Przeciwdziałanie zakłóceniom i sterowanie odporne na awarie w UAV łączące diagnostykę opartą na resztach, estymację zaburzeń i strategie przeciwdziałania dronom

Dlaczego inteligentniejsze drony mają znaczenie

Małe bezzałogowe statki powietrzne — drony — szybko stają się robotnikami do zadań takich jak dostawy, inspekcje, działania ratunkowe i ochrona. Jednak rzeczywiste niebo jest wymagające: silniki się zużywają, czujniki dryfują, porywy wiatru szarpią konstrukcję, a przeciwnicy mogą próbować zagłuszać lub wprowadzać w błąd nawigację drona. Artykuł bada, jak uczynić drony znacznie bardziej samodzielnymi i trudniejszymi do zepchnięcia z kursu, dając im zdolność wyczuwania, kiedy coś jest nie tak, rozpoznawania przyczyny oraz automatycznego dostosowywania lotu w czasie rzeczywistym — nawet gdy inny dron lub zagłuszacz aktywnie próbuje przeszkodzić.

Wiele sposobów, w jakie dron może mieć problemy

Autorzy zaczynają od przedstawienia rosnącej listy zagrożeń, przed którymi stoją współczesne drony. Wewnątrz pojazdu silniki mogą tracić moc, powierzchnie sterowe mogą zablokować się, a czujniki, takie jak żyroskopy i odbiorniki GPS, mogą stać się obciążone błędem lub zaszumione. Na zewnątrz porywisty wiatr, turbulencje i zmienne ładunki mogą wypchnąć drona z kursu. Na dodatek przeciwnik może nadawać silne sygnały radiowe, aby zagłuszyć polecenia, fałszować sygnały satelitarne, by wprowadzić w błąd nawigację, lub wysłać inny dron na kurs kolizyjny. Tradycyjne systemy sterowania zwykle rozwiązują jeden problem na raz — albo radzą sobie z usterkami, albo z wiatrem, albo z wrogimi dronami — ale rzadko wszystkimi jednocześnie. Takie fragmentaryczne podejście pozostawia niebezpieczne luki, gdy kilka problemów wystąpi naraz, co jest prawdopodobne w realnych misjach.

Jeden mózg dla usterek, szumów i zagrożeń

Aby zamknąć te luki, artykuł proponuje zunifikowaną architekturę sterowania, która splata trzy pomysły w jedną pętlę. Po pierwsze, moduł samo-diagnostyki ciągle porównuje to, co dron faktycznie robi, z tym, co mówi model matematyczny. Rozbieżności — zwane resztami — ujawniają, kiedy silnik lub czujnik zaczyna źle pracować i pozwalają oszacować stopień degradacji. Po drugie, adaptacyjny estymator zaburzeń traktuje wszystkie nieznane pchnięcia i ciągnięcia ze środowiska jako ukrytą zmienną w modelu i uczy się jej wartości w locie, co pozwala regulatorowi skompensować wiatr i inne niemodelowane efekty. Po trzecie, strategia przeciwdziałania dronom działa ponad tym wszystkim, wykrywając sygnatury zagłuszania radiowego, fałszywych sygnałów GPS lub bliskich obiektów na kursie kolizyjnym, po czym nakazuje manewry unikowe, podczas gdy niższy poziom sterowania dba o stabilność drona.

Jak nowa pętla sterowania zachowuje się w locie

Autorzy budują szczegółowy model matematyczny quadrotora, uwzględniając jego pozycję, orientację oraz sposób, w jaki prędkość każdego wirnika przekłada się na ciąg i momenty skręcające. Następnie osadzają trzy moduły w dwuwarstwowym regulatorze: pętli zewnętrznej, która kieruje dronem po żądanej trajektorii, oraz pętli wewnętrznej, która utrzymuje go w poziomie i skierowanego we właściwą stronę. Gdy reszty wskazują usterkę, system ocenia, o ile spadła skuteczność silnika i odpowiednio modyfikuje polecenia do pozostałych zdrowych wirników, tak by dron nadal wytwarzał wymagane siły. Równocześnie estymator zaburzeń, którego szybkość reakcji dostosowuje się w oparciu o wielkość reszt, uczy się bieżącego wiatru i innych nieznanych efektów i przekazuje sygnały kompensujące do regulatora. Jeśli czujniki i system percepcji pokładowej zgłaszają szybko zbliżający się obiekt lub niespójne dane radiowe i satelitarne, logika przeciwdziałania dronom ogłasza zagrożenie i zmienia docelową trajektorię drona, aby uniknąć kolizji, pozostawiając jednocześnie warstwę stabilności odpowiedzialną za płynny ruch.

Co ujawniają symulacje

Aby przetestować podejście, badacze symulują quadrotora w środowisku wirtualnym z silnymi podmuchami wiatru i serią celowo wprowadzanych problemów: częściowa utrata mocy kilku wirników, odchylenia czujników, nasycenie jednego silnika oraz całkowita awaria innego, wszystkie w różnych momentach. Symulują też wrogie spotkania wymagające manewrów unikowych i zmian wysokości. Przy konwencjonalnym regulatorze błędy pozycji rosną do około ćwierci metra, a błędy orientacji narastają, co może być ryzykowne w pobliżu przeszkód lub linii energetycznych. Z aktywnym zintegrowanym systemem odchylenia pozycji zmniejszają się poniżej pięciu centymetrów, a błędy orientacji poniżej kilku setnych stopnia, nawet gdy usterki i wiatr występują jednocześnie. System szacuje usterki i zaburzenia na tyle precyzyjnie, że dron szybko wraca na zaplanowaną ścieżkę. W scenariuszach zagrożeń każdy symulowany manewr unikowy kończy się sukcesem przy zachowaniu gładkiej i stabilnej trajektorii lotu.

Dlaczego to ma znaczenie dla przyszłej przestrzeni powietrznej

Mówiąc prosto, badanie pokazuje, że drony można zaprojektować tak, by „wyczuwały”, kiedy coś jest nie tak — czy to uszkodzony silnik, nagły podmuch, czy wrogi dron — i automatycznie podejmowały odpowiednią kombinację działań naprawczych i unikowych bez udziału człowieka. Poprzez połączenie wykrywania usterek, odrzucania zaburzeń i taktyk przeciwdziałania dronom w jeden spójny system sterowania, autorzy demonstrują drona, który nie tylko jest precyzyjny w idealnych warunkach, lecz także odporny, gdy niebo staje się nieprzyjazne. Takie rozwiązania mogą przyczynić się do uczynienia przyszłych sieci dostaw, flot inspekcyjnych i dronów ratunkowych bezpieczniejszymi i bardziej niezawodnymi w zatłoczonej, kwestionowanej i nieprzewidywalnej przestrzeni powietrznej.

Cytowanie: Xie, Z., Long, Y. Anti interference and fault tolerant control of UAVs integrating residual based diagnosis disturbance estimation with counter drone strategies. Sci Rep 16, 9429 (2026). https://doi.org/10.1038/s41598-026-37984-z

Słowa kluczowe: odporność dronów, sterowanie odporne na awarie, przeciwdziałanie zagłuszaniu, autonomiczne UAV, taktyki przeciwdziałania dronom