Kejuruteraan Kawalan Penerbangan untuk UAV Angkat Berat: Skala dari 50 kg hingga 150 kg

Peralihan dari demonstrator seberat 50 kilogram kepada UAV operasi seberat 150 kilogram bukanlah satu latihan penskalaan linear. Peningkatan dalam jisim mengubah inersia pesawat, mengecilkan margin kawalannya, memperkuat getaran struktur, dan meningkatkan akibat kegagalan. Ia juga mengubah objektif kejuruteraan: pengawal yang hanya terbang dengan baik tidak lagi mencukupi; sistem mesti kekal boleh dikawal melalui kegagalan yang boleh dipercayai dan menghasilkan bukti yang diperlukan untuk semakan keselamatan dan kelayakan terbang.

Artikel ini mengkaji peralihan itu melalui lima masalah reka bentuk yang berkait rapat: perubahan jisim muatan, redundansi pendorong, getaran frekuensi rendah, keselamatan sistem, dan pengesahan yang berorientasikan pematuhan. Contoh dan kod adalah ilustratif; reka bentuk pengeluaran memerlukan pemodelan, pengujian, dan pengesahan keselamatan yang khusus untuk pesawat.

Pesawat Seberat 150-Kilogram Meninggalkan Tanah

Pada awal 2025, sebuah oktokopter berada di atas pad ujian konkrit di sebuah projek infrastruktur di Hong Kong. Propellernya berukuran 1.8 meter dalam diameter, dan rangka pesawatnya lebih dari 3 meter panjang. Pada muatan penuh, pesawat itu beratnya 150 kilogram: 65 kilogram jisim kosong dan 85 kilogram muatan keluli penguat dan perkakasan untuk tapak pembinaan bangunan tinggi.

Jurutera kawalan penerbangan mengaktifkan pesawat itu. Kesemua lapan motor dihidupkan serentak, dan kelajuan rotor meningkat secara beransur-ansur: 15%... 25%... 35%... 45%. Pada 48% throttle, gear pendaratan terangkat dari pad. Aliran rotor menyebarkan debu di bawah semasa pesawat itu mendaki tanpa sebarang usaha yang jelas seperti dron pengguna. Gerakannya menyerupai helikopter kecil: sengaja, berkuasa, dan didominasi oleh inersia.

Pada ketinggian 5 meter, stesen darat menunjukkan arahan motor antara 46% dan 52%.Jarak yang sempit menunjukkan bahawa pusat graviti berada dekat dengan kedudukan yang dimaksudkan. Getaran IMU kekal dalam ±3 m/s², menunjukkan bahawa sistem pengasingan berfungsi seperti yang direka. Bateri diukur 89.2 V dan 120 A, atau kira-kira 10.7 kW—8% di atas anggaran simulasi. Peningkatan rintangan bateri pada suhu rendah adalah satu kemungkinan penjelasan.

Dengan semua parameter yang dipantau berada dalam had operasi mereka, jurutera mengarahkan pesawat ke arah tapak pembinaan 800 meter jauhnya.

Mencapai titik itu mengambil masa 18 bulan. Peralihan dari demonstrator 50-kilogram kepada pesawat kejuruteraan 150-kilogram memerlukan bukan sahaja komponen yang lebih besar, tetapi juga seni bina kawalan dan keselamatan yang berbeza.

Bahagian I: Aplikasi UAV Pengangkutan Berat dan Perubahan Asas dalam Reka Bentuk

Kenapa UAV Pengangkutan Berat Diperlukan

Dron pengguna biasanya mempunyai berat lepas landas di bawah 25 kg dan membawa muatan 1–5 kg. Apabila keperluan muatan melebihi 10 kg dan berat lepas landas melebihi 50 kg, pesawat tersebut memasuki kategori “pengangkutan berat”. Aplikasi tipikal termasuk:

• Logistik tapak pembinaan: Mengangkut keluli penguat, paip, dan peralatan kecil di tapak pembinaan bangunan tinggi. Kren menara dan lif pembinaan adalah penyelesaian tradisional, tetapi pengangkutan UAV secara langsung boleh menjadi lebih efisien dalam senario seperti melintasi sungai atau jalan dan memindahkan bahan antara beberapa tapak. Projek super-bangunan tinggi di Hong Kong dan Shenzhen telah mula menguji UAV kelas 150-kilogram untuk mengangkut bahan antara tingkat.
• Penyebaran pertanian: Menyemai dan membaja kawasan ladang yang luas. Satu penerbangan mungkin mengedarkan 20–50 kilogram, memerlukan kapasiti muatan yang tinggi dan kawalan penyebaran yang tepat.
• Memadam kebakaran: Menghantar agen pemadam ke kebakaran bangunan tinggi atau hutan. UAV boleh membawa hos pemadam api atau projektil pemadam api ke ketinggian yang tidak dapat dicapai oleh manusia dan menghantarnya dengan tepat.
• Pengukuran dan pemetaan berskala besar: Berfungsi sebagai platform untuk sistem LiDAR berketepatan tinggi. Sistem LiDAR industri biasanya mempunyai berat 10–20 kilogram; bersama dengan bateri dan peralatan tambahan, berat lepas keseluruhan boleh mencapai 80–120 kilogram.

Dari Gred Pengguna ke Angkat Berat: Ia Bukan Sekadar Isu Menaikkan Skala

Ia menggoda untuk menganggap pengawal penerbangan pengguna yang matang sebagai reka bentuk yang boleh diperbesar dengan mudah.Dalam praktiknya, pendekatan itu gagal kerana dinamik yang mengawal, kuasa kawalan yang tersedia, dan risiko yang boleh diterima semuanya berubah dengan skala.

Di atas 50 kilogram, reka bentuk kawalan penerbangan berubah secara kualitatif. Perbezaan utama adalah seperti berikut:

Kesan inersia yang diperkuat. Meningkatkan berat lepas dari 5 kg ke 150 kg mengalikan jisim sebanyak 30, tetapi inersia putaran meningkat jauh lebih daripada 30 kerana struktur juga berkembang. Inersia putaran yang lebih besar secara signifikan mengurangkan respons kawalan sikap. Dengan tork kawalan yang sama, pecutan sudut pada pesawat seberat 150 kilogram mungkin hanya satu per sepuluh daripada pesawat seberat 5 kilogram. Parameter PID tidak boleh hanya diubah suai secara proporsional; ia mesti direka semula berdasarkan model dinamik yang baru.

Margin kuasa kawalan yang lebih sempit. Dron pengguna mungkin melayang berhampiran tengah julat penggerak yang boleh digunakannya. UAV pengangkat berat sering beroperasi dengan nisbah daya kepada berat kira-kira 1.5 hingga 1.8 dan mungkin melayang pada 60% hingga 70% daripada output yang tersedia. Kuasa ke atas yang kurang tinggal untuk pembetulan sikap atau penolakan gangguan. Penurunan voltan bateri, pengurangan terma, atau variasi prestasi propeller boleh mengurangkan margin itu lebih jauh.

Akibat yang lebih teruk akibat kegagalan. Kemalangan dron pengguna mungkin memusnahkan peralatan yang bernilai beberapa ribu hingga puluhan ribu yuan. Jika UAV seberat 150 kilogram terhempas di atas orang atau bangunan, hasilnya mungkin membawa maut. Oleh itu, standard keselamatan adalah berbeza secara fundamental: objektifnya bukan sekadar untuk "mengelak daripada jatuh jika boleh," tetapi untuk memastikan bahawa walaupun kegagalan sebahagian tidak boleh menyebabkan pesawat jatuh dan mencederakan seseorang.

Rantaian bekalan dan kos. Komponen teras dalam pengawal penerbangan pengguna—MCU, IMU, dan barometer—mungkin hanya berharga beberapa hingga beberapa puluh yuan setiap satu.Pengawal penerbangan berat memerlukan sensor gred industri atau bahkan tentera dengan ketepatan yang lebih tinggi, drift terma yang lebih rendah, dan kestabilan jangka panjang yang lebih baik. Kos komponen berbeza dengan satu urutan magnitud.

Hasilnya adalah masalah kejuruteraan yang jelas, bukan pelaksanaan yang lebih besar dari reka bentuk pengguna.

Bahagian II: Pengurusan Beban—Anggaran Berat Masa Nyata dan Penalaan Adaptif

Bagaimana Perubahan Beban Mempengaruhi Kawalan Penerbangan

Satu ciri yang menentukan UAV pengangkat berat adalah bahawa beban mewakili bahagian besar berat berlepas dan mungkin berubah semasa operasi.

Ambil kira UAV penyebaran pertanian dengan berat berlepas 80 kg, termasuk 40 kg produk kimia. Ia berlepas sepenuhnya dimuat dan mengakhiri misi dengan produk habis, mengurangkan berat pesawat dari 80 kg kepada 40 kg—pengurangan 50%. Semasa proses ini, nisbah daya kepada berat, inersia putaran, dan seretan aerodinamik semuanya berubah.Dengan parameter PID tetap, tingkah laku kawalan mungkin berbeza secara dramatik antara keadaan penuh dan kosong: respons yang lambat di bawah beban penuh dan respons yang terlalu cepat atau bahkan berosilasi apabila kosong.

Anggaran Berat Masa Nyata

Penyetelan adaptif memerlukan pengetahuan tentang berat pesawat semasa. Beberapa kaedah anggaran tersedia.

Kaedah 1: Model arus-ke-daya. Dalam julat kelajuan tetap, arus motor dan daya mempunyai hubungan yang hampir linear. Jumlah daya boleh disimpulkan daripada arus total yang diukur dan lengkung ciri motor, membolehkan berat semasa dianggarkan:

class WeightEstimator:
    def __init__(self, motor_count, motor_constant, hover_throttle):
        self.motor_count = motor_count
        self.motor_constant = motor_constant  # N/A per motor
         self.hover_throttle = hover_throttle  # Throttle dinormalisasi dalam keadaan mengapung
         self.estimated_weight = 0.0
         self.alpha = 0.05  # Koefisien penapis rendah

    def update(self, total_current, throttle_normalized, accel_z):
        """Kemas kini anggaran berat pada setiap bingkai."""
        # Anggarkan daya dorong dari setiap motor
        per_motor_thrust = (
            total_current /  self.motor_count *  self.motor_constant
        )

        # Daya dorong keseluruhan, mengambil kira pemasaan dan pampasan graviti
        total_thrust = (
            per_motor_thrust *  self.motor_count * throttle_normalized
        )

        # Buang komponen daya inersia untuk mendapatkan jisim
        mass = total_thrust / (9.81 + accel_z)

        # Penapisan rendah
        self.estimated_weight = (
             self.alpha * mass
            + (1 -  self.alpha) *  self.estimated_weight
        )
        return self.estimated_weight

Ketepatan bergantung pada lengkung ciri motor. ESC industri biasanya menyediakan pemalar tork, Kt, yang tepat dalam ±5%, yang berkaitan dengan ketepatan anggaran berat kira-kira ±3% hingga ±5%.

Kaedah 2: Pengukuran langsung dengan sensor beban. Sensor daya atau pengukur regangan dipasang di titik lampiran muatan. Ketepatan adalah tinggi—kira-kira ±1%—tetapi kaedah ini meningkatkan kos perkakasan dan memperkenalkan titik kegagalan tambahan.

Kaedah 3: Anggaran kumulatif dari pengukuran pengeluaran. Dengan berat awal yang diketahui, perubahan dikumpulkan dari kuantiti penyebaran atau pelepasan yang diukur. Kaedah ini memerlukan pengukuran aliran muatan yang tepat dan sesuai untuk aplikasi dengan mekanisme pelepasan yang diukur.

Penyetelan PID Adaptif

Setelah jisim masa nyata dianggarkan, keuntungan pengawal boleh dijadualkan berdasarkan keadaan operasi. Hubungan utama bukan hanya jisim tetapi juga inersia, yang bergantung pada kedua-dua jisim dan pengedarannya. Muatan yang dipasang jauh dari pusat graviti boleh mengubah inersia putaran jauh lebih daripada muatan yang sama dipasang dekat dengannya.Contoh yang dipermudahkan di bawah mengandaikan bahawa pengagihan jisim kekal serupa secara geometri.

kelas AdaptivePID:
    def __init__(self, base_pid, mass_ref, inertia_ref):
        self.base_pid = base_pid  # Parameter PID pada jisim rujukan
        self.mass_ref = mass_ref
        self.inertia_ref = inertia_ref

    def compute_adaptive_pid(self, current_mass):
        """Sesuaikan parameter PID mengikut jisim semasa."""
        # Anggap pengagihan jisim yang proporsional: inersia berskala dengan jisim
        mass_ratio = current_mass / self.mass_ref 

        # P gain berskala dengan inersia: inersia yang lebih tinggi memerlukan tork yang lebih besar
        adaptive_p = self.base_pid.P * mass_ratio

        # I gain juga berskala dengan inersia
        adaptive_i = self.base_pid.I * mass_ratio

        # D gain disesuaikan dengan lebih konservatif
        adaptive_d = self.base_pid.D * math.sqrt (mass_ratio)

        return PIDParams(adaptive_p, adaptive_i, adaptive_d) 

Ketepatan dan kestabilan mass_ratio adalah kritikal. Dalam jadual gain yang dipermudahkan ini, ralat anggaran jisim 10% menghasilkan ralat yang setara dalam gain proporsional dan integral. Pelepasan muatan yang cepat—contohnya, 20 kilogram dalam 10 saat—boleh memperkenalkan overshoot sementara atau underdamping. Pengawal pengeluaran biasanya mengehadkan gain yang dijadualkan dan beralih antara mereka dengan lancar, sering kali melebihi 0.5–1 saat, daripada menerapkan perubahan parameter yang tidak berterusan.

Bahagian III: Redundansi Propulsi dan Strategi Kegagalan

Risiko Propulsi dalam UAV Angkat Berat

Kegagalan motor dalam quadcopter pengguna sering berfungsi sebagai peristiwa semua atau tiada: bateri yang habis atau kerosakan litar menghentikan keseluruhan pesawat. UAV angkat berat menggunakan lebih banyak motor—sering lapan atau dua belas—pada kuasa yang lebih tinggi dan untuk tempoh yang lebih lama, jadi kebarangkalian kegagalan motor tunggal atau ESC tidak boleh diabaikan.

Secara teori, selepas octocopter kehilangan satu motor, ia boleh mendarat dengan selamat jika tujuh motor yang tinggal masih menghasilkan lebih banyak daya angkat daripada berat pesawat dan memberikan tork kawalan sikap yang mencukupi. Dalam praktiknya, kebolehkawalan bergantung kepada motor mana yang gagal.Kegagalan serentak dua motor yang bertentangan secara diagonal mempunyai kesan yang paling besar kerana lengan momen yang terbesar hilang, sementara kegagalan dua motor yang bersebelahan mungkin mencipta ketidakseimbangan tork yang tidak dapat dipulihkan.

Pembahagian Kawalan Redundan

Apabila satu atau lebih motor gagal, daya yang tinggal mesti diagihkan semula untuk mengekalkan kawalan sikap dan memaksimumkan kebarangkalian pendaratan yang selamat.

Pembahagian yang sama—memberikan daya yang sama kepada setiap motor aktif—secara amnya tidak optimum selepas kegagalan. Seorang pengagih praktikal menyelesaikan arahan penggerak tertakluk kepada had motor dan hierarki keutamaan, biasanya mengekalkan kuasa roll dan pitch sebelum yaw atau penjejakan daya keseluruhan. Contoh pseudoinverse yang dipermudahkan di bawah menggambarkan struktur asas; pelaksanaan pengeluaran akan menggunakan sekatan eksplisit, penimbangan, pengurusan jenuh, dan logik anti-windup.

kelas RedundantControlAllocator:
    def __init__(self, motor_positions, motor_count):
        # Vektor kedudukan setiap motor relatif kepada pusat graviti
        self.motor_positions = motor_positions
        self.motor_count = motor_count
        self.mixer_matrix = self._build_mixer_matrix()

    def _build_mixer_matrix(self):
        """Bina matriks pencampur kawalan: daya + tork - > output motor."""
        A =  np.zeros((4,  self.motor_count))
        for i in range( self.motor_count):
            pos = self.motor_positions[i]
            direction = 1 if i % 2 == 0 else -1  # Putaran bergilir
            A[0, i] = 1.0             # Daya
            A[1, i] = pos[1]          # Lengan momen roll
            A[2, i] = -pos[0]         # Lengan momen pitch
            A[3, i] = direction * 0.1 # Lengan momen yaw (tork reaksi)
        return A

    def allocate(self, thrust_cmd, torque_cmd, failed_motors):
        """Peruntukkan semula daya apabila motor telah gagal."""
        cmd = np.array([
            thrust_cmd, torque_cmd[0], torque_cmd[1], torque_cmd[2]
        ])

        active_motors = [
            i for i in range(self.motor_count)
            if i not in failed_motors
        ]
        A_active = self.mixer_matrix[:, active_motors]

        # Penyelesaian kuadratik terhad:
        # 0 <= setiap output motor <= daya dorong maksimum
        motor_outputs = np.zeros(self.motor_count)

        if len(active_motors) >= 4:
            # Darjah kebebasan berlebihan; utamakan penggunaan tenaga yang lebih rendah
            solution = np.linalg.pinv(A_active) @ cmd
            motor_outputs_active = np.clip(solution, 0, 1.0)
        else:
            # Kurang dikendalikan; utamakan sikap, walaupun daya dorong mungkin rendah
            solution = np.linalg.pinv(A_active) @ cmd
            motor_outputs_active = np.clip(solution, 0, 1.0)

        for i, motor_idx in enumerate(active_motors):
            motor_outputs[motor_idx] = motor_outputs_active[i]

        return motor_outputs

Beberapa butiran kejuruteraan adalah kritikal:

Kelajuan penyelesaian masa nyata. Pengagihan berjalan dalam gelung kawalan 250 Hz, jadi penyelesai mesti memenuhi bajet masa pelaksanaan yang ketat. Untuk oktokopter, pencampur memetakan lapan output penggerak kepada empat paksi yang diperintahkan. Sama ada penyelesaian dalam talian sesuai dalam gelung bergantung kepada MCU, representasi numerik, penyelesai, dan sekatan. Untuk sistem yang lebih besar, pseudoinverses atau faktorisasi penyelesai untuk kombinasi kegagalan yang boleh dipercayai boleh dikira terlebih dahulu dan disimpan, mengurangkan pengiraan dalam penerbangan kepada operasi matriks dan pengendalian had.

Kelajuan pengesanan kegagalan. Pengagihan bergantung kepada pengesanan yang cepat.Pengesanan biasanya berdasarkan sisa antara dorongan yang diperintahkan dan dorongan sebenar: jika kelajuan motor yang diukur berbeza dari kelajuan yang dijangkakan lebih daripada ambang, motor tersebut diisytiharkan gagal. Pengesanan mesti berlaku dalam 50–100 ms. Jika tidak, pengawal terus memberikan kuasa kawalan kepada motor yang gagal selama puluhan milisaat, yang berpotensi menyebabkan kehilangan kawalan sikap.

Strategi Penerbangan Selepas Kegagalan

• Satu motor gagal (tujuh yang tinggal pada octocopter): Mengagihkan semula dorongan, mengehadkan kelajuan maksimum untuk mengurangkan permintaan kawalan sikap, dan menurun perlahan-lahan ke arah tapak pendaratan alternatif terdekat.
• Dua motor gagal (enam yang tinggal): Jika motor yang gagal berada di posisi bertentangan secara diagonal, kawalan mungkin masih boleh dilakukan, tetapi margin sangat sempit. Mulakan pendaratan kecemasan dengan segera.
• Tiga atau lebih motor gagal: Pemulihan biasanya tidak mungkin.Jika ketinggian membenarkan, mulakan penurunan seperti autorotasi atau gunakan sistem payung terjun.

Pengawal penerbangan industri yang direka dengan baik termasuk pengesanan kegagalan motor dan pengagihan kawalan redundan dalam firmware. Antara muka sensor redundan—IMU berganda, barometer berganda, dan penerima GPS berganda—bukan sahaja menyediakan redundansi navigasi tetapi juga menyokong kesedaran keadaan pendorong. Keputusan kegagalan yang betul bergantung pada pengesanan yang tepat terhadap keadaan operasi setiap motor.

Bahagian IV: Kesan Getaran Struktur terhadap Kawalan Penerbangan

Getaran Frekuensi Rendah dalam Rangka Pesawat Besar

Rangka dron pengguna adalah kaku dan mempunyai frekuensi semula jadi yang tinggi, biasanya melebihi 100 Hz. Sebahagian besar tenaga getaran motor terletak antara 100 dan 500 Hz, jadi pengasingan pengawal penerbangan terutamanya menangani getaran frekuensi tinggi dalam julat ini.

Rangka udara pengangkutan berat adalah jauh lebih besar, dengan lengan sepanjang 1–2 meter, dan relatif kurang kaku. Frekuensi semulajadi mereka sering berada dalam julat 10–40 Hz. Getaran ini mempunyai dua ciri penting.

Pertama, frekuensinya rendah dan menghampiri jalur lebar 10–50 Hz bagi gelung kawalan penerbangan. Jika getaran bertindih dengan jalur lebar kawalan, ia secara langsung mempengaruhi kestabilan gelung. Pengawal PID mungkin mentafsir getaran sebagai kesilapan sikap yang sebenar dan berusaha untuk mengikutinya.

Kedua, amplitudnya tinggi. Motor pada UAV kelas 150-kilogram biasanya menghasilkan 3–5 kW setiap satu, menghasilkan tenaga getaran yang jauh lebih banyak daripada motor 30–50 W pada dron pengguna. Walaupun selepas pengasingan, pecutan di titik pemasangan pengawal penerbangan mungkin masih mencapai ±5–15 m/s².

Reka Bentuk Sistem Pengasingan Getaran

UAV pengangkutan berat memerlukan penyelesaian yang direka khusus untuk getaran frekuensi rendah:

• Pengasing kabel wayar: Frekuensi semula jadi boleh serendah 5–15 Hz, menjadikannya sesuai untuk pengasingan frekuensi rendah. Ia besar dan sukar untuk dipasang, tetapi merupakan pilihan utama untuk pemasangan pengawal penerbangan pada UAV kelas 150 kilogram.
• Pemasangan pengasing silikon: Dengan frekuensi semula jadi 20–40 Hz, ini berguna untuk getaran di atas 50 Hz. Ia tidak mahal dan mudah dipasang tetapi memberikan pengasingan frekuensi rendah yang terhad. Dalam aplikasi pengangkutan berat, ia biasanya ditambah sebagai tahap kedua selepas pengasingan kabel wayar.
• Pengawalan getaran aktif: Akselerometer mengukur getaran dalam masa nyata, sementara penggerak menghasilkan daya bertentangan dalam fasa bertentangan.Ini menawarkan prestasi terbaik tetapi juga kos dan kompleksiti yang terbesar, dan kini hanya digunakan pada sejumlah kecil UAV yang sangat besar.

Penyelesaian kejuruteraan yang biasa adalah pengasingan dua peringkat: pengasingan kabel wayar menangani mod struktur frekuensi rendah, sementara elemen silikon mengurangkan kandungan frekuensi tinggi. Reka bentuk akhir mesti berdasarkan spektrum rangka yang diukur, kerana pengasingan yang dipilih dengan buruk boleh memperkuat getaran berhampiran frekuensi resonan mereka. Pengawal penerbangan boleh dipasang pada plat perantaraan antara dua peringkat.

# Skrip untuk mengesahkan prestasi pengasingan getaran
def analyze_vibration_isolation(flight_log_path):
    """Analisis spektrum getaran sebelum dan selepas pengasingan."""
    data = load_ulog(flight_log_path)

    # Data IMU pengawal penerbangan selepas pengasingan
    imu_fc = data['sensor_imu.acceleration']

    # Data IMU rangka rujukan sebelum pengasingan
    imu_body = data['reference_imu.acceleration']

    # Analisis FFT
    freq = np.fft.rfftfreq(len(imu_fc[:, 0]), d=1/250)

    for axis in range(3):  # X, Y, Z
        fft_fc = np.abs(np.fft.rfft(imu_fc[:, axis]))
        fft_body = np.abs(np.fft.rfft(imu_body[:, axis]))

        transmissibility = fft_fc / (fft_body + 1e-10)

        print(f"Axis {axis}: ")
        print(f"  10 Hz transmissibility: "
              f"{transmissibility[np.argmin(np.abs(freq-10))]:.2f}")
        print(f"  50 Hz transmissibility: "
              f"{transmissibility[np.argmin(np.abs(freq-50))]:.2f}")
        print(f"  100 Hz transmissibility: "
              f"{transmissibility[np.argmin(np.abs(freq-100))]:.2f}")

Papan pengawal penerbangan sumber terbuka industri yang direka dengan baik mengambil kira getaran pada tahap perkakasan.Lubang pemasangan mereka menyokong sistem pengasingan standard; penyolderan IMU dan susun atur direka untuk kebolehpercayaan dalam persekitaran getaran; dan kekuatan mekanikal tahap papan adalah mencukupi untuk menahan ubah bentuk. Jurutera mesti memilih penyelesaian pengasingan yang sesuai untuk rangka udara mereka dan mengesahkannya melalui analisis spektrum.

Bahagian V: Menaik taraf Strategi Keselamatan—Kaedah FMEA

Lebih Banyak Mod Kegagalan dan Lebih Banyak Akibat yang Teruk

Di bawah 50 kg, mod kegagalan biasa adalah agak mudah: kegagalan motor, kehabisan bateri, kehilangan GPS, dan kehilangan pautan data. Setiap satu boleh diberikan respons yang jelas, dan skop Analisis Mod Kegagalan dan Kesan (FMEA) tetap boleh diurus.

Di skala 150-kilogram, jumlah kombinasi kegagalan meningkat dengan ketara:

Nombor Keutamaan Risiko dikira sebagai RPN = S × O × D. Dalam contoh ini, item di atas 80 menerima keutamaan. Ambang adalah peraturan organisasi, bukan pengganti untuk pertimbangan: mod kegagalan yang bencana mungkin memerlukan mitigasi walaupun RPN yang dikira lebih rendah.

Aliran Kerja FMEA

Proses FMEA yang lengkap termasuk:

1. Kenal pasti mod kegagalan: Senaraikan setiap mod kegagalan yang berpotensi untuk setiap subsistem—propulsi, navigasi, komunikasi, struktur, dan kuasa.
2. Menilai kesan: Tentukan bagaimana setiap mod mempengaruhi keselamatan penerbangan, penyelesaian misi, dan keselamatan personel.
3. Berikan penilaian keparahan, kejadian, dan pengesanan.
4. Kira RPN.
5. Definisikan mitigasi: Untuk item dengan RPN > 80, rancang redundansi perkakasan atau toleransi kesalahan perisian.
6. Menilai semula: Skor reka bentuk yang telah dikurangkan sekali lagi dan sahkan bahawa risiko telah jatuh ke tahap yang boleh diterima.

FMEA untuk UAV seberat 150 kilogram memerlukan lebih banyak kerja berbanding dengan pesawat kecil. Laporan lengkap biasanya sepanjang 50–100 halaman dan merangkumi ratusan mod kegagalan. Ia juga merupakan salah satu dokumen yang diperlukan untuk pensijilan kelayakan udara.

Pelaksanaan Kejuruteraan Strategi Keselamatan

FMEA menghasilkan satu set keperluan keselamatan yang mesti dilaksanakan dalam firmware kawalan penerbangan. Strategi utama termasuk:

Amaran berperingkat. Tahap amaran sepadan dengan tahap keparahan kegagalan. Tahap 1, kuning, memberi amaran kepada pengendali sambil membenarkan misi diteruskan. Tahap 2, oren, mengesyorkan untuk mengakhiri misi dan bersiap sedia untuk mendarat. Tahap 3, merah, mengaktifkan prosedur kecemasan dengan segera.

Pengurangan progresif.Mengikuti kegagalan separa, pengawal penerbangan secara automatik beralih kepada mod dengan prestasi yang lebih rendah tetapi keselamatan yang lebih tinggi—contohnya, dari penerbangan prestasi penuh kepada penerbangan terhad kuasa dengan kelajuan dan pecutan terhad, kemudian kepada mod hanya mengapung, dan akhirnya kepada pendaratan kecemasan.

Pemantauan keselamatan bebas. Modul bebas, berpotensi MCU berasingan, sentiasa memantau pengawal penerbangan utama. Jika pengawal utama menghasilkan output yang tidak normal—seperti perubahan arahan yang mendadak—atau gagal untuk melayani pengawasnya, modul keselamatan mengambil alih dan melaksanakan strategi yang telah ditetapkan. Ini adalah keperluan kelayakan udara yang wajib untuk UAV berisiko tinggi.

Bahagian VI: Kelayakan Udara dan Pematuhan

Keperluan Kelayakan Udara untuk Kelas 150-Kilogram

Untuk UAV 150-kilogram yang beroperasi di China, keperluan pensijilan dan operasi yang berkenaan mesti ditetapkan dengan pihak berkuasa yang relevan untuk kategori pesawat, operasi yang dimaksudkan, dan asas pensijilan. Program pematuhan biasanya merangkumi aktiviti berikut:

• Semakan reka bentuk: Penghantaran dokumentasi reka bentuk lengkap, termasuk reka bentuk struktur, sistem pendorong, keselamatan kawalan penerbangan—termasuk FMEA—dan laporan keserasian elektromagnet.
• Pengesahan ujian: Ujian statik struktur untuk menunjukkan kelangsungan pada beban had; sekurang-kurangnya 50 jam ujian ketahanan pendorong tanpa kesalahan; ujian kebolehpercayaan kawalan penerbangan melalui simulasi dan ujian penerbangan; dan ujian persekitaran untuk suhu, kelembapan, getaran, dan kabus garam.
• Ujian penerbangan: Penyelesaian ujian yang diperlukan di bawah pengawasan juruterbang ujian pensijilan, termasuk pengesahan envelope penerbangan normal, kegagalan yang disimulasikan seperti mematikan satu motor semasa penerbangan, dan ujian keadaan had.
• Kelayakan udara berterusan: Selepas pensijilan, pengendali mesti merekodkan jam penerbangan, sejarah penyelenggaraan, dan laporan kegagalan untuk setiap pesawat dan secara berkala melaksanakan arahan dan pengubahsuaian kelayakan udara.

Kerangka Penilaian Risiko

Kerangka Penilaian Risiko Operasi Spesifik (SORA) membahagikan risiko operasi kepada dua dimensi:

• Kelas Risiko Tanah (GRC): Ditentukan oleh kepadatan penduduk di kawasan operasi dan tenaga kinetik pesawat. UAV seberat 150 kilogram mempunyai tenaga kinetik yang jauh lebih tinggi daripada UAV seberat 25 kilogram dan oleh itu memerlukan langkah keselamatan tanah yang lebih ketat.
• Kelas Risiko Udara (ARC): Ditentukan oleh kompleksiti ruang udara dan kepadatan trafik udara lain.

Oleh kerana jisim pesawat dan tenaga kinetik secara material mempengaruhi risiko di tanah, operasi 150-kilogram secara amnya memerlukan penahanan yang lebih kuat, bukti kebolehpercayaan, dan mitigasi operasi berbanding misi UAV kecil. GRC dan ARC yang sebenar mesti dikira dari metodologi SORA semasa dan konsep operasi khusus dan bukannya diandaikan hanya berdasarkan jisim.

Peranan Pengawal Penerbangan dalam Kelayakan Udara

Sub-sistem kawalan penerbangan adalah fokus utama dalam semakan kelayakan udara. Penilai mengajukan tiga soalan utama:

Adakah kegagalan titik tunggal boleh menyebabkan hasil yang bencana? Jawapannya mesti tidak. Setiap kegagalan titik tunggal yang boleh menjadi bencana memerlukan redundansi atau perlindungan.

Sejauh mana kebolehpercayaan perisian kawalan penerbangan? Bukti mesti merangkumi dokumentasi proses pembangunan perisian yang mengikuti DO-178C atau standard yang setara, laporan liputan ujian, dan rekod semakan kod.

Adakah logik fail-selamat telah disahkan dengan secukupnya? Simulasi SITL/HITL dan ujian penerbangan mesti merangkumi semua senario kegagalan.

Oleh itu, pematuhan mesti dipertimbangkan dari fasa reka bentuk. Redundansi perkakasan—IMU berganda, barometer berganda, dan pemproses berganda—pencatatan penerbangan dan acara yang lengkap, serta versi perkakasan dan konfigurasi perisian yang boleh dijejaki tidak boleh ditambah kemudian. Ia mesti direka ke dalam seni bina.

Memilih papan kawalan penerbangan industri yang perkakasnya sudah menangani kelayakan udara—dengan pelbagai antara muka sensor redundan, pemantau keselamatan yang bebas, dan sistem pencatatan yang lengkap—boleh mengurangkan usaha dan kos pensijilan pada tahap pesawat dengan ketara.

Bahagian VII: Pelajaran Kejuruteraan dari 50 kg hingga 150 kg

Garis Masa Iterasi Reka Bentuk

Urutan pembangunan anggaran pasukan adalah seperti berikut:

• Fasa 1, bulan 0–6: demonstrator 50-kilogram. Mengesahkan seni bina kawalan penerbangan dan algoritma teras menggunakan sistem pendorong tahap pengguna dan struktur yang dipermudahkan, dengan penekanan pada kebolehlaksanaan algoritma kawalan.
• Fasa 2, bulan 6–12: prototaip 100-kilogram. Memperkenalkan sistem pendorong industri, reka bentuk struktur lengkap, dan pengasingan getaran. Memulakan pembangunan FMEA dan strategi keselamatan, serta melakukan pengesahan HITL yang pertama.
• Fasa 3, bulan 12–18: pesawat kejuruteraan 150-kilogram. Menyelesaikan reka bentuk kejuruteraan, termasuk sistem redundan, pemantauan keselamatan, dan ujian persekitaran. Melakukan simulasi SITL/HITL yang meluas dan ujian penerbangan terikat.
• Fasa 4, bulan 18–24: Ujian penerbangan dan persiapan pensijilan. Lengkapkan ujian envelope penerbangan, simulasi kegagalan, dan ujian persekitaran. Sediakan dokumentasi kelayakan udara dan hantar permohonan pensijilan.

Pengajaran Utama

Pengajaran 1: Jangan berjimat pada pengasingan getaran. Persekitaran getaran pengawal penerbangan secara langsung menentukan had atas prestasi kawalan. Pengasingan biasanya mewakili kurang daripada 2% daripada kos keseluruhan pesawat tetapi boleh meningkatkan prestasi kawalan sebanyak 20%–30%.

Pengajaran 2: Reka bentuk redundansi lebih awal. Redundansi tidak semudah menambah sandaran selepas menyelesaikan sistem utama. Logik penukaran, penyelarasan keadaan, dan pengesanan ralat mesti dirancang semasa reka bentuk seni bina. Memasang redundansi boleh menelan kos tiga hingga lima kali ganda berbanding merancangnya dari awal.

Pelajaran 3: Simulasi dahulu. Ujian penerbangan UAV seberat 150 kilogram adalah sangat mahal. Satu ujian yang gagal boleh merosakkan peralatan yang bernilai ratusan ribu yuan dan menyebabkan kelewatan jadual selama berbulan-bulan. Sahkan dengan teliti dalam simulasi sebelum beralih ke penerbangan. Papan kawalan penerbangan industri yang direka dengan baik telah menjalani simulasi yang luas sebelum penghantaran, membolehkan satu pasukan membina persekitaran simulasi mereka sendiri di atas asas yang disahkan dan seterusnya mengurangkan risiko dan kos peringkat awal.

Pelajaran 4: Kekalkan ruang pemprosesan. Perisian kawalan penerbangan untuk UAV seberat 150 kilogram adalah jauh lebih kompleks daripada pesawat kecil. Penalaan adaptif, pengagihan kawalan redundan, pemantauan keselamatan, penggabungan multisensor, dan pengurusan muatan mesti berjalan serentak. Permintaan pengiraan yang dihasilkan mungkin lima hingga sepuluh kali ganda daripada UAV kecil. Sekurang-kurangnya 50% ruang pemprosesan harus kekal semasa memilih pengawal utama.Pengawal berprestasi tinggi juga memberikan ruang untuk kemampuan masa depan seperti penerbangan AI autonomi dan penghindaran halangan berasaskan penglihatan.

Kesimpulan: Mengembangkan Jisim Bermakna Mengembangkan Jaminan

Berpindah dari 50 kg ke 150 kg bukanlah sekadar menggandakan setiap komponen dengan tiga. Ia memerlukan peralihan sistematik dalam kejuruteraan kawalan penerbangan: dari prestasi kawalan nominal kepada tingkah laku terhad di seluruh envelope operasi; dari sistem satu jalur kepada redundansi yang diurus; dari penyetelan tetap kepada penyesuaian berasaskan model atau jadual; dan dari ujian penerbangan yang berjaya kepada bukti keselamatan yang boleh dijejaki.

UAV pengangkat berat adalah antara pesawat yang paling menuntut dalam ekonomi altitud rendah yang sedang muncul kerana mereka menggabungkan tenaga tinggi, margin penggerak yang terhad, struktur fleksibel, dan tingkah laku kegagalan yang kompleks.Pengalaman dengan drone yang lebih kecil adalah berharga, tetapi ia tidak menghapuskan keperluan untuk dinamik tahap pesawat, pengurusan redundansi, analisis keselamatan yang terstruktur, dan pengesahan yang disiplin.

Untuk pasukan yang memasuki bidang ini, platform kawalan penerbangan gred industri boleh memberikan asas yang berguna: ruang pengkomputeran yang mencukupi, antara muka sensor redundan, log yang kukuh, dan perkakasan yang direka untuk getaran yang teruk. Asas itu tidak mengesahkan pesawat itu dengan sendirinya. Perisian khusus aplikasi, integrasi, analisis bahaya, simulasi, ujian di darat, dan bukti ujian penerbangan tetap penting. Oleh itu, laluan pembangunan yang paling pendek dan boleh dipercayai adalah untuk tidak bermula dari sifar, tetapi untuk menggabungkan platform yang matang dengan kejuruteraan dan pengesahan tahap pesawat yang ketat.