»Če želite uresničiti polni potencial teh električnih letalnikov, potrebujete inteligenten krmilni sistem, ki izboljša njihovo robustnost in še posebej njihovo odpornost proti različnim napakam,« pravi Soon-Jo Chung, Bren, profesor krmilnih in dinamičnih sistemov na Caltechu in Višji raziskovalni znanstvenik pri JPL, ki ga Caltech upravlja za NASA. "Razvili smo tak sistem, odporen na napake, ki je ključnega pomena za varnostno kritične avtonomne sisteme, in uvaja zamisel o virtualnih senzorjih za odkrivanje kakršne koli okvare z uporabo strojnega učenja in prilagodljivih nadzornih metod."
Več rotorjev pomeni veliko možnih točk okvare
Inženirji izdelujejo ta hibridna električna letala z več propelerji ali rotorji, deloma zaradi redundance: če en rotor odpove, ostane dovolj delujočih motorjev, da ostanejo v zraku. Da bi zmanjšali porabo energije, ki je potrebna za lete med urbanimi lokacijami – na primer 10 ali 20 milj – plovilo potrebuje tudi fiksna krila. Ker ima tako rotorje kot krila, pa ustvarja veliko točk možne okvare v vsakem letalu. In to pušča inženirje pred vprašanjem, kako najbolje zaznati, kdaj je šlo kaj narobe s katerim koli delom vozila.
Inženirji bi lahko vključili senzorje za vsak rotor, vendar tudi to ne bi bilo dovolj, pravi Chung. Na primer, letalo z devetimi rotorji bi potrebovalo več kot devet senzorjev, saj bi lahko vsak rotor potreboval en senzor za zaznavanje okvare v strukturi rotorja, drugega za zaznavanje, če njegov motor preneha delovati, in še enega za opozarjanje, ko pride do težave s signalnim ožičenjem. pojavi. "Sčasoma bi lahko imeli zelo odvečen porazdeljen sistem senzorjev," pravi Chung, vendar bi bilo to drago, težko ga je upravljati in bi povečalo težo letala. Tudi sami senzorji bi lahko odpovedali.
Chungova skupina je predlagala NFFT alternativni, nov pristop. Gradimo naprej prejšnja prizadevanja, je ekipa razvila metodo globokega učenja, ki se ne more odzvati le na močan veter, temveč tudi sproti zaznati, kdaj je prišlo do okvare letala. Sistem vključuje nevronsko mrežo, ki je vnaprej usposobljena za podatke o letu v resničnem življenju in se nato uči in prilagaja v realnem času na podlagi omejenega števila spreminjajočih se parametrov, vključno z oceno, kako učinkovito deluje vsak rotor na letalu v danem trenutku. čas.
»To ne zahteva nobenih dodatnih senzorjev ali strojne opreme za odkrivanje in identifikacijo napak,« pravi Chung. »Samo opazujemo vedenje letala – njegov položaj in položaj kot funkcijo časa. Če letalo odstopa od želenega položaja od točke A do točke B, lahko NFFT zazna, da je nekaj narobe, in uporabi informacije, ki jih ima, da nadomesti to napako.«
In popravek se zgodi izjemno hitro – v manj kot sekundi. »Ko letite z letalom, lahko resnično občutite razliko, ki jo naredi NFFT pri ohranjanju vodljivosti letala, ko motor odpove,« pravi strokovni sodelavec Matthew Anderson, avtor prispevka in pilot, ki je pomagal pri izvedbi preizkusov letenja. »S prenovljeno zasnovo nadzora v realnem času se počutite, kot da se ni nič spremenilo, čeprav je eden od vaših motorjev pravkar prenehal delovati.«
Predstavljamo virtualne senzorje
Metoda NFFT se opira na nadzorne signale in algoritme v realnem času za odkrivanje, kje je okvara, zato Chung pravi, da lahko vsakemu tipu vozila ponudi v bistvu brezplačne virtualne senzorje za odkrivanje težav. Ekipa je nadzorno metodo v prvi vrsti preizkusila na zračnih vozilih, ki jih razvijajo, vključno z avtonomnim letečim reševalnim vozilom, hibridnim električnim vozilom, namenjenim hitremu prevozu poškodovanih ali bolnih ljudi v bolnišnice. Toda Chungova skupina je preizkusila podobno metodo nadzora, ki je odporna na napake, na kopenskih vozilih in načrtuje uporabo NFFT na čolnih.
Avtor Kimm Fesenmaier
