Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Содержание
Введение
Интеллектуальная система управления полетом (IFCS) – это система управления полетом нового поколения, разработанная для повышения безопасности экипажа и пассажиров воздушного судна, а также для оптимизации летных характеристик самолета в нормальных условиях. Главное преимущество этой системы заключается в том, что она позволит пилоту сохранять управление самолетом даже в условиях отказа, которые в противном случае привели бы к катастрофе. Разработка IFCS ведется под руководством NASA Dryden Flight Research Center при участии NASA Ames Research Center, Boeing Phantom Works, Института научных исследований при Университете Западной Вирджинии и Технологического института Джорджии.
The Intelligent Flight Control System (IFCS) is a next generation flight control system designed to provide increased safety for the crew and passengers of aircraft as well as to optimize the aircraft performance under normal conditions. The main benefit of this system is that it will allow a pilot to control an aircraft even under failure conditions that would normally cause it to crash. The IFCS is being developed under the direction of the NASA Dryden Flight Research Center with the collaboration of the NASA Ames Research Center, Boeing Phantom Works, the Institute for Scientific Research at West Virginia University, and the Georgia Institute of Technology.
Цели ИФКУ
Основная цель проекта IFCS – создание системы для использования в гражданской и военной авиации, которая будет адаптивной и устойчивой к отказам. Это достигается за счет модернизации программного обеспечения управления полетом с использованием технологии самообучающихся нейронных сетей. Цели проекта нейронной сети IFCS: разработка системы управления полетом, способной определять характеристики самолета с помощью нейронных сетей для оптимизации его летных характеристик; разработка нейронной сети, способной самостоятельно обучаться анализу летных свойств самолета; демонстрация вышеуказанных возможностей на модифицированном самолете F-15 ACTIVE в полете, который служит испытательным стендом для проекта IFCS.
The main purpose of the IFCS project is to create a system for use in civilian and military aircraft that is both adaptive and fault tolerant. This is accomplished through the use of upgrades to the flight control software that incorporate self learning neural network technology. The goals of the IFCS neural network project are. To develop a flight control system that can identify aircraft characteristics through the use of neural network technology in order to optimize aircraft performance. To develop a neural network that can train itself to analyze the flight properties of the aircraft. To be able to demonstrate the aforementioned properties on a modified F 15 ACTIVE aircraft during flight, which is the testbed for the IFCS project.
Теория действия
Нейронная сеть IFCS обучается характеристикам полета в реальном времени, используя данные с датчиков воздушного судна и корректировки ошибок от основного бортового компьютера, а затем применяет эту информацию для создания различных моделей летных характеристик самолета. Обучение нейронной сети происходит только при стабильном состоянии полета, и она отбрасывает любые характеристики, которые могут привести к аварийной ситуации. Если состояние самолета изменяется от стабильного к аварийному, например, при повреждении и потере управляемости одной из поверхностей управления, IFCS обнаруживает эту неисправность и переключает модель летных характеристик. Затем нейронная сеть стремится свести разницу между эталонной моделью и фактическим состоянием самолета к нулю.
The neural network of the IFCS learns flight characteristics in real time through the aircraft’s sensors and from error corrections from the primary flight computer, and then uses this information to create different flight characteristic models for the aircraft. The neural network only learns when the aircraft is in a stable flight condition, and will discard any characteristics that would cause the aircraft to go into a failure condition. If the aircraft's condition changes from stable to failure, for example, if one of the control surfaces becomes damaged and unresponsive, the IFCS can detect this fault and switch the flight characteristic model for the aircraft. The neural network then works to drive the error between the reference model and the actual aircraft state to zero.
Первое поколение
В 2003 году были проведены летные испытания IFCS первого поколения для проверки результатов работы нейронной сети. На этом этапе нейронная сеть была предварительно обучена на основе летных характеристик, полученных для McDonnell Douglas F 15 STOL/MTD в аэродинамической трубе, и не осуществляла фактического управления в полете. Результаты работы нейронной сети выводились непосредственно на измерительное оборудование исключительно для сбора данных.
Generation 1 IFCS flight tests were conducted in 2003 to test the outputs of the neural network. In this phase, the neural network was pre trained using flight characteristics obtained for the McDonnell Douglas F 15 STOL/MTD in a wind tunnel test and did not actually provide any control adjustments in flight. The outputs of the neural network were run directly to instrumentation for data collection purposes only.
Второе поколение
Испытания IFCS второго поколения были проведены в 2005 году и использовали полностью интегрированную нейронную сеть, как описано в руководстве по эксплуатации. Это прямоадаптивная система, которая непрерывно вносит поправки к ошибкам и затем измеряет эффект этих поправок для обучения новым моделям полета или корректировки существующих. Для определения состояния самолета нейронная сеть принимает 31 входной сигнал от каналов крена, тангажа и рыскания, а также от органов управления. Если между фактическим состоянием самолета и моделью существует расхождение, нейронная сеть регулирует выходные сигналы основного бортового компьютера через динамический инвертор, чтобы свести расхождение к нулю, прежде чем они будут переданы на электронику управления исполнительными механизмами, которые перемещают органы управления.
Generation 2 IFCS tests were conducted in 2005 and used a fully integrated neural network as described in the theory of operation. It is a direct adaptive system that continuously provides error corrections and then measures the effects of these corrections in order to learn new flight models or adjust existing ones. To measure the aircraft state, the neural network takes 31 inputs from the roll, pitch, and yaw axes and the control surfaces. If there is a difference between the aircraft state and model, the neural network adjusts the outputs of the primary flight computer through a dynamic inversion controller to bring the difference to zero before they are sent to the actuator control electronics which move the control surfaces.
Интеллектуальная система автопилота
В Университетском колледже Лондона ведется другой научно-исследовательский проект, направленный на разработку интеллектуальной системы управления полетом. Их прототип известен как Интеллектуальная система автопилота, в которой используются искусственные нейронные сети, способные обучаться у людей методом имитации. Система способна справляться с неблагоприятными погодными условиями и аварийными ситуациями, такими как отказ двигателя или пожар, аварийная посадка и выполнение процедуры отмены взлета (RTO) в авиасимуляторе.
A different research and development project with the goal of designing an intelligent flight control system is being carried out at University College London. Their prototype is known as the Intelligent Autopilot System which has Artificial Neural Networks capable of learning from human teachers by imitation. The system is capable of handling severe weather conditions and flight emergencies such as engine failure or fire, emergency landing, and performing Rejected Take Off (RTO) in a flight simulator.