Наделение дронов ощущением «боли» может помочь им предсказывать нестабильность до того, как она возникнет.

Представьте, что вы бежите и вывихнули лодыжку. Боль заставляет вас осторожно хромать до конца пути домой. Это отличный пример того, как природа адаптируется к сбоям в системе. Боль говорит вам: «Если вы продолжите бежать как обычно, травма только усугубится». Поэтому вы естественным образом корректируете свою технику бега. В настоящее время дроны не могут этого сделать из-за изношенного пропеллера.

Исследователи из Делфтского технологического университета и Вагенингенского университета продемонстрировали, что концепция, заимствованная из природы и первоначально разработанная для прогнозирования коллапса экосистем, может также помочь обнаружить, когда инженерные системы приближаются к отказу. Это имеет решающее значение для обеспечения безопасности дронов и беспилотных автомобилей, поскольку они все чаще становятся частью повседневной жизни.

«Наш подход можно сравнить с тем, как люди воспринимают боль. После травмы боль мгновенно дает нам обратную связь о нашем состоянии и помогает оценить, какие действия остаются безопасными», — говорит Яспер ван Беерс, исследователь из Делфтского технологического университета. «Машинам, как правило, не хватает такой формы самосознания. Новые индикаторы, полученные на основе данных измерений в реальном времени, представляют собой первый шаг к тому, чтобы наделить инженерные системы аналогичной способностью распознавать приближение к своим пределам».

От здорового леса до краха

Исследование, опубликованное в журнале Proceedings of the National Academy of Sciences , применяет индикаторы раннего предупреждения, основанные на явлении, известном как критическое замедление. В природе критическое замедление происходит, когда система становится менее устойчивой и ей требуется больше времени для восстановления после нарушений, что часто сигнализирует о приближении к критической точке. Например, здоровый лес может быстро восстановиться после засушливого сезона. Но после каждого засушливого периода это восстановление начинает занимать больше времени. В конечном итоге, относительно небольшое климатическое явление может спровоцировать масштабную гибель леса. Ученые могут наблюдать за временем восстановления, чтобы определить, действительно ли экосистема приближается к критической точке.

Хотя эти методы широко используются в экологии и климатологии, оставалось неясным, могут ли они также работать для активно управляемых систем, таких как дроны, летательные аппараты и автономные роботы. В отличие от природных систем, эти технологии постоянно регулируются контроллерами, которые реагируют на изменяющиеся условия в режиме реального времени. Тем не менее, исследователи обнаружили, что сигналы раннего предупреждения из экологии и климатологии по-прежнему надежно указывают на приближение управляемой системы к нестабильности

Выявление проблем до того, как они станут критическими.

Для проверки и подтверждения правильности подхода исследовательская группа работала в CyberZoo, уникальном научно-исследовательском центре беспилотных летательных аппаратов при факультете аэрокосмической техники. Там ученые могут безопасно испытывать дроны на грани потери управления, намеренно наносить им повреждения и собирать данные, необходимые для понимания причин отказов.

Благодаря сочетанию моделирования, анализа данных о полете и обширных экспериментальных испытаний исследователи смогли определить, какие комбинации повреждений, условий полета и маневров с наибольшей вероятностью приводят к потере управления. Кроме того, эти индикаторы можно использовать не только для обнаружения нестабильности, но и для адаптации поведения системы в режиме реального времени. Например, они могут помочь определить стратегии, позволяющие поддерживать полет, несмотря на повреждение крыла самолета — подобно тому, как люди справляются с травмами лодыжки, хромая, чтобы продолжать идти.

Помимо дронов

Ван Бирс сказал: «Объединяя знания из разных научных дисциплин — в данном случае, аэрокосмической техники и экологии — мы продолжаем добиваться прорывов, которые помогают преобразовывать фундаментальные исследования в практические технологии».

Ключевое преимущество этого метода заключается в том, что он не опирается на подробные физические модели дрона. Вместо этого он использует данные с недорогих бортовых датчиков для выявления незначительных изменений в поведении системы. Благодаря этому технология потенциально может быть применена к широкому спектру инженерных систем, выходящих за рамки дронов, поскольку она предлагает универсальный способ мониторинга устойчивости и выявления проблем до того, как они приведут к авариям.

Области применения могут включать мониторинг критически важной инфраструктуры, поддержку прогнозирующего технического обслуживания самолетов и других транспортных средств, улучшение контроля качества в процессе производства и повышение надежности автономных систем, таких как беспилотные автомобили. Первое реальное влияние ожидается в быстрорастущем секторе беспилотных летательных аппаратов, где эта технология может помочь предотвратить несчастные случаи по мере того, как дроны будут развертываться во все большем количестве в различных отраслях.

Источник