Search

Este trabajo propone un esquema de detección y localización de fallas en los actuadores de un vehículo aéreo no tripulado (VANT) del tipo cuadrirrotor. Para ello, se considera un enfoque basado en datos haciendo uso de técnicas de aprendizaje de máquina. En este enfoque se construye un modelo implícito del sistema a través de la información proporcionada por los sensores del VANT. Primero, a través de un plataforma de vuelo de tipo giroscópica, se captan las vibraciones correspondientes a la orientación, posición angular y aceleración lineal cuando el vehículo se encuentra en vuelo estacionario en condiciones nominales. Estos datos se procesan mediante Análisis en Componentes Principales (PCA) para la extracción de características. Posteriormente, se induce una falla a los actuadores a través de un recorte en cada una de las hélices del VANT que ocasionan una reducción del empuje generado por los rotores. Estos datos se proyectan también al subespacio de componentes principales y se comparan con los datos nominales. Para discernir entre los datos nominales y los datos cuando el vehículo presenta falla, se emplea el estadístico T2 de Hotelling. Finalmente, el desarrollo se complementa con los algoritmos de clasificación de k-vecinos más cercanos (k-NN) y de máquina de vectores de soporte (SVM). Los resultados muestran una tasa de clasificación correcta del 89.6 % (k-NN) y 92.4 %(SVM) respectivamente para 423 conjuntos de datos de validación.

This paper presents a method for optimal pressure sensor placement in water distribution networks using information theory. The criterion for selecting the network nodes where to place the pressure sensors was that they provide the most useful information for locating leaks in the network. Considering that the node pressures measured by the sensors can be correlated (mutual information), a subset of sensor nodes in the network was chosen. The relevance of information was maximized, and information redundancy was minimized simultaneously. The selection of the nodes where to place the sensors was performed on datasets of pressure changes caused by multiple leak scenarios, which were synthetically generated by simulation using the EPANET software application. In order to select the optimal subset of nodes, the candidate nodes were ranked using a heuristic algorithm with quadratic computational cost, which made it time-efficient compared to other sensor placement algorithms. The sensor placement algorithm was implemented in MATLAB and tested on the Hanoi network. It was verified by exhaustive analysis that the selected nodes were the best combination to place the sensors and detect leaks.