Método Computacional para Detecção e Diagnóstico de Falhas em Drones utilizando a Teoria do Caos

Publicado em 13/05/22

Método Computacional para Detecção e Diagnóstico de Falhas em Drones utilizando a Teoria do Caos

O objetivo deste projeto é desenvolver um método computacional baseado em aprendizagem de máquina para poder aplicá-lo na identificação e diagnóstico de perturbações em motores de drones em tempo real, realizando um avanço importante para o projeto de drones confiáveis. Como peso e consumo de energia são críticos para Veículos Aéreos não Tripulados, este projeto objetiva desenvolver um método de que possibilite a implementação em um sistema embarcado dedicado, que seja eficiente energeticamente e capaz de detectar e diagnosticar falhas rapidamente, a ponto de evitar acidentes.

Starting Date: January, 2019
Status: em andamento

Últimos artigos publicados:

Failure Detection and Diagnosis of a Small Unmanned Aerial Vehicle using Amplitude of Peaks

Motor Speed Estimation and Failure Detection of Small UAV using Density of Maxima

Eccentricity failure detection of brushless DC motors from sound signals based on density of maxima

A novel approach for speed and failure detection in brushless DC motors based on chaos

A novel approach for brushless DC motors characterization in drones based on chaos

Equipe:

Alisson Brito (Professor – LASER)

Abel Lima-Filho (Professor – Departamento de Engenharia Mecânica)

Jorge Gabriel Ramos (Professor – Departamento de Física)

Ramon Medeiros (Professor – IFPB)

Frank Cesar Veras (Professor – UFPI)