Sistema de control de vuelo inteligente

El Sistema Inteligente de Control de Vuelo ( IFCS , por sus siglas en inglés) es un sistema de control de vuelo de última generación diseñado para proporcionar mayor seguridad a la tripulación y a los pasajeros de las aeronaves , así como para optimizar el rendimiento de la aeronave en condiciones normales.La principal ventaja de este sistema es que permitirá al piloto controlar la aeronave incluso en condiciones de fallo que normalmente provocarían un accidente. El IFCS se está desarrollando bajo la dirección del Centro de Investigación de Vuelo Dryden de la NASA , en colaboración con el Centro de Investigación Ames de la NASA , Boeing Phantom Works , el Instituto de Investigación Científica de la Universidad de Virginia Occidental y el Instituto Tecnológico de Georgia .

Objetivos del IFCS

El objetivo principal del proyecto IFCS es crear un sistema para su uso en aeronaves civiles y militares que sea adaptativo y tolerante a fallos . ^[1] Esto se logra mediante el uso de actualizaciones del software de control de vuelo que incorporan tecnología de redes neuronales de autoaprendizaje . Los objetivos del proyecto de red neuronal IFCS son:

Desarrollar un sistema de control de vuelo capaz de identificar las características de la aeronave mediante el uso de tecnología de redes neuronales, con el fin de optimizar su rendimiento.
Desarrollar una red neuronal capaz de entrenarse a sí misma para analizar las propiedades de vuelo de la aeronave.
Para poder demostrar las propiedades mencionadas anteriormente en un avión F-15 ACTIVE modificado durante el vuelo, que es el banco de pruebas para el proyecto IFCS.

Teoría de funcionamiento

La red neuronal del IFCS aprende las características de vuelo en tiempo real a través de los sensores de la aeronave y de las correcciones de errores del ordenador de vuelo principal , y luego utiliza esta información para crear diferentes modelos de características de vuelo para la aeronave.La red neuronal solo aprende cuando la aeronave se encuentra en condiciones de vuelo estables y descarta cualquier característica que pudiera provocar una falla. Si la aeronave pasa de estable a falla, por ejemplo, si una de las superficies de control se daña y deja de responder, el IFCS puede detectar esta falla y cambiar el modelo de características de vuelo. La red neuronal entonces trabaja para reducir a cero el error entre el modelo de referencia y el estado real de la aeronave.

Historia del proyecto

Generación 1

Las pruebas de vuelo del IFCS de primera generación se realizaron en 2003 para probar los resultados de la red neuronal. ^[1] En esta fase, la red neuronal se preentrenó utilizando las características de vuelo obtenidas para el McDonnell Douglas F-15 STOL/MTD en una prueba en túnel de viento y no proporcionó ningún ajuste de control en vuelo. ^[2] Los resultados de la red neuronal se enviaron directamente a la instrumentación únicamente con fines de recopilación de datos.

Generación 2

Las pruebas del IFCS de segunda generación se realizaron en 2005 y utilizaron una red neuronal totalmente integrada , tal como se describe en la teoría de funcionamiento. ^[3] Es un sistema adaptativo directo que proporciona correcciones de error de forma continua y luego mide los efectos de estas correcciones para aprender nuevos modelos de vuelo o ajustar los existentes. ^[1] Para medir el estado de la aeronave, la red neuronal toma 31 entradas de los ejes de alabeo, cabeceo y guiñada y las superficies de control . ^[3] Si hay una diferencia entre el estado de la aeronave y el modelo, la red neuronal ajusta las salidas de la computadora de vuelo principal a través de un controlador de inversión dinámica para llevar la diferencia a cero antes de que se envíen a la electrónica de control del actuador que mueve las superficies de control.

Sistema de piloto automático inteligente

En el University College London se está llevando a cabo un proyecto de investigación y desarrollo con el objetivo de diseñar un sistema inteligente de control de vuelo. Su prototipo, conocido como Sistema Inteligente de Piloto Automático, cuenta con redes neuronales artificiales capaces de aprender de instructores humanos mediante imitación. El sistema puede gestionar condiciones meteorológicas adversas y emergencias de vuelo como fallos o incendios de motor, aterrizajes de emergencia y realizar un despegue abortado (RTO) en un simulador de vuelo. ^[4]

Véase también

Referencias

^ ^a^b^c "Hojas informativas del Centro de Investigación de Vuelo Dryden de la NASA: Sistema de control de vuelo inteligente" . Centro de Investigación de Vuelo Dryden de la NASA. 21 de julio de 2006. Archivado del original el 24 de marzo de 2010. Recuperado el 25 de febrero de 2007 .
^ ^a Davidson, Ron (octubre de 2003). "Prueba de vuelo de un sistema inteligente de control de vuelo" . Associated Business Publications . Recuperado el 25 de febrero de 2007 .
^ ^a^b Peggy S. Williams-Hayes (25 de agosto de 2005). "Implementación en pruebas de vuelo de un sistema de control de vuelo inteligente de segunda generación" (PDF) . Centro de Investigación de Vuelo Dryden de la NASA.
^ ^a "El sistema de piloto automático inteligente IAS" . Haitham Baomar. 15 de agosto de 2016. Consultado el 5 de septiembre de 2016 .
^ ^a "Hacia un control de vuelo inteligente" (PDF) . IEEE Trans. Systems, Man, and Cybernetics, vol. 23, n.º 6, págs. 1699-1717. Nov-dic 1993. Consultado el 12 de julio de 2026 .