"For å realisere det fulle potensialet til disse elektriske flyene, trenger du et intelligent kontrollsystem som forbedrer deres robusthet og spesielt deres motstandskraft mot en rekke feil," sier Soon-Jo Chung, Bren professor i kontroll og dynamiske systemer ved Caltech og Seniorforsker ved JPL, som Caltech administrerer for NASA. "Vi har utviklet et så feiltolerant system som er avgjørende for sikkerhetskritiske autonome systemer, og det introduserer ideen om virtuelle sensorer for deteksjon av eventuelle feil ved hjelp av maskinlæring og adaptive kontrollmetoder."
Flere rotorer betyr mange mulige feilpunkter
Ingeniører bygger disse elektriske hybridflyene med flere propeller, eller rotorer, delvis for redundans: Hvis en rotor svikter, gjenstår det nok funksjonelle motorer til å holde seg i luften. For å redusere energien som kreves for å fly mellom urbane steder - for eksempel 10 eller 20 miles - trenger fartøyet imidlertid også faste vinger. Å ha både rotorer og vinger skaper imidlertid mange punkter med mulig feil i hvert fly. Og det etterlater ingeniører med spørsmålet om hvordan de best kan oppdage når noe har gått galt med noen del av kjøretøyet.
Ingeniører kunne inkludere sensorer for hver rotor, men selv det ville ikke være nok, sier Chung. For eksempel vil et fly med ni rotorer trenge mer enn ni sensorer, siden hver rotor kan trenge én sensor for å oppdage en feil i rotorstrukturen, en annen for å legge merke til om motoren slutter å gå, og enda en for å varsle når et signalledningsproblem inntreffer. "Du kan til slutt ha et svært redundant distribuert system av sensorer," sier Chung, men det ville være dyrt, vanskelig å administrere og ville øke vekten på flyet. Selve sensorene kan også svikte.
Med NFFT har Chungs gruppe foreslått en alternativ, ny tilnærming. Bygger på tidligere innsats, har teamet utviklet en dyplæringsmetode som ikke bare kan reagere på sterk vind, men også oppdage når flyet har fått en feil ombord. Systemet inkluderer et nevralt nettverk som er forhåndstrent på flydata fra det virkelige liv og deretter lærer og tilpasser seg i sanntid basert på et begrenset antall skiftende parametere, inkludert et estimat av hvor effektiv hver rotor på flyet fungerer til enhver tid. tid.
"Dette krever ingen ekstra sensorer eller maskinvare for feildeteksjon og identifikasjon," sier Chung. "Vi observerer bare oppførselen til flyet - dets holdning og posisjon som en funksjon av tid. Hvis flyet avviker fra ønsket posisjon fra punkt A til punkt B, kan NFFT oppdage at noe er galt og bruke informasjonen det har for å kompensere for feilen.»
Og korrigeringen skjer ekstremt raskt - på mindre enn et sekund. "Når du flyr flyet, kan du virkelig føle forskjellen NFFT gjør når det gjelder å opprettholde kontrollerbarheten til flyet når en motor svikter," sier stabsforsker Matthew Anderson, en forfatter på papiret og pilot som hjalp til med å gjennomføre flytestene. "Redesignet av sanntidskontroll gjør at det føles som om ingenting har endret seg, selv om du nettopp har fått en av motorene dine til å slutte å fungere."
Vi introduserer virtuelle sensorer
NFFT-metoden er avhengig av sanntidskontrollsignaler og algoritmer for å oppdage hvor en feil er, så Chung sier at den kan gi alle typer kjøretøy i hovedsak gratis virtuelle sensorer for å oppdage problemer. Teamet har først og fremst testet kontrollmetoden på luftfartøyene de utvikler, inkludert Autonomous Flying Ambulance, et hybrid elektrisk kjøretøy designet for å frakte skadde eller syke mennesker raskt til sykehus. Men Chungs gruppe har testet en lignende feiltolerant kontrollmetode på bakkekjøretøyer og har planer om å bruke NFFT på båter.
Skrevet av Kimm Fesenmaier
kilde: Caltech
Kilde lenke
