„Aby ste využili plný potenciál týchto elektrických lietadiel, potrebujete inteligentný riadiaci systém, ktorý zlepší ich robustnosť a najmä odolnosť voči rôznym poruchám,“ hovorí Soon-Jo Chung, Bren profesor riadiacich a dynamických systémov v Caltech and Senior Research Scientist v JPL, ktorú Caltech riadi pre NASA. „Vyvinuli sme takýto systém odolný voči chybám, ktorý je kľúčový pre autonómne systémy kritické z hľadiska bezpečnosti, a predstavuje myšlienku virtuálnych senzorov na detekciu akejkoľvek poruchy pomocou metód strojového učenia a adaptívneho riadenia.“
Viacero rotorov znamená veľa možných bodov zlyhania
Inžinieri stavajú tieto hybridné elektrické lietadlá s viacerými vrtuľami alebo rotormi, čiastočne kvôli redundancii: Ak jeden rotor zlyhá, zostáva dostatok funkčných motorov na to, aby zostali vo vzduchu. Aby sa však znížila energia potrebná na lety medzi mestskými lokalitami – povedzme 10 alebo 20 míľ – loď potrebuje aj pevné krídla. Mať rotory aj krídla však vytvára veľa bodov možného zlyhania v každom lietadle. A to necháva inžinierov pred otázkou, ako čo najlepšie odhaliť, keď sa s niektorou časťou vozidla niečo pokazilo.
Inžinieri by mohli zahrnúť snímače pre každý rotor, ale ani to by nestačilo, hovorí Chung. Napríklad lietadlo s deviatimi rotormi by potrebovalo viac ako deväť snímačov, pretože každý rotor môže potrebovať jeden snímač na detekciu poruchy v štruktúre rotora, ďalší na zistenie, či jeho motor prestane bežať, a ďalší na upozornenie, keď sa vyskytne problém so signálovým zapojením. vyskytuje. "Nakoniec by ste mohli mať vysoko redundantný distribuovaný systém senzorov," hovorí Chung, ale to by bolo drahé, ťažko spravovateľné a zvýšilo by to hmotnosť lietadla. Zlyhať môžu aj samotné senzory.
S NFFT navrhla Chungova skupina alternatívny, nový prístup. Stavať na predchádzajúce snahy, tím vyvinul metódu hlbokého učenia, ktorá dokáže nielen reagovať na silný vietor, ale aj za letu zistiť, kedy došlo k poruche lietadla na palube. Systém obsahuje neurónovú sieť, ktorá je vopred trénovaná na skutočných letových údajoch a potom sa učí a prispôsobuje v reálnom čase na základe obmedzeného počtu meniacich sa parametrov, vrátane odhadu efektívnosti fungovania každého rotora v lietadle v danom čase. čas.
„To si nevyžaduje žiadne ďalšie senzory ani hardvér na detekciu a identifikáciu porúch,“ hovorí Chung. „Pozorujeme len správanie lietadla – jeho polohu a polohu ako funkciu času. Ak sa lietadlo odchyľuje od požadovanej polohy z bodu A do bodu B, NFFT dokáže zistiť, že niečo nie je v poriadku, a použiť informácie, ktoré má, na kompenzáciu tejto chyby.
A korekcia prebehne extrémne rýchlo — za menej ako sekundu. „Pri lietaní v lietadle môžete skutočne pocítiť rozdiel, ktorý NFFT prináša pri udržiavaní ovládateľnosti lietadla, keď zlyhá motor,“ hovorí vedecký pracovník Matthew Anderson, autor článku a pilot, ktorý pomáhal vykonávať letové testy. „Redesign ovládania v reálnom čase vyvoláva pocit, akoby sa nič nezmenilo, aj keď vám práve prestal fungovať jeden z vašich motorov.“
Predstavujeme virtuálne senzory
Metóda NFFT sa spolieha na riadiace signály a algoritmy v reálnom čase na zistenie, kde je porucha, takže Chung hovorí, že môže poskytnúť akémukoľvek typu vozidla v podstate bezplatné virtuálne senzory na detekciu problémov. Tím primárne testoval spôsob ovládania na lietadlách, ktoré vyvíja, vrátane autonómnej lietajúcej ambulancie, hybridného elektrického vozidla určeného na rýchlu prepravu zranených alebo chorých ľudí do nemocníc. Chungova skupina však testovala podobnú metódu kontroly odolnej voči chybám na pozemných vozidlách a plánuje použiť NFFT na lodiach.
Napísal Kimm Fesenmaier
zdroj: Caltech
zdroj odkaz
