«Щоб повністю реалізувати потенціал цих електричних літальних апаратів, вам потрібна інтелектуальна система керування, яка покращить їхню міцність і особливо стійкість до різноманітних несправностей», — каже Сун-Джо Чанг, професор кафедри управління та динамічних систем Каліфорнійського технологічного інституту. Старший науковий співробітник JPL, яким Caltech керує для NASA. «Ми розробили таку відмовостійку систему, яка має важливе значення для критичних для безпеки автономних систем, і вона представляє ідею віртуальних датчиків для виявлення будь-яких збоїв за допомогою машинного навчання та адаптивних методів керування».
Кілька роторів означають багато можливих точок відмови
Інженери будують ці гібридні електричні літаки з декількома гвинтами або гвинтами, частково для резервування: якщо один ротор виходить з ладу, залишається достатньо функціональних двигунів, щоб залишатися в повітрі. Однак, щоб зменшити енергію, необхідну для здійснення польотів між міськими місцями, скажімо, 10 або 20 миль, кораблю також потрібні фіксовані крила. Однак наявність роторів і крил створює багато точок можливої несправності в кожному літаку. І це залишає інженерів перед питанням, як найкраще виявити, коли щось пішло не так з будь-якою частиною автомобіля.
Інженери могли б включити датчики для кожного ротора, але навіть цього було б недостатньо, говорить Чанг. Наприклад, для літака з дев’ятьма гвинтами знадобиться більше дев’яти датчиків, оскільки кожному ротору може знадобитися один датчик, щоб виявити несправність у структурі ротора, інший – щоб помітити, якщо двигун зупиняється, і ще один – щоб попередити про проблему з проводкою сигналу. відбувається. «Врешті-решт ви могли б отримати надлишкову розподілену систему датчиків», — каже Чанг, але це було б дорого, важко керувати та збільшило б вагу літака. Також могли вийти з ладу самі датчики.
З NFFT група Chung запропонувала альтернативний, новий підхід. Спираючись на попередні зусилля, команда розробила метод глибокого навчання, який може не тільки реагувати на сильний вітер, але й виявляти на льоту, коли літак зазнав бортової несправності. Система включає в себе нейронну мережу, яка попередньо навчена на реальних даних польоту, а потім навчається та адаптується в режимі реального часу на основі обмеженої кількості параметрів, що змінюються, включаючи оцінку того, наскільки ефективно кожен ротор на літаку функціонує в будь-який момент. час.
«Для цього не потрібні додаткові датчики чи апаратне забезпечення для виявлення та ідентифікації несправностей», — каже Чанг. «Ми просто спостерігаємо за поведінкою літака — його позицією та положенням у залежності від часу. Якщо літальний апарат відхиляється від бажаного положення з точки А в точку Б, NFFT може виявити, що щось не так, і використати наявну інформацію для компенсації цієї помилки».
І виправлення відбувається надзвичайно швидко — менш ніж за секунду. «Під час польоту на літаку ви дійсно можете відчути різницю, яку NFFT робить у підтримці керованості літака, коли двигун виходить з ладу», — каже науковий співробітник Метью Андерсон, автор статті та пілот, який допомагав проводити льотні випробування. «Редизайн керування в режимі реального часу дає відчуття, ніби нічого не змінилося, навіть якщо один із ваших двигунів щойно перестав працювати».
Представляємо віртуальні датчики
Метод NFFT покладається на керуючі сигнали та алгоритми в реальному часі для виявлення несправності, тому Чанг каже, що він може надати будь-якому типу транспортного засобу практично безкоштовні віртуальні датчики для виявлення проблем. Команда в основному випробувала метод керування на літальних апаратах, які вони розробляють, включаючи автономну літаючу машину швидкої допомоги, гібридний електричний транспортний засіб, призначений для швидкого транспортування поранених або хворих людей до лікарень. Але група Чунга випробувала подібний відмовостійкий метод керування на наземних транспортних засобах і планує застосувати NFFT до човнів.
Автор: Кімм Фезенмаєр
джерело: Caltech
Джерело посилання
