Detección de fallas en vehículos aéreos no tripulados mediante señales de orientación y técnicas de aprendizaje de máquina

Este trabajo propone un esquema de deteccion y localizacion de fallas en los actuadores de un vehiculo aereo no tripulado (VANT) del tipo cuadrirrotor bajo un enfoque basado en datos haciendo uso de tecnicas de aprendizaje de maquina. En este enfoque, se construye un modelo implicito del sistema, a traves de la informacion proporcionada por los sensores del VANT. Primero, a traves de un plataforma de vuelo de tipo giroscopica, se captan las vibraciones correspondientes a la orientacion, posicion angular y aceleracion lineal cuando el vehiculo se encuentra en vuelo estacionario en condiciones nominales. Estos datos se procesan mediante Analisis en Componentes Principales (PCA) para la extraccion de caracteristicas. Posteriormente, se induce una falla a los actuadores a traves del desgaste en cada una de las helices del VANT que, al desprenderse, ocasionan una reduccion del empuje generado por los motores. Estos datos se proyectan tambien al subespacio PCA y se comparan con los datos nominales. Se hace uso del estadistico T^2 de Hotelling para discernir entre los datos nominales y los datos cuando el vehiculo presenta esta falla. Finalmente, el desarrollo se complementa con los algoritmos de clasificacion k-NN y SVM, con lo que se obtuvo un algoritmo mas robusto para la deteccion y localizacion de la falla.