Oamenii de știință au dezvoltat o tehnică care ar putea atenua efectele turbulențelor asupra structurilor și vehiculelor dinamice, cu un accent deosebit pe vehiculele aeriene fără pilot (UAV).
Turbulența este denumirea pe care o dăm schimbărilor de presiune a aerului care provoacă tremurarea aeronavelor. Acest lucru este cel mai evident atunci când o aeronavă tremură în timp ce trece prin schimbările presiunii aerului în timpul zborului. Acest lucru este spre deosebire de animalele zburătoare, care au dezvoltat o capacitate naturală de a simți schimbările din împrejurimile lor care provoacă turbulențe și de a se adapta rapid pentru a menține zborul lin.
Cercetare publicată pe 24 septembrie în jurnal NPJ Roboticăa subliniat modul în care oamenii de știință ar putea dezvolta o tehnică de control pentru aeronave. Tehnica a necesitat folosirea unui inteligenţă artificială (AI) sistem numit FALCON pentru a regla automat zborul pentru a compensa turbulențele.
Învățarea prin consolidare – o metodă de antrenament AI – a fost folosită anterior pentru a dezvolta sisteme de control îmbunătățite cu AI, dar numai pentru medii sau vehicule specifice. FALCON, dimpotrivă, a fost antrenat să înțeleagă principiile care stau la baza care provoacă turbulențe pentru a se adapta la orice condiții.
FALCON se bazează pe metodele Fourier, care utilizează unde sinusoidale complexe pentru a reprezenta datele. Cercetătorii au descoperit că reprezentarea digitală a condițiilor vântului ca valuri periodice a oferit un mijloc eficient de a modela turbulența, deoarece fluxul și refluxul vântului și efectele sale urmează în mod natural un model de valuri.
Înrudit: Noul combustibil pentru avioane „ape uzate” ar putea reduce emisiile avioanelor cu 70%
„Utilizarea învățării prin întărire pentru a se adapta în timp real este notabilă, deoarece învață modelul de turbulență de bază”, Hever Moncayoprofesor de inginerie aerospațială la Universitatea Aeronautică Embry-Riddle a spus Live Science. „Cred că această tehnologie este foarte fezabilă, mai ales cu capacitățile de calcul actuale, cum ar fi Jetsoncare sprijină integrarea în timp real a învățării adaptive, a analizei Fourier și a calculelor.”
Oamenii de știință au testat IA într-un tunel de vânt de la Caltech, folosind o aripă aerodinamică pentru a reprezenta un UAV și dotând-o cu senzori de presiune și suprafețe de control. Le-a folosit pentru a detecta schimbările de presiune și pentru a-și ajusta înclinația și rotirea după cum este necesar pentru a menține stabilitatea. Un cilindru mobil a fost de asemenea plasat în amonte de aripă în tunelul de vânt pentru a genera fluctuații aleatorii ale turbulenței.
S-a descoperit că, după nouă minute de învățare, în care FALCON ar încerca continuu să se adapteze la turbulența în schimbare și să ofere înapoi rezultatele, AI ar putea menține stabilitatea profilului aerodinamic în tunelul de vânt.
„Testele în tunelul de vânt de la Caltech arată că FALCON poate învăța în câteva minute, indicând scalabilitatea la aeronave mai mari”, a spus Moncayo. „Cu toate acestea, provocările din lumea reală rămân, în special în adaptarea rapidă la condiții diverse și imprevizibile și în validarea performanței în diverse configurații UAV și medii eoliene.”
Permițând adaptarea automată la turbulențe, această cercetare are potențialul de a duce la o zbor mai lină pentru UAV-uri și aeronavele comerciale. Cercetătorii au sugerat, de asemenea, posibilitatea de a partaja date de mediu între aeronave pentru a avertiza despre perturbări. Cu toate acestea, având în vedere preocupările de securitate cibernetică din jurul sistemelor de control a aeronavelor, acest lucru ar necesita un protocol de securitate robust, care ar trebui să fie revizuit și testat în prealabil.
„Dezvoltarea continuă se va concentra probabil pe îmbunătățirea preciziei predicțiilor și reducerea timpului de antrenament, ceea ce este fezabil, dar complex”, a spus Moncayo. „În plus, schimbul de informații între aeronave va spori puterea de predicție a sistemului, dar va necesita probabil standarde robuste de comunicare și protocoale de manipulare a datelor pentru o adoptare mai largă”.
Următoarea etapă a cercetării își propune să reducă timpul de învățare al AI. Aceasta va deveni probabil principala provocare a cercetătorilor, deoarece capacitatea de a se adapta rapid la condițiile de mediu este esențială pentru o soluție practică la turbulențe.
Comentarii recente