Descripción del proyecto
Potenciar las pruebas y el diseño de giroaviones gracias al análisis de datos masivos y la inteligencia artificial
Los instrumentos y sensores de las aeronaves generan una enorme cantidad de datos durante las pruebas de vuelo de los prototipos que no se pueden evaluar adecuadamente mediante plataformas y métodos convencionales. Esto impide aprovechar las nuevas tecnologías digitales para potenciar y mejorar el diseño de las pruebas de vuelo. Además, en el sector de las pruebas de vuelo, no se aprovecha por completo el potencial de la evaluación estadística y de los algoritmos de inteligencia artificial (IA) más innovadores. En el proyecto ADMITTED, financiado con fondos europeos, se determinará y utilizará una plataforma avanzada para poder analizar datos masivos recopilados en las pruebas de vuelo mediante una compleja arquitectura de «hardware» y «software» para el análisis de datos masivos. También se emplearán algoritmos especializados de IA a fin de permitir la conexión de los datos, la gestión de series temporales y el análisis estadístico.
Objetivo
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.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informaciónciencia de datosmacrodatos
- ingeniería y tecnologíaingeniería mecánicaingeniería de vehículosingeniería aeroespacialaeronave
- ciencias socialeseconomía y empresaciencia económicaeconomía de la producciónproductividad
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Régimen de financiación
RIA - Research and Innovation actionCoordinador
20093 Cologno Monzese
Italia