Nueva herramienta matemática puede seleccionar los mejores sensores para el trabajo

En el accidente del Boeing 737 Max de 2019, la caja negra recuperada de las secuelas insinuó que un sensor de presión defectuoso pudo haber causado que el avión siniestrado cayera en picado. Este incidente y otros han alimentado un debate más amplio sobre la selección, el número y la ubicación de los sensores para evitar que vuelvan a ocurrir tales tragedias.

Los investigadores de la Universidad de Texas A&M ahora han desarrollado un marco matemático integral que puede ayudar a los ingenieros a tomar decisiones informadas sobre qué sensores usar y dónde deben colocarse en aviones y otras máquinas.

“Durante la etapa inicial de diseño de cualquier sistema de control, se deben tomar decisiones críticas sobre qué sensores usar y dónde colocarlos para que el sistema esté optimizado para medir ciertas cantidades físicas de interés”, dijo el profesor Raktim Bhattacharya. "Con nuestra formulación matemática, los ingenieros pueden alimentar el modelo con información sobre lo que se necesita detectar y con qué precisión, y la salida del modelo será la menor cantidad de sensores necesarios y sus precisiones".

Ya sea un automóvil o un avión, los sistemas complejos tienen propiedades internas que deben medirse. Por ejemplo, en un avión, los sensores de velocidad angular y aceleración se colocan en ubicaciones específicas para estimar la velocidad.

Los sensores también pueden tener diferentes precisiones. En términos técnicos, la precisión se mide por el ruido, o las ondulaciones, en las mediciones del sensor. Este ruido afecta la precisión con la que se pueden predecir las propiedades internas. Sin embargo, las precisiones pueden definirse de manera diferente según el sistema y la aplicación. Por ejemplo, algunos sistemas pueden requerir que el ruido en las predicciones no exceda una cierta cantidad, mientras que otros pueden necesitar que el cuadrado del ruido sea lo más pequeño posible. En todos los casos, la precisión de la predicción tiene un impacto directo en el costo del sensor.

“Si desea obtener una precisión del sensor que sea dos veces más precisa, es probable que el costo sea más del doble”, dijo Bhattacharya. “Además, en algunos casos, ni siquiera se requiere una precisión muy alta. Por ejemplo, una costosa cámara de vehículo 4K HD para la detección de objetos es innecesaria porque, en primer lugar, no se necesitan características finas para distinguir a los humanos de otros automóviles y, en segundo lugar, el procesamiento de datos de las cámaras de alta definición se convierte en un problema”.

Bhattacharya agregó que incluso si los sensores son extremadamente precisos, saber dónde colocar el sensor es fundamental porque uno podría colocar un sensor costoso en un lugar donde no se necesita. Por lo tanto, dijo que la solución ideal equilibra el costo y la precisión al optimizar la cantidad de sensores y sus posiciones.

Para probar este razonamiento, Bhattacharya y su equipo diseñaron un modelo matemático utilizando un conjunto de ecuaciones que describían el modelo de un avión F-16. En su estudio, el objetivo de los investigadores era estimar la velocidad de avance, la dirección del ángulo del viento con respecto al avión (el ángulo de ataque), el ángulo entre el lugar donde apunta el avión y el horizonte (el ángulo de cabeceo) y velocidad de cabeceo para este avión. Tenían a su disposición sensores que normalmente se encuentran en las aeronaves para medir la aceleración, la velocidad angular, la tasa de cabeceo, la presión y el ángulo de ataque. Además, el modelo también recibió las precisiones esperadas para cada sensor.

Su modelo reveló que no todos los sensores eran necesarios para estimar con precisión la velocidad de avance; las lecturas de los sensores de velocidad angular y los sensores de presión fueron suficientes. Además, estos sensores fueron suficientes para estimar los otros estados físicos, como el ángulo de ataque, lo que evita la necesidad de un sensor de ángulo de ataque adicional. De hecho, estos sensores, a pesar de ser un sustituto para medir el ángulo de ataque, tuvieron el efecto de introducir redundancia en el sistema, lo que resultó en una mayor confiabilidad del sistema.

Bhattacharya dijo que el marco matemático ha sido diseñado para que siempre indique la menor cantidad de sensores necesarios, incluso si cuenta con un repertorio de sensores para elegir.

“Supongamos que un diseñador quiere poner todo tipo de sensor en todas partes. La belleza de nuestro modelo matemático es que eliminará los sensores innecesarios y luego le dará la cantidad mínima de sensores necesarios y sus posiciones”, dijo.

Además, los investigadores notaron que aunque el estudio es desde una perspectiva de ingeniería aeroespacial, su modelo matemático es muy general y también puede afectar a otros sistemas.

“A medida que los sistemas de ingeniería se vuelven más grandes y complejos, la cuestión de dónde colocar el sensor se vuelve cada vez más difícil”, dijo Bhattacharya. “Entonces, por ejemplo, si está construyendo una pala de turbina eólica realmente larga, algunas propiedades físicas del sistema deben estimarse utilizando sensores y estos sensores deben colocarse en ubicaciones óptimas para asegurarse de que la estructura no falle. Esto no es trivial y ahí es donde entra en juego nuestro marco matemático”.

Información de contacto