Robotic Laser Inspection of Airplan

Robotic Laser Inspection of Airplane Wings Using Quadrotor
Tatyana Kruglova1, a,Daher Sayfeddine2,b, Kovalenko Vitaliy1,c
1,2 Platov South Russian State Polytechnic University, Novocherkassk, Russia
[email protected], [email protected] (corresponding author),
c [email protected]
Keywords:robotic inspection, quadrotor, fuzzy logic, swarm optimization, aircraft diagnostic.
Abstract. In course of the new development in construction materials, micro and nanoelectromechanical systems, a new sophisticated class of machinery are rising. This has created the need of diagnostic and inspection algorithm matching with the level of artificial intelligence implemented in the end product. In this paper, we present a case study, a simulation on inspecting airplane wings using unmanned quadrotor. The aim is to automate the inspection process, maximize the efficient allocation of resources and minimize possible risks caused by human errors. In order to achieve wing inspection, a laser setup is mounted on the quadrotor, which trajectory and flight stabilization is controlled by optimized fuzzy logic position controllers using particle swarm optimization.
Introduction
Laser inspection has been used to identify cracks on a smooth surface. In particular, such technology is implemented in car assembly lines [1,2] and glass, metal and plastic manufacturing [3]. In parallel, inspection methods were developed based on machine vision algorithms or X-ray scanning [4,5]. The monitoring resultsaresatisfactory. On the other hand, such solutions are immobile, need preparation and activation time and are dependent on site conditions. Per instance, setups used to scan granite-building facades cannot reach difficult corners, require additional manpower, smooth working ground and perfect climatic conditions. In Order to achieve the aim of automating any process, it is necessary to use resources efficiently. Here, multitasking is an essential pillar to consider. It allows reducing time consumption to achieve a project milestone and maximize the technical and financial earned value.
Particularly speaking about aerospace industry, statistics shows that aircraft crashes are increasing. The reasons seem to be hidden. This number of accidents cannot be allowed in parallel with the advances in information technology, communication and artificial intelligence. Human errors and operating inappropriate interventions are being pinpointed to be the reason behind 17% of the accidents [6].
Underlining these facts and limitations, we suggest in this paper a solution based on miniature unmanned aerial vehicle (UAV). A quadrotor, basically a vertical take off and landing rotorcraft (VTOL), equipped with laser, can perform aircraft wing inspection for cracks. In order to achieve reliable results, sensors readings have to be recovered from noises caused by rotors’ vibration and external disturbance. In addition, the quadrotor flight has to be stabilized. Optimized fuzzy logic controllers using particle swarm optimization achieve precise positioning of the UAV.
Related Works
With the new development in technology, robots became cheaper and they are implemented more frequently is civil field. Researchers lunched a variety of special inspecting robots. Typically, these robots are inspired by the nature creatures and their type of movement: sliding, swinging, extending, flying and jumping. A new-sophisticated field has born: the Bionics. As end product, we got new generation robots. For instance, The StickyBot has a hierarchical adhesive structure to hold itself on any kind of surfaces [7], the climbing RiSE V3 robot is designed for high-speed climbing of a uniformly convex cylindrical structure, such as a telephone or electricity pole [8]. The efficiency of these robots was satisfactory but still their acquisition is not justifiable financially.The success achieved by using the UAV in military tasks has expedite the migration of such technology to the civil market. Nowadays, UAV is being used to perform several diagnostic tasks such as inspection of building facades [9], high-rise structure [10], municipality lights [11], bridges and performing indoor radiation safety tests [12]. Quadrotors are a good alternative for the climbing robots; they are cheaper and more service friendly. An autonomous quadrotor is not Wi-Fi dependent and can fly for longer range. Also, it can carry several sensors due to the new development in nanotechnology. Nowadays, quadrotors can be equipped with double or multiple high definition cameras, digital and auto calibrated, enough internal storage to capture long videos and necessary position sensors that assist in achieving better flight control.
Regarding the topic, X-ray setups and 3D laser immobile machines are used to scan airplane wings. Firstly, human-inspector carries out the diagnostic process, searches for viewable cracks. The second step consists of passing manually laser waves on the wing surface (fig.1). Readings on crack depth are acquired and filtered out according to safely norms and conditions. Hereafter, a decision is taken to send for maintenance team or to allow using. This process is made also for helicopter blades and others rotorcrafts. As it can be seen, the workflow requires high precision diagnostic, time and repeated steps. Automating the inspection process using quadrotor can be adequate solution. Moreover, quadrotors can scan multiple airplanes at the same time.


Figure 1. Manual laser wing scanner
Quadrotor Model
Quadrotor dynamics
As it is name underlines, a quadrotor has four rotors working in two sets to achieve six degrees of freedom. The quadrotor changes its positioning by modifying the rotation speed of the rotors. This allows a change in positioning according to one of the following flight regimes: roll, pitch, yaw and hover. The first three regimes are rotational movements and correspond to variation in position along axis X, Y and Z respectively. A change in a value of one of the three angles causes horizontal linear movement of the quadrotor. The hovering is the fact of vertically standing over an assigned area. Hence the quadrotor dynamics can be described using the following equations:
X ̈=(sinψsinφ+cosψsinθcosφ)U_1/m (1)
Y ̈=(-cosψsinφ+sinψsinθcosφ) U_1/m; (2)
Z ̈=-g+(cosθcosφ)U_1/m ; (3)
p ̇=(I_YY-I_ZZ)/I_XX qr-J_TP/I_XX qΩ+U_2/I_XX ; (4)
q ̇=(I_ZZ-I_XX)/I_YY pr-J_TP/I_XX pΩ+U_3/I_YY ; (5)
r ̇=(I_XX-I_YY)/I_ZZ pq+U_4/I_ZZ . (6)
Where, X ̈,Y ̈ andZ ̈are the projection of the linear acceleration of the quadrotor in the Earth fixed axis, p ̇ ,q ̇ andr ̇ are projection rotational acceleration of the quadrotor in the body fixed axis, g is the gravitational acceleration, the torque generated from the rotors, m is the mass of the quadrotor, I_XX,I_YY andI_ZZare the projection of the Inertia of the quadrotor, Ω is the rotational speed of the propellers, , φ, θandψ are the roll, pitch and yaw angle consequently, U_1,U_2 ,U_3 andU_4 are the torques requirement for the hover, roll, pitch and yaw flight regimes respectively.

Observer
Observers are used to recover the vectors of the controlled object. In accordance with this paper, an adaptive observer shall identify sensors noise and regenerate recovered noise-free signals. To identify the observer, we will be using the system of equations (1-6) and reshape it into differential equation for each state. Hence system (7) can be written as follows:

[■(υ ̇_x@x ̇@■(υ ̇_y@y ̇@■(υ ̇_z@z ̇@■(ω ̇_ϕ@ϕ ̇@■(ω ̇_θ@θ ̇@■(ω ̇_ψ@ψ ̇ ))))))]=[■(1/m C_t aU(1)∙θ@υ_x@■(-1/m C_t aU(1)∙ϕ@υ_y@■(-1/m C_t aU(1)@υ_z@■(1/I_xx C_t laU(3)@ω_ϕ@■(1/I_yy C_t laU(4)@ω_θ@■(1/I_zz C_q aRU(2)+J_r U ̇(5)@ω_ψ ))))))]





(7)

Where C_t ais the thrust coefficient of the propeller, l – is the distance between the center of the quadrotor to each motor, C_q is the coefficient of the peripheral thrust, R – propeller radius, Jr – is the moment of inertia of the drive, υ ̇_x,υ ̇_y andυ ̇_zare the projection of the linear velocity, ω ̇_ϕ, ω ̇_θ and ω ̇_ψ are the projection of the rotational velocity.
The differential equation that describes the six states of degree of freedom of the quadrotor and their derivatives is illustrated in (8)
x ̂ ̇=Ax ̂+Bu+K(y-Cx ̂ )+K_(-1) J∫_0^t▒〖(y-Cx ̂ )dt.〗 (8)
Where x is the state vector, y- is the a scalar output signal, u- control vector, K- matrix size of nx1, К–1 matrix size of (nxn), J- matrix size of (nx1).
The completion condition of coincidence between the observer equation and the quadrotor equation can be identified using the following equation
K_(-1) J∫_0^∞▒〖(y-Cx ̂ )dt=w=const.〗 (9)
Thus the output of the integrator in equation (8) provides an estimate of the unknown external influence w. The simulation results illustrated in figure 5 show the effectiveness of the observer to recover the original signal from the applied noises.



Figure 2- Adaptation of the observer with reference to the applied external noises w
The gyroscope signal to left (red curve), the integrated filtered signal to the right (red curve) and the roll angle (blue curve)

From figure 2, it can be clearly seen that the observer has successfully recover the sensor signals from the disturbance. It assures better stabilization of the roll angles as shown by the purple curve.
Optimized Fuzzy logic controllers
As it is important to know the value of the error, it is similarly critical to understand how it is changing over time. The error and its derivative in time are one of the possibilities to configure a Fuzzy logic controller. It is an artificial intelligence approach that computes mathematical operations based on degree of truth rather than the conventional True-False Boolean logic. The Fuzzy logic allows having more adaptable controller specially when dealing with nonlinearities (i.e. nonlinear aerodynamic mode

Результаты (русский) 1:

Инспекция роботизированной лазерной крыльев самолета, с помощью голубой Татьяна Kruglova1, Sayfeddine2, Дахер, b, Vitaliy1 Коваленко, c1,2 Платов Юг России государственный политехнический университет, г. Новочеркасск, Россия[email protected], [email protected] (соавтор), c [email protected]Ключевые слова: робот инспекции, голубой, нечеткой логики, Роя, самолеты диагностики.Аннотация. В ходе нового развития в строительных материалах растут микро и наноэлектромеханических системах, новый класс сложного механизма. Это создало необходимость диагностики и проверки алгоритма сопоставления с уровнем искусственного интеллекта в конечный продукт. В этой статье мы представляем тематическое исследование, моделирование на инспектирование самолета крылья с использованием беспилотных голубой. Цель состоит в том, чтобы автоматизировать процесс инспекции, максимально эффективное распределение ресурсов и сведения к минимуму возможных рисков, вызванных человеческой ошибки. Чтобы добиться крыло инспекции, лазерной установки монтируется на голубой, который стабилизации траектории и полет контролируется оптимизированный нечеткой логики позиции контроллеров с помощью роя частиц. ВведениеЛазерная инспекции был использован для выявления трещин на гладкой поверхности. В частности такая технология реализуется в линии сборки автомобилей [1,2] и стекла, металла и пластмасс, производство [3]. Параллельно методы проверки были разработаны на основе алгоритмы машинного зрения или рентгеновского сканирования [4,5]. Мониторинг resultsaresatisfactory. С другой стороны такие решения неподвижной, нужно время, подготовка и активации и зависят от условий строительной площадки. Для каждого экземпляра установок используется для сканирования гранит-фасады нельзя достичь сложных углов, требует дополнительных людских ресурсов, гладкая рабочих местах и идеальные климатические условия. Для достижения цели автоматизации любого процесса, необходимо эффективно использовать ресурсы. Здесь многозадачность является важной опорой для рассмотрения. Это позволяет сократить потребление времени достичь этап проекта и увеличить техническую и финансовую освоенный объем. Особенно, говоря о аэрокосмической промышленности, статистика показывает, что самолет аварий растет. Причины, по-видимому, быть скрыты. Это количество аварий нельзя параллельно с достижениями в информационные технологии, коммуникации и искусственного интеллекта. Человеческих ошибок и эксплуатации ненадлежащего вмешательства в настоящее время pinpointed быть причиной 17% аварий [6]. Подчеркивая эти факты и ограничения, мы предлагаем в этом документе решение, основанное на миниатюрный беспилотный летательный аппарат (БЛА). Голубой, в основном вертикального взлета и посадки винтокрыл (СВВП), оснащен лазером, может выполнять инспекции крыла самолета для трещин. Для достижения надежных результатов, показания датчиков должны быть восстановлены от шума, вызванного роторов вибрации и внешняя помеха. Кроме того Голубой рейс должен быть стабилизированным. Оптимизированный нечеткой логики контроллеров, используя метод роя частиц добиться точного позиционирования БПЛА. Связанные работыWith the new development in technology, robots became cheaper and they are implemented more frequently is civil field. Researchers lunched a variety of special inspecting robots. Typically, these robots are inspired by the nature creatures and their type of movement: sliding, swinging, extending, flying and jumping. A new-sophisticated field has born: the Bionics. As end product, we got new generation robots. For instance, The StickyBot has a hierarchical adhesive structure to hold itself on any kind of surfaces [7], the climbing RiSE V3 robot is designed for high-speed climbing of a uniformly convex cylindrical structure, such as a telephone or electricity pole [8]. The efficiency of these robots was satisfactory but still their acquisition is not justifiable financially.The success achieved by using the UAV in military tasks has expedite the migration of such technology to the civil market. Nowadays, UAV is being used to perform several diagnostic tasks such as inspection of building facades [9], high-rise structure [10], municipality lights [11], bridges and performing indoor radiation safety tests [12]. Quadrotors are a good alternative for the climbing robots; they are cheaper and more service friendly. An autonomous quadrotor is not Wi-Fi dependent and can fly for longer range. Also, it can carry several sensors due to the new development in nanotechnology. Nowadays, quadrotors can be equipped with double or multiple high definition cameras, digital and auto calibrated, enough internal storage to capture long videos and necessary position sensors that assist in achieving better flight control.Относительно темы рентгеновских установок и 3D лазерная неподвижные машины используются для сканирования самолета крылья. Во-первых человека инспектор осуществляет процесс диагностики, ищет для просмотра трещин. Второй шаг состоит из прохождения вручную лазерных волн на поверхности крыла (рис.1). Чтений на глубине трещины приобретаются и отфильтрованы согласно безопасно норм и условий. Далее чтобы отправить для поддержания команды или разрешить с помощью принимается решение. Этот процесс также ассигнования для лопастей вертолета и другие rotorcrafts. Как видно, процесс требует высокой точности диагностики, время и повторяющиеся шаги. Автоматизация процесса инспекций с использованием голубой может быть адекватным решением. Кроме того quadrotors может сканировать несколько самолетов в то же время. Рисунок 1. Ручной лазерный сканер крылаГолубой модельГолубой динамикаКак это название подчеркивает, голубой имеет четыре роторов, работающих в два набора для достижения шесть степеней свободы. Голубой изменяет его позиционирования, изменяя скорость вращения роторов. Это позволяет изменить позиционирование по одной из следующих режимов полета: roll, шаг, рыскания и парят. Первые три режимы являются вращательных движений и соответствуют различия в позиции вдоль оси X, Y и Z соответственно. Изменение значения одного из трех углов вызывает горизонтального линейного движения голубой. Парящей является тот факт, вертикально стоя над назначенной области. Поэтому динамика голубой может быть описана с помощью следующих уравнений:X ̈=(sinψsinφ+cosψsinθcosφ)U_1/m (1)Y ̈=(-cosψsinφ+sinψsinθcosφ) U_1/m; (2)Z ̈=-g+(cosθcosφ)U_1/m ; (3)p ̇=(I_YY-I_ZZ)/I_XX qr-J_TP/I_XX qΩ+U_2/I_XX ; (4)q ̇=(I_ZZ-I_XX)/I_YY pr-J_TP/I_XX pΩ+U_3/I_YY ; (5)r ̇=(I_XX-I_YY)/I_ZZ pq+U_4/I_ZZ . (6)Where, X ̈,Y ̈ andZ ̈are the projection of the linear acceleration of the quadrotor in the Earth fixed axis, p ̇ ,q ̇ andr ̇ are projection rotational acceleration of the quadrotor in the body fixed axis, g is the gravitational acceleration, the torque generated from the rotors, m is the mass of the quadrotor, I_XX,I_YY andI_ZZare the projection of the Inertia of the quadrotor, Ω is the rotational speed of the propellers, , φ, θandψ are the roll, pitch and yaw angle consequently, U_1,U_2 ,U_3 andU_4 are the torques requirement for the hover, roll, pitch and yaw flight regimes respectively.Observer Observers are used to recover the vectors of the controlled object. In accordance with this paper, an adaptive observer shall identify sensors noise and regenerate recovered noise-free signals. To identify the observer, we will be using the system of equations (1-6) and reshape it into differential equation for each state. Hence system (7) can be written as follows:[■(υ ̇_x@x ̇@■(υ ̇_y@y ̇@■(υ ̇_z@z ̇@■(ω ̇_ϕ@ϕ ̇@■(ω ̇_θ@θ ̇@■(ω ̇_ψ@ψ ̇ ))))))]=[■(1/m C_t aU(1)∙θ@υ_x@■(-1/m C_t aU(1)∙ϕ@υ_y@■(-1/m C_t aU(1)@υ_z@■(1/I_xx C_t laU(3)@ω_ϕ@■(1/I_yy C_t laU(4)@ω_θ@■(1/I_zz C_q aRU(2)+J_r U ̇(5)@ω_ψ ))))))] (7)Where C_t ais the thrust coefficient of the propeller, l – is the distance between the center of the quadrotor to each motor, C_q is the coefficient of the peripheral thrust, R – propeller radius, Jr – is the moment of inertia of the drive, υ ̇_x,υ ̇_y andυ ̇_zare the projection of the linear velocity, ω ̇_ϕ, ω ̇_θ and ω ̇_ψ are the projection of the rotational velocity. The differential equation that describes the six states of degree of freedom of the quadrotor and their derivatives is illustrated in (8)x ̂ ̇=Ax ̂+Bu+K(y-Cx ̂ )+K_(-1) J∫_0^t▒〖(y-Cx ̂ )dt.〗 (8)Where x is the state vector, y- is the a scalar output signal, u- control vector, K- matrix size of nx1, К–1 matrix size of (nxn), J- matrix size of (nx1). The completion condition of coincidence between the observer equation and the quadrotor equation can be identified using the following equationK_(-1) J∫_0^∞▒〖(y-Cx ̂ )dt=w=const.〗 (9)Thus the output of the integrator in equation (8) provides an estimate of the unknown external influence w. The simulation results illustrated in figure 5 show the effectiveness of the observer to recover the original signal from the applied noises. Figure 2- Adaptation of the observer with reference to the applied external noises wThe gyroscope signal to left (red curve), the integrated filtered signal to the right (red curve) and the roll angle (blue curve)Из рисунка 2 можно ясно увидеть, что наблюдатель успешно восстановить датчика сигналов от помех. Она обеспечивает лучше стабилизации крена углов, как показано фиолетовым кривой.Оптимизированный нечеткой логики контроллеровКак это важно знать значение ошибки, также важно понять, как она меняется со временем. Ошибка и ее производной по времени являются одной из возможностей настройки контроллера нечеткой логики. Это подход искусственного интеллекта, который вычисляет математические операции, основанные на степени истины, вместо того, чтобы обычные истинно-ложные булевой логики. Нечеткая логика позволяет более легко адаптируемой контроллер специально общаясь с нелинейностей (т.е. Нелинейные аэродинамических режим

Результаты (русский) 2:

Роботизированная лазерная инспекция Самолет Крылья Использование Quadrotor
Татьяна Kruglova1, а, Даэр Sayfeddine2, б, Коваленко Vitaliy1, C
1,2 Платова Южно-Российского государственного политехнического университета, Новочеркасск, Россия
[email protected]~~HEAD=dobj, [email protected]~~dobj (соавтор),
с [email protected]
Ключевые слова: роботизированная осмотр, quadrotor, нечеткая логика, оптимизация рой, самолеты диагностики.
Аннотация. В ходе нового развития в строительных материалов, микро- и наноэлектромеханических систем, новый сложный класс машин растут. Это создало необходимость диагностики и контроля соответствия алгоритма с уровнем искусственного интеллекта реализуется в конечном продукте. В этой статье мы представляем социологическое исследование, моделирование на осмотр крылья самолета с помощью беспилотного quadrotor. Цель состоит в автоматизации процесса проверки, максимально эффективное распределение ресурсов и минимизировать возможные риски, связанные с человеческими ошибками. Для достижения крыла осмотр, подстроено лазер, установленный на quadrotor, который траектории полета и стабилизации контролируется оптимизированных нечетким алгоритмом логического положение с помощью метод роя частиц.
Введение
Лазерный осмотр был использован для определения трещин на гладкой поверхности. В частности, такая технология реализована в автосборочных линий [1,2] и стекла, металла и пластика производства [3]. Параллельно, методы контроля были разработаны на основе машинных алгоритмов видения или рентгеновского сканирования [4,5]. Resultsaresatisfactory мониторинга. С другой стороны, такие решения являются неподвижными, должны подготовку и активацию время и зависит от условий эксплуатации. За например, установок, используемых для сканирования гранит фасадов зданий не может достичь трудные углы, требуют дополнительной рабочей силе, гладкую рабочую землю и совершенные климатические условия. Для того, чтобы достичь цели автоматизации любого процесса, необходимо эффективно использовать ресурсы. Здесь многозадачность является важным столпом, чтобы рассмотреть. Это позволяет снизить затраты времени для достижения проектной вехой и максимально техническую и финансовую заработанные значение.
Особенно говоря о аэрокосмической промышленности, статистика показывает, что авиакатастрофы растет. Причины оказываются скрытыми. Это число несчастных случаев не могут быть разрешены в параллельно с достижениями в области информационных технологий, связи и искусственного интеллекта. Человеческие ошибки и операционные неуместные вмешательства в настоящее время точно определили, что причиной 17% аварий [6].
Подчеркивая эти факты и ограничения, мы предлагаем в этой статье решение, основанное на миниатюрной беспилотного летательного аппарата (БПЛА). Quadrotor, в основном вертикального взлета и посадки вертолеты (СВВП), оснащен лазером, может выполнять крыло самолета осмотр на наличие трещин. Для достижения надежных результатов, датчики показания должны быть восстановлены из шумов, вызванных вибрацией роторов и внешнего воздействия. Кроме того, quadrotor полета должен быть стабилизирован. Оптимизированные нечеткие логические контроллеры, использующие метод роя частиц добиться точного позиционирования БПЛА.
Связанные Работает
с новой разработки в области технологий, роботы стали дешевле, и они реализуются чаще гражданское поле. Исследователи завтракали различные специальные проверяющих роботов. Как правило, эти роботы вдохновлены природой существ и их тип движения: скольжение, размахивая, расширяя, полеты и прыжки. Новый-сложные месторождение родился: The Бионика. Как конечный продукт, мы получили новых роботов поколения. Например, StickyBot имеет иерархическую клейкую структуру для хранения себя на любой поверхности [7], восхождение подняться V3 робот предназначен для высокоскоростной восхождения равномерно выпуклой цилиндрической структуры, такие как телефон или электричество полюса [8 ]. Эффективность этих роботов был удовлетворительным, но по-прежнему их приобретение не оправданным успех financially.The достигается с помощью БПЛА в военных задач была ускорить миграцию такой технологии для гражданского рынка. В настоящее время, БПЛА используются для выполнения несколько диагностических задач, таких как осмотр фасадов зданий [9], высотный структуру [10], муниципалитет огни [11], мосты и выполнения крытый тесты радиационной безопасности [12]. Quadrotors являются хорошей альтернативой для восхождения роботов; они дешевле и более услуг дружелюбны. Автономная quadrotor не Wi-Fi зависит и может летать на более длительный диапазоне. Кроме того, он может выполнять несколько датчиков за счет новой разработки в области нанотехнологий. В настоящее время, quadrotors может быть оснащен двуспальной или нескольких камер высокой четкости, цифровой и авто откалиброван, достаточно внутренней памяти для захвата длинных видео и необходимые датчики положения, которые помогают в достижении лучшего контроля полета.
Что касается темы, рентгеновские настройки и 3D лазерная неподвижны машины используются для сканирования крыльев самолета. Во-первых, человек-инспектор осуществляет диагностический процесс, ищет видимых трещин. Второй шаг заключается в пропускании вручную лазерных волн на поверхности крыла (рис.1). Показания на глубину трещины приобретаются и фильтруют в соответствии с нормами и безопасно условиях. Далее, принимается решение послать за обслуживание команды или, чтобы разрешить использование. Этот процесс производится также для лопастей вертолета и другие rotorcrafts. Как можно видеть, рабочий процесс требует высокой точности диагностики, время и повторные действия. Автоматизация процесса проверки, используя quadrotor может быть адекватным решением. Кроме того, можно сканировать quadrotors несколько самолетов, в то же время. Рисунок 1. Ручная лазерная крыло сканера Quadrotor Модель Quadrotor динамику Как это имя подчеркивает, А quadrotor имеет четыре ротора работают в двух сетах, чтобы достичь шесть степеней свободы. Quadrotor меняет свое расположение, изменяя скорость вращения роторов. Это позволяет вносить изменения в позиционировании по одному из следующих режимов полета: крен, тангаж, рыскание и наведении. Первые три режимы вращательные движения и соответствуют вариации в положении вдоль оси X, Y и Z соответственно. Изменение значения одного из трех углов вызывает горизонтальное линейное перемещение quadrotor. Парящей является тот факт, вертикально стоящий над назначенной области. Следовательно, динамика quadrotor может быть описана с использованием следующих уравнений: X = ̈ (sinψsinφ + cosψsinθcosφ) U_1 / м (1) У ̈ = (- cosψsinφ + sinψsinθcosφ) U_1 / м; (2) Z = -g ̈ + (cosθcosφ) U_1 / м; (3) р = ̇ (I_YY-I_ZZ) / I_XX QR-J_TP / I_XX qΩ + U_2 / I_XX; (4) Q = ̇ (I_ZZ-I_XX) / I_YY пр-J_TP / I_XX Рш + U_3 / I_YY; (5) г = ̇ (I_XX-I_YY) / I_ZZ PQ + U_4 / I_ZZ. (6) Где, X ̈, Y ̈ andZ являются проекции линейного ускорения quadrotor в основной Земля оси, Р °, д ̇ Andr ̇ являются проекцией вращательного ускорения quadrotor в организме неподвижной оси, г является гравитационное ускорение, крутящий момент, от роторов, м масса в quadrotor, I_XX, I_YY andI_ZZare проекция инерции quadrotor, Ω является скорость вращения винтов,, φ, θandψ являются крен, тангаж и Угол поворота вокруг вертикальной оси, следовательно, U_1, U_2, U_3 andU_4 являются требование моменты для наведении, крен, тангаж и рыскание полета режимов соответственно. наблюдателей Наблюдатели используются для восстановления векторы контролируемого объекта. В соответствии с этим документом, адаптивный наблюдатель должен идентифицировать датчики шума и регенерации восстановленных бесшумные сигналы. Чтобы определить наблюдателя, мы будем использовать систему уравнений (1-6) и изменить его в дифференциальное уравнение для каждого государства. Следовательно система (7) можно записать следующим образом: [■ (υ _X @ х ̇ @ ■ (υ _y @ Y ̇ @ ■ (υ _z @ г ̇ @ ■ (ω ̇_φ @ φ ̇ @ ■ (ω ̇_θ @ θ ̇ @ ■ (ω ̇_ψ @ ψ ̇))))))] = [■ (1 / м C_t Au (1) ∙ θ @ υ_x @ ■ (-1 / м C_t Au (1) ∙ φ @ @ ■ υ_y (-1 / м C_t Au (1) @ υ_z @ ■ (1 / I_xx C_t Лау (3) @ ω_φ @ ■ (1 / I_yy C_t Лау (4) @ ω_θ @ ■ (1 / I_zz C_q Ару (2) + J_r U ̇ (5) @ ω_ψ))))))] (7) где C_t АИС коэффициента тяги винта, л - расстояние между центром quadrotor к каждому двигателю, C_q является коэффициент периферийной тяги, R - радиус винта, младший -. это момент инерции привода, υ _X, υ _y и v ̇_zare проекция линейной скорости, ω ̇_φ, ω ̇_θ и ω ̇_ψ являются проекция скорости вращения дифференциала уравнение, описывающее шесть государств степени свободы quadrotor и их производные показано в (8) х ° = Ах + Ви + K (Y-Сх) + K _ (- 1) ^ t▒ J∫_0 〖(у-Сх) DT.〗 (8) где х вектором состояния, y является скаляром выходной сигнал, и- вектор управления, K- размер матрицы NX1, К-1 размер матрицы (п х п) , J- размер матрицы (NX1). Завершение условие совпадения между уравнением наблюдателя и уравнения quadrotor могут быть идентифицированы с помощью следующего уравнения K _ (- 1) ^ J∫_0 ∞▒ 〖(у-Сх) = DT W = Const.〗 (9) Таким образом, выходной сигнал интегратора в уравнении (8) обеспечивает оценку неизвестного внешнего воздействия мас. Результаты моделирования, представленные на рисунке 5 показана эффективность наблюдателя, чтобы восстановить исходный сигнал от применяемых шумов. Рисунок 2- адаптации наблюдателя со ссылкой на прикладных внешних шумов ш Сигнал гироскопа к левой (красная кривая), интегрированный фильтруют сигнал справа (красная кривая) и угла крена (синяя кривая) Из рисунка 2, можно ясно увидеть, что наблюдатель успешно восстановить сигналы датчиков от помех. Это обеспечивает лучшую стабилизацию углов крена, как показано на фиолетовый кривой. Оптимизированная нечетких логических контроллеров Как важно знать величину ошибки, это так же важно понять, как она меняется с течением времени. Ошибка и ее производная по времени являются одной из возможностей для настройки нечеткой логики контроллера. Это искусственный интеллект подход, который вычисляет математические операции, основанные на степени истины, а не обычным Правда-ложь булевой логики. Нечеткой логики позволяет иметь более адаптируемой контроллер специально при работе с нелинейностями (т.е. нелинейный режим аэродинамический

Результаты (русский) 3:

Роботизированный лазерный осмотр самолет крылья с помощью Quadrotor
Татьяна Kruglova1, a,Дахер Sayfeddine2,b, в.в.Путин Vitaliy1,c
1,2 инородцы России государственный политехнический университет, Челябинский, Russia
[email protected] , [email protected] (автор),
c [email protected]
ключевые слова:роботизированных инспекции, quadrotor, нечеткая логика, сущий пустяк, оптимизации диагностики самолетов.
Резюме. В ходе нового развития в строительных материалов, микро- и обсуждается проблема повышения механических параметров полимерных материалов, новых изощренных класса машин. Это вызвало необходимость диагностики и проверки совпадения алгоритма с уровнем искусственного интеллекта в конечного продукта. В этом документе мы настоящего исследования,