ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းအတွက် 6-Axis Stewart Platform

နိဒါန်း

မော်တော်ယာဉ်များသည် အများသူငှာ လမ်းများပေါ်တွင် အန္တရာယ်ကင်းစွာ မလည်ပတ်မီတွင် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များ ဖွံ့ဖြိုးတိုးတက်ရေး အတွက် ထောင်ပေါင်းများစွာသော မောင်းနှင်မှုအခြေအနေများအောက်တွင် ကျယ်ပြန့်သော စမ်းသပ်မှု လိုအပ်ပါသည်။ ကွန်ပြူတာ သရုပ်ဖော်မှုများနှင့် သက်သေအထောက်အထားများသည် မရှိမဖြစ် လိုအပ်သော်လည်း၊ အရေးကြီးသော အတည်ပြုခြင်း လုပ်ငန်းများစွာသည် ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တွင် ထပ်ခါတလဲလဲနိုင်သော ရုပ်ပိုင်းဆိုင်ရာ လှုပ်ရှားမှုစမ်းသပ်ခြင်း လိုအပ်ပါသည်။ 6 -axis Stewart ပလပ်ဖောင်းသည် အင်ဂျင်နီယာများအား ယာဉ်၏ဒိုင်းနမစ်များ၊ လမ်းတုန်ခါမှုများ၊ ထောင့်ချိုးခြင်း၊ ဘရိတ်ဖမ်းခြင်း၊ အရှိန်နှင့် အာရုံခံလှုပ်ရှားမှုများကို လွတ်လွတ်လပ်လပ် ခြောက်ဒီဂရီအတွင်း တိကျစွာပြန်လည်ထုတ်ပေးနိုင်စေပြီး ၎င်းသည် အလိုအလျောက်မောင်းနှင်နိုင်သောယာဉ်ဖွံ့ဖြိုးတိုးတက်မှု၊ အာရုံခံစစ်ဆေးချက်နှင့် Hardware-in-the-Loop (HIL) စမ်းသပ်ခြင်းအတွက် မရှိမဖြစ်လိုအပ်သောကိရိယာတစ်ခုဖြစ်သည်။ ဤလမ်းညွှန်တွင် 6-axis Stewart ပလပ်ဖောင်းသည် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းအား ပံ့ပိုးပေးပုံနှင့် မှန်ကန်သောစနစ်ရွေးချယ်ရာတွင် အင်ဂျင်နီယာများ ထည့်သွင်းစဉ်းစားသင့်သည်များကို ရှင်းပြထားသည်။

အမြန်ဖြေပါ။

ဝင် ရိုး 6 ခုပါ Stewart ပလပ်ဖောင်းသည် လွတ်လပ်မှု ခြောက်ဒီဂရီ (လှိုင်းတက်ခြင်း၊ တုန်လှုပ်ခြင်း၊ လေးလံခြင်း၊ လှိမ့်ခြင်း၊ အသံထွက်ခြင်း နှင့် လှိုင်းများ) ကို ပြန်လည်ထုတ်ပေးခြင်းဖြင့် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်မှုကို တိုးတက်စေသည်။ ၎င်းသည် ကင်မရာများ၊ LiDAR၊ ရေဒါ၊ IMUs၊ GPS မော်ဂျူးများနှင့် ထိန်းချုပ်ထားသည့် တက်ကြွသောအခြေအနေများအောက်တွင် အလိုအလျောက်မောင်းနှင်နိုင်သော အယ်လဂိုရီသမ်များကို ထပ်ခါတလဲလဲ စမ်းသပ်နိုင်စေပြီး စမ်းသပ်မှုတိကျမှုနှင့် ဘေးကင်းမှုတို့ကို မြှင့်တင်ပေးနေစဉ် ဖွံ့ဖြိုးတိုးတက်မှုအချိန်ကို လျှော့ချပေးသည်။

Autonomous Vehicle Testing အဘယ်ကြောင့် Motion Simulation လိုအပ်သနည်း။

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များသည် ပတ်ဝန်းကျင်ပတ်ဝန်းကျင်ကို ရိပ်မိစေရန် အာရုံခံကိရိယာများစွာကို အတူတကွလုပ်ဆောင်ကြသည်။

၎င်းတို့တွင်-

• ကင်မရာများ

• LiDAR

• ရေဒါ

• IMU (Inertial Measurement Unit)

• GPS

• Ultrasonic အာရုံခံကိရိယာများ

အမှန်တကယ် မောင်းနှင်နေစဉ်တွင်၊ ဤအာရုံခံကိရိယာများသည် ဆက်တိုက်ယာဉ်ရွေ့လျားမှုကို ခံစားရသည်-

• အရှိန်

• ဘရိတ်အုပ်

• စတီယာရင်

• လမ်းမမှန်

• လေတိုက်သည်။

• ယာဉ်တုန်ခါမှု

ဤအခြေအနေများကို အများသူငှာ လမ်းများပေါ်တွင် ထပ်ခါတလဲလဲ စမ်းသပ်ခြင်းသည် စျေးကြီးသည်၊ အချိန်ကုန်ကာ မျိုးပွားရန် ခက်ခဲတတ်သည်။

Stewart ပလပ်ဖောင်းသည် ဓာတ်ခွဲခန်းအတွင်းတွင် ထပ်ခါတလဲလဲ လှုပ်ရှားနိုင်သော ပရိုဖိုင်များကို ဖန်တီးပေးကာ အင်ဂျင်နီယာများအား တူညီသောအခြေအနေများအောက်တွင် ဟာ့ဒ်ဝဲနှင့် ဆော့ဖ်ဝဲလ် နှစ်မျိုးလုံးကို တရားဝင်အတည်ပြုနိုင်စေပါသည်။

စက်မှု ဝိပဿနာ

ခေတ်မီကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်ဖွံ့ဖြိုးတိုးတက်မှုသည် တန်ဖိုးကြီးသည့်လမ်းပေါ်တွင်စမ်းသပ်မှုမစတင်မီတွင် အာရုံခံစနစ်များကို တရားဝင်ကြောင်းအတည်ပြုရန် ဒစ်ဂျစ်တယ်ပုံသဏ္ဍာန်ကို ရုပ်ပိုင်းဆိုင်ရာလှုပ်ရှားမှုပလပ်ဖောင်းများနှင့် ပေါင်းစပ်ထားသည်။ ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းစမ်းသပ်ခြင်း သည် လက်တွေ့ကမ္ဘာ မောင်းနှင်ခြင်းနှင့် နှိုင်းယှဉ်ပါက ထပ်ခါတလဲလဲ လုပ်ဆောင်နိုင်မှုကို သိသိသာသာ တိုးတက်စေသည်။

6-Axis Stewart Platform ဆိုတာဘာလဲ။

6-axis Stewart ပလပ်ဖောင်းသည် အပြိုင်စက်ရုပ်ယန္တရားတစ်ခုဖြစ်သည်-

• ပုံသေအခြေခံ

• ရွေ့လျားပလက်ဖောင်း

• ထပ်တူပြုထားသော linear actuator ခြောက်ခု

• တစ်လောကလုံး သို့မဟုတ် လုံးပတ်အဆစ်များ

• အချိန်နှင့်တပြေးညီ ရွေ့လျားမှု ထိန်းချုပ်ကိရိယာ

actuators ခြောက်ခု၏ ပေါင်းစပ်လှုပ်ရှားမှုသည် လွတ်လပ်မှုခြောက်ခုကို ထုတ်ပေးသည်-

• ဒီရေလှိုင်း

• လျို

• ကောင်းကင်ဘုံ

• လိပ်

• သံပေါက်

• ယော်

နံပါတ်စဉ်စက်ရုပ်စနစ်များနှင့်မတူဘဲ၊ Stewart ပလပ်ဖောင်းသည် အလွန်ကောင်းမွန်သော တင်းကျပ်မှု၊ နေရာချထားမှုတိကျမှုနှင့် တက်ကြွသောတုံ့ပြန်မှုတို့ကို ပေးစွမ်းသည်။

ဇယား 1. ယာဉ်သရုပ်သကန်အတွက် လွတ်လပ်မှု ခြောက်ဒီဂရီ

ဝယ်သူစဉ်းစားမှု

ပုဆိန်ခြောက်ချောင်းစလုံးတွင် မျှတသောစွမ်းဆောင်ရည်ရှိသော Stewart ပလပ်ဖောင်းကို ရွေးချယ်ခြင်းသည် များသောအားဖြင့် လမ်းကြောင်းတစ်ခု သို့မဟုတ် နှစ်ခုမျှသာ အလွန်အကျွံခရီးသွားသည့် ပလပ်ဖောင်းကို ရွေးချယ်ခြင်းထက် လက်တွေ့ကျသော ယာဉ်ဒိုင်းနမစ်များကို ပေးဆောင်သည်။

Stewart Platform သည် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းကို မည်ကဲ့သို့ပံ့ပိုးပေးသည်

ယာဉ်တစ်ခုလုံးကို ရွှေ့မည့်အစား အင်ဂျင်နီယာများသည် ပုံမှန်အားဖြင့် အာရုံခံကိရိယာများ၊ စမ်းသပ်ကိရိယာများ သို့မဟုတ် တစ်စိတ်တစ်ပိုင်းယာဉ် တပ်ဆင်မှုများကို ရွေ့လျားနေသည့် ပလပ်ဖောင်းပေါ်တွင် တပ်ဆင်ကြသည်။

ပလက်ဖောင်းသည် မောင်းနှင်မှုအခြေအနေများမှ မှတ်တမ်းတင်ထားသော ရွေ့လျားမှုကို ပြန်ထုတ်ပေးသည် သို့မဟုတ် မော်တော်ယာဥ်ဆင်တူခြင်းဆော့ဖ်ဝဲမှ ထုတ်လုပ်သည်။

၎င်းသည် အင်ဂျင်နီယာများအား အကဲဖြတ်နိုင်စေသည်-

• အာရုံခံတည်ငြိမ်မှု

• ကင်မရာရုပ်ပုံအရည်အသွေး

• LiDAR အမှတ် cloud တိကျမှု

• ရေဒါစွမ်းဆောင်ရည်

• IMU စံကိုက်ညှိခြင်း။

• အာရုံခံပေါင်းစပ်မှု အယ်လဂိုရီသမ်

• ယာဉ်ကို ဒေသအလိုက် ပြောင်းလဲခြင်း။

• ရွေ့လျားလျော်ကြေး

စက်မှု ဝိပဿနာ

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်ဓာတ်ခွဲခန်းများစွာသည် လက်တွေ့ကမ္ဘာစမ်းသပ်မှုအတွင်း စုဆောင်းထားသော လမ်းပရိုဖိုင်များကို ပြန်လည်ထုတ်လုပ်ရန်အတွက် Stewart ပလပ်ဖောင်းများကို အသုံးပြုသည်။ အင်ဂျင်နီယာများသည် တူညီသောရွေ့လျားမှုအစီအစဉ်များကို အကြိမ်ရာနှင့်ချီပြန်လုပ်နိုင်ပြီး အများသူငှာလမ်းပေါ်တွင်စမ်းသပ်မှုများထပ်လုပ်ခြင်းထက် algorithm နှိုင်းယှဉ်မှုကို ပို၍ယုံကြည်စိတ်ချရစေသည်။

ဇယား 2။ ပုံမှန်ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ် စမ်းသပ်ခြင်း လျှောက်လွှာများ

ကျွမ်းကျင်သူ အကြံပြုချက်

Stewart ပလပ်ဖောင်းသည် ပုံကြီးချဲ့ထားသော လှုပ်ရှားမှုထက် အမှန်တကယ် ကားလှုပ်ရှားမှုကို ပြန်လည်ဖန်တီးသင့်သည်။ အလိုအလျောက်မောင်းနှင်သည့်စနစ်များကို သက်သေပြသည့်အခါ အမြင့်ဆုံးသော ခရီးအကွာအဝေးထက် မြင့်မားသောတည်နေရာတိကျမှုနှင့် latency နည်းခြင်းသည် ယေဘုယျအားဖြင့် ပိုအရေးကြီးပါသည်။

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ် ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အဓိကအကျိုးကျေးဇူးများ

သမားရိုးကျ လမ်းစမ်းသပ်ခြင်းတစ်ခုတည်းနှင့် နှိုင်းယှဉ်ပါက Stewart ပလပ်ဖောင်းများသည် အရေးကြီးသော အားသာချက်များစွာကို ပေးဆောင်ပါသည်။

ထပ်တလဲလဲ စမ်းသပ်နိုင်သော အခြေအနေများ

ရွေ့လျားမှု ပရိုဖိုင်တိုင်းကို အလွန်မြင့်မားသော လိုက်လျောညီထွေရှိမှုဖြင့် ထပ်ခါတလဲလဲ ပြုလုပ်နိုင်ပါသည်။

၎င်းသည် အကြား တိုက်ရိုက် နှိုင်းယှဉ်မှုကို ခွင့်ပြုသည်-

• အာရုံခံဗားရှင်းများ

• ဆော့ဖ်ဝဲအပ်ဒိတ်များ

• AI algorithms

• Calibration နည်းလမ်းများ

ဘေးကင်းသော စမ်းသပ်မှုပတ်ဝန်းကျင်

အင်ဂျင်နီယာများ သို့မဟုတ် ယာဉ်များကို အန္တရာယ်ဖြစ်စေရန် မလိုအပ်ဘဲ အန္တရာယ်ဖြစ်စေနိုင်သော မောင်းနှင်မှုအခြေအနေများကို ပြန်လည်ဖန်တီးနိုင်ပါသည်။

ဥပမာများပါဝင်သည်-

• အရေးပေါ်ဘရိတ်ဖမ်း

• အတားအဆီး ရှောင်ရှားခြင်း။

• မြန်နှုန်းမြင့် လမ်းကြောအပြောင်းအလဲ

• လမ်းကြမ်းအခြေအနေ

ဖွံ့ဖြိုးတိုးတက်မှုပိုမိုမြန်ဆန်

ဓာတ်ခွဲခန်းစစ်ဆေးမှုများသည် အောက်ပါအတိုင်း ဆက်လက်လုပ်ဆောင်နိုင်သည်-

• ရာသီဥတု

• အသွားအလာ

• လမ်းရရှိနိုင်မှု

• ရာသီအလိုက် အခြေအနေများ

ဖွံ့ဖြိုးရေးကုန်ကျစရိတ်များ လျှော့ချပေးသည်။

ထပ်ခါတလဲလဲ ဓာတ်ခွဲစမ်းသပ်မှု မကြာခဏ လျော့နည်းစေသည်-

• ယာဉ်လည်ပတ်မှုကုန်ကျစရိတ်

• ယာဉ်မောင်းစရိတ်

• လောင်စာဆီသုံးစွဲမှု

• ခရီးသွားချိန်

• ရှေ့ပြေးပုံစံ ဝတ်ဆင်ခြင်း။

ဇယား 3။ AV စမ်းသပ်ခြင်းအတွက် Stewart ပလပ်ဖောင်းများ၏ အကျိုးကျေးဇူးများ

လက်တွေ့လမ်းညွှန်

Stewart ပလပ်ဖောင်းတစ်ခု၏ တန်ဖိုးအကြီးဆုံးတန်ဖိုးမှာ ယာဉ်မဖြန့်ကျက်မီ ထပ်ခါတလဲလဲ ဓာတ်ခွဲခန်းအခြေအနေများအောက်တွင် အာရုံခံကိရိယာများနှင့် ထိန်းချုပ်မှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို သက်သေပြခြင်းဖြင့် လမ်းစမ်းသပ်မှုကို လုံးလုံးလျားလျား အစားထိုးခြင်းမဟုတ်ပါ။

Stewart ပလပ်ဖောင်းများကို အသုံးပြု၍ ဘုံကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ် စမ်းသပ်မှုများ

ပရော်ဖက်ရှင်နယ် Stewart ပလပ်ဖောင်းသည် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ် ဖွံ့ဖြိုးတိုးတက်ရေးစက်ဝန်းတစ်လျှောက်တွင် တရားဝင်အတည်ပြုခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်များကို ပံ့ပိုးပေးပါသည်။

ကင်မရာတည်ငြိမ်မှုကို စမ်းသပ်ခြင်း။

ယာဉ်ရွေ့လျားမှုအပေါ် သက်ရောက်မှုရှိပုံကို အင်ဂျင်နီယာများက အကဲဖြတ်သည်-

• ပုံရိပ်ပြတ်သားမှု

• အရာဝတ္ထု ထောက်လှမ်းခြင်း။

• လမ်းကြော မှတ်မိခြင်း။

• ယာဉ်အသွားအလာ မှတ်သားမှု

LiDAR အတည်ပြုခြင်း။

ထိန်းချုပ်ထားသော ရွေ့လျားမှုကို အကဲဖြတ်နိုင်သည်-

• Point cloud ညီညွတ်မှု

• ရွေ့လျားမှုပုံပျက်ခြင်း။

• အရာဝတ္ထုခြေရာခံ

• ပတ်ဝန်းကျင်အမြင်

IMU နှင့် GPS Calibration

ပလက်ဖောင်းသည် inertial navigation စနစ်များကို ချိန်ညှိခြင်းနှင့် ဒေသသတ်မှတ်ခြင်းဆိုင်ရာ အယ်လဂိုရီသမ်များကို စစ်ဆေးခြင်းအတွက် တိကျစွာထိန်းချုပ်ထားသော ရွေ့လျားမှုကို ထုတ်ပေးပါသည်။

Hardware-in-the-Loop (HIL) စမ်းသပ်ခြင်း။

ယာဉ်ထိန်းကိရိယာများသည် အသွင်တူယာဉ်၏ ဒိုင်းနမစ်များနှင့် တုံ့ပြန်မှုများဖြစ်ပြီး ရုပ်ပိုင်းဆိုင်ရာအာရုံခံကိရိယာများသည် ဝင်ရိုးခြောက်ဝင်ရိုးလှုပ်ရှားမှုကို တပြိုင်တည်းလုပ်ဆောင်သည်။

Table 4. ရိုးရိုး Hardware Tested

စက်မှု ဝိပဿနာ

အလိုအလျောက်မောင်းနှင်မှုစနစ်များသည် multi-sensor ပေါင်းစပ်မှုအပေါ် ပို၍ပို၍မှီခိုလာသည်နှင့်အမျှ၊ Stewart ပလပ်ဖောင်းများသည် ရိုးရှင်းသောရွေ့လျားမှု simulators များမှ ရုပ်ပိုင်းဆိုင်ရာလှုပ်ရှားမှုများကို ဒစ်ဂျစ်တယ်ယာဉ်မော်ဒယ်များနှင့် အချိန်နှင့်တစ်ပြေးညီ အာရုံခံကိရိယာဒေတာများနှင့်အတူ တစ်ပြိုင်တည်းလုပ်ဆောင်နိုင်သော ပေါင်းစပ်တရားဝင်စနစ်များအဖြစ်သို့ ပြောင်းလဲလာသည်။

ထည့်သွင်းစဉ်းစားရန် အဓိကအချက်များ

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းအတွက် Stewart ပလပ်ဖောင်းကို ရွေးချယ်ခြင်းသည် ဝန်တင်နှုန်းကို နှိုင်းယှဉ်ခြင်းထက် ပိုပါသည်။

အင်ဂျင်နီယာများသည် စွမ်းဆောင်ရည်သတ်မှတ်ချက်များစွာကို အကဲဖြတ်သင့်သည်။

Payload Capacity

ပလပ်ဖောင်းသည် ဘေးကင်းစွာ ပံ့ပိုးပေးသင့်သည်-

• အာရုံခံခုံများ

• စမ်းသပ်မှုများ

• အီလက်ထရွန်းနစ်ထိန်းချုပ်မှုယူနစ်များ

• ကင်မရာစနစ်များ

• LiDAR မော်ဂျူးများ

• နောက်ထပ် သုတေသန ကိရိယာ

စနစ်အရွယ်အစားအတွင်း အနာဂတ်အဆင့်မြှင့်တင်မှုများကိုလည်း ထည့်သွင်းစဉ်းစားသင့်သည်။

နေရာချထားခြင်း တိကျမှု

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်အာရုံခံကိရိယာများသည် အလွန်တိကျသောရွေ့လျားမှုကို လိုအပ်သည်။

မြင့်မားသောနေရာချထားခြင်း ထပ်ခါထပ်ခါလုပ်ဆောင်နိုင်မှုသည် တရားဝင်အတည်ပြုခြင်းစက်ဝန်းများစွာတစ်လျှောက် တစ်သမတ်တည်းစမ်းသပ်မှုရလဒ်များကို သေချာစေပါသည်။

ရွေ့လျားမှု Bandwidth

ပလက်ဖောင်းသည် တိကျစွာ မျိုးပွားသင့်သည်-

• လမ်းတုန်ခါမှု

• Suspension လှုပ်ရှားမှု

• စတီယာရင် သွင်းအားစုများ

• ယာဉ်ကိုယ်ထည်ဒိုင်းနမစ်

ပိုမိုမြင့်မားသော bandwidth သည် ဒိုင်းနမစ်ကားမောင်းခြင်းဖြစ်ရပ်များကို ပိုမိုလက်တွေ့ကျကျ သရုပ်ဖော်နိုင်စေပါသည်။

Latency နည်း

Simulation ဆော့ဖ်ဝဲလ်၊ အာရုံခံကိရိယာများနှင့် ရွေ့လျားမှု ဟာ့ဒ်ဝဲတို့ကြား အချိန်နှင့်တပြေးညီ ထပ်တူပြုခြင်းသည် မရှိမဖြစ်လိုအပ်ပါသည်။

latency နည်းပါးခြင်းသည် Hardware-in-the-Loop နှင့် sensor ပေါင်းစပ်စမ်းသပ်မှုအတွင်း တိုင်းတာမှုအမှားများကို လျှော့ချပေးသည်။

Software Architecture ကိုဖွင့်ပါ။

ပရော်ဖက်ရှင်နယ်ပလပ်ဖောင်းများသည် အင်ဂျင်နီယာဆော့ဖ်ဝဲကဲ့သို့သော ပေါင်းစပ်မှုကို ပံ့ပိုးသင့်သည်-

• MATLAB/Simulink

• ROS

• Unreal အင်ဂျင်

• စည်းလုံးမှု

• Hardware-in-the-Loop စနစ်များ

• ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမောင်းနှင်ခြင်း သရုပ်တူဆော့ဖ်ဝဲ

ဇယား ၅။ အရေးကြီးသော ရွေးချယ်မှု သတ်မှတ်ချက်

ဝယ်သူစဉ်းစားမှု

ပေးသွင်းသူများကို နှိုင်းယှဉ်သောအခါတွင်၊ အများဆုံး ခရီးသွားသတ်မှတ်ချက်များကိုသာ အားကိုးရမည့်အစား အမှန်တကယ်နေရာချထားခြင်း၊ ထပ်တလဲလဲဖြစ်နိုင်မှု၊ latency နှင့် ရွေ့လျားမှုဘန်းဝဒ်ဒေတာကို တောင်းဆိုပါ။

ဘုံစိန်ခေါ်မှုများနှင့် ဖြေရှင်းချက်များ

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းသည် တိကျသောရွေ့လျားမှုထိန်းချုပ်မှုလိုအပ်သည့် ထူးခြားသောအင်ဂျင်နီယာစိန်ခေါ်မှုများကို မိတ်ဆက်ပေးသည်။

ဇယား 6. အဖြစ်များသောစိန်ခေါ်မှုများနှင့် အကြံပြုထားသော ဖြေရှင်းနည်းများ

လက်တွေ့လမ်းညွှန်

တိကျသောရွေ့လျားမှုမျိုးပွားခြင်းသည် ပြင်းထန်သောပလက်ဖောင်းလှုပ်ရှားမှုထက် ပို၍တန်ဖိုးရှိသည်။ ချောမွေ့ပြီး ထပ်ခါတလဲလဲလုပ်နိုင်သော ခြောက်ဝင်ရိုးရွေ့လျားမှုသည် ပိုမိုယုံကြည်စိတ်ချရသော အာရုံခံစစ်ဆေးမှုကို ပံ့ပိုးပေးပြီး မတူညီသောဆော့ဖ်ဝဲလ်ဗားရှင်းများအကြား နှိုင်းယှဉ်မှုကို ရိုးရှင်းစေသည်။

အဖြစ်များသော အထင်အမြင်လွဲမှားမှု- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များကို Simulation ဆော့ဖ်ဝဲလ်တွင် အပြည့်အဝစမ်းသပ်နိုင်သည်။

အချို့သော developer များက computer simulation တစ်ခုတည်းသည် autonomous vehicle validation အတွက် လုံလောက်သည်ဟု ယုံကြည်ကြသည်။

ဒစ်ဂျစ်တယ်ပုံတူကူးလူးခြင်းသည် မရှိမဖြစ်လိုအပ်သော ဖွံ့ဖြိုးတိုးတက်ရေးကိရိယာတစ်ခုဖြစ်လာသော်လည်း စစ်မှန်သောအာရုံခံကိရိယာများ၏ ရုပ်ပိုင်းဆိုင်ရာအမူအကျင့်ကို အပြည့်အဝပြန်မရနိုင်ပါ။

စသည့်အချက်များ-

• စက်တုန်ခါမှု

• အာရုံခံကိရိယာတပ်ဆင်ခြင်း ပြောင်းလွယ်ပြင်လွယ်

• ယာဉ်ကိုယ်ထည်လှုပ်ရှားမှု

• ဒိုင်းနမစ်ဖွင့်ခြင်း။

• ဟာ့ဒ်ဝဲ တုံ့ပြန်မှု

ရုပ်ပိုင်းဆိုင်ရာစမ်းသပ်မှုဖြင့်သာ အကဲဖြတ်နိုင်သည်။

Stewart ပလပ်ဖောင်းသည် ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းအခြေအနေများအောက်တွင် လက်တွေ့ဆန်သောယာဉ်ရွေ့လျားမှုကို ပြန်လည်ထုတ်လုပ်ခြင်းဖြင့် virtual simulation နှင့် on-road စမ်းသပ်ခြင်းကြားကွာဟချက်ကို တံတားထိုးပေးသည်။

အင်ဂျင်နီယာများ သိထားသင့်သည်များ

အထိရောက်ဆုံး တရားဝင်အတည်ပြုခြင်းဗျူဟာသည် ဒစ်ဂျစ်တယ်သရုပ်ဖော်ခြင်း၊ Hardware-in-the-Loop စမ်းသပ်ခြင်း၊ လှုပ်ရှားမှုပလပ်ဖောင်းစမ်းသပ်ခြင်းနှင့် ထိန်းချုပ်ထားသော လမ်းစမ်းသပ်ခြင်းတို့ကို ပေါင်းစပ်ထားသည်။ အဆင့်တစ်ခုစီသည် အတိုင်းအတာအပြည့် ဖြန့်ကျက်ခြင်းမပြုမီ မတူညီသော စနစ်အပြုအမူ အမျိုးအစားများကို ခွဲခြားသတ်မှတ်သည်။

Case Study

ပရောဂျက်နောက်ခံ

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်နည်းပညာကုမ္ပဏီတစ်ခုသည် ကင်မရာများ၊ LiDAR၊ ရေဒါနှင့် inertial navigation sensors များပေါင်းစပ်ထားသည့် မျိုးဆက်သစ် အာရုံခံစနစ်တစ်ခုကို တီထွင်နေပါသည်။

အင်ဂျင်နီယာအဖွဲ့သည် ကြီးမားသောလမ်းစမ်းသပ်ခြင်းမပြုလုပ်မီ အာရုံခံပေါင်းစပ်မှုဆိုင်ရာ အယ်လဂိုရီသမ်များကို အကဲဖြတ်ရန် ထပ်ခါတလဲလဲ ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တစ်ခု လိုအပ်ပါသည်။

စိန်ခေါ်မှု

လမ်းစမ်းသပ်မှုတွင် ကန့်သတ်ချက်များစွာကို ဖော်ပြခဲ့သည်-

• ပြောင်းလဲလာသော ရာသီဥတုအခြေအနေ

• ယာဉ်အသွားအလာမကိုက်ညီသောပတ်ဝန်းကျင်

• တူညီသော မောင်းနှင်မှုဖြစ်ရပ်များကို ပြန်လည်ထုတ်လုပ်ရန် ခက်ခဲခြင်း။

• မြင့်မားသောယာဉ်လည်ပတ်မှုကုန်ကျစရိတ်

• သက်တမ်းရှည်သော သံသရာ

ဤကိန်းရှင်များသည် ဆော့ဖ်ဝဲအပ်ဒိတ်များကို ဓမ္မဓိဋ္ဌာန်ကျကျ နှိုင်းယှဉ်ရန် ခက်ခဲစေသည်။

ဖြေရှင်းချက်

ကုမ္ပဏီသည် ၎င်း၏ Hardware-in-the-Loop စမ်းသပ်ခြင်းပတ်ဝန်းကျင်နှင့် ပေါင်းစပ်ထားသော 6-ဝင်ရိုး Stewart ပလပ်ဖောင်းကို အကောင်အထည်ဖော်ခဲ့သည်။

ပလက်ဖောင်းသည် အောက်ပါတို့အပါအဝင် မှတ်တမ်းတင်ထားသော ယာဉ်ဒိုင်းနမစ်များကို ပြန်လည်ထုတ်ပေးပါသည်။

• လျင်မြန်သောအရှိန်

• အရေးပေါ်ဘရိတ်ဖမ်း

• ချွန်ထက်သောအကွေ့အကောက်

• လမ်းမျက်နှာပြင်တုန်ခါမှု

• မညီညာသော လူသွားလမ်း

• လမ်းကြောပြောင်းရေး လှုပ်ရှားမှု

ကင်မရာစနစ်များ၊ LiDAR အာရုံခံကိရိယာများ၊ ရေဒါ module များနှင့် IMU များကို အလိုအလျောက်မောင်းနှင်သည့်ဆော့ဖ်ဝဲလ်မှ အချိန်နှင့်တပြေးညီ တစ်ပြိုင်တည်းလုပ်ဆောင်သည့်အာရုံခံကိရိယာဒေတာကို ပလပ်ဖောင်းပေါ်တွင် တိုက်ရိုက်တပ်ဆင်ထားသည်။

ရလဒ်များ

အောက်ပါ အကောင်အထည်ဖော်မှု-

• Sensor validation သည် အလွန်အထပ်ထပ်ဖြစ်လာသည်။

• ဆော့ဖ်ဝဲလ် နှိုင်းယှဥ်မှု နည်းပါးသော လမ်းစမ်းသပ်မှုများ လိုအပ်သည်။

• ကင်မရာတည်ငြိမ်ခြင်း စွမ်းဆောင်ရည်ကို မြှင့်တင်ထားသည်။

• LiDAR အမှတ်သည် cloud လိုက်လျောညီထွေရှိမှု တိုးလာသည်။

• Hardware-in-the-Loop ဖွံ့ဖြိုးတိုးတက်မှု စက်ဝန်းများကို တိုတောင်းခဲ့သည်။

• စမ်းသပ်မှုကုန်ကျစရိတ်ကို လျှော့ချနေစဉ်တွင် အလုံးစုံ တရားဝင်အတည်ပြုခြင်း စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးပါသည်။

သင်ခန်းစာများ

ပရောဂျက်သည် ဒစ်ဂျစ်တယ်ယာဉ်မော်ဒယ်များနှင့် ရုပ်ပိုင်းဆိုင်ရာ ခြောက်ဝင်ရိုး ရွေ့လျားမှုကို ပေါင်းစပ်ခြင်းအား ကွန်ပြူတာ သရုပ်ဖော်ခြင်း သို့မဟုတ် အများသူငှာ လမ်းစမ်းသပ်ခြင်းတို့ကိုသာ အားကိုးခြင်းထက် ပိုမိုပြည့်စုံသော အတည်ပြုခြင်းလုပ်ငန်းစဉ်ကို ဖန်တီးပေးကြောင်း သရုပ်ပြခဲ့သည်။ တီထွင်မှုစက်ဝန်းတွင် အစောပိုင်းတွင် အာရုံခံပေါင်းစပ်မှုဆိုင်ရာ ပြဿနာများကို အင်ဂျင်နီယာများအား ထပ်ခါတလဲလဲ စမ်းသပ်နိုင်စေခဲ့သည်။

ဝယ်သူစာရင်း

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းအတွက် ဝင်ရိုး 6-ဝင်စတီးဝပ် ပလပ်ဖောင်းကို မ၀ယ်မီ အောက်ပါတို့ကို စစ်ဆေးပါ။

• ဝန်ဆောင်ခ ဘယ်လောက်လိုအပ်သလဲ။

• မည်သည့်နေရာချထားမှု တိကျမှုနှင့် ထပ်တလဲလဲဖြစ်နိုင်မှုတို့ကို သတ်မှတ်ထားသည်။

• ပလပ်ဖောင်းသည် latency နည်းသော ရွေ့လျားမှုကို ထိန်းချုပ်ပေးပါသလား။

• လက်တွေ့ဆန်သော ယာဉ်ဒိုင်းနမစ်များကို ပြန်လည်ထုတ်လုပ်နိုင်ပါသလား။

• ဆော့ဖ်ဝဲသည် ရှိပြီးသား simulation ကိရိယာများနှင့် သဟဇာတဖြစ်ပါသလား။

• Hardware-in-the-Loop ပေါင်းစပ်မှုကို ပံ့ပိုးပေးပါသလား။

• ဆက်တိုက်လုပ်ဆောင်မှုကို ပံ့ပိုးပေးပါသလား။

• ထိန်းချုပ်မှုစနစ်တွင် လုံခြုံရေးလုပ်ဆောင်ချက်များကို ထည့်သွင်းထားပါသလား။

• ပေးသွင်းသူသည် အင်ဂျင်နီယာနှင့် ကော်မရှင်လုပ်ငန်းဆိုင်ရာ ပံ့ပိုးမှုများကို ပံ့ပိုးပေးပါသလား။

• အနာဂတ် သုတေသနပရောဂျက်များအတွက် စနစ်ကို တိုးချဲ့နိုင်ပါသလား။

ကျွမ်းကျင်သူအကြံပြုချက်များ

အတွေ့အကြုံရှိသော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်အင်ဂျင်နီယာများက ယေဘုယျအားဖြင့် အကြံပြုသည်-

• ပလပ်ဖောင်းတစ်ခုမရွေးချယ်မီ အာရုံခံစနစ်အတည်ပြုခြင်းရည်ရွယ်ချက်များကို သတ်မှတ်ပါ။

• အမြင့်ဆုံးရွေ့လျားသွားလာမှုထက် နေရာချထားမှုတိကျမှုနှင့် ထပ်တလဲလဲဖြစ်နိုင်မှုကို ဦးစားပေးလုပ်ဆောင်ပါ။

• တိကျသောအာရုံခံကိရိယာစမ်းသပ်ခြင်းအတွက် လျှပ်စစ်ဆားဗို-မောင်းနှင်သော Stewart ပလပ်ဖောင်းများကို ရွေးချယ်ပါ။

• ပိုမိုလွယ်ကူသောဆော့ဖ်ဝဲလ်ပေါင်းစည်းရန်အတွက် Open APIs နှင့် SDKs ပါသည့်စနစ်များကိုရွေးချယ်ပါ။

• ပေးသွင်းသူအကဲဖြတ်နေစဉ်အတွင်း latency နှင့် motion bandwidth ကိုစစ်ဆေးပါ။

• စိတ်ကြိုက်ပြင်ဆင်မှု၊ ပေါင်းစပ်ပံ့ပိုးမှု၊ နှင့် ရေရှည်နည်းပညာပိုင်းဆိုင်ရာဝန်ဆောင်မှုကို ပေးဆောင်သည့် ထုတ်လုပ်သူများနှင့် ပူးပေါင်းပါ။

နိဂုံး

6-axis Stewart platform သည် sensor validation၊ Hardware-in-the-Loop testing နှင့် autonomous driving research အတွက် အလွန်တိကျသော၊ ထပ်ခါတလဲလဲနိုင်သော motion simulation ကို ပံ့ပိုးပေးခြင်းဖြင့် autonomous car development တွင် အရေးကြီးသော tool တစ်ခုဖြစ်လာပါသည်။ ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းအခြေအနေများအောက်တွင် အင်ဂျင်နီယာများအား ကင်မရာများ၊ LiDAR၊ ရေဒါ၊ IMU နှင့် အာရုံခံပေါင်းစပ်မှုဆိုင်ရာ အယ်လဂိုရီသမ်များနှင့် သမားရိုးကျ လမ်းစမ်းသပ်မှုတစ်ခုတည်းထက် ပိုမိုကိုက်ညီမှုရှိသော အင်ဂျင်များကို အကဲဖြတ်နိုင်စေပါသည်။

ဝန်ဆောင်နိုင်စွမ်း၊ ရွေ့လျားမှုတိကျမှု၊ ဆော့ဖ်ဝဲလ် လိုက်ဖက်ညီမှု၊ တုံ့ပြန်မှု နှင့် ရေရှည်စနစ် ချဲ့ထွင်နိုင်မှုကို ဂရုတစိုက် ထည့်သွင်းစဉ်းစားခြင်းဖြင့်၊ အဖွဲ့အစည်းများသည် ဖွံ့ဖြိုးတိုးတက်မှုကို အရှိန်မြှင့်ပေးသည့်၊ စမ်းသပ်မှု စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးပြီး အလုံးစုံ တရားဝင်မှု ကုန်ကျစရိတ်များကို လျှော့ချပေးသည့် Stewart ပလပ်ဖောင်းကို ဂရုတစိုက် ထည့်သွင်းစဉ်းစားနိုင်ပါသည်။ အလိုအလျောက်မောင်းနှင်မှုနည်းပညာများ ဆက်လက်တိုးတက်ပြောင်းလဲလာသည်နှင့်အမျှ၊ ဝင်ရိုးခြောက်ခုပါသော ရွေ့လျားမှုပလပ်ဖောင်းများသည် အလုံးစုံမော်တော်ယာဉ်စမ်းသပ်ခြင်းနှင့် အတည်ပြုခြင်း၏ အဓိကအစိတ်အပိုင်းတစ်ခုအဖြစ် ဆက်လက်တည်ရှိနေမည်ဖြစ်ပါသည်။

အမြဲမေးလေ့ရှိသောမေးခွန်းများ

အဘယ်ကြောင့်ဆိုသော် 6-axis Stewart ပလပ်ဖောင်းကို ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်စမ်းသပ်ခြင်းအတွက် ဘာကြောင့်အသုံးပြုရသနည်း။

Stewart ပလပ်ဖောင်းသည် ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းပတ်ဝန်းကျင်တွင် လက်တွေ့ကျကျ ခြောက်ဒီဂရီ လွတ်လပ်မှုရှိသော ယာဉ်ရွေ့လျားမှုကို ပြန်လည်ထုတ်လုပ်သည်။ ၎င်းသည် အင်ဂျင်နီယာများအား တူညီသောအခြေအနေများအောက်တွင် အာရုံခံစနစ်များ၊ အာရုံခံစနစ်များနှင့် အလိုအလျောက်မောင်းနှင်သည့် အယ်လဂိုရီသမ်များကို အကဲဖြတ်ရန် ခွင့်ပြုသည်။

Stewart ပလပ်ဖောင်းတွင် မည်သည့်အာရုံခံကိရိယာများကို စမ်းသပ်နိုင်သနည်း။

စမ်းသပ်ထားသော ကိရိယာများတွင် ကင်မရာများ၊ LiDAR၊ ရေဒါ၊ IMUs၊ GPS လက်ခံကိရိယာများ၊ ultrasonic အာရုံခံကိရိယာများနှင့် အလိုအလျောက်မောင်းနှင်သည့် ယာဉ်များတွင် အသုံးပြုသည့် အာရုံခံစနစ် ပေါင်းစပ်မှုစနစ်များ ပါဝင်သည်။

Stewart platform သည် လမ်းစမ်းသပ်ခြင်းကို အစားထိုးနိုင်ပါသလား။

နံပါတ်။ Stewart ပလပ်ဖောင်းသည် မော်တော်ယာဉ်များ လက်တွေ့ကမ္ဘာစမ်းသပ်မှုမဝင်ရောက်မီ ထပ်ခါတလဲလဲ ဓာတ်ခွဲခန်းအတည်ပြုချက်ပေးခြင်းဖြင့် လမ်းစမ်းသပ်မှုကို ဖြည့်စွက်ပေးပါသည်။ ၎င်းသည် စမ်းသပ်မှုစွမ်းဆောင်ရည်ကို တိုးတက်စေပြီး ဖွံ့ဖြိုးတိုးတက်မှုကုန်ကျစရိတ်ကို လျှော့ချပေးသည်။

low latency သည် အဘယ်ကြောင့် အရေးကြီးသနည်း။

latency နည်းပါးခြင်းသည် ရုပ်ပိုင်းဆိုင်ရာပလပ်ဖောင်းလှုပ်ရှားမှုကို သရုပ်ဖော်ဆော့ဖ်ဝဲနှင့် အာရုံခံကိရိယာ တိုင်းတာမှုများနှင့် ထပ်တူကျကြောင်း သေချာစေသည်။ ၎င်းသည် တိကျသော Hardware-in-the-Loop စမ်းသပ်ခြင်းနှင့် ယုံကြည်စိတ်ချရသော ခံယူချက်စနစ် အတည်ပြုခြင်းအတွက် မရှိမဖြစ်လိုအပ်ပါသည်။

ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်အပလီကေးရှင်းအတွက် Stewart ပလပ်ဖောင်းကိုဝယ်သည့်အခါဝယ်သူများသည်ဘာကိုစဉ်းစားသင့်သနည်း။

အဓိကထည့်သွင်းစဉ်းစားရမည့်အချက်များမှာ ပေးဆောင်နိုင်စွမ်း၊ နေရာချထားတိကျမှု၊ ရွေ့လျားမှုဘန်းဝဒ်၊ ဆော့ဖ်ဝဲပေါင်းစည်းမှု၊ အဖွင့် API များ၊ စဉ်ဆက်မပြတ်တာဝန်ယူနိုင်မှု၊ ဘေးကင်းရေးစနစ်များ၊ နည်းပညာပံ့ပိုးမှုနှင့် အနာဂတ်စမ်းသပ်မှုလိုအပ်ချက်များကို ပံ့ပိုးပေးနိုင်မှုတို့ ပါဝင်ပါသည်။