Driftstilstand for UAV-fejlhåndteringsmodul

Nøgle tekniske udfordringer

I øjeblikket står følgende hovedudfordringer over for at opnå et effektivt og pålideligt fejlhåndteringssystem:

Kompleksitet versus reel-tidsydelse: UAV-systemer indeholder adskillige sensorer og aktuatorer, som kan opleve komplekse fejl, der involverer kobling, samtidighed eller gradvise ændringer. Traditionel flystyringscomputerredundansstyring og fejlisolering bruger betydelige computerressourcer, øger systembelastningen og påvirker realtidsydelsen. Samtidig kræver det ekstrem høj algoritmeeffektivitet at fuldføre den lukkede sløjfe fra diagnose til kontrol inden for millisekunder.

Modelafhængighed versus miljøusikkerhed: Mange diagnostiske metoder baseret på matematiske modeller (såsom Kalman-filtrering) er stærkt afhængige af modellens nøjagtighed. Men i den faktiske flyvning står UAV'er over for usikre forstyrrelser såsom aerodynamiske parameterændringer, vindstød og isdannelse, såvel som ukendte ikke-lineære fejl i aktuatorer og sensorer forårsaget af mekanisk slid og miljøpåvirkninger (såsom isdannelse). Disse faktorer komplicerer i betydelig grad nøjagtig modellering og fejlisolering.

Indbyggede ressourcebegrænsninger versus algoritmeimplementering: UAV indbygget computerkraft, lagring og strømforbrug er strengt begrænset. Men avancerede intelligente diagnostiske algoritmer (såsom deep learning-modeller) har typisk høje beregningsmæssige krav og er vanskelige at implementere direkte. Der skal findes en vanskelig balance mellem algoritmeydelse, kompleksitet og realtidsydelse.

Frontier Technologys gennembrudsvejledning

1. Intelligent Fusion og avanceret diagnostik: Kernen er at forbedre nøjagtigheden og tilpasningsevnen af ​​diagnostik. For eksempel kan en kombination af radial basisfunktion (RBF) neurale netværk med ikke-lineære dynamiske inverse (NDI) controllere adaptivt estimere og kompensere for dynamiske, ukendte aktuator- og sensorkompositfejl forårsaget af miljøfaktorer såsom isdannelse. Desuden kan brug af ikke-lineære forstyrrelsesobservatører (NDO'er) til at "pakke" og estimere forskellige forstyrrelser effektivt forbedre systemets robusthed.

2. Meget effektive fejl-Tolerante kontrolalgoritmer: Fokus er på at maksimere ressourceoptimering og samtidig sikre stabilitet. For eksempel, ved at kombinere dynamisk begivenhed-udløst kontrol med foruddefineret tidsstabilitetsteori tillader systemet kun at kommunikere og beregne, når det er nødvendigt. Relateret forskning viser, at sammenlignet med traditionelle-tidsudløste mekanismer kan netværksressourceforbrug reduceres med 69,4 %. Derudover sikrer fast-tid/foruddefineret-tidsstyring, at systemtilstanden konvergerer inden for en forudindstillet tid uafhængig af den oprindelige tilstand, hvilket giver præcise ydeevnegrænser.

3. Systemarkitekturoptimering: Formålet er at forbedre pålideligheden fra top-design. På den ene side er et dedikeret multi-kilde redundant fejl-tolerant navigationscomputersystem designet til at adskille opgaver såsom signalbehandling og redundansstyring fra flyvekontrolcomputeren, hvilket reducerer dens belastning og forbedrer den overordnede pålidelighed. På den anden side udvikles et distribueret fejldiagnosesystem til rationelt at allokere diagnostiske opgaver til luftbårent udstyr og jordstationer, ved at udnytte jordens stærkere regnekraft til dybdegående-analyse.