Onderzoekers van de Faculteit Luchtvaart- en Ruimtevaarttechniek van de TU Delft, waaronder universitair hoofddocent Coen de Visser en promovendus Jasper van Beers, hebben onderzocht hoe deze principes uit de natuur kunnen worden toegepast op door de mens ontworpen systemen. Het onderzoek bouwt voort op een langdurige samenwerking met Wageningen University & Research, onder meer met prof. Marten Scheffer, winnaar van de Spinozaprijs, wiens expertise op het gebied van ecologische veerkracht en omslagpunten heeft bijgedragen aan het interdisciplinaire karakter van het onderzoek. Samen met TU Delft-onderzoeker Prashant Solanki en WUR-onderzoekers Dr. Ingrid van de Leemput en Dr. Egbert van Nes heeft het team geholpen om concepten die oorspronkelijk voor natuurlijke systemen waren ontwikkeld, te koppelen aan de lucht- en ruimtevaarttechniek.

Je kunt onze aanpak vergelijken met de manier waarop mensen pijn ervaren. Na een blessure geeft pijn directe feedback over onze toestand en dat helpt ons in te schatten welke handelingen nog veilig zijn. Machines missen over het algemeen deze vorm van zelfbewustzijn. De nieuwe indicatoren, afgeleid van real-time meetgegevens, vormen een eerste stap richting technische systemen die op vergelijkbare wijze kunnen herkennen wanneer zij hun grenzen naderen.

Coen de Visser, onderzoeker aan de TU Delft

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.

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 elke droogte duurt dat herstel steeds langer. Uiteindelijk kan een relatief kleine klimaatextreem leiden tot grootschalige bossterfte. Wetenschappers kunnen de hersteltijd observeren om te bepalen of een ecosysteem inderdaad een kritiek kantelpunt nadert.

Hoewel deze methode al vaak wordt toegepast in de ecologie en klimaatwetenschap, was het tot nu toe onduidelijk of het ook zouden werken voor actief aangestuurde systemen zoals drones, vliegtuigen en autonome robots. In tegenstelling tot natuurlijke systemen worden deze technologieën voortdurend gereguleerd door besturingssystemen die in real-time reageren op veranderende omstandigheden. Desondanks ontdekten de onderzoekers dat de vroegtijdige waarschuwingssignalen uit de ecologie, óók bij gecontroleerde systemen betrouwbaar aangeven wanneer instabiliteit dreigt.

Om de aanpak te testen, werkte het onderzoeksteam in de CyberZoo, een unieke drone-onderzoeksfaciliteit van de faculteit Luchtvaart- en Ruimtevaarttechniek in Delft. Daar kunnen wetenschappers drones veilig tot aan de grens van controleverlies brengen, opzettelijk schade toebrengen en de gegevens verzamelen die nodig zijn om te begrijpen hoe storingen zich ontwikkelen.

Door data van simulaties, analyses van vluchtgegevens en uitgebreide experimentele tests te combineren, konden de onderzoekers vaststellen welke combinaties van schade, vluchtomstandigheden en manoeuvres het meest waarschijnlijk leiden tot controleverlies. De indicatoren kunnen niet alleen worden gebruikt om instabiliteit te detecteren, maar ook om het gedrag van een systeem in real-time aan te passen. Zo zouden ze kunnen helpen bij het bepalen van strategieën waarmee een vliegtuig ondanks schade aan een vleugel veilig kan blijven vliegen – vergelijkbaar met hoe mensen na een enkelblessure gaan hinken om toch te kunnen blijven lopen.

Door kennis uit verschillende wetenschappelijke disciplines samen te brengen – in dit geval luchtvaarttechniek en ecologie – blijven we doorbraken realiseren die fundamenteel onderzoek vertalen naar praktische technologieën.

Jasper van Beers, PhD Candidate

Een groot voordeel van deze methode is dat zij 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. Hierdoor zou de technologie potentieel toepasbaar zijn op een scala aan technische systemen; omdat zij een generieke manier biedt om veerkracht te monitoren en problemen te identificeren vòòrdat deze tot ongevallen leiden.

Mogelijke toepassingen zijn het monitoren van kritieke infrastructuur, voorspellend onderhoud van vliegtuigen en andere voertuigen, kwaliteitscontrole tijdens productieprocessen verbeteren of de betrouwbaarheid van autonome systemen zoals zelfrijdende auto's verhogen.

De eerste praktische toepassingen worden verwacht in de snelgroeiende dronesector, waar de technologie kan helpen om ongevallen te voorkomen als drones in steeds grotere aantallen worden ingezet binnen allerlei industrieën.

Dit onderzoek wordt ondersteund door de persoonlijke VIDI-beurs 18378 van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO), getiteld: “Forecasting Safe Operating Envelopes for Autonomous Robots”.