Um die Abweichungen der Akkuanzeige im Flug zu beheben, ist eine adaptive Echtzeit-SOC-Schätzung der Drohnenbatterie erforderlich, die Spannungsabfälle von der nutzbaren chemischen Kapazität unter extremen Flugbelastungen trennt. Herkömmliche Messgeräte versagen, da statische Ruhespannungsmessungen und Coulomb-Zähler im offenen Regelkreis Impulsentladungen, Umgebungstemperaturschwankungen oder Störungen durch den Motorwechselrichter nicht erfassen können.
AYAA TECH fertigt intelligente BMS-Hardware und kundenspezifische Akkupacks, die speziell für diese Herausforderung entwickelt wurden. Durch die Berücksichtigung von Umgebungstemperaturschwankungen (-20 °C bis +50 °C), dynamischem Innenwiderstand und Zellalterung in Echtzeit erreicht unser SOC-Algorithmus eine Fehlerrate von unter 5 %. Präzise SOC-Daten steuern die Missionsdurchführung und bestimmen exakte Rückkehrschwellenwerte, wodurch Fehlabbrüche und Energiemangel im Flug verhindert werden.
Warum Ihre SOC-Berechnung bei Überwachungsmissionen fehlschlägt
Überwachungsdrohnen fliegen unter schwierigen Bedingungen; sie kämpfen gegen Windscherungen an, tragen schwere optische Nutzlasten und führen schnelle Manöver aus. Diese Faktoren beeinträchtigen die Genauigkeit des Lageerkennungssystems.
Autopilotsysteme wie PX4 ArduPilot nutzt den Ladezustand (SOC) zur Berechnung der Rückkehrgrenze und des Inspektionsradius. Zeigt die Akkuanzeige 8 % mehr an als tatsächlich vorhanden, entlädt sich der Akku und die Drohne stürzt vor der Landung ab. Liegt der Wert aufgrund eines kurzzeitigen Leistungsabfalls 15 % darunter, leitet das System die Notlandung zu früh ein. Beide Faktoren beeinträchtigen die Überwachungsmission und gefährden teure Drohnen.
8 kHz – 32 kHz
Polarisation
+50°C
Verblassen
Divergenz
Dynamische Stromspitzen und ESC-Schaltgeräusche
Die Flugbelastung kann sich häufig ändern. Eine Überwachungsdrohne kann innerhalb einer Sekunde von einem gleichmäßigen Reiseflug in einen steilen Steigflug mit Vollgas übergehen. Die Stromaufnahme kann von 2 C auf über 10 C ansteigen.
Elektronische Drehzahlregler (ESCs) speisen hochfrequentes elektrisches Rauschen in die Hauptstromschiene ein. Sie schalten zwischen 8 kHz und 32 kHz. Standard-Stromsensoren können diese Restwelligkeit als Gleichstromfluss interpretieren. Während eines 50-minütigen Messlaufs summieren sich diese Fehlmessungen zu einer Abweichung des Messgeräts. Für eine zuverlässige Echtzeit-SOC-Schätzung ist eine aktive Hardwarefilterung erforderlich, um dieses Rauschen direkt am Sensor zu eliminieren.
Spannungseinbruch bei Vollgas
Klemmenspannung (InT) sinkt, sobald Strom fließt. Dies folgt einer physikalischen Beziehung:
Wenn Motoren Spitzenströme ziehen, fällt die Spannung am inneren ohmschen Widerstand der Zelle schlagartig ab (R0). Elektrochemische Polarisation (InPolarisation) fügt eine zusätzliche Verzögerung hinzu.
Einfache Akkuanzeigen interpretieren diesen kurzzeitigen Spannungsabfall fälschlicherweise als tatsächliche Entladung. Sobald die Drohne den Steigflug beendet, steigt die Spannung wieder an. Dieser Spannungsanstieg führt zu Problemen in der Flugsteuerung.
Lösen Sie niemals Notlandungen allein aufgrund der reinen Klemmenspannung aus. Hochleistungs-Lithiumzellen können während eines schnellen Steigflugs auf 3,1 V absinken und sich im stabilen Schwebeflug wieder auf 3,65 V erholen. Die Verwendung ungepufferter Spannungsschwellenwerte verschwendet bis zu 30 % Ihrer nutzbaren Flugzeit.
Extreme Umgebungstemperaturen und Risiken der thermischen Durchfahrt
Die Umgebungstemperaturen schwanken bei industriellen Inspektionsmissionen dramatisch, von winterlichen Rasterinspektionen bei -20 °C bis hin zu Wüstenüberwachungen bei über +50 °C. Da die chemische Kinetik von den thermischen Bedingungen abhängt, bestimmen diese Umgebungsschwankungen sowohl den Innenwiderstand als auch die nutzbare Kapazität.
Bei -10 °C steigt die Viskosität des Elektrolyten und die Lithiumionendiffusion verlangsamt sich, wodurch der Innenwiderstand der Zelle (R0) um 300 % bis 500 % ansteigt. Dies verursacht einen massiven Spannungseinbruch direkt beim Start und reduziert die nutzbare Kapazität der Zelle: Ein Akku mit einer Nennkapazität von 16.000 mAh bei +25 °C kann in der Kälte nur noch 11.500 mAh abgeben, bevor er abgeschaltet wird. Würde der SOC-Algorithmus nicht skalieren, würde die Anzeige die verbleibende Energie deutlich überschätzen und zu plötzlichen Motorabschaltungen führen.
Hohe Temperaturen und konstante Entladungen mit hohem Kältemittelgehalt bergen unterschiedliche Risiken. Der kontinuierliche Leistungsbedarf treibt die Kerntemperaturen an kritische Werte. Ungleichmäßige Zellanordnung kann zu Hotspots führen; das Pack ist von schwerer Degradation oder katastrophalem Ausfall bedroht. thermisches DurchgehenDie
Um thermische Drift zu beheben und die Batterielebensdauer zu verlängern, überwacht AYAA TECH die thermische Kernabweichung mithilfe verteilter NTC-Arrays. Wir gewährleisten eine gleichmäßige Wärmeableitung entlang kritischer Strompfade durch hochwertige Wärmeleitmaterialien und Aluminium-Kühlkörper und speisen Echtzeit-Temperaturprofile direkt in den Zustandsschätzfilter ein.
Batteriealterung und SOH-Verschlechterung
Die nutzbare Kapazität sinkt mit abnehmender Lebensdauer des Akkus. Ein brandneuer Akku liefert beispielsweise 16.000 mAh. Nach 150 anspruchsvollen Flügen kann die Kapazität aufgrund von Alterungsprozessen jedoch auf 13.600 mAh sinken.
Herkömmliche Tankanzeigen berechnen die verbleibende Laufzeit weiterhin anhand der ursprünglichen Werksangabe. Die Berechnung schlägt fehl:
Wenn die Anzeige noch 25 % anzeigt, liegt die tatsächliche physikalische Kapazität bei etwa 10 %, sodass die Batteriespannung ohne Vorwarnung abfällt.
Die schwächste Zelle in Reihenschaltungen
Überwachungsdrohnen verwenden 6S- bis 14S-Akkus, um den Stromverbrauch in einem angemessenen Rahmen zu halten. Die einzelnen Zellen im Akkupack degradieren jedoch unterschiedlich stark.
Die durchschnittliche Spannung verschleiert defekte Zellen. Elf Zellen können eine gesunde Spannung von 3,6 V aufweisen, während eine beschädigte Zelle auf 2,9 V absinkt. Die Gesamtspannung des Akkus beträgt weiterhin 42,5 V, was für einfache Messgeräte unbedenklich erscheint. Doch diese eine Zelle ist bereits im Niedergang begriffen.
In einem Mehrzellen-Akku bestimmt die schwächste Zelle das Zeitfenster für eine sichere Landung. Sobald eine einzelne Zelle in Reihe ihren unteren Spannungsabfall erreicht, fällt ihre Spannung auf null Volt ab, die Polarität kehrt sich um und die Drohne stürzt ab.
Warum traditionelle Schätzalgorithmen im Flug versagen
Herkömmliche Kraftstoffmessmethoden wurden für Mobiltelefone und Elektroautos entwickelt. Bei der Anwendung auf industriellen Drohnen mit hohem Kraftstoffverbrauch verlieren diese Methoden schnell an Genauigkeit.
Die Coulomb-Zählung verfolgt den abfließenden Strom über die Zeit:
Dies ist eine Berechnung im offenen Regelkreis. Aktuelle Sensoren weisen minimale Nullpunktabweichungen und thermische Drift auf. Ein geringfügiger Fehler von 50 mA summiert sich über einen 50-minütigen Flug. Da eine Inspektionsdrohne selten in der Luft ruht, kann das System die Sensorabweichung nicht auf Null stellen. Die Drift nimmt ungehindert zu.
Die Leerlaufspannungsmessung (OCV) schlägt aus einem anderen Grund fehl. Die tatsächliche Leerlaufspannung erfordert eine elektrochemische Ruhephase. Eine Lithiumzelle muss mindestens 30 Minuten ruhen, um sich zu stabilisieren.
Hochenergiedichte-Chemikalien weisen zudem flache Entladekurven zwischen 20 % und 80 % Ladezustand auf. Innerhalb dieses Bereichs führt ein geringfügiger Sensorfehler von 10 mV zu einem Schätzfehler von 20 %.
Statische Ersatzschaltbildmodelle (ECM) verwenden feste Widerstands- und Kapazitätswerte, die in Reinräumen gemessen werden. Reale Drohnenflüge sind jedoch wesentlich komplexer. Windböen und Temperaturschwankungen machen statische Modelle ungültig.
Der nachfolgende Vergleich zeigt, wie gängige Schätzmethoden unter realen Flugbedingungen abschneiden.
| Schätzmethode | Funktionsprinzip | Hauptausfallpunkt im Flug | Eignung für Überwachungs-UAVs |
|---|---|---|---|
| Coulomb-Zählung | Integriert den Strom über die Zeit | Unkontrollierte Sensordrift; keine Ruhephasen zum Zurücksetzen | Allein nicht akzeptabel; erfordert eine Regelung im geschlossenen Regelkreis. |
| Direkte OCV-Suche | Karten messen die Spannung bis zum SOC | Ungültig unter Last; flache Spannungskurve verstärkt Fehler | Beschränkt auf Vorab-Bodenkontrollen vor der Waffenaufnahme |
| Statische 2-RC-ECM | Verwendet Festwiderstands-Kondensator-Modelle | Veränderungen durch Alterung und Temperatur können nicht erfasst werden. | Schlecht; erfordert dynamische Widerstandsaktualisierungen |
| Deep Learning / ML | Vorhersagen neuronaler Netze | Hohe Prozessorlast; in Grenzfällen unvorhersehbar | Nicht realisierbar auf BMS-Mikrocontrollern mit geringem Stromverbrauch |
| Adaptiver EKF (AYAA TECH) | Verschmelzt thermische Schaltungsmodelle mit Live-Sensoren | Erfordert eine sorgfältige Filterabstimmung zur Beherrschung des Motorgeräusches | Optimal; kombiniert Multi-Temperatur-Modelle mit Live-Feedback |
Wie die Daten zeigen, kann eine einzelne Methode dynamische Flugbedingungen nicht bewältigen. Überwachungsdrohnen benötigen Filterung auf Hardwareebene und Echtzeitkorrektur.
Genauigkeit der SOC-Schätzung für Akkus von Überwachungsdrohnen im Engineering
Um die Abweichung der Tankanzeige zu beheben, ist die Abstimmung von präziser Hardware auf adaptive Software erforderlich. Fehlerhafte Sensordaten verfälschen selbst hochentwickelte algorithmische Modelle.
Hardware zur präzisen Datenerfassung
Saubere Daten beginnen am physischen Shuntwiderstand. Wir verwenden Shunts aus Legierungen mit niedrigem Temperaturkoeffizienten (
Hardware-Tiefpassfilter sind vor den ADC-Pins geschaltet. Diese analogen Filter entfernen hochfrequentes Motorschaltrauschen vor der digitalen Wandlung.
Die Spannungsmessung erfordert dedizierte 16-Bit-ADCs. Das System muss jede in Reihe geschaltete Zelle gleichzeitig messen. Multiplex-Abtastung führt bei schnellen Drosselklappenänderungen zu Phasenfehlern, die die Filterberechnungen beeinträchtigen.
Die Temperaturüberwachung erfordert interne Sensoren. AYAA TECH integriert NTC-Thermistoren direkt zwischen die Zellkontakte, um die tatsächlichen Kerntemperaturen zu überwachen.
Das 2-RC-Thevenin-Modell und die dynamische Kalman-Filterung
Die Produktionsfirmware verwendet ein Thevenin-Modell zweiter Ordnung (2-RC) innerhalb eines Erweiterter Kalman-Filter (EKF)Der Zustandsvektor erfasst Kapazitäts- und Polarisationsspannungen:
Der erste RC-Zweig (R1 || C1) verfolgt den schnellen Ladungstransfer. Der zweite RC-Zweig (R2 || C2) Modelle langsamerer chemischer Diffusion.
Um eine hohe Genauigkeit in allen Klimazonen zu gewährleisten, integriert der Algorithmus die Echtzeittemperatur (TDie Messwerte werden direkt in die Zustandsraummatrizen übertragen. Alle Ersatzschaltbildparameter werden kontinuierlich mithilfe mehrdimensionaler Nachschlagetabellen aktualisiert, die für den Temperaturbereich von -20 °C bis +50 °C kalibriert sind. Darüber hinaus wird die Restkapazität anhand einer temperaturabhängigen nutzbaren Kapazität berechnet. Qverwendbar(T, SOH), um sicherzustellen, dass Schwankungen der Umgebungstemperatur keinen Einfluss auf die Tankanzeige haben.
Eine rekursive Kleinste-Quadrate-Routine (RLS) läuft parallel, um den momentanen ohmschen Widerstand zu verfolgen (R0) wenn Stromspitzen auftreten. Wenn die Drosselklappe sprunghaft ansteigt, misst der Algorithmus die sprunghafte Stromänderung (ΔICH) gegen den Spannungsabfall (ΔIn), wodurch der kurzzeitige ohmsche Spannungsabfall von der chemischen Erschöpfung entkoppelt wird.
Der Filter prognostiziert die Klemmenspannung und aktualisiert seine Kalman-Verstärkung dynamisch auf Basis der Beobachtungsresiduen:
Bei steilen Steigflügen nutzt der Filter sein physikalisches 2-RC-Modell, um einen SOC-Abfall zu verhindern. Im stabilen Schwebeflug verlagert er das Vertrauen sanft zurück auf die Messwertrückmeldung. Durch die Kombination von dynamischer Temperaturkompensation und Echtzeit-Impedanzmessung garantiert AYAA TECH SOC-Fehler ≤ 5 % über den gesamten Missionsbereich hinweg.
Störunempfindliche DroneCAN-Telemetrie und Autopilot-RTH-Führung
Genaue SOC-Werte sind wertlos, wenn die Kommunikationsleitungen ausfallen oder der Flugcontroller die Daten falsch interpretiert. Herkömmliche I2C- und SMBus-Leitungen verwenden einseitige Signalübertragung, doch bei Industriedrohnen verlaufen die Motorleitungen in unmittelbarer Nähe der Kabelbäume. Hochstromige Motorimpulse erzeugen elektromagnetische Störungen (EMI), die die I2C-Busse während des Fluges zum Einfrieren bringen können.
DroneCAN Dieses Problem wird durch symmetrische Differenzialsignalisierung gelöst. Gleichtaktstörungen des Motors werden unterdrückt. Akkuspannung, Zellzustände, Kerntemperaturen und der temperaturkompensierte Ladezustand (SOC) werden mit 1 Mbit/s ohne Frameverluste an den Autopiloten übertragen.
Die Smart BMS-Hardware von AYAA TECH ist nativ mit den Autopiloten PX4 und ArduPilot kompatibel. Da der gestreamte SOC die tatsächlich nutzbare Energie mit einer Abweichung von maximal 5 % widerspiegelt, können Flugcomputer die exakten Einsatzzeiträume und die Grenzen für die Rückkehr zum Startpunkt (RTH) dynamisch berechnen.
- Optimierter Missionsradius: Die Bediener können bis zu 90 % der tatsächlichen Batteriereserven sicher nutzen, ohne dass es zu Notlandungen aufgrund von Schubabfall kommt.
- Ausfallsichere Rückgabefenster: Wenn starker Gegenwind oder eisige Luft den Energieverlust beschleunigen, berechnet der Autopilot die genaue Grenze anhand der tatsächlich verbleibenden Joule anstatt anhand schwankender Klemmenspannungen.
- Kritische Zellenpräemption: Das Batteriemanagementsystem (BMS) meldet Spannung und Widerstand der schwächsten Zelle in Echtzeit. Sollte eine einzelne defekte Zelle unter Steigleistung ausfallen, passt der Flugcomputer den RTH-Schwellenwert sofort an und gewährleistet so eine sichere Landung des Flugzeugs, bevor sich die Zellpolarität umkehrt.
Leitfaden für Käufer und OEMs: Validierung von Echtzeit-SOC-Schätzungen
Manche Anbieter versprechen in ihren Marketingunterlagen eine Genauigkeit von „1 %“. Fast alle diese Angaben basieren auf statischen Entladungen bei Raumtemperatur (0,2 °C) im Labormaßstab. Sobald die Geräte jedoch in einer Überwachungsdrohne hohen Drehzahlschwankungen und kaltem Wind ausgesetzt sind, brechen diese theoretischen Werte zusammen.
Die Einkaufs- und Entwicklungsteams müssen die Angaben der Lieferanten anhand von vier strengen technischen Kriterien überprüfen:
- Zellchemische Übereinstimmung: Zylindrische 21700-Zellen mit hoher Kapazität verhalten sich anders als LiPo-Pouchzellen mit hoher Entladerate. Zylindrische Zellen speichern Wärme länger und weisen andere Diffusionskoeffizienten auf. Der SOC-Algorithmus des Batteriemanagementsystems (BMS) muss daher speziell auf die Zellzusammensetzung abgestimmte Nachschlagetabellen verwenden.
- Thermische Betriebsgrenzen: Die Genauigkeitsprüfung muss über den gesamten Temperaturbereich erfolgen. Ein Messgerät, das bei +25 °C gut funktioniert, weicht bei -10 °C häufig um 20 % oder mehr ab, wenn es auf statischen statt dynamischen Kapazitätsmodellen basiert. Qverwendbar(T) thermische Leistungsreduzierung.
- Dynamische Testlastprofile: Qualifizierungsdaten, die auf Konstantstrom-Laborentladungen basieren, sind abzulehnen. Es sind dynamische Missionsprofiltests erforderlich, die zwischen 0,5C-Verweilen und wiederholten Steigflügen von 8C–10C mit einer Schaltwelligkeit von 8–32 kHz wechseln.
- Konformität mit zwei Fehlermetriken: Stellen Sie sicher, dass das System sowohl die Standards für den mittleren absoluten Fehler (MAE) als auch für den Spitzenfehler erfüllt. Ein Algorithmus, der im Reiseflug einen akzeptablen MAE von 2 % aufweist, kann in den letzten 15 % der Landephase dennoch einen kritischen Spitzenfehler von 8 % erreichen. AYAA TECH überprüft beide Kennzahlen gleichzeitig. IS über das gesamte Flugprofil und UNDmax ≤ 5 % unter extremen Ausbruchsdynamiken.
Die nachstehende Verifizierungsmatrix legt die empirischen Testprotokolle fest, die für die Stromversorgungssysteme von Überwachungs-UAVs erforderlich sind:
| Verifizierungsparameter | Laborvalidierungsstandard | Erforderlicher Feldteststandard | Bedeutung des Fluges und der Mission |
|---|---|---|---|
| Dynamischer Strombereich | Kontinuierliche Entladung von 1,0 C | 0,5 °C-Übergangstemperatur bis 10 °C-Impulse (10 ms Anstiegszeit) | Beweist, dass der Algorithmus den dynamischen Spannungseinbruch von der nutzbaren Kraftstoffkapazität entkoppelt |
| Umgebungstemperatur | Kontrollierter Raum mit +25 °C | Vorgekühlt auf -20 °C, Erwärmung auf +45 °C unter Fluglast | Überprüft die temperaturkompensierte Kapazitätsskalierung und die dynamische Innenwiderstandsberechnung. |
| Schätzgenauigkeitsschwellenwerte | Angegebener MAE-Wert | Gleichzeitiger Doppelstandard: MAE UNDmax ≤ 5 % | Vermeidet unerwartete Landeschwellen und gewährleistet eine exakte RTH-Berechnung. |
| Zustand der Packungsbeschädigung | Zyklus 1 frische Zelle | Zellen aus Zyklus 150+ ( | Stellt sicher, dass die Kraftstoffanzeige den physikalischen Kapazitätsverlust erfasst, ohne den Auslaufbereich zu unterschreiten. |
| Telemetrie-Bus-Rauschen | Reinraumumgebung | 15-kW-Antriebsstrang mit angrenzenden Signalleitungen | Beweist die Unterdrückung von Differenzialbus-Störungen durch DroneCAN unter Volllast. |
Inspektionsprogramme von Regierung, Versorgungsunternehmen und Verteidigung müssen strenge Beschaffungsvorgaben erfüllen. ARTIKEL Abschnitt 848 und die Blaue Drohne RahmenBatteriebaugruppen dürfen keine Zellen oder kritische Mikrocontroller-Komponenten verwenden, die von eingeschränkten Unternehmen stammen.
Die Beschaffungsteams für Avionik müssen die Herkunft der Zellen, die Produktionsstandorte der Akkupacks und die Prüfprotokolle der eingebetteten BMS-Firmware verifizieren. Batterien, deren Lieferkettenkonformität nicht nachweisbar ist, fallen bei staatlichen Prüfungen durch und dürfen nicht für Verteidigungs- oder Infrastrukturprojekte eingesetzt werden.
Häufig gestellte Fragen
Warum sinkt der Akkustand bei einer schnellen Steigung von 40 % auf 10 %?
Dieser Spannungsabfall wird durch einen kurzzeitigen Spannungseinbruch verursacht. Wenn eine Drohne einen steilen vertikalen Steigflug einleitet, ziehen die Motoren Spitzenstrom. Dieser Spannungsstoß senkt die Spannung am Innenwiderstand des Akkus (Infallen = ICH · RintUngepufferte Batteriemonitore interpretieren diesen kurzzeitigen Spannungsabfall als tatsächlichen Kapazitätsverlust, wodurch die Anzeige stark absinkt. Sobald das Flugzeug wieder im stabilen Schwebeflug ist, sinkt der Strom und die Spannung steigt wieder an. Fortschrittliche Algorithmen entkoppeln diesen lastbedingten Spannungsabfall von der tatsächlichen chemischen Kapazität.
Welches mathematische Modell liefert die höchste Genauigkeit des BMS-SOC-Algorithmus?
Ein 2-RC-Thevenin-Ersatzschaltbildmodell in Kombination mit einem erweiterten Kalman-Filter (EKF) bietet das optimale Verhältnis von Genauigkeit und Recheneffizienz. Das 2-RC-Netzwerk modelliert sowohl schnelle Ladungstransferprozesse als auch langsame chemische Diffusion. Durch den Einsatz eines zusätzlichen rekursiven Kleinste-Quadrate-Filters (RLS) kann das System interne Widerstandsänderungen in Echtzeit erkennen. Dieser kombinierte Ansatz hält Schätzfehler unter 5 %, ohne den integrierten Mikrocontroller zu überlasten.
Kann ein Standard-BMS-Mikrocontroller für Drohnen Echtzeit-SOC-Schätzfilter ausführen?
Ja. Bei korrekter Konfiguration des Zustandsraummodells führt der Algorithmus einfache 3×3-Matrixoperationen durch. Ein moderner 32-Bit-ARM-Cortex-M4- oder Cortex-M7-Prozessor mit einer Taktfrequenz zwischen 64 MHz und 168 MHz führt diese Berechnungen in weniger als einer Millisekunde aus. Dieser geringe Prozessor-Overhead lässt ausreichend Kapazität für Zellausgleich, Sicherheitsfunktionen und die DroneCAN-Kommunikation.
Wie wirkt sich Frost auf die SOC-Schätzung von Überwachungsdrohnenbatterien aus?
Minustemperaturen erhöhen die Viskosität des Elektrolyten und verlangsamen den Lithiumionentransport. Bei -10 °C steigt der Innenwiderstand der Zelle um 300 % bis 500 %. Dies führt zu drei Hauptproblemen:
- Starker Spannungsabfall unter Last.
- Vorübergehender Verlust der nutzbaren Amperestundenkapazität.
- Verschiebungen in der Leerlaufspannungskurve im Grundbetrieb.
Fehlen dem Algorithmus Tabellen zur Temperaturkompensation in Echtzeit, überschätzt er die verbleibende Laufzeit, was zu Leistungsverlusten während der Laufzeit führt.
Warum sollte man für die Batteriekommunikation von I2C/SMBus auf DroneCAN umsteigen?
I2C und SMBus verwenden einseitige, ungeschirmte Leitungen. Bei Verlegung in der Nähe von Hochleistungsmotorkabeln stören hochfrequente elektromagnetische Störungen der Regler den Bus. Diese Störungen führen häufig zum Einfrieren der I2C-Leitungen und unterbrechen so die Telemetrieübertragung zum Autopiloten. DroneCAN nutzt differenzielle Signalisierung über eine isolierte CAN-Bus-Schicht. Dadurch werden Motorstörungen eliminiert, die Hardware-Arbitrierung beibehalten und eine unterbrechungsfreie Telemetrieübertragung gewährleistet.
Wie beeinflusst die Lebensdauer der Batterie die Berechnung der Kapazität im Flug?
Mit zunehmendem Alter einer Batterie geht durch das Wachstum der SEI-Schicht aktives Lithium dauerhaft verloren, und der Innenwiderstand steigt. Wenn das Batteriemanagementsystem (BMS) die verbleibende Kapazität mit der ursprünglichen Werkskapazität vergleicht, weichen die Berechnungen im Laufe der Zeit ab. Bei einem gealterten Akku mit 80 % Kapazität zeigt eine unkompensierte Anzeige 25 % an, dass tatsächlich weniger als 10 % nutzbare Energie übrig sind. Intelligente Systeme erfassen den Kapazitätsverlust über mehrere Ladezyklen hinweg, um ihre Basiskapazitätswerte entsprechend anzupassen.
Welche Batteriedokumentation ist gemäß NDAA Abschnitt 848 erforderlich?
Unter ARTIKEL Abschnitt 848 Im Rahmen des Blue UAS-Frameworks müssen die Beschaffungsteams eine vollständige Rückverfolgbarkeit der Lieferkette gewährleisten. Diese Dokumentation muss Folgendes bestätigen:
- Ursprünge der Rohzellenherstellung.
- Standorte der Verpackungsmontageanlagen.
- Vollständige Materialbeschaffung (BOM).
- Quellcodeherkunft für die gesamte eingebettete BMS-Firmware.
Systeme ohne verifizierte Lieferkettennachweise können nicht auf Plattformen der US-Regierung oder des US-Verteidigungsministeriums eingesetzt werden.