[論文レビュー] Fast Fault Detection on a Quadrotor using Onboard Sensors and a Kalman Filter Approach

Bram Adriaan Strack van Schijndel, Sihao Sun+1 more|arXiv (Cornell University)|Feb 12, 2021

Fault Detection and Control Systems参考文献 20被引用数 5

ひとこと要約

本論文は、ドローンのプロペラの脱落に起因する故障を、オンボードのRPM、ジャイロ、加速度計データとカルマンフィルタを用いて、リアルタイムでモデル軽量に故障検出する手法を提示する。Actuator効果的要因を推定し、仮説検定により故障したローターを特定する。オンラインおよびオフラインの検証において、28–132 msの検出遅延を達成し、誤検出や見逃しのない結果を得た。

ABSTRACT

This paper presents a novel method for fast and robust detection of actuator failures on quadrotors. The proposed algorithm has very little model dependency. A Kalman filter estimator estimates a stochastic effectiveness factor for every actuator, using only onboard RPM, gyro and accelerometer measurements. Then, a hypothesis test identifies the failed actuator. This algorithm is validated online in real-time, also as part of an active fault tolerant control system. Loss of actuator effectiveness is induced by ejecting the propellers from the motors. The robustness of this algorithm is further investigated offline over a range of parameter settings by replaying real flight data containing 26 propeller ejections. The detection delays are found to be in the 30 to 130 ms range, without missed detections or false alarms occurring.

研究の動機と目的

• オンボードセンサデータのみを用いて、マルチローターにおけるアクチュエータ効果的喪失（LOE）を高速かつ頑健に検出する手法の開発。
• 質量、慣性モーメント、制御効果行列の正確な知識に依存しないように、モデル依存度を最小限に抑える。
• 風洞実験や高速飛行シナリオを含む多様な飛行データを用いた、リアルタイム飛行状態およびオフライン再再生での故障検出アルゴリズムの検証。
• プロペラの脱落などの急激な完全なアクチュエータ故障を、数十ミリ秒以内に検出することで、迅速な制御再構成を可能にする。
• 外部入力や複雑なモデルに依存せずに、故障に強い制御システムにおける安全確保と滑らかな劣化を実現するための、タイムリーな故障検出を可能にする。

提案手法

• 故障検出論理に直接入力するため、リアルタイムのRPM測定値を用いて、アクチュエータダイナミクスと効果的要因推定を分離する。
• 各4つのローターの確率的効果的要因（スケーリング要因）を、測定されたRPM、角速度、加速度に基づき、再帰的に推定するためのカルマン推定器を用いる。
• 推定の精度と応答性のバランスを図るため、プロセスノイズ（Q = 0.1）と測定ノイズ（R = 1）を用いる。
• 効果的要因は500 Hz（20 msサンプリング）で更新され、ARM Cortex-A9プロセッサ上で1ステップあたり18 μsで処理が完了する。
• 推定された効果的要因をしきい値（k_thres = 0.25）と故障確率しきい値（P_fail_thres = 0.9）と比較する仮説検定により、故障したアクチュエータを特定する。
• 地上接触時の誤警報を防ぐために、最小推力レベルに達した後のみアルゴリズムを有効化するための離陸検出器を実装する。

実験結果

リサーチクエスチョン

• RQ1 オンボードセンサと最小限のモデル仮定のみを用いて、アクチュエータ故障を数十ミリ秒以内に検出できるか？
• RQ2 風の影響や高速飛行を含む多様な飛行ダイナミクスにおいて、カルマンフィルタベースの効果的要因推定はどの程度頑健か？
• RQ3 パrameterの変動（例：Q, R, k_thres, P_fail_thres）が検出遅延、誤警報率、見逃し率に与える影響は何か？
• RQ4 ローター効果的要因の事前知識なしに、飛行中のプロペラ脱落のような急激な完全故障を信頼性高く検出できるか？
• RQ5 繰り返しの離陸・着陸を含む実世界の条件下で、アルゴリズムはどの程度の性能を示すか？

主な発見

• 26件のプロペラ脱落イベントの全件について、検出遅延は28 msから132 msの間であり、95%信頼区間は[28, 132] msであった。
• オンラインリアルタイム検証および26件の飛行テストのオフライン再再生において、誤検出や見逃しは一切発生しなかった。
• 制御効果的パラメータ（G_p, G_q, G_az）を±20%変更しても、アルゴリズムの感度は低く、安定した性能を示した。
• Q、(P_fail)_thres、k_thresのパラメータ変更に対しても、アルゴリズムは頑健であり、検出遅延のわずかな増加にとどまり、誤警報や見逃し率の顕著な上昇は認めなかった。
• アルゴリズムは500 Hzで動作し、ARM Cortex-A9上で1ステップあたり18 μsの計算時間であり、標準的な組み込みハードウェアへのリアルタイム実装を可能にした。
• 推定された効果的要因の確率密度関数は、正常状態と故障状態の間に明確な分離を示しており、故障しきい値（k = 0.25）が両分布を明確に区別していた。