Forskere har udviklet en prototype, der kan vurdere helbredstilstanden af dronepropeller ved at analysere flere kanaler i flyvelogsdata – ikke kun ét enkelt signal. Det kan hjælpe operatører med at prioritere vedligehold og styrke tilsynet med autonome systemer.
Metoden, kaldet Metamorphic Artificial Age Score (AAS), bruger seks sundhedsindikatorer: sporafvigelse, attitude-ustabilitet, trykkommando-belastning, motor-kommando-ubalance, ESC-kommando-ustabilitet og batteri-stress. Disse normaliseres i forhold til en sund baseline og evalueres via scoring-politikker, hvilket gør det muligt at identificere fejl, der ellers ville være skjult, fordi de fordeler sig over flere kanaler.
I en kontrolleret retrospektiv evaluering med én sund baseline og tre defekte propeller-tilfælde under samme hastighedsprofil og bane, blev tilfældene korrekt tildelt forskellige handlinger: rutineovervågning, vedligeholdelsesgennemgang eller obligatorisk inspektion. Resultaterne viser, at propelfejl kan vise sig gennem forskellige operationelle kanaler, hvilket understøtter behovet for et multi-indikator beslutningsstøttelag.
For beslutningstagere inden for drone-drift og vedligehold betyder det, at man kan gå fra reaktiv til proaktiv vedligeholdelse, reducere nedetid og øge sikkerheden – især i autonome systemer, hvor menneskelig inspektion er begrænset. Læs mere i den originale artikel på arXiv.
