"Per realizzare il pieno potenziale di questi volantini elettrici, è necessario un sistema di controllo intelligente che ne migliori la robustezza e soprattutto la resilienza contro una varietà di guasti", afferma Soon-Jo Chung, professore Bren di sistemi di controllo e dinamici al Caltech e Ricercatore senior presso il JPL, che Caltech gestisce per la NASA. “Abbiamo sviluppato un sistema di tolleranza ai guasti cruciale per i sistemi autonomi critici per la sicurezza e introduce l’idea di sensori virtuali per il rilevamento di eventuali guasti utilizzando l’apprendimento automatico e metodi di controllo adattivo”.
Più rotori significano molti possibili punti di guasto
Gli ingegneri stanno costruendo questi velivoli elettrici ibridi con più eliche, o rotori, in parte per motivi di ridondanza: se un rotore si guasta, rimangono abbastanza motori funzionanti per rimanere in volo. Tuttavia, per ridurre l’energia necessaria per effettuare voli tra luoghi urbani – diciamo, 10 o 20 miglia – l’aereo necessita anche di ali fisse. Avere sia rotori che ali, tuttavia, crea molti punti di possibile guasto in ciascun aereo. E questo lascia agli ingegneri la questione di come rilevare al meglio quando qualcosa è andato storto in una qualsiasi parte del veicolo.
Gli ingegneri potrebbero includere sensori per ciascun rotore, ma anche questo non sarebbe sufficiente, afferma Chung. Ad esempio, un aereo con nove rotori avrebbe bisogno di più di nove sensori, poiché ciascun rotore potrebbe aver bisogno di un sensore per rilevare un guasto nella struttura del rotore, di un altro per notare se il motore smette di funzionare e di un altro ancora per avvisare quando si verifica un problema nel cablaggio del segnale. si verifica. “Alla fine si potrebbe avere un sistema distribuito di sensori altamente ridondante”, afferma Chung, ma ciò sarebbe costoso, difficile da gestire e aumenterebbe il peso dell’aereo. Anche i sensori stessi potrebbero guastarsi.
Con NFFT, il gruppo di Chung ha proposto un approccio alternativo e innovativo. Basandosi su sforzi precedenti, il team ha sviluppato un metodo di deep learning in grado non solo di rispondere a forti venti ma anche di rilevare, al volo, quando l'aereo ha subito un guasto a bordo. Il sistema include una rete neurale pre-addestrata sui dati di volo della vita reale e quindi apprende e si adatta in tempo reale sulla base di un numero limitato di parametri mutevoli, inclusa una stima dell'efficacia di funzionamento di ciascun rotore dell'aereo in un dato momento. tempo.
"Ciò non richiede sensori o hardware aggiuntivi per il rilevamento e l'identificazione dei guasti", afferma Chung. “Osserviamo semplicemente il comportamento dell’aereo, il suo assetto e la sua posizione in funzione del tempo. Se l’aereo devia dalla posizione desiderata dal punto A al punto B, NFFT può rilevare che qualcosa non va e utilizzare le informazioni in suo possesso per compensare tale errore”.
E la correzione avviene in modo estremamente rapido, in meno di un secondo. "Volando con l'aereo, puoi davvero sentire la differenza che la NFFT fa nel mantenere la controllabilità dell'aereo quando un motore si guasta", afferma lo scienziato Matthew Anderson, autore dell'articolo e pilota che ha contribuito a condurre i test di volo. "La riprogettazione del controllo in tempo reale fa sembrare che nulla sia cambiato, anche se uno dei tuoi motori ha appena smesso di funzionare."
Presentazione dei sensori virtuali
Il metodo NFFT si basa su segnali di controllo e algoritmi in tempo reale per rilevare dove si trova un guasto, quindi Chung afferma che può fornire a qualsiasi tipo di veicolo sensori virtuali essenzialmente gratuiti per rilevare i problemi. Il team ha testato principalmente il metodo di controllo sui veicoli aerei che stanno sviluppando, tra cui l’Autonomous Flying Ambulance, un veicolo elettrico ibrido progettato per trasportare rapidamente persone ferite o malate negli ospedali. Ma il gruppo di Chung ha testato un metodo di controllo con tolleranza ai guasti simile sui veicoli terrestri e prevede di applicare la NFFT alle imbarcazioni.
Scritto da Kimm Fesenmaier
