加州理工學院控制與動力系統系布倫教授Soon-Jo Chung 表示：「為了充分發揮這些電動飛行器的潛力，您需要一個智慧控制系統來提高它們的穩健性，尤其是針對各種故障的復原能力。 “我們開發了這樣一個對於安全關鍵型自主系統至關重要的容錯系統，它引入了虛擬感測器的想法，可以使用機器學習和自適應控制方法來檢測任何故障。”
多個轉子意味著許多可能的故障點
工程師正在建造這些帶有多個螺旋槳或旋翼的混合電動飛機，部分原因是為了冗餘：如果一個旋翼發生故障，仍有足夠的功能馬達保持在空中。然而，為了減少在城市地點之間飛行（例如 10 或 20 英里）所需的能量，飛行器也需要固定翼。然而，同時擁有旋翼和機翼會為每架飛機帶來許多可能的故障點。這給工程師們留下了一個問題：如何最好地檢測車輛任何部件何時出現問題。
鐘說，工程師可以為每個轉子安裝感測器，但即使這樣也不夠。例如，一架有九個旋翼的飛機將需要九個以上的感測器，因為每個旋翼可能需要一個感測器來偵測旋翼結構中的故障，另一個感測器來注意其馬達是否停止運行，還有另一個感測器在訊號接線問題時發出警報發生。 「你最終可以擁有一個高度冗餘的分散式感測器系統，」鐘說，但這將是昂貴的，難以管理，並且會增加飛機的重量。感測器本身也可能發生故障。
Chung 的團隊透過 NFFT 提出了 另一種新穎的方法。建立在 以前的努力該團隊開發了一種深度學習方法，不僅可以應對強風，還可以動態偵測飛機何時發生機載故障。該系統包括一個神經網絡，該網絡根據現實飛行數據進行預先訓練，然後根據有限數量的變化參數實時學習和適應，包括估計飛機上每個旋翼在任何給定情況下的運行效率。
「這不需要任何額外的感測器或硬體來進行故障檢測和識別，」Chung 說。 「我們只是觀察飛機的行為——它的姿態和位置隨時間的變化。如果飛機從 A 點到 B 點偏離了預期位置，NFFT 可以檢測到出現問題，並使用它所擁有的信息來補償該錯誤。
而且修正速度非常快——不到一秒。 「駕駛飛機時，你可以真正感受到 NFFT 在引擎故障時保持飛機可控性方面所發揮的作用，」論文作者、幫助進行飛行測試的飛行員、研究員馬修·安德森 (Matthew Anderson) 說道。 “實時控制的重新設計讓人感覺好像什麼都沒有改變，即使你的一個電機剛剛停止工作。”
虛擬感測器簡介
NFFT 方法依靠即時控制訊號和演算法來檢測故障所在，因此 Chung 表示，它可以為任何類型的車輛提供基本上免費的虛擬感測器來檢測問題。該團隊主要在他們正在開發的飛行器上測試了控制方法，其中包括自動飛行救護車，這是一種混合動力電動車，旨在將傷者或病人快速運送到醫院。但 Chung 的團隊已經在地面車輛上測試了類似的容錯控制方法，並計劃將 NFFT 應用到船上。
作者：金姆·費森邁爾
