De natuur past zich via diverse technieken aan op storingen in een systeem. Een voorbeeld hiervan is pijn, waardoor je na bijvoorbeeld een verzwikte enkel voorzichtig verder loopt. Onderzoekers van de TU Delft en Wageningen University & Research willen dit concept inzetten om storingen in technische systemen zoals drones en autonome voertuigen vroegtijdig op te sporen.
Het onderzoek, gepubliceerd in Proceedings of the National Academy of Sciences (PNAS), maakt gebruik van vroegtijdige waarschuwingsindicatoren die gebaseerd zijn op een fenomeen dat bekendstaat als ‘critical slowing down’, ofwel kritische vertraging. Deze aanpak kan een belangrijke rol spelen bij het vergroten van de veiligheid en betrouwbaarheid van moderne technologie, omdat problemen vaak worden ontdekt voordat er daadwerkelijk ernstige schade ontstaat.
Kantelpunt nadert
In de natuur treedt kritische vertraging op wanneer een systeem minder veerkrachtig wordt en meer tijd nodig heeft om te herstellen van verstoringen. Dit is vaak een teken dat het systeem een kantelpunt nadert. Een gezond bos kan bijvoorbeeld snel herstellen na een droge periode. Maar na opeenvolgende droogteperiodes duurt dat herstel steeds langer. Uiteindelijk kan een relatief kleine extreme klimaatgerelateerde gebeurtenis leiden tot grootschalige bossterfte.
Wetenschappers kunnen de hersteltijd observeren om te bepalen of een ecosysteem inderdaad een kritiek kantelpunt nadert. Door vergelijkbare patronen te herkennen in technische systemen hopen onderzoekers problemen eerder zichtbaar te maken en mogelijke uitval te voorkomen.
Drones, vliegtuigen en autonome robots
De methode wordt al langer toegepast in de ecologie en klimaatwetenschap. Onderzoekers van de TU Delft en Wageningen University & Research hebben het concept nu toegepast op actief aangestuurde systemen, zoals drones, vliegtuigen en autonome robots. Daaruit blijkt dat de vroegtijdige waarschuwingssignalen uit de ecologie ook bij gecontroleerde systemen betrouwbaar aangeven wanneer instabiliteit dreigt.
Om de aanpak te testen voerde het onderzoeksteam experimenten uit in de CyberZoo. Dit is een unieke drone-onderzoeksfaciliteit van de faculteit Luchtvaart- en Ruimtevaarttechniek in Delft. Wetenschappers kunnen hier drones veilig tot hun uiterste grens testen, gecontroleerd beschadigen en zo gegevens verzamelen die helpen te begrijpen hoe storingen zich ontwikkelen.
De onderzoekers hebben data van simulaties, analyses van vluchtgegevens en uitgebreide experimentele tests gecombineerd. Zo konden zij vaststellen welke combinaties van schade, vluchtomstandigheden en manoeuvres het meest waarschijnlijk leiden tot controleverlies. Hierdoor ontstaat een beter beeld van de momenten waarop een systeem nog kan worden bijgestuurd voordat een storing onherstelbaar wordt.
Gedrag in realtime aanpassen
De indicatoren maken het niet alleen mogelijk instabiliteit te detecteren, maar ook om het gedrag van een systeem hierop in realtime aan te passen. Bijvoorbeeld om een drone ondanks schade aan een vleugel toch veilig te kunnen laten landen.
Een groot voordeel is volgens de onderzoekers dat de methode niet afhankelijk is van gedetailleerde fysieke modellen van een drone. In plaats daarvan kunnen gegevens van goedkope sensoren aan boord gebruikt worden om subtiele veranderingen in het systeemgedrag te herkennen.
Breed toepasbaar
Dit maakt het systeem toepasbaar op uiteenlopende technische systemen. Mogelijke toepassingen zijn het monitoren van kritieke infrastructuur, het uitvoeren van voorspellend onderhoud aan vliegtuigen en andere voertuigen, het verbeteren van kwaliteitscontrole tijdens productieprocessen en het verhogen van de betrouwbaarheid van autonome systemen zoals zelfrijdende auto’s. Denk echter ook aan de dronesector, waar de technologie kan helpen om ongevallen te voorkomen.
Daarnaast kan deze ontwikkeling bijdragen aan een toekomst waarin machines niet alleen reageren op storingen, maar deze ook zelfstandig leren voorspellen. Hierdoor kunnen technische systemen veiliger, efficiënter en duurzamer functioneren. Vooral in situaties waarin menselijke controle beperkt is, zoals bij ruimtevaartuigen, inspectiedrones of autonome voertuigen, kan vroegtijdige detectie van problemen een groot verschil maken.
