UAV testing and evidence analysis

เริ่มจาก requirement ที่วัดได้

แยก requirement, acceptance criterion, procedure และ evidence เช่น “เวลาไม่ต่ำกว่า20นาที ภายใต้ payload และสภาพแวดล้อมที่กำหนด” ต้องระบุวิธีเริ่ม/หยุดจับเวลาและจำนวนครั้งด้วย คำว่าไม่ต่ำกว่ากับไม่เกินให้ทิศทางการทดสอบต่างกัน

ลำดับการตรวจ

เริ่ม software simulation → bench → integration → controlled field test ตามความพร้อมและวิธีทดสอบที่เหมาะสม แต่ละขั้นตอบข้อสงสัยต่างกัน Simulator ไม่ใช่ผลรับรอง environmental/EMC และผล FEM ไม่ใช่หลักฐานชิ้นงานจริง

เลือก log ให้ตรงคำถาม

ArduPilot DataFlash/TLOG และ PX4 ULog ไม่ใช่ไฟล์ชนิดเดียวกัน pyulog ใช้อ่าน ULog; MAVExplorer และ WebTools มีเส้นทางสำหรับ ArduPilot ตรวจหัวข้อและ sample rate ก่อนคาดหวังว่าจะเห็น IMU spectrum หรือ PID analysis ได้ครบ

FilterReview/PIDReview ใช้ช่วยอ่าน response และผลของค่าตั้งแบบ offline ค่าที่ดูดีในเครื่องมือยังต้องตรวจบนระบบเป้าหมาย อย่าอ้างว่า SITL มี vibration เหมือนลำจริง

สถิติและความไม่แน่นอน

ค่าเฉลี่ยบอกตำแหน่งกลางของข้อมูล แต่ไม่บอกความกระจายทั้งหมด รายงานจำนวนครั้ง mean, SD และช่วงความเชื่อมั่นตามคำถาม พร้อมสภาพแวดล้อมและความไม่แน่นอนเครื่องมือวัด

One-sided test เหมาะเมื่อคำถามมีทิศทางที่กำหนดล่วงหน้า ส่วน two-sided test ถามความต่างสองทิศ ไม่เลือกวิธีหลังเห็นผลเพื่อให้ผ่านเกณฑ์

Confidence interval ของค่าเฉลี่ยกับ tolerance interval ตอบคนละเรื่อง ข้อมูลที่สนับสนุนว่าค่าเฉลี่ยเกินเกณฑ์ยังไม่รับรองว่าเที่ยวบินส่วนใหญ่หรือทุกเที่ยวบินผ่าน

F37: ค่าเฉลี่ย ความกระจาย และช่วงความเชื่อมั่น

ระดับพื้นฐานถึงประยุกต์ · คำถาม: เวลาบินที่วัดหลายครั้งกระจายเท่าไร และค่าเฉลี่ยยังไม่แน่นอนแค่ไหน? เก็บหน่วยทดลองเป็นเที่ยวบินอิสระตามเงื่อนไขเดียวกันก่อนคำนวณ จุด log หนึ่งพันจุดในเที่ยวเดียวไม่ได้เป็นหนึ่งพันเที่ยวอิสระ

x̄ = Σx_i / n

s = √[Σ(x_i − x̄)² / (n − 1)]

SE = s / √n

CI_95% = x̄ ± t_{0.975, n−1} × SE

อ่านว่า ค่าเฉลี่ยคือผลรวมหารจำนวนครั้ง; ส่วนเบี่ยงเบนมาตรฐานตัวอย่าง s ใช้ผลรวมระยะห่างจากค่าเฉลี่ยยกกำลังสองหาร n−1 แล้วถอดราก; ช่วงความเชื่อมั่นของค่าเฉลี่ยใช้ค่า t คูณ standard error เป็นระยะบวกและลบจากค่าเฉลี่ย ตาม NIST, Confidence Limits for the Mean (S34, ตรวจ 26 กันยายน 2569)

คำอธิบายภาพ: จุดข้อมูลสามจุดอยู่ที่ 20, 22, 24 นาที ค่าเฉลี่ยอยู่ 22 นาที เส้นช่วงความเชื่อมั่นค่าเฉลี่ย 95% ยาวจากประมาณ 17.03 ถึง 26.97 นาที จึงกว้างกว่าช่วงข้อมูลในตัวอย่างเล็กนี้ ไม่ควรตีความภาพเก่าหรือภาพใหม่ว่าช่วง CI ต้องแคบกว่า tolerance interval เสมอ เพราะสองช่วงใช้คนละนิยามและพารามิเตอร์

ตัวอย่างคำนวณทีละขั้น

สมมติเวลาบินสังเคราะห์สามเที่ยว 20, 22, 24 min เป็นตัวอย่างอิสระจากประชากรปกติที่มีเงื่อนไขคงที่ ตัวอย่างสามค่าเล็กเกินกว่าจะยืนยันสมมติฐานรูปแจกแจงได้ จึงใช้เพื่อฝึกสูตรเท่านั้น

1. n = 3 และ x̄ = (20+22+24)/3 = 22 min
2. ค่าต่างจากค่าเฉลี่ยคือ −2, 0, 2 min; ผลรวมกำลังสอง = 4+0+4 = 8 min²
3. s = √[8/(3−1)] = 2 min และ SE = 2/√3 ≈ 1.154701 min
4. df = 2 ใช้ t0.975,2 ≈ 4.30265273 จึงได้ระยะครึ่งช่วง 4.30265273×2/√3 ≈ 4.968275 min
5. CI สองด้าน 95% ≈ [17.031725, 26.968275] min หรือ [17.03, 26.97] min เมื่อปัดสองตำแหน่ง

ค่า t ต่างจาก 1.96 ของการประมาณปกติเมื่อรู้เงื่อนไขที่เหมาะสม อย่าแทน 1.96 อัตโนมัติเมื่อมีเพียงสามเที่ยว ตรวจคำตอบด้วย SciPy ttest_1samp และ confidence_interval (S39) โดยกำหนดข้อมูลและ confidence_level เดียวกันได้

ขอบเขตการตีความ: วิธี t นี้ให้ CI ที่ตรงตามระดับที่กำหนดภายใต้ตัวอย่างอิสระจากประชากรปกติ; ข้อมูลมีแนวโน้มตามเวลา แบตเตอรี่เสื่อม หรือเที่ยวบินต่างเงื่อนไขอาจทำให้ใช้วิธีนี้ตรง ๆ ไม่ได้ ความหมาย 95% คือสัดส่วนช่วงที่ครอบคลุมค่าเฉลี่ยประชากรเมื่อทำกระบวนการสุ่มซ้ำ ไม่ใช่โอกาสที่เที่ยวบินถัดไปอยู่ในช่วง หรือการรับรองว่าทุกเที่ยวผ่านเกณฑ์ หากต้องการครอบคลุมสัดส่วนประชากรต้องศึกษาวิธี NIST, Tolerance Intervals (S35) แยกต่างหาก

ตรวจค่าเฉลี่ยและ SD ด้วย เครื่องคำนวณสถิติท้ายบท โดยป้อน 20, 22, 24 ตัวอย่างในบทใช้ค่า t ความละเอียดสูงประมาณ 4.30265273 ส่วนเครื่องมือใช้ค่าตารางที่ปัดเป็น 4.303 สำหรับ df = 2 จึงได้ CI ประมาณ [17.031324, 26.968676] min ต่างจากบทประมาณ 0.000401 min ที่แต่ละขอบ และปัดสองตำแหน่งได้ [17.03, 26.97] min เหมือนกัน ความต่างนี้เกิดจากการปัดค่า t ไม่ใช่สูตรหรือข้อมูลคนละชุด เครื่องมือรองรับจำนวนตัวอย่างตามตารางที่ระบุ ให้ตรวจ df ก่อนเทียบผล

แบบฝึก: เพิ่มทุกเที่ยวหนึ่งนาที

เปลี่ยนข้อมูลเป็น 21, 23, 25 min แล้วหา mean, s และ CI 95% ด้วยค่า t เดิม ยอมรับขอบช่วงคลาดเคลื่อนไม่เกิน 0.001 min

ใช้ แบบบันทึกการทดลอง CSV เดิม เก็บเงื่อนไขและหน่วยทดลองควบคู่ผลคำนวณ รายงานการคัดข้อมูลออกและความไม่แน่นอนของเครื่องมือด้วย; n = 1 คำนวณ mean ได้ แต่ s และ CI นี้ยังคำนวณไม่ได้

แบบบันทึกที่ควรมี

ตรวจอากาศยานก่อนและหลังงาน

การตรวจความพร้อมเป็นส่วนหนึ่งของหลักฐาน ไม่ใช่เพียงการติ๊กช่องให้ครบ ใช้คู่มือของรุ่นที่ใช้งานกำหนดรายละเอียด จุดยึด ใบพัด แบตเตอรี่ เซนเซอร์ และรายการบำรุงรักษา ถ้าพบความผิดปกติที่ยังประเมินไม่ได้ ให้ระบุสถานะรอตรวจ ไม่เปลี่ยนสถานะเป็นพร้อมใช้งานเพราะเปิดเครื่องติด

การตรวจบนโต๊ะควรจัดการพลังงานและส่วนหมุนตามคู่มือ ไม่ใช้การสั่งหมุนใบพัดในพื้นที่ทำงานเป็นวิธีตรวจทั่วไป อายุแบตเตอรี่หรือใบพัดไม่ควรกำหนดเป็นตัวเลขเดียวสำหรับทุกรุ่น

บันทึกข้อบกพร่องให้ตรวจย้อนกลับได้

บันทึกวันที่ อุปกรณ์/รุ่น revision อาการ เงื่อนไขที่พบ หลักฐาน สถานะ และผู้รับผิดชอบ แยก “พบอาการ” ออกจาก “วิเคราะห์สาเหตุ” เช่น การสั่นใน log ยังไม่ยืนยันว่าเกิดจากใบพัดเพียงสาเหตุเดียว หลังแก้ให้ทดสอบเงื่อนไขที่เกี่ยวข้องและอ้างถึงไฟล์ผลใหม่ก่อนปิดรายการ

แบบฝึกบนคอมพิวเตอร์: สร้างรายการ defect สมมติสามรายการ แล้วเชื่อมแต่ละรายการกับ test ID วิธีตรวจซ้ำ และเกณฑ์ปิดรายการ ผู้ตรวจอีกคนควรตามหลักฐานได้โดยไม่ต้องถามผู้สร้างบันทึก

อ่านต่อและแหล่งอ้างอิง

• เอกสารตั้งต้น: DTI, การทดสอบ UAV ต้นแบบขั้นสูง
• ArduPilot WebTools
• SciPy one-sample t-test
• NIST confidence limits
• NIST tolerance intervals
• ดาวน์โหลดแบบบันทึกการทดลอง CSV

เนื้อหานี้เรียบเรียงจากเอกสารที่ DTI เอื้อเฟื้อและแหล่งอ้างอิงข้างต้น ตัวอย่างตัวเลขเป็นกรณีเพื่อการเรียนรู้ อ่านกิตติกรรมประกาศและที่มาของเนื้อหา

F11: อ่าน sample rate กับช่องความถี่ก่อนอ่าน spectrum

ระดับประยุกต์ · คำถาม: ความถี่ที่เห็นใน log อาจมาจากสัญญาณจริงที่สูงกว่านั้นหรือไม่?

f_N = fs/2; Δf = fs/N; f_alias = |f − round(f/fs)fs|

y_k = αx_k + (1−α)y_(k−1)

round ในสูตร alias คือจำนวนเต็มที่ใกล้ที่สุด; ใช้ magnitude ของ sinusoid จริงหนึ่งความถี่ NI อธิบายการพับความถี่และการกรองก่อน ADC ขอบ fs/2 ไม่ใช่การรับรองว่าถ่ายสัญญาณตรงขอบแล้วสร้างกลับได้ทุกเฟส ต้องจำกัด band ต่ำกว่าขอบและเผื่อ filter transition

Δf อ้างการจัด bin ของ NumPy 2.0 fftfreq(N,d=1/fs) ไม่ใช่ความสามารถแยก peak ซึ่งขึ้นกับช่วงบันทึก window และ noise การเติมศูนย์เพิ่มจุดแสดงผลไม่เพิ่มข้อมูลจริง PSD มีหน่วยกำลังต่อ Hz ต่างจาก amplitude spectrum สมการ EMA เป็นตัวอย่างการเฉลี่ยหลัง sampling จึงแก้ alias ที่เกิดไปแล้วไม่ได้

ตัวอย่างแทนค่า

fs=200 Hz, N=1000 ได้ f_N=100 Hz และ Δf=0.2 Hz ช่วงบันทึกตาม N/fs คือ5 s ถ้ารับ sinusoid130 Hz จะเห็น alias |130−200|=70 Hz ส่วนหนึ่งก้าว EMA ที่ α=0.25, x=10 และ y_prev=2 ได้ y=0.25×10+0.75×2=4 หน่วยสัญญาณ

แบบฝึกเปลี่ยนค่า

บันทึก sample จริงเพิ่มเป็น N=2000 โดยคง fs และข้อมูลหนึ่งก้าว EMA เดิม ค่าใดเปลี่ยน?

อ้างอิง: NI — Acquiring an Analog Signal, Nyquist Sampling Theorem and Aliasing (P3E04) · NumPy 2.0 — numpy.fft.fftfreq (P3E05); ตรวจ 26 กันยายน 2569

เชื่อมความรู้กับภารกิจและข้อมูล

กำหนดภารกิจทดสอบ วิธีวัด และเกณฑ์ก่อนเริ่ม แล้วบันทึกเงื่อนไขให้คนอื่นทำซ้ำได้ แบบทดสอบมาตรฐานเป็นแนวทางวัดความสามารถ ไม่ใช่การรับรองว่าผู้เรียนผ่านมาตรฐานโดยเพียงอ่านหรือทำครั้งเดียว อ่านแหล่งอ้างอิง: NIST — Aerial Drone Tests

ฝึกตรวจความเข้าใจ: เลือกหนึ่งทักษะ กำหนดตัวชี้วัดและสาเหตุที่ต้องยุติการทดสอบ ใช้แบบจำลองก่อนทดสอบอากาศยานจริง

อ่านต่อ บทที่ใช้ความรู้นี้ในงานจำลอง · ทบทวนแหล่งข้อมูล 26 กันยายน 2569

ดาวน์โหลดชุดตรวจคำตอบสูตรพื้นฐาน (JSON) · ข้อมูลสังเคราะห์พร้อมหน่วย ใช้เปรียบเทียบผลคำนวณของตนเอง

ดาวน์โหลดชุดฝึกสูตรวิศวกรรมและเซนเซอร์ (CSV/JSON พร้อมเฉลย) · ข้อมูลสังเคราะห์สำหรับฝึกคำนวณและตรวจสมมติฐาน