Autonome dronezwerm oplaadsysteem: Missietijd verlengen met UGV's

Een methode is ontwikkeld voor een zwerm van honderden kleine batterij-aangedreven drones om autonoom terug te keren van militaire missies naar onbemande grondvoertuigen (UGV's) voor opladen. Algoritmen worden ontwikkeld om routeplanning voor meerdere teams van kleine onbemande lucht- en grondvoertuigen mogelijk te maken. Dit zal de operationele bereikuitbreiding en tijd op missie optimaliseren.

Bij het deployen van een zwerm van honderden of duizenden onbemande luchtvaartsystemen (UAS), heeft elk van de systemen slechts ongeveer 26 minuten met de huidige batterijtechnologieën om een vluchtmissie uit te voeren en terug te keren naar hun thuisbasis voordat ze batterijvermogen verliezen, wat betekent dat ze allemaal tegelijkertijd terug kunnen keren om hun batterijen te laten vervangen.

Soldaten zouden bijvoorbeeld een paar duizend batterijen op missies mee moeten nemen om dit te faciliteren, wat logistiek overweldigend is. Het gebruik van snelladerende batterijen en draadloze stroomoverdrachtstechnologieën zal meerdere kleine UAS in staat stellen om om onbemande grondvoertuigen te zweven voor draadloos opladen en dit vereist geen soldatenbetrokkenheid.

Voor grotere drones zal onderzoek de fundamentele wetenschap verkennen die nodig is om geminiaturiseerde brandstofsensoren te ontwikkelen voor toekomstige multi-brandstof hybride elektrische aandrijvingssystemen. Brandoeiigenschapssensoren zullen soldaten die brandstof-gebaseerde apparatuur bedienen helpen om brandoeiigenschappen in realtime te meten voor het leger's lucht- en grondvoertuigen. Deze kennis zal legerpersoneel in staat stellen catastrofale uitval van de systemen te voorkomen en de prestaties en betrouwbaarheid te verhogen.

De brandstofsensor vertelt de operator wat voor type brandstof geleverd wordt van de brandstoftank naar de motor. Dit invoersignaal kan gebruikt worden om de motor intelligently te laten aanpassen van motorcontrolparameters volgens het brandstoftype om eventuele fouten te voorkomen. Deze data kan ook gebruikt worden om root-cause fouten te vinden als enig motorcomponent voorijdig faalt.

Huidig onderzoek in brandstofsensorontwikkeling onderzoekt de effecten van brandstofstructuur en chemie op ontbranding in toekomstige multi-brandstof drone-motoren zodat realtime controle geïmplementeerd kan worden. Dit project verkent de onderliggende wetenschap verder met geavanceerde technieken, inclusief spectroscopische diagnostiek en data science analyse, om zowel realtime controle mogelijk te maken als te versnellen.