Home » Procesindustrie » Procesindustrie breed » Maintenance, onderhoud » Storingsdetectie in drones geleend uit de natuur
Door: Redactie - 29 juli 2026 |
Onderzoekers van de TU Delft en Wageningen University & Research halen een principe uit de natuur naar de techniek. Zij tonen aan dat vroegtijdige storingsdetectie in drones en autonome robots haalbaar wordt door te kijken naar hoe snel een systeem herstelt van een verstoring. Die hersteltijd verraadt of een machine een gevaarlijk kantelpunt nadert, ruim voordat de schade onomkeerbaar is en het toestel neerstort.
Een systeem raakt minder veerkrachtig zodra het een kantelpunt nadert. Wetenschappers noemen dat kritische vertraging: het duurt steeds langer voordat een verstoord systeem terugkeert naar zijn normale toestand. Een gezond bos herstelt vlot na een droge zomer, maar na een reeks droogtes stokt dat herstel. Uiteindelijk kan een kleine extra tegenslag tot grootschalige bossterfte leiden. Ecologen gebruiken die vertraagde hersteltijd al langer als graadmeter voor een naderend omslagpunt in het systeem. Het bijzondere is dat hetzelfde patroon opduikt in heel verschillende systemen, van meren en klimaatmodellen tot grote elektrische netwerken, en precies dat inzicht blijkt ook buiten de natuur bruikbaar.
De techniek bewees zich eerder al in de klimaatwetenschap. Nu passen de onderzoekers de aanpak toe op actief aangestuurde machines, waar regelsystemen voortdurend bijsturen. Lange tijd was onduidelijk of de signalen ook standhouden bij zulke geregelde systemen. Uit het onderzoek van de TU Delft blijkt dat de waarschuwings signalen uit de ecologie ook hier kloppen: ze geven aan wanneer instabiliteit dreigt. Voor de proeven gebruikten de teams de CyberZoo, een testruimte waar drones gecontroleerd tot hun grens gaan en bewust beschadigd raken. Door simulaties, vluchtdata en fysieke tests te combineren, brachten zij storingsdetectie een stap dichter bij de praktijk. Zo werd duidelijk welke combinaties van schade en manoeuvres het snelst tot controleverlies leiden, en op welk moment storingsdetectie nog ruimte laat om bij te sturen.
Een groot voordeel is dat storingsdetectie via kritische vertraging geen gedetailleerd natuurkundig model van het toestel nodig heeft. Zulke modellen zijn duur om op te stellen en verouderen snel zodra hardware verandert. In plaats daarvan lezen goedkope sensoren aan boord subtiele veranderingen in het gedrag van het systeem af. Daardoor wordt deze vorm van storingsdetectie betaalbaar en breed toepasbaar, ook op eenvoudige drones. De indicatoren melden niet alleen dat instabiliteit nadert, ze laten het toestel er ook in realtime op reageren. Een drone met een beschadigde vleugel kan zo alsnog veilig landen in plaats van neer te storten. Juist die snelle terugkoppeling maakt storingsdetectie waardevol wanneer elke seconde telt en een operator niet kan ingrijpen.
De onderzoekers verwachten dat de aanpak verder reikt dan de luchtvaart. Denk aan het bewaken van kritieke infrastructuur, aan voorspellend onderhoud van vliegtuigen en voertuigen, en aan strengere kwaliteitscontrole tijdens productieprocessen. Ook zelfrijdende auto’s en inspectiedrones kunnen profiteren van vroege signalen over naderende uitval. Vooral daar waar menselijk toezicht beperkt is, maakt tijdige storingsdetectie het verschil tussen een beheerste ingreep en een dure stilstand. Voor productiebedrijven belooft dat minder onverwachte uitval en een merkbaar langere levensduur van hun machines. Zo groeien systemen langzaam toe naar een rol waarin ze problemen niet alleen opmerken, maar deze ook zelf leren voorspellen.
Dit artikel delen op je eigen website? Geen probleem, dat mag. Meer informatie.
IndustrieVandaag is een onafhankelijk platform met het laatste nieuws van vandaag over de procesindustrie, industrial processing, productie industrie, maakindustrie en elektronica industrie.
Neem contact met ons op:
Tel +31 (0)23 737 07 63
Email via contactpagina
