyeljük a repülőgép viselkedését – a hozzáállását és helyzetét az idő függvényében. Ha a repülőgép eltér a kívánt helyzetétől A pontból B pontba, az NFFT észleli, hogy valami nincs rendben, és a rendelkezésére álló információkat felhasználva kompenzálja a hibát.
És a korrekció rendkívül gyorsan megtörténik – kevesebb mint egy másodperc alatt. „A repülőgép repülése során valóban érezhető, hogy az NFFT milyen különbséget tesz a repülőgép irányíthatóságának megőrzésében, ha egy motor meghibásodik” – mondja Matthew Anderson, a tanulmány egyik szerzője, a pilóta, aki segített a repülési tesztekben. „A valós idejű vezérlés újratervezése olyan érzést kelt, mintha semmi sem változott volna, még akkor is, ha az egyik motorja leállt.”
A virtuális érzékelők bemutatása
Az NFFT-módszer valós idejű vezérlőjelekre és algoritmusokra támaszkodik a meghibásodás helyének felderítésére, így Chung szerint bármilyen típusú járműnek gyakorlatilag ingyenes virtuális érzékelőket adhat a problémák észleléséhez. A csapat elsősorban az általuk fejlesztett légi járműveken tesztelte az irányítási módszert, beleértve az Autonomous Flying Ambulance-t, egy hibrid elektromos járművet, amelyet a sérült vagy beteg emberek gyors kórházba szállítására terveztek. De Chung csoportja egy hasonló hibatűrő vezérlési módszert tesztelt földi járműveken, és azt tervezi, hogy az NFFT-t hajókon is alkalmazzák.
Írta: Kimm Fesenmaier
Forrás: Caltech
Forrás link
