مدل سازي و تشخيص عيب پرنده چهار موتوره داراي عيب ساختاري انحراف

Modeling and Fault Detection of Quadrotor with Rotor Thrust Deviation Fault

در اين پژوهش مدلسازي و تشخيص عيب دسته جديدي از عيب‌هاي ربات پرنده چهارموتوره تحت عنوان عيب ساختاري انجام شده‌‌است. عيب ساختاري مورد بررسي، انحراف محور دوران يكي از موتورهاي پرنده نسبت به راستاي عمود بر پرنده است. اين موضوع باعث مي‌شود كه نيروي پيشرانش موتور داراي عيب، در راستاي عمودي نباشد و فرآيند كنترل سيستم با اختلال روبرو شود. تشخيص وقوع عيب مفروض در تركيب با روش‌هاي كنترلي مناسب ميتواند از آسيب‌هاي بعدي به سيستم جلوگيري كند. براي تشخيص عيب سيستم، سه گام طي شده‌است. نخست با استفاده از روش اويلر‌ -نيوتن، معادلات سينماتيكي و ديناميكي حاكم بر پرنده چهارموتوره معيوب به دست آمده‌‌است. در مرحله بعد براي آشكارسازي عيب، با طراحي رؤيتگر، تخمين متغيرهاي حالت سيستم صورت مي‌گيرد و در نهايت با استفاده از تعريف تابع انرژي مناسب بر اساس مانده‌ها، به كمك خروجي سيستم (حالت‌هاي اندازه‌گيري شده سيستم) و حالت‌هاي تخميني، زمان وقوع عيب تشخيص داده مي‌شود.

In this study, modeling and fault detection of a novel faulty quadrotor is presented. It is assumed that a quadrotor vehicle has encountered a fault during a flight accident, and as a result, one of the rotors does not operate vertically. Although the rotor's rotational axis has deviated from the vertical direction, the amount of produced thrust remains constant. Detecting this fault along with utilizing a proper controlling approach can reduce the risk of failure in the vehicle. Based on this statement, the procedure of this study has been developed in three main stages. First, the kinematic and dynamic equations governing the faulty system are driven using Newton's second law and Euler's principle. Then, equations governing the faulty system and the Thau observer are employed to calculate the residual value. This parameter is calculated based on the differences between states’ measurement and estimation. Eventually, by comparing the computed residual value with the assumed threshold, thrust deviation in the shortest possible time has been detected.