加州理工学院控制与动力系统系布伦教授 Soon-Jo Chung 表示：“为了充分发挥这些电动飞行器的潜力，您需要一个智能控制系统来提高它们的鲁棒性，尤其是针对各种故障的恢复能力。”加州理工学院为 NASA 管理的喷气推进实验室 (JPL) 的高级研究科学家。 “我们开发了这样一个对于安全关键型自主系统至关重要的容错系统，它引入了虚拟传感器的想法，可以使用机器学习和自适应控制方法来检测任何故障。”
多个转子意味着许多可能的故障点
工程师们正在建造这些带有多个螺旋桨或旋翼的混合电动飞机，部分原因是为了冗余：如果一个旋翼发生故障，仍有足够的功能电机保持在空中。然而，为了减少在城市地点之间飞行（例如 10 或 20 英里）所需的能量，飞行器还需要固定翼。然而，同时拥有旋翼和机翼会给每架飞机带来许多可能的故障点。这给工程师留下了一个问题：如何最好地检测车辆任何部件何时出现问题。
钟说，工程师可以为每个转子安装传感器，但即使这样也还不够。例如，一架有九个旋翼的飞机将需要九个以上的传感器，因为每个旋翼可能需要一个传感器来检测旋翼结构中的故障，另一个传感器来注意其电机是否停止运行，还有另一个传感器在信号接线问题时发出警报发生。 “你最终可以拥有一个高度冗余的分布式传感器系统，”钟说，但这将是昂贵的，难以管理，并且会增加飞机的重量。传感器本身也可能发生故障。
Chung 的团队通过 NFFT 提出了 另一种新颖的方法。建立在 先前的努力该团队开发了一种深度学习方法，不仅可以应对强风，还可以动态检测飞机何时发生机载故障。该系统包括一个神经网络，该神经网络根据现实飞行数据进行预先训练，然后根据有限数量的变化参数实时学习和适应，包括估计飞机上每个旋翼在任何给定情况下的运行效率。时间。
“这不需要任何额外的传感器或硬件来进行故障检测和识别，”Chung 说。 “我们只是观察飞机的行为——它的姿态和位置随时间的变化。如果飞机从 A 点到 B 点偏离了预期位置，NFFT 可以检测到出现问题，并使用它所拥有的信息来补偿该错误。”
而且修正速度非常快——不到一秒。 “驾驶飞机时，你可以真正感受到 NFFT 在发动机出现故障时保持飞机可控性方面所发挥的作用，”论文作者、帮助进行飞行测试的飞行员、研究员马修·安德森 (Matthew Anderson) 说道。 “实时控制的重新设计让人感觉好像什么都没有改变，即使你的一个电机刚刚停止工作。”
虚拟传感器简介
NFFT 方法依靠实时控制信号和算法来检测故障所在，因此 Chung 表示，它可以为任何类型的车辆提供基本上免费的虚拟传感器来检测问题。该团队主要在他们正在开发的飞行器上测试了控制方法，其中包括自动飞行救护车，这是一种混合动力电动汽车，旨在将伤者或病人快速运送到医院。但 Chung 的团队已经在地面车辆上测试了类似的容错控制方法，并计划将 NFFT 应用到船上。
作者：金姆·费森迈尔
