El Sistema de Control de Vuelo Inteligente ( IFCS ) es un sistema de control de vuelo de última generación diseñado para proporcionar mayor seguridad a la tripulación y los pasajeros de las aeronaves , así como para optimizar el rendimiento de la aeronave en condiciones normales. [1] El principal beneficio de este sistema es que permitirá a un piloto controlar una aeronave incluso en condiciones de falla que normalmente la harían estrellarse. El IFCS se está desarrollando bajo la dirección del Centro de Investigación de Vuelo Dryden de la NASA con la colaboración del Centro de Investigación Ames de la NASA , Boeing Phantom Works , el Instituto de Investigación Científica de la Universidad de Virginia Occidental y el Instituto de Tecnología de Georgia .
El objetivo principal del proyecto IFCS es crear un sistema para su uso en aeronaves civiles y militares que sea adaptable y tolerante a fallos . [1] Esto se logra mediante el uso de actualizaciones del software de control de vuelo que incorporan tecnología de red neuronal de autoaprendizaje . Los objetivos del proyecto de red neuronal IFCS son: [2]
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 de la computadora de vuelo principal , y luego utiliza esta información para crear diferentes modelos de características de vuelo para la aeronave [3] . La red neuronal solo aprende cuando la aeronave está en una condición de vuelo estable y descartará cualquier característica que haría que la aeronave entre en una condición de falla. Si la condición de la aeronave cambia de estable a falla, por ejemplo, si una de las superficies de control se daña y no responde, el IFCS puede detectar esta falla y cambiar el modelo de característica de vuelo para la aeronave. La red neuronal luego trabaja para llevar el error entre el modelo de referencia y el estado real de la aeronave a cero.
En 2003 se realizaron pruebas de vuelo del IFCS de primera generación para probar los resultados de la red neuronal. [1] En esta fase, la red neuronal se entrenó previamente utilizando características de vuelo obtenidas para el McDonnell Douglas F-15 STOL/MTD en una prueba de túnel de viento y, en realidad, no proporcionó ningún ajuste de control en vuelo. [2] Los resultados de la red neuronal se ejecutaron directamente en la instrumentación solo con fines de recopilación de datos.
Las pruebas del IFCS de segunda generación se llevaron a cabo en 2005 y utilizaron una red neuronal totalmente integrada como se describe en la teoría de operación. [3] Es un sistema adaptativo directo que proporciona continuamente correcciones de errores 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 balanceo, cabeceo y guiñada y las superficies de control . [3] Si hay una diferencia entre el estado y el modelo de la aeronave, 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.
En el University College de Londres se está llevando a cabo otro proyecto de investigación y desarrollo cuyo objetivo es diseñar un sistema de control de vuelo inteligente. Su prototipo se conoce como Sistema de Piloto Automático Inteligente, que cuenta con redes neuronales artificiales capaces de aprender de profesores humanos por imitación. El sistema es capaz de manejar condiciones climáticas severas y emergencias de vuelo, como fallas o incendios de motores, aterrizajes de emergencia y realizar despegues interrumpidos (RTO) en un simulador de vuelo. [4]
