„Aby w pełni wykorzystać potencjał tych elektrycznych samolotów latających, potrzebny jest inteligentny system sterowania, który poprawi ich solidność, a zwłaszcza odporność na różne usterki” – mówi Soon-Jo Chung, profesor Bren ds. sterowania i systemów dynamicznych w Caltech i Starszy pracownik naukowy w JPL, którym Caltech zarządza dla NASA. „Opracowaliśmy taki system odporny na błędy, który ma kluczowe znaczenie dla systemów autonomicznych o krytycznym znaczeniu dla bezpieczeństwa i wprowadza koncepcję wirtualnych czujników do wykrywania wszelkich awarii za pomocą uczenia maszynowego i metod sterowania adaptacyjnego”.
Wiele wirników oznacza wiele możliwych punktów awarii
Inżynierowie budują te hybrydowe elektryczne samoloty z wieloma śmigłami, czyli wirnikami, częściowo ze względu na redundancję: w przypadku awarii jednego wirnika pozostaje wystarczająca liczba funkcjonalnych silników, aby utrzymać się w powietrzu. Jednakże, aby zmniejszyć energię potrzebną do wykonywania lotów między lokalizacjami miejskimi – powiedzmy na odległość 10 lub 20 mil – statek potrzebuje również stałych skrzydeł. Jednak posiadanie zarówno wirników, jak i skrzydeł stwarza wiele punktów możliwych awarii w każdym samolocie. To stawia inżynierów przed pytaniem, jak najlepiej wykryć awarię jakiejkolwiek części pojazdu.
Inżynierowie mogliby dołączyć czujniki do każdego wirnika, ale nawet to nie wystarczyłoby, mówi Chung. Na przykład statek powietrzny z dziewięcioma wirnikami potrzebowałby więcej niż dziewięciu czujników, ponieważ każdy wirnik może potrzebować jednego czujnika do wykrycia awarii w konstrukcji wirnika, drugiego do zauważenia, jeśli silnik przestanie działać, a jeszcze innego do ostrzegania w przypadku problemu z okablowaniem sygnałowym występuje. „Docelowo można byłoby stworzyć wysoce nadmiarowy, rozproszony system czujników” – mówi Chung, ale byłoby to kosztowne, trudne w zarządzaniu i zwiększałoby masę samolotu. Same czujniki również mogą zawieść.
Grupa Chunga zaproponowała NFFT alternatywne, nowatorskie podejście. Opierając się na poprzednie wysiłkizespół opracował metodę głębokiego uczenia się, która może nie tylko reagować na silny wiatr, ale także wykrywać w locie awarię na pokładzie samolotu. System obejmuje sieć neuronową, która jest wstępnie szkolona na podstawie rzeczywistych danych z lotu, a następnie uczy się i dostosowuje w czasie rzeczywistym w oparciu o ograniczoną liczbę zmieniających się parametrów, w tym ocenę efektywności działania każdego wirnika samolotu w danym momencie. czas.
„Nie wymaga to żadnych dodatkowych czujników ani sprzętu do wykrywania i identyfikacji usterek” – mówi Chung. „Po prostu obserwujemy zachowanie samolotu – jego położenie i pozycję w funkcji czasu. Jeśli statek powietrzny odchyla się od pożądanej pozycji z punktu A do punktu B, NFFT może wykryć, że coś jest nie tak i wykorzystać posiadane informacje, aby skompensować ten błąd.
Korekta następuje niezwykle szybko — w mniej niż sekundę. „Latając samolotem, naprawdę można poczuć różnicę, jaką zapewnia NFFT w utrzymaniu sterowności samolotu w przypadku awarii silnika” – mówi naukowiec Matthew Anderson, autor artykułu i pilot, który pomógł przeprowadzić próby w locie. „Przeprojektowanie sterowania w czasie rzeczywistym sprawia wrażenie, jakby nic się nie zmieniło, nawet jeśli właśnie przestał działać jeden z silników”.
Przedstawiamy czujniki wirtualne
Metoda NFFT opiera się na sygnałach sterujących i algorytmach działających w czasie rzeczywistym w celu wykrycia miejsca awarii, dlatego Chung twierdzi, że może zapewnić każdemu typowi pojazdu zasadniczo bezpłatne czujniki wirtualne do wykrywania problemów. Zespół przetestował przede wszystkim metodę sterowania w opracowywanych przez siebie statkach powietrznych, w tym w autonomicznym latającym ambulansie – hybrydowym pojeździe elektrycznym przeznaczonym do szybkiego transportu rannych lub chorych osób do szpitali. Jednak grupa Chunga przetestowała podobną, odporną na awarie metodę sterowania w pojazdach naziemnych i planuje zastosować NFFT w łodziach.
Napisane przez Kimma Fesenmaiera
Źródło: Caltech
Link Źródło
