Non c’è bisogno della sfera di cristallo per immaginare il futuro che gli ingegneri hanno in mente: quello in cui gli aerotaxi e altri veicoli volanti trasporteranno i passeggeri tra le località urbane, evitando il crescente ingorgo a terra.
Le aziende stanno già prototipando e testando queste “auto volanti” ibride ed elettriche che decollano e atterrano verticalmente, ma come aerei alati, si librano in aria per consentire un volo efficiente su distanze più lunghe.
La sicurezza è una delle principali aree di preoccupazione per questi veicoli aerei. Il velivolo indipendentemente dai problemi che potrebbero insorgere durante il volo, dalle raffiche di vento agli oggetti che volano sulla loro traiettoria, alle eliche in avaria, non solo deve rimanere in volo ma mantenere anche il controllo.
Il team di ricercatori del Caltech ora ha sviluppato un metodo di controllo a bordo, basato sul Machine Learning, per aiutare questi velivoli a rilevare e compensare guasti in modo da poter continuare a volare.
Il nuovo metodo chiamato dagli ingegneri “Neural-Fly for Fault Tolerance” (NFFT), è stato descritto nella rivista IEEE Robotics and Automation Letters.
«Per realizzare il pieno potenziale di questi velivoli elettrici, è necessario un sistema di controllo intelligente, che ne migliori la robustezza e soprattutto la capacità di resistenza a una serie di guasti. Abbiamo sviluppato un sistema di tolleranza ai guasti cruciale per i sistemi autonomi critici per la sicurezza, che introduce l’idea di sensori virtuali per il rilevamento di qualsiasi guasto utilizzando metodi di apprendimento automatico e di controllo adattivo».
Più rotori significano molti punti di possibile guasto
Gli ingegneri stanno costruendo questi velivoli elettrici con eliche multiple, o rotori, in parte per motivi di ridondanza: se un rotore si guasta, rimangono abbastanza motori funzionanti da rimanere in volo. Tuttavia, per ridurre l’energia necessaria a compiere voli tra località urbane – ad esempio, 10 o 20 chilometri – i velivoli hanno bisogno anche di ali fisse. La presenza di rotori e ali, tuttavia, crea molti punti di possibile guasto in ogni velivolo. Ciò lascia agli ingegneri il compito di capire al meglio se qualcosa è andato storto in qualsiasi parte del veicolo”. DA QUI
Soon-Jo Chung ha affermato:
«Gli ingegneri potrebbero includere sensori per ogni rotore, ma anche questo non sarebbe sufficiente, per esempio, un velivolo con nove rotori avrebbe bisogno di più di nove sensori, poiché ogni rotore potrebbe avere bisogno di un sensore per rilevare un guasto nella struttura del rotore, un altro per osservare se il suo motore smette di funzionare, e un altro ancora per avvisare quando si verifica un problema di cablaggio del segnale. Si potrebbe avere un sistema distribuito di sensori altamente ridondante, ma sarebbe costoso, difficile da gestire, e aumenterebbe il peso del velivolo. Anche i sensori stessi potrebbero guastarsi».
Il team di ricercatori di Soon-Jo Chung con il sistema “Neural-Fly for Fault Tolerance” (NFFT), ha proposto un metodo alternativo e innovativo. Il team di ricercatori basandosi su studi precedenti, ha sviluppato un metodo di apprendimento profondo in grado non solo di rispondere ai venti forti, ma anche di rilevare immediatamente quando l’aereo ha subito un guasto a bordo. Il sistema comprende una rete neurale che viene pre-addestrata su dati di volo reali, e poi in tempo reale, impara e si adatta a un numero limitato di parametri mutevoli, tra cui una stima dell’efficienza di ciascun rotore dell’aereo in un determinato momento.
Soon-Jo Chung ha affermato:
«Non sono necessari sensori o hardware aggiuntivi per il rilevamento e l’identificazione dei guasti. Ci limitiamo a osservare il comportamento del velivolo, il suo assetto e la sua posizione in funzione del tempo. Il velivolo se devia dalla posizione desiderata dal punto A al punto B, il sistema “Neural-Fly for Fault Tolerance” (NFFT) può rilevare che qualcosa non va e utilizzare le informazioni in suo possesso per compensare l’errore».
Matthew Anderson ingegnere aeronautico, autore del lavoro e pilota che ha contribuito a condurre i test di volo, ha affermato:
«La correzione avviene in modo estremamente rapido, in meno di un secondo. Volando con il velivolo, si può davvero sentire la differenza che fa il sistema “Neural-Fly for Fault Tolerance” (NFFT) nel mantenere la controllabilità del velivolo quando un motore si rompe. La riprogettazione del controllo in tempo reale fa sembrare che nulla sia cambiato, anche se uno dei motori ha appena smesso di funzionare».
Presentazione dei sensori virtuali
Il sistema “Neural-Fly for Fault Tolerance” (NFFT) in tempo reale si basa su segnali di controllo e algoritmi per rilevare la posizione di un guasto, quindi secondo Soon-Jo Chung può fornire a qualsiasi tipo di veicolo sensori virtuali indipendenti per rilevare i problemi.
Il team di ricercatori ha testato il metodo di controllo principalmente sui veicoli aerei che sta sviluppando, tra cui l’Autonomous Flying Ambulance, un veicolo ibrido elettrico progettato per trasportare rapidamente in ospedale persone ferite o malate.
Il team di ricercatori di Soon-Jo Chung ha testato un metodo simile di controllo con tolleranza ai guasti sui veicoli terrestri, ha in programma di applicare il sistema “Neural-Fly for Fault Tolerance” (NFFT) alle imbarcazioni.
