每部无人机都有自己的“备胎”

每部无人机都有自己的“备胎”

　　巫溪航拍,无人机航拍机,六轴航拍未来天空中可望出现大量载货甚至载人无人机届时每架无人机都会有个预测性“假兄弟”即数字孪生(Digital Twins)它将随着无人机的存在而持续进化以监视无人机的结构是否健全并协助做出无人机是否有坠毁危险或应改变计划路线以降低风险的决策

　　根据德州大学奥斯汀分校(UT Austin)奥登运算工程暨科学研究所所长Karen Willcox在近期的国际会议上演讲时分享了开发无人机预测性数字孪生计划的细节该计划的合作方包括UT Austin、麻省理工学院(MIT)、Akselos和Aurora Flight Sciences主要由美国空军动态数据驱动应用系统(DDDAS)支持

　　数字孪生使用基于物理学的模型来捕获无人机行为的细节从微观尺度到宏观层面它们代表了无人机的每个组件及其整体数字孪生还会取得无人机传感器的数据并将其与模型整合以创建对无人机健康状况的实时预测

　　Willcox表示大决策不仅需要大数据还需要大模型尽管机器学习已成功解决一些问题例如对象识别、推荐系统等但对错误答案可能导致高昂代价或有人会送命的问题则需要更强大的解决方案

　　这些大问题是由复杂的多尺度、多物理现象控制若稍微改变条件将看到截然不同的行为Willcox将运算建模与机器学习结合使用以产生可靠且可解释的预测其系统能捕获并传达无人机健康方面不断发展的变化还能解释哪些传感器读数表明健康状况下降

　　Willcox及其合作者使用基于投影的方法因此能识别较小的近似模型但以某种方式对最重要的动力学进行编码好将其用于预测这种方法可创建低成本、基于物理学的模型

　　Willcox还开发另一种解决方案来对无人机上发生的复杂物理交互作用进行建模她与Akselos合作将将模型分解为多个部分例如机翼的一部分并计算几何参数、材料属性以及其他重要因素同时考虑了将整个平面放在一起时发生的交互作用

　　每个组件都由偏微分方程式表示并以高保真度使用有限元方法和运算网格来确定飞行对每个航段的影响产生基于物理学的训练数据并将其输入到机器学习分类器中

　　借由使用这些模型简化和分解方法Willcox成功将模拟时间从数小时或数分钟缩短到几秒同时又维持了决策所需的准确性