„Да бисте остварили пуни потенцијал ових електричних летача, потребан вам је интелигентан контролни систем који побољшава њихову робусност, а посебно њихову отпорност на разне кварове“, каже Соон-Јо Цхунг, Брен професор контролних и динамичких система на Цалтецх-у и Виши истраживач у ЈПЛ-у, којим Цалтецх управља за НАСА. „Развили смо такав систем отпоран на грешке, кључан за аутономне системе који су критични за безбедност, и уводи идеју виртуелних сензора за откривање било каквог квара коришћењем машинског учења и метода адаптивног управљања.
Више ротора значи много могућих тачака квара
Инжењери граде ове хибридне електричне авионе са више пропелера или ротора, делимично због редундансе: ако један ротор поквари, остаје довољно функционалних мотора да остану у ваздуху. Међутим, да би се смањила енергија потребна за летове између урбаних локација - рецимо, 10 или 20 миља - летелици су такође потребна фиксна крила. Међутим, поседовање и ротора и крила ствара многе тачке могућег квара у сваком авиону. И то оставља инжењерима питање како најбоље да открију када је нешто пошло наопако са било којим делом возила.
Инжењери би могли да укључе сензоре за сваки ротор, али ни то не би било довољно, каже Цхунг. На пример, авиону са девет ротора треба више од девет сензора, пошто би сваком ротору можда био потребан један сензор да открије квар у структури ротора, други да примети да ли његов мотор престане да ради, а још један да упозори када дође до проблема са сигналним ожичењем. јавља. „Могли бисте на крају имати веома редундантни дистрибуирани систем сензора“, каже Цхунг, али то би било скупо, тешко за управљање и повећало би тежину авиона. Сами сензори такође могу да покваре.
Са НФФТ, Цхунгова група је предложила алтернативни, нови приступ. Надовезујући се на претходни напори, тим је развио метод дубоког учења који не само да може да реагује на јаке ветрове већ и да детектује, у ходу, када је летелица претрпела квар у авиону. Систем укључује неуронску мрежу која је претходно обучена на основу података о лету из стварног живота, а затим учи и прилагођава се у реалном времену на основу ограниченог броја променљивих параметара, укључујући процену колико ефикасан сваки ротор на авиону функционише у било ком тренутку време.
„Ово не захтева никакве додатне сензоре или хардвер за откривање и идентификацију грешака“, каже Цхунг. „Ми само посматрамо понашање авиона — његов став и положај као функцију времена. Ако авион одступа од жељене позиције од тачке А до тачке Б, НФФТ може открити да нешто није у реду и искористити информације које има да надокнади ту грешку.
А корекција се дешава изузетно брзо - за мање од секунде. „Летећи авионом, заиста можете осетити разлику коју НФФТ прави у одржавању управљивости авиона када мотор поквари“, каже научник Метју Андерсон, аутор на папиру и пилот који је помогао у спровођењу тестова лета. „Редизајн контроле у реалном времену ствара осећај као да се ништа није променило, иако вам је управо један од мотора престао да ради.“
Представљамо виртуелне сензоре
НФФТ метода се ослања на контролне сигнале и алгоритме у реалном времену за откривање где је квар, тако да Цхунг каже да може дати било којој врсти возила у суштини бесплатне виртуелне сензоре за откривање проблема. Тим је првенствено тестирао метод контроле на летјелицама које развијају, укључујући аутономну летећу амбуланту, хибридно електрично возило дизајнирано да брзо транспортује повређене или болесне људе у болнице. Али Цхунгова група је тестирала сличан метод контроле отпорности на грешке на копненим возилима и планира да примени НФФТ на чамце.
Написао Кимм Фесенмаиер
Извор: Цалтецх
Изворна веза
