Opis projektu
Analityka dużych zbiorów danych i sztuczna inteligencja wspierają testowanie i projektowanie wiropłatów
Podczas oblatywania prototypów instrumenty pokładowe i czujniki, w które są wyposażone współczesne samoloty, wytwarzają ogromne ilości danych, których konwencjonalne metody i systemy nie są w stanie przeanalizować. W tej sytuacji niemożliwe jest wykorzystanie możliwości technologii cyfrowych do usprawnienia i ulepszenia planowania testów w powietrzu. Co więcej, w czasie próbnych lotów w dalszym ciągu nie wykorzystuje się pełnego potencjału wynikającego z zastosowania nowatorskich algorytmów sztucznej inteligencji i oceny statystycznej. Zespół finansowanego ze środków UE projektu ADMITTED zajmuje się budową i uruchomieniem zaawansowanej platformy umożliwiającej analizę ogromnych ilości danych gromadzonych w czasie testów w powietrzu. W tym celu badacze zamierzają zastosować złożoną architekturę sprzętową i oprogramowania, która pozwoli na analizę dużych zbiorów danych. Wykorzystane zostaną też specjalne algorytmy sztucznej inteligencji obsługujące łączenie danych, zarządzanie szeregami czasowymi i analizę statystyczną.
Cel
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.
Dziedzina nauki
- 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
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
RIA - Research and Innovation actionKoordynator
20093 Cologno Monzese
Włochy