B-Spline 遠隔測定再構築と軽量ハイブリッドAIによるUAVシステムのエッジベースのリアルタイム故障検出

科学分野:

• 航空宇宙工学
• コンピュータ科学
• 人工知能

背景:

• 無人航空機 (UAV) は,特に信頼性の低いテレメトリによって,安全運転のために高度なオンボード診断が必要です.
• 現存するシステムは リアルなUAVのミッションでよくある 不規則で不均一なセンサーデータと戦っています

研究 の 目的:

• 障害のあるテレメトリを処理できるUAVのためのリアルタイム,オンボードの故障検出フレームワークを開発する.
• リソース制限のエッジコンピューティングプラットフォームの展開のためのフレームワークを最適化します.

主な方法:

• 騒々しいまたは非同期の入力からの堅固なセンサーデータの再構築のためのB-splineインターポレーションを実装します.
• ロング・ショート・ターム・メモリ (LSTM) オートエンコーダーとアイソレーション・フォレストを組み合わせたハイブリッドの異常検出モデルを使用した.
• Raspberry Pi 4やNVIDIA Jetson Nanoのような 組み込みシステムに パイプライン全体を展開しました

主要な成果:

• 50ミリ秒未満のエンドツーエンドの推論遅延を達成しました.
• 93.6%の故障検出精度を実飛行日誌と合成故障インジェクションを使用して実証しました.
• テレメトリの断捨離やサンプル採取の不規則性に対する 重要な回復力を示した.

結論:

• 開発されたフレームワークは,UAVの自律的なセンサーベースの健康監視を可能にします.
• このシステムは機内配備が可能で,UAVの安全性と信頼性を高めます.
• このアプローチは,強固な異常検出を必要とする他のリアルタイムサイバー物理システムにも適用できます.