Nova ferramenta matemática pode selecionar os melhores sensores para o trabalho

No acidente do Boeing 737 Max em 2019, a caixa preta recuperada das consequências deu a entender que um sensor de pressão com falha pode ter causado a queda da aeronave. Este incidente e outros alimentaram um debate maior sobre a seleção, número e localização dos sensores para evitar a recorrência de tais tragédias.

Os pesquisadores da Texas A&M University desenvolveram agora uma estrutura matemática abrangente que pode ajudar os engenheiros a tomar decisões informadas sobre quais sensores usar e onde devem ser posicionados em aeronaves e outras máquinas.

“Durante o estágio inicial de projeto de qualquer sistema de controle, decisões críticas devem ser tomadas sobre quais sensores usar e onde colocá-los para que o sistema seja otimizado para medir certas quantidades físicas de interesse”, disse o professor Raktim Bhattacharya. “Com nossa formulação matemática, os engenheiros podem alimentar o modelo com informações sobre o que precisa ser detectado e com que precisão, e a saída do modelo será o menor número de sensores necessários e suas precisões”.

Seja um carro ou um avião, sistemas complexos têm propriedades internas que precisam ser medidas. Por exemplo, em um avião, sensores de velocidade angular e aceleração são colocados em locais específicos para estimar a velocidade.

Os sensores também podem ter diferentes precisões. Em termos técnicos, a precisão é medida pelo ruído, ou oscilações, nas medições do sensor. Esse ruído afeta a precisão com que as propriedades internas podem ser previstas. No entanto, as precisões podem ser definidas de forma diferente dependendo do sistema e da aplicação. Por exemplo, alguns sistemas podem exigir que o ruído nas previsões não exceda uma certa quantidade, enquanto outros podem precisar que o quadrado do ruído seja o menor possível. Em todos os casos, a precisão da previsão tem um impacto direto no custo do sensor.

“Se você deseja obter uma precisão do sensor duas vezes mais precisa, o custo provavelmente será mais que o dobro”, disse Bhattacharya. “Além disso, em alguns casos, nem é necessária uma precisão muito alta. Por exemplo, uma cara câmera de veículo 4K HD para detecção de objetos é desnecessária porque, primeiro, não são necessários recursos finos para distinguir humanos de outros carros e, segundo, o processamento de dados de câmeras de alta definição se torna um problema”.

Bhattacharya acrescentou que, mesmo que os sensores sejam extremamente precisos, saber onde colocar o sensor é fundamental porque pode-se colocar um sensor caro em um local onde não é necessário. Assim, ele disse que a solução ideal equilibra custo e precisão, otimizando o número de sensores e suas posições.

Para testar esse raciocínio, Bhattacharya e sua equipe projetaram um modelo matemático usando um conjunto de equações que descreviam o modelo de uma aeronave F-16. Em seu estudo, o objetivo dos pesquisadores era estimar a velocidade de avanço, a direção do ângulo do vento em relação ao avião (o ângulo de ataque), o ângulo entre o ponto em que o avião está apontado e o horizonte (o ângulo de inclinação) e taxa de pitch para esta aeronave. Disponíveis para eles, estavam sensores que normalmente estão em aeronaves para medir aceleração, velocidade angular, taxa de inclinação, pressão e ângulo de ataque. Além disso, o modelo também foi fornecido com as precisões esperadas para cada sensor.

Seu modelo revelou que nem todos os sensores eram necessários para estimar com precisão a velocidade de avanço; leituras de sensores de velocidade angular e sensores de pressão foram suficientes. Além disso, esses sensores foram suficientes para estimar os outros estados físicos, como o ângulo de ataque, dispensando a necessidade de um sensor adicional de ângulo de ataque. De fato, esses sensores, embora sejam substitutos para medir o ângulo de ataque, tiveram o efeito de introduzir redundância no sistema, resultando em maior confiabilidade do sistema.

Bhattacharya disse que a estrutura matemática foi projetada para que sempre indique o menor número de sensores necessários, mesmo que tenha um repertório de sensores para escolher.

“Vamos supor que um designer queira colocar todo tipo de sensor em todos os lugares. A beleza do nosso modelo matemático é que ele remove os sensores desnecessários e fornece o número mínimo de sensores necessários e suas posições”, disse ele.

Além disso, os pesquisadores observaram que, embora o estudo seja de uma perspectiva de engenharia aeroespacial, seu modelo matemático é muito geral e também pode afetar outros sistemas.

“À medida que os sistemas de engenharia se tornam maiores e mais complexos, a questão de onde colocar o sensor se torna cada vez mais difícil”, disse Bhattacharya. “Então, por exemplo, se você está construindo uma pá de turbina eólica muito longa, algumas propriedades físicas do sistema precisam ser estimadas usando sensores e esses sensores precisam ser colocados em locais ideais para garantir que a estrutura não falhe. Isso não é trivial e é aí que entra nossa estrutura matemática.”

Informações de contato