Analýza vibrací pro detekci anomálií bezpilotních prostředků

Abstract

Cílem této práce je tvorba algoritmu pro detekci vad v bezpilotních letadlech pomocí vibrační analýzy. Závady na pohonném systému bezpilotních letadel, jako například poškozené vrtule nebo motory, mohou způsobit ztrátu vztlaku, vyšší spotřebu energie a v nejhorším případě vést k havárii letadla. Což může způsobit vážné poškození samotného letadla, a zárověň ohrozit osoby v blízkém dosahu. Vibrace jsou měřeny pomocí 3 osového akcelerometru na vývojové desce Blip. Pro účely sběru dat je navržena a implementována aplikace založená na Zephyr RTOS. Jsou pořízeny tři různé datasety, měřením dvou různých zařízení. Dva různé modely na bázi strojového učení jsou otestovány na naměřených datasetech. Oba modely dosahují více než 95% testovací přesnosti, když jsou trénovány pomocí vzorků ze všech tříd.

This thesis aims to design an algorithm for the detection of faults on UAVs using vibration analysis. Defects in the propulsion system of an UAV, such as damaged propellers or motors, can cause loss of thrust, higher power consumption, and in the worst case, lead to a crash of the aircraft. Which may cause severe damage to the aircraft itself, and pose a safety hazard to nearby people. Vibrations are measured using the 3 axis MEMS capacitive onboard accelerom- eter of a Blip development board. A custom Zephyr RTOS based application is designed and implemented for the data collection purposes. Three different datasets are collected using mu- tiple different devices, as vibration sources. Two different machine learning based models are tested and evaluated on the collected datasets. Both models reach above 95% test accuracy when trained using samples of all fault classes.