„Pentru a realiza întregul potențial al acestor zburătoare electrice, aveți nevoie de un sistem de control inteligent care să le îmbunătățească robustețea și în special rezistența la o varietate de defecțiuni”, spune Soon-Jo Chung, profesor Bren de control și sisteme dinamice la Caltech și Cercetare senior la JPL, pe care Caltech îl gestionează pentru NASA. „Am dezvoltat un astfel de sistem tolerant la erori crucial pentru sistemele autonome critice pentru siguranță și introduce ideea de senzori virtuali pentru detectarea oricărei defecțiuni folosind metode de învățare automată și control adaptiv.”
Mai multe rotoare înseamnă mai multe puncte posibile de eșec
Inginerii construiesc aceste avioane electrice hibride cu mai multe elice, sau rotoare, parțial pentru redundanță: dacă un rotor se defectează, rămân suficiente motoare funcționale pentru a rămâne în aer. Cu toate acestea, pentru a reduce energia necesară pentru a efectua zboruri între locații urbane - de exemplu, 10 sau 20 de mile - ambarcațiunile au nevoie și de aripi fixe. Având ambele rotoare și aripi, totuși, creează multe puncte de posibile defecțiuni în fiecare aeronavă. Și asta îi lasă pe ingineri cu întrebarea cum să detecteze cel mai bine când ceva nu a mers prost cu orice parte a vehiculului.
Inginerii ar putea include senzori pentru fiecare rotor, dar nici asta nu ar fi suficient, spune Chung. De exemplu, o aeronavă cu nouă rotoare ar avea nevoie de mai mult de nouă senzori, deoarece fiecare rotor ar putea avea nevoie de un senzor pentru a detecta o defecțiune în structura rotorului, altul pentru a observa dacă motorul său se oprește și încă altul pentru a alerta când există o problemă de cablare a semnalului. apare. „Puteți avea în cele din urmă un sistem de senzori foarte redundant”, spune Chung, dar acesta ar fi costisitor, greu de gestionat și ar crește greutatea aeronavei. Senzorii înșiși ar putea eșua.
Cu NFFT, grupul lui Chung a propus o abordare alternativă, nouă. Construind pe eforturile anterioare, echipa a dezvoltat o metodă de învățare profundă care nu poate răspunde doar la vânturile puternice, ci și poate detecta, din mers, când aeronava a suferit o defecțiune la bord. Sistemul include o rețea neuronală care este pre-antrenată pe date de zbor din viața reală și apoi învață și se adaptează în timp real pe baza unui număr limitat de parametri care se schimbă, inclusiv o estimare a cât de eficient funcționează fiecare rotor al aeronavei la un moment dat. timp.
„Acest lucru nu necesită senzori sau hardware suplimentari pentru detectarea și identificarea defecțiunilor”, spune Chung. „Observăm doar comportamentele aeronavei – atitudinea și poziția sa în funcție de timp. Dacă aeronava se abate de la poziția dorită de la punctul A la punctul B, NFFT poate detecta că ceva nu este în regulă și poate folosi informațiile de care dispune pentru a compensa acea eroare.”
Iar corectarea are loc extrem de rapid – în mai puțin de o secundă. „Zborând cu aeronava, puteți simți cu adevărat diferența pe care o face NFFT în menținerea controlabilității aeronavei atunci când un motor se defectează”, spune cercetătorul Matthew Anderson, un autor al lucrării și pilot care a ajutat la efectuarea testelor de zbor. „Reproiectarea controlului în timp real face să se simtă ca și cum nimic nu s-a schimbat, chiar dacă tocmai ați avut unul dintre motoarele dumneavoastră să nu mai funcționeze.”
Prezentarea senzorilor virtuali
Metoda NFFT se bazează pe semnale și algoritmi de control în timp real pentru a detecta unde este o defecțiune, așa că Chung spune că poate oferi oricărui tip de vehicul senzori virtuali liberi pentru a detecta problemele. Echipa a testat în primul rând metoda de control pe vehiculele aeriene pe care le dezvoltă, inclusiv Autonomous Flying Ambulance, un vehicul electric hibrid conceput pentru a transporta rapid persoanele rănite sau bolnave la spitale. Dar grupul lui Chung a testat o metodă similară de control tolerant la erori pe vehicule terestre și are in plan să aplice NFFT pe bărci.
Scris de Kimm Fesenmaier
Sursa: Caltech
Linkul sursă
