Agility Prime创建一种由机器学习技术驱动的电子降落伞,如果发生损坏,飞行员可以在空中重新校准飞行控制器。


电子降落伞是实施自适应/机器学习的控制程序这一概念的名称,对于常规的仅用于紧急恢复模式的控制器而言,这是行不通的,如果有的话,飞行员会打开它。有理由相信基准飞行控制器不能正确控制飞机(例如,如果飞机在空中受损)。


Agility Prime开发出以机器学习为动力的电子降落伞


由于需要在这些复杂系统中确定性地证明安全性,因此以前很难对该技术进行认证。当美国联邦航空管理局(Federal Aviation Administration)认证用于紧急情况的自主着陆功能时,便引发了这项研究,该功能为电子降落伞技术的可能认证开辟了道路。


机器学习的神经网络可以通过飞机上发生的非线性行为进行训练,这种非线性行为是在出现重大故障(如鸟击所造成的故障)的情况下发生的。一旦接受了这些模拟故障的培训,控制器就可以选择适当的控制律。


Agility Prime开发出以机器学习为动力的电子降落伞


在出现这些模拟故障时,神经网络将学习新的操作极限和效应器增益图。控制器的自适应方面实际上将选择DNN通过训练模拟故障发现的适当的预学习控制律。


目标是在新工厂模型的基本限制下,将基线控制器的原始命令结构最佳地映射到新控制器上,这样飞机的响应将尽可能接近飞行员的期望,从而提高飞机降落的可能性。


这项技术仍处于早期阶段,但是,加州理工学院已经创建了类似的自适应控制器,可以帮助开发电子降落伞。


这项特殊的研究可能会导致以恢复功能(或“电子降落伞”)的形式将自适应/ ML控制器首次应用于飞行员飞机。


电子降落伞可以装在Jump Aero的电子垂直起降(eVTOL)飞机JAI eVTOL上,该飞机仍处于初步设计阶段。Jump Aero于2020年1月推出,作为针对急救人员的解决方案。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~