不需要水晶球来设想工程师们心目中的未来,空中出租车和其他飞行器在城市之间运送乘客,避免地面日益严重的僵局。公司已经在对这种混合动力电动“飞行汽车”进行原型设计和测试,这些汽车垂直起飞和降落,但像有翼飞机一样在空中翱翔,以实现更远距离的高效飞行。
当然,这些飞行器关注的关键领域之一是安全性。飞机不仅要保持在空中,而且无论飞行过程中可能出现什么问题,都要保持控制——从阵风到飞行途中飞行的物体,再到螺旋桨故障。现在,加州理工学院的一个团队开发了一种基于机载机器学习的控制方法,以帮助这些飞机检测和补偿干扰,以便它们能够继续飞行。工程师们在一篇论文中描述了他们称之为“Neural-Fly for Fault Tolerance”(NFFT)的新方法,该论文被 IEEE Robotics and Automation Letters杂志接受发表。
“为了充分发挥这些电动飞行器的潜力,你需要一个智能控制系统来提高它们的鲁棒性,特别是它们对各种故障的弹性,”加州理工学院控制和动力系统布伦教授、加州理工学院为美国宇航局管理的JPL高级研究科学家Soon-Jo Chung说。“我们开发了这样一个对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概念,用于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动力电动飞机,部分原因是为了冗余:如果一个旋翼发生故障,仍然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所需的能量 – 例如,10或20英里 – 飞行器还需要固定机翼。然而,同时拥有旋翼和机翼会在每架飞机上产生许多可能的故障点。这给工程师留下了一个问题,即如何最好地检测车辆的任何部分何时出现问题。
工程师可以为每个转子安装传感器,但即使这样也不够,Chung说。例如,一架有九个旋翼的飞机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,另一个传感器来通知其电机是否停止运转,还需要另一个传感器在发生信号接线问题时发出警报。“你最终可能会拥有一个高度冗余的分布式传感器系统,”Chung说,但这将很昂贵,难以管理,并且会增加飞机的重量。传感器本身也可能出现故障。
通过NFFT,Chung的团队提出了一种替代的、新颖的方法。在之前努力的基础上,该团队开发了一种深度学习方法,该方法不仅可以响应强风,还可以即时检测飞机何时发生机载故障。该系统包括一个神经网络,该神经网络在现实生活中的飞行数据上进行了预训练,然后根据有限数量的变化参数实时学习和调整,包括估计飞机上每个旋翼在任何给定时间的运行效率。
“这不需要任何额外的传感器或硬件来检测和识别故障,”Chung 说。“我们只是观察飞机的行为——它的态度和位置随时间的变化。如果飞机偏离了从A点到B点的预期位置,NFFT可以检测到有问题,并使用它所拥有的信息来补偿该错误。
校正速度极快,不到一秒钟。“驾驶飞机时,你可以真正感受到NFFT在电机发生故障时保持飞机可控性方面的不同之处,”该论文的作者和帮助进行飞行测试的飞行员马修·安德森(Matthew Anderson)说。“实时控制的重新设计让人感觉好像什么都没有改变,即使你刚刚让一个电机停止工作。”
介绍虚拟传感器
NFFT方法依靠实时控制信号和算法来检测故障的位置,因此Chung说,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,包括自主飞行救护车,这是一种混合动力电动汽车,旨在将受伤或生病的人快速运送到医院。但Chung的团队已经在地面车辆上测试了一种类似的容错控制方法,并计划将NFFT应用于船只。
这篇新论文的标题是“基于学习的最小感知容错自适应飞行控制”。该论文的主要作者是加州理工学院研究工程师Joshua Cho和Michael O’Connell(PhD ’23),现在在诺斯罗普·格鲁曼公司工作。这项工作由Supernal和国防高级研究计划局学习内省控制(LINC)计划资助。
新闻旨在传播有益信息,英文版原文来自https://www.caltech.edu/about/news/virtual-sensors-help-aerial-vehicles-stay-aloft-when-rotors-fail