Projektbeschreibung
Weiterentwicklung der Drehflüglertests und -designs mit Big-Data-Analysen und künstlicher Intelligenz
Flugzeuginstrumente und -sensoren erzeugen bei Testflügen mit Prototypen riesige Datenmengen, die mit herkömmlichen Methoden und Plattformen nicht richtig ausgewertet werden können. Das verhindert die Nutzung neuer digitaler Technologien zur Weiterentwicklung und Verbesserung der Entwürfe zu Flugtests. Hinzu kommt, dass das Potenzial neuartiger Algorithmen mit künstlicher Intelligenz (KI) und statistischer Auswertungen im Bereich der Flugerprobung nicht umfassend angewendet wird. Das EU-finanzierte Projekt ADMITTED definiert und betreibt eine fortschrittliche Plattform, um die Analyse extrem großer Datenmengen von Testflügen zu ermöglichen. Zu diesem Zweck wird das Projekt eine komplexe Hardware- und Software-Architektur zur Unterstützung der Big-Data-Analyse einsetzen. Außerdem wird es spezielle KI-Algorithmen anwenden, um die Datenverbindung, die Zeitreihenverwaltung und die statistische Analyse zu unterstützen.
Ziel
Flight testing is an important phase during the development of an aircraft to validate the design. During flight, data is gathered and design problems are identified and solved. The collected data are fundamental for the analysis and Aircraft are properly instrumented to generate large amounts of information. Such huge amount of data needs to be properly evaluated and traditional methods and platforms are no more effective.
Flight testing is a significant cost contributor to the aircraft production life cycle and is still extensively deployed. Flight test programmes take several years and more prototypes are built to reduce lead times. Strong adherence to rigour safety and certification requirements and generally unchanged circular advisories inhibit the potential improvement of flight test designs. Innovative algorithms and statistical estimation are not achieving its full potential in the industrialized flight testing environment.
The methods in this proposal increase the quality and productivity of an experiment, leading to a required test point reduction or increased predictive capabilities. The purpose of this project is to define and implement a state-of-the-art platform able to support data analysis. This is achieved by adopting a complex hardware architecture to support big data analysis and implementing specific algorithms to support data correlation, time series management and statistical analysis.
Furthermore, to support flight test engineers, novel approaches based on machine learning are provided to support the technicians in detecting specific flight conditions. The same platform is also adapted to support the development of the Next Generation Civil Tilt Rotor Technology Demonstrator.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesdata sciencebig data
- engineering and technologymechanical engineeringvehicle engineeringaerospace engineeringaircraft
- social scienceseconomics and businesseconomicsproduction economicsproductivity
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
RIA - Research and Innovation actionKoordinator
20093 Cologno Monzese
Italien