描述

人類是自私的，消耗地球上所有的資源并不斷地破壞它，導(dǎo)致氣候變化等負(fù)面后果，導(dǎo)致全球變暖，蜜蜂和鳥類等物種的數(shù)量顯著下降。

目前，物流從生產(chǎn)者到消費(fèi)者的工作方式，占用了大量的運(yùn)輸。其中大部分是在平均效率為 20% 的內(nèi)燃機(jī)上運(yùn)行的車輛的幫助下完成的。與使用可再生資源的任何其他交通工具相比，這要少得多。這是二氧化碳排放的主要原因。這種二氧化碳排放導(dǎo)致全球變暖和氣候變化。為什么我們不轉(zhuǎn)向太陽能、風(fēng)能、水電等可再生能源或核能等清潔能源？在使用汽油/柴油作為能源很容易的情況下，它們需要大量投資和前期成本。

溫室氣體排放

?

電動(dòng)汽車的主要問題是里程焦慮。人們擔(dān)心如果充電結(jié)束或電池爆裂怎么辦等。如果我們開發(fā)一種快速為電池充電的技術(shù)并戰(zhàn)略性地部署充電網(wǎng)絡(luò)，那么未來至少在發(fā)展中使用電動(dòng)汽車會(huì)很容易。國家。

來到我們的解決方案：貨物的最后一英里交付對于任何組織都非常重要，因?yàn)樗桥c客戶互動(dòng)的最后一部分。如果交貨無憂，客戶將再次訂購，希望得到良好的服務(wù)。但大多數(shù)時(shí)候情況并非如此，快遞員弄亂了位置，然后我們應(yīng)該與他溝通當(dāng)前位置，否則包裹將被重新路由到另一個(gè)快遞辦公室，而客戶在包裹辦公室后面跑到辦公室。所有這些都涉及不必要的車輛移動(dòng)，導(dǎo)致二氧化碳和一氧化碳?xì)怏w的排放。

使用自動(dòng)電動(dòng)送貨車是最好的選擇，像nuro這樣的公司已經(jīng)在研究它，這是一件非常好的事情。亞馬遜等巨頭正在開發(fā)基于無人機(jī)的送貨服務(wù)，這將幫助我們顯著減少排放。多旋翼飛機(jī)或俗稱的無人機(jī)或四軸飛行器可以成為最后一英里貨物交付的潛在替代品。由于路線雜亂無章，多個(gè)送貨代理到達(dá)同一地點(diǎn)，送貨車輛管理不善，貨物的最后一公里運(yùn)輸本身需要大量能源。無人機(jī)交付可以成為相同的潛在替代品。

但是自動(dòng)送貨車和無人機(jī)都需要經(jīng)常充電，而且它們的電池可能不會(huì)持續(xù)很長時(shí)間。特別是在四軸飛行器和多旋翼的情況下，每個(gè)電機(jī)的轉(zhuǎn)速大約在 5000 到 10000 之間，具體取決于電機(jī)的 KV。每個(gè)電機(jī)的功耗在 100 到 300W 之間變化。因此電池只能運(yùn)行 30 分鐘到 1 小時(shí)。但在這段時(shí)間內(nèi)，根據(jù)有效載荷和電池容量，無人機(jī)可以飛行 50 到 60 公里。但是，由于可伸縮的空中距離而不是道路距離，無人機(jī)可以更快地到達(dá)該地點(diǎn)。

但您可能會(huì)想，為什么不能添加更大的電池？但是更大的電池反過來會(huì)增加重量，從而減少飛行時(shí)間。因此，最佳有效載荷以及高效電池是唯一的解決方案。

為了解決這個(gè)問題，我們建議無人機(jī)和自動(dòng)送貨車輛使用自動(dòng)充電站，它們可以自行充電并從那里起飛。在無人機(jī)的情況下是鳥巢，在 UGV 或無人駕駛地面車輛的情況下是車庫。但是需要仔細(xì)觀察和維護(hù)無人機(jī)和 UGV，以充分利用它們

在無人機(jī)中，由于其部件以如此高的 RPM 移動(dòng)，如果只有一個(gè)稍微松動(dòng)的螺釘就會(huì)因?yàn)楦咚匐姍C(jī)的振動(dòng)放大而造成災(zāi)難。快速基于羽毛的 SAAS 解決方案將用于檢測這些微小的缺陷，并在無人機(jī)從一個(gè)充電器跳到另一個(gè)充電器時(shí)定期提醒它們。

這種主動(dòng)預(yù)測性維護(hù)也可用于 UGV，以檢測其他方式無法檢測到的異常情況。我知道上面的解釋很長，但很需要說明我的觀點(diǎn)。

讓我們開始吧：

第 1 步：獲取所需的東西

獲取所有需要的東西，例如快速羽毛、樹莓派 4、BLDC 電機(jī)、木板、烙鐵等。

第 2 步：快速羽毛入門

這是一個(gè)精彩的博客是由Arduino"have11"Guy寫的關(guān)于這個(gè)主題的請參考那個(gè)并準(zhǔn)備好基本的東西

第 3 步：訓(xùn)練數(shù)據(jù)：

我的 F -450 無人機(jī)

?

我計(jì)劃將設(shè)備連接到無人駕駛無人機(jī)充電器的情況下無人機(jī)來和著陸的充電板上，并且在 UGV 的情況下充電時(shí)，SAAS 設(shè)備將保留在 UGV 本身上。這些充電站最好的一點(diǎn)是它們依靠太陽能運(yùn)行，通過它我們將實(shí)現(xiàn)零碳足跡的目標(biāo)，從而阻止最后一英里運(yùn)輸車輛的排放。此外，由于這些安裝在路燈頂部，因此不會(huì)占用任何空間。

概念圖

?

SASAS 設(shè)備將運(yùn)行診斷程序并檢查缺陷，例如

1. 螺旋槳損壞

2. 螺絲松動(dòng)

3. 不平衡螺旋槳

4. 損壞的框架

5、斷線

螺旋槳損壞（這些損壞在飛行無人機(jī)時(shí)很常見）

?

損壞的螺旋槳損壞是危險(xiǎn)的，因?yàn)槿魏我?10000 RPM 運(yùn)行的偏心質(zhì)量都可能是致命的武器。當(dāng)無人機(jī)在空中飛行時(shí)，它可能會(huì)掉落并損壞人員，甚至可能由于高速剃須刀鋒利的螺旋槳葉片而造成生命損失。

它會(huì)將它們標(biāo)記為異常，并將其上傳到儀表板中。

充電狀態(tài)也可以共享到云端，標(biāo)記充電器墊忙碌。

DCL 收集音頻數(shù)據(jù)

?

我嘗試通過 IMU 傳感器（即 MC3635）收集數(shù)據(jù)，但不幸的是，我的 IMU 提供恒定輸出并且它的值沒有變化，就像這樣，我設(shè)法通過將 I2C0 輸出連接到 Arduino Mega 板和通過訪問傳感器的 I2C 地址（0x44h）將數(shù)據(jù)讀取到串行端口

Sensor sniff.
Get interrupt.
X:	-1	Y:	-1	Z:	-1	counts
X: 	-0.61	Y: 	-0.61	Z: 	-0.61	m/s^2
---------------------------------------------------------
X:	-1	Y:	-1	Z:	-1	counts
X: 	-0.61	Y: 	-0.61	Z: 	-0.61	m/s^2

在 arduino mega 2560 上采集的 IMU 數(shù)據(jù)

?

所以我只能選擇使用麥克風(fēng)來捕捉無人機(jī)葉片聲音中的異常情況。所以我通過串行固件加載了簡單的流音頻，然后啟動(dòng) DCL 通過串行本身收集數(shù)據(jù)。

由于印度的 Covid 19 大流行，我不得不從工作場所班加羅爾趕往家鄉(xiāng)。因此，除了少數(shù)開發(fā)板之外，沒有任何硬件。

因此，我將使用快速羽毛板和用于模擬無人機(jī)風(fēng)扇的計(jì)算機(jī)風(fēng)扇來模擬整個(gè)設(shè)置

現(xiàn)在我訓(xùn)練了模型并得到了結(jié)果

特征向量圖

?

第 4 步：測試模型

我已經(jīng)上傳了測試數(shù)據(jù)并對其進(jìn)行了分類，現(xiàn)在我可以使用這些數(shù)據(jù)在分析工作室本身上測試我的模型。

混淆矩陣

?

混淆矩陣在這里顯示了一個(gè)很好的數(shù)字。

第 5 步：工作視頻和演示：

根據(jù)您的要求下載生成的模型。如果您想更改輸出文本并修改某些內(nèi)容，您可以隨時(shí)選擇您有權(quán)編輯和測試內(nèi)容的代碼版本。在這里，我正在下載我需要的 .bin 文件，因?yàn)槲覍⑹褂脴漭缮峡焖儆鹈妮敵?a target='_blank' class='arckwlink_none'>信息。

.bin 文件的下載

結(jié)論：我們正處于一個(gè)必須轉(zhuǎn)向電動(dòng)汽車的階段，否則我們將無法控制或減少氣候變化。基于無人機(jī)或基于 UGV 的交付是未來。例如，考慮送餐，至少在像 zomato 和 swiggy 這樣的印度公司

2020 財(cái)年，印度每月平均有 1070 萬客戶在該平臺(tái)上訂購食物，平均每月頻率超過三倍。在截至 2020 年 12 月的九個(gè)月中，99.3% 的外賣訂單來自 Zomato 的移動(dòng)應(yīng)用程序。

這些交付是在使用不可再生燃料的車輛上單獨(dú)進(jìn)行的。這使得該過程效率低下。基于無人機(jī)的送餐是最后一英里送餐的最佳替代品，我們的主動(dòng)預(yù)測性維護(hù)設(shè)備 SASAS 將有助于充電站的診斷檢查。當(dāng)未來充滿自動(dòng)送貨車輛時(shí)，這將成為新常態(tài)。

接觸式充電始終是最好的充電方式，因?yàn)闆]有無線充電中常見的 40g% 能量損失。將導(dǎo)體嵌入無人機(jī)的腿中有助于我們快速、整齊地為設(shè)備充電。

我想在競賽的線路供電類別下提交我的項(xiàng)目。

參考資料：

• 按部門劃分的排放量
• 黑碳爐灶排放：對 19 種爐灶/燃料組合的現(xiàn)場評估
• A. Kanawaday 和 A. Sane，“使用 IoT 傳感器數(shù)據(jù)對工業(yè)機(jī)器進(jìn)行預(yù)測性維護(hù)的機(jī)器學(xué)習(xí)”，2017 年第 8 屆 IEEE 軟件工程和服務(wù)科學(xué)國際會(huì)議 (ICSESS) ，2017 年，第 87-90 頁，doi: 10.1109/ ICSESS.2017.8342870。