加州理工学院开发虚拟传感器 帮助飞行器在旋翼发生故障时保证安全

盖世汽车讯 无需水晶球就能想象出工程师心目中的未来，即空中出租车和其他飞行器在城市之间运送乘客，避免地面上日益严重的交通堵塞。许多公司已经在原型设计和测试这种混合动力电动“飞行汽车”。这种汽车可以垂直起飞和降落，但也可以像有翼飞机一样在空中翱翔，从而实现更远距离的高效飞行。

当然，这些飞行汽车关注的关键领域之一是安全性。这些飞行汽车不仅必须保持在空中，而且必须保持控制，无论飞行过程中可能出现什么问题，如阵风，或者在其路径上出现飞行的物体，以及螺旋桨失效。

据外媒报道，加州理工学院（California Institute of Technology）研究团队开发出一种基于机器学习的机载控制方法，可以帮助此类飞行器检测和补偿干扰，以便能够继续飞行。相关论文已发表于期刊《IEEE Robotics and Automation Letters》，工程师们将该方法称为“神经飞行容错（Neural-Fly for Fault Tolerance，NFFT）”。

图片来源：加州理工学院

加州理工学院控制与动力系统系Soon-Jo Chung表示：“为了充分发挥这些电动飞行器的潜力，用户需要一个智能控制系统来提高它们的鲁棒性，特别是针对各种故障的恢复能力。我们开发出这样一个对安全关键型自动驾驶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。”

多个旋翼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，电动飞机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，电动飞机还需要固定翼。然而，同时拥有旋翼和机翼会给每架电动飞机带来许多可能的故障点。 这就给工程师们留下了一个问题：如何最好地检测电动飞机部件何时出现问题。

Chung称，工程师可以为每个旋翼安装传感器，但即使这样也还不够。例如，一架具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，另一个传感器用于注意其电机是否停止运行，还有另一个传感器用于在发生信号接线问题时发出警报。“你最终可以拥有一个高度冗余的分布式传感器系统，”Chung说。这将会增加成本且难以管理，并且会增加飞机的重量，而且传感器本身也可能发生故障。

通过NFFT，Chung的团队提出了一种替代的新颖方法，即深度学习方法，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时间的运行效率。

“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姿态和位置（随时间的变化）。如果飞机从A点到B点偏离其期望位置，NFFT可以检测到错误并使用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的作用，”该论文作者、帮助进行飞行测试的飞行员、研究员Matthew Anderson说道。

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。

该团队主要在正在开发的飞行器上测试了控制方法，其中包括自动驾驶飞行救护车（Autonomous Flying Ambulance），即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。