Fitimet:
- Kuptoni rolin dhe kufijtë e AI në ligjet e kontrollit të fluturimit, analizën e stabilitetit dhe arkitekturën e sistemit autonom
- Aftësia për të shpjeguar me shembuj se si të mësuarit përforcues dhe kontrolli i bazuar në model përdoren në autonominë e aviacionit
- Aftësia për të verifikuar rezultatet e kontrollit për sa i përket zarfit të fluturimit, marzhit të qëndrueshmërisë dhe sjelljes së sigurt nga dështimi
Një aeroplan nuk fluturon vetë drejt e në ajër; Rivendos vazhdimisht një ekuilibër që vazhdimisht prishet. Dinamika e fluturimit është shkenca e këtij ekuilibri: ajo studion se si avioni lëviz nën forca dhe momente, nëse ai rimëkëmbet nga një goditje erës (stabiliteti) dhe si reagon ndaj komandave nga piloti ose kompjuteri. Sistemi i kontrollit është truri që e kthen këtë dinamikë në sjelljen e dëshiruar: ligjet e kontrollit të fluturimit (algoritme që marrin matjet e sensorëve dhe gjenerojnë komanda në sipërfaqet e kontrollit) e mbajnë aeroplanin të qëndrueshëm dhe të menaxhueshëm në çdo kohë.
Inteligjenca artificiale (AI) luan një rol në këtë fushë, si në anën klasike të inxhinierisë ashtu edhe në atë të autonomisë. Nga ana klasike, ai përshpejton analizën e stabilitetit, dizajnin e kontrolluesit dhe konfigurimin e simulimit. Nga ana e autonomisë, metoda të tilla si të mësuarit përforcues (një sjellje e të mësuarit të agjentit e bazuar në sinjalin e shpërblimit përmes provës dhe gabimit) prodhojnë politika në detyra komplekse. Por kontrolli i fluturimit është një fushë ku gabimi është i menjëhershëm dhe i pakthyeshëm: një ligj kontrolli i paqëndrueshëm mund të humbasë aeroplanin në sekonda. Prandaj, asnjë përfitim ose politika kontrolli e gjeneruar nga AI nuk vendoset në avion pa u vërtetuar për sa i përket mbulesës së fluturimit, marzhit të qëndrueshmërisë dhe sjelljes së sigurt nga dështimi.
Konceptet: Zarfi i fluturimit: Kufijtë e faktorit shpejtësi-lartësi-ngarkesa në të cilat avioni mund të fluturojë i sigurt. Marzhi i qëndrueshmërisë: Marzhi i fitimit dhe diferenca e fazës; Një masë se sa larg është qarku i kontrollit nga paqëndrueshmëria. I sigurt për dështimin: Sistemi hyn në një gjendje të sigurt kur një komponent dështon. PID: Proporcional-integral-derivativ; Struktura më e zakonshme e kontrolluesit klasik.
Stabiliteti, Ligji i Kontrollit dhe Roli i UA
Baza e dizajnit të kontrollit është të kuptuarit e dinamikës së ciklit të hapur dhe sjelljen e lakut të mbyllur në sjelljen e dëshiruar. Inxhinieri linearizon ekuacionet e lëvizjes së avionit, nxjerr funksionet e transferimit dhe harton një kontrollues (p.sh. me reagime PID ose gjendjeje). AI kujton hapat e ndërmjetëm algjebrikë në këtë proces, ndihmon në interpretimin e vendndodhjes rrënjësore, shkruan skripta me bibliotekat e kontrollit MATLAB/Python dhe prodhon kodin që llogarit kufijtë e qëndrueshmërisë së një grupi fitimi.
Pika kritike është kjo: performanca e mirë nuk do të thotë marzh i mirë i stabilitetit. Një grup fitimi agresiv i sugjeruar nga AI mund të ketë dhënë një përgjigje shumë të shpejtë dhe të mprehtë në simulim, por mund të ketë reduktuar marzhin e fitimit në 2 dB dhe marzhin e fazës në 15 gradë. Në aviacion, zakonisht synohet një minimum prej 6 dB marzhi i fitimit dhe 45 gradë marzhi fazor; sepse në avionët e vërtetë, zhurma e sensorit, vonesa e aktivizuesit dhe gabimet e modelimit përbëjnë këtë diferencë. Një kontrollues që nuk lë hapësirë të mjaftueshme për kokë mund të duket i përsosur në simulim, por në fakt mund të kalojë në paqëndrueshmëri (lëkundje ose divergjencë të ciklit kufizues).
Kujdes: Përgjigja "e pastër" e një kontrolluesi në simulim nuk është garanci për botën reale. Simulimi në përgjithësi supozon një aktivizues ideal, një sensor pa vonesa dhe një model të plotë. Marzhi i stabilitetit është pikërisht mbrojtësi juaj kundër këtyre devijimeve nga idealiteti; Performanca që e sakrifikon mbetet në letër.
Autonomia dhe kontrolli i nxënësit: Kufijtë
Në sistemet autonome, AI hyn në lojë më thellë: politikat e të mësuarit përdoren në detyra të tilla si planifikimi i rrugës, shmangia e pengesave, uljet, koordinimi i tufës. Të mësuarit përforcues mund të gjejë një politikë të mirë sjelljeje duke bërë miliona prova në një mjedis simulimi. Megjithatë, kontrolli i të mësuarit ka dy sfida kryesore në aviacion: shpjegueshmërinë dhe sigurinë. Pse një politikë e rrjetit nervor nxjerr atë komandë nuk mund të justifikohet lehtësisht dhe nuk mund të garantohet matematikisht që të sillet në mënyrë të sigurt në të gjithë hapësirën hyrëse.
Kjo është arsyeja pse arkitektura praktike zakonisht shtresohet: komponenti mësimor funksionon në shtresën e jashtme (planifikimi, rekomandimi), por në shtresën e poshtme ka një "zarf sigurie" ose monitor sigurie klasike, të analizueshme dhe të verifikueshme. Ky kontrollues filtron komandat e shtresës mësimore me zarfin e fluturimit dhe rregullat e sigurisë; Nëse sheh një shkelje të kufirit, kalon në sjellje të sigurt. Kështu kombinohet kreativiteti i AI me sigurinë e kontrollit klasik.
Qasje
Avantazhi
Kufiri në aviacion
PID / klasik
Mund të analizohet, stabiliteti i provuar
I papërshtatshëm për detyra shumë komplekse
Modeli i kontrollit parashikues (MPC)
Në mënyrë të qartë adreson kufizimet
Ngarkesa llogaritëse, varësia e modelit
të mësuarit përforcues
Politika e fortë në detyrë komplekse
Garancia/shpjegueshmëria është e dobët, boshllëk sim-të vërtetë
Shtresuar (nxënës + zarf sigurie)
Kreativitet + siguri
Kostoja e projektimit dhe verifikimit të zarfit
Këshillë: Kur vlerësoni një politikë mësimore, pyesni për "sjelljen e rastit më të keq", jo "performancën mesatare". Nëse një agjent i RL shkëlqen në 9,990 nga 10,000 skenarë dhe e nxjerr avionin nga zarfi në 10, ata 10 skenarë janë të papranueshëm në aviacion. Siguria matet me rastin më të keq, jo me mesataren.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Jepni një fitim të mirë PID për këtë dron.
Njoftim i fuqishëm:
Roli: Ju jeni inxhinier i sistemeve të kontrollit të fluturimit; përputhet me disiplinën kritike të sigurisë. Konteksti (përfaqësimi): Modeli i linearizuar [funksioni i transferimit ose të dhënat e masës/shtrimit] për ciklin e lartësisë së një multikopteri të vogël. Detyra: 1) Propozoni një grup fitimi fillestar PID dhe shpjegoni logjikën e përzgjedhjes. 2) Shkruani një Python (python-kontrolloni) skriptin e fitimit me këto margjina. kufijtë e synuar për aviacionin (>=6 dB, >=45°); Si mund ta rregulloj fitimin nëse marzhi është i pamjaftueshëm? Kufizim: Më kujto se vonesa e aktivizuesit dhe zhurma e sensorit do të kalojnë në kufi; Mos thuaj "saktësisht më i miri", thekso nevojën për verifikim në simulim dhe harduer.
Modele Prompt të kopjueshëm
Modeli 1 — Skripti i llogaritjes së marzhit të qëndrueshmërisë:
Me python-control për funksionin e mëposhtëm të transferimit të qarkut të hapur: (a) Vizatoni diagramin e trupit; (b) llogarit numerikisht marzhin e fitimit dhe marzhin e fazës; (c) prodhojnë një rezultat duke i krahasuar këto me objektivat e aviacionit (>=6 dB, >=45°). Le të komentohet kodi; Shpjegoni se çfarë bën secili hap. Funksioni i transferimit: [num/den]
Modeli 2 — Dizajni i kontrolluesit të kufirit të zarfit të fluturimit:
Më ndihmo të krijoj një logjikë monitori sigurie për një avion autonom: komanda e planifikuesit në hyrje, kufizimet [shpejtësia, lartësia, faktori i ngarkesës, kufijtë e hapit]. Si duhet të filtrojë kontrollori komandën, në çfarë sjelljeje të sigurt duhet të kalojë në rast të shkeljes së limitit? Shkruani këtë në pseudo-kod dhe jepni arsyet për çdo vendim.
Modeli 3 — Plani i vlerësimit të politikave të RL:
Përpara se të vendosni një politikë përforcuese të të mësuarit në aviacion, krijoni një plan vlerësimi: (a) cilat skenarë të avantazhit dhe të rastit më të keq duhet të testoj; (b) si të matet sim-to-realgap; (c) si raportoj sigurinë e rastit më të keq, jo mesatare; (d) në të cilin rast kontrolluesi i sigurisë duhet të aktivizohet. Le të jetë rezultati një listë kontrolli.
Shablloni 4 - Modaliteti i dështimit dhe analiza e sigurt nga dështimi:
Rendisni mënyrat e dështimit për sistemin e mëposhtëm të kontrollit [sensorët, aktivizuesit, njësia e kontabilitetit] dhe sugjeroni sjellje të sigurta për secilin: dështimi i sensorit, ngjitja e aktivizuesit, vonesa e llogaritjes, humbja e komunikimit. Shkruani një metodë zbulimi dhe një strategji të tranzicionit të gjendjes së sigurt për çdo dështim. Shënoni në mënyrë të veçantë pikën e vetme të dështimit.
Mini Rastet
Rasti 1 - Ngrënia agresive e dividendit. Një ekip merr një grup fitimi agresiv nga AI për ciklin e hapit të një UAV; Koha e ngritjes në simulim është mbresëlënëse në 0.4 s. Kur llogaritet marzhi i rekomanduar nga AI, marzhi i fitimit është 3.2 dB dhe marzhi i fazës është 22 gradë; nën objektivat e aviacionit (6 dB, 45°). Në fluturimin aktual, kur shtohet një vonesë e aktivizuesit prej 50 ms, cikli i kufirit të sistemit lëkundet. Fitimi zvogëlohet me 40% dhe pjesa tërhiqet drejt objektivit, koha e rritjes rritet në 0.7 s, por sistemi mbetet i fortë. Mësimi: balanconi performancën me pjesën; Simulimi nuk garanton realitetin.
Rasti 2 — Arkitektura me shtresa e shpëton aeroplanin. Një politikë RL e trajnuar për ulje autonome është e suksesshme në 99.7% të 5000 uljeve të simuluara. Në një skanim në rastin më të keq, ekipi i testimit zbulon se në 14 skenarë ku erërat e kundërta kalojnë një prag të caktuar, politika e drejton avionin jashtë pistës. Një zarf i thjeshtë sigurie i vendosur nën shtresën e të mësuarit jep një komandë kthimi në rast të shkeljeve të kufirit të erës së kundërt dhe devijimit; Të 14 skenarët rezultojnë të sigurt. Mësimi: shtresa mësimore duhet të shoqërohet me një rrjet sigurie klasike.
Rasti 3 - Defekti me një pikë është anashkaluar. Në një dizajn, një sensor i vetëm i shpejtësisë së ajrit ushqen ligjin e kontrollit dhe sistemin e paralajmërimit. Analiza e modalitetit të dështimit të AI tregon se nëse ky sensor bllokohet, kontrolli dhe paralajmërimi do të mashtrohen njëkohësisht, d.m.th. një dështim i një pike të vetme. Ekipi shton një burim të dytë të pavarur të shpejtësisë (p.sh. shpejtësinë e bazuar në GPS ose pitotin e dytë) dhe zbulimin e mospërputhjeve. Mësimi: varësia nga një burim i vetëm i të dhënave kritike për sigurinë është një cenueshmëri që duhet zbuluar.
Gabimet e zakonshme
- Performanca konfuze me stabilitetin. Përgjigja e shpejtë nuk do të thotë qëndrueshmëri; Marzhi i pamjaftueshëm në fakt prodhon paqëndrueshmëri.
- Gabimi i simulimit me realitetin. Simulimi duke supozuar se aktivizuesi/sensori ideal injoron vonesën dhe zhurmën; Verifikimi në harduer është thelbësor.
- Duke u mbështetur në performancën mesatare. Siguria matet me rastin më të keq; Skenarët e rrallë por të rrezikshëm janë të papranueshëm.
- Përdorimi i politikës së të mësuarit pa mbikëqyrje. Një rrjet nervor që nuk mund të garantohet nuk do të vihet në fluturim pa një zarf klasik sigurie.
- Duke anashkaluar mënyrat e dështimit. Nëse dështimet e një pike të vetme dhe sjellja e sigurt nga dështimi merren parasysh në fund të projektimit dhe jo në fillim, do të jetë tepër vonë.
Në përmbledhje
Kontrolli i fluturimit është një zonë ku gabimi është i menjëhershëm dhe i pakthyeshëm. Përshpejton analizën e stabilitetit të AI, dizajnin e kontrolluesit, konfigurimin e simulimit dhe politikat e autonomisë; Por performanca e mirë nuk do të thotë marzh i mirë i stabilitetit dhe politikat e të mësuarit janë të dobëta për sa i përket garancisë/shpjegueshmërisë. Siguria praktike qëndron në arkitekturën e shtresave që kombinon shtresën mësimore me një zarf klasik sigurie dhe verifikimin e secilit kontrollues për sa i përket zarfit të fluturimit, marzhit të qëndrueshmërisë, rastit më të keq dhe mënyrës së dështimit. Siguria matet jo me mesataren, por me rastin më të keq.
Detyra e aplikimit
Përcaktoni një model përfaqësues për një problem të thjeshtë kontrolli (p.sh. një cikli i lartësisë me shumëkopter). Duke përdorur AI, (a) prodhoni një grup fillestar fitimi dhe skript për llogaritjen e marzhit të qëndrueshmërisë, kontrolloni logjikën, (b) krahasoni me kufijtë e synuar dhe rregulloni nëse nuk janë adekuate, (c) prodhoni një modalitet dështimi dhe listë të sigurt për dështimin për sistemin. Hartoni një logjikë zarfi sigurie në pseudokod dhe shkruani skenarët e rastit më të keq.
listë kontrolli
- [ ] Llogarita fitimin e kontrolluesit dhe diferencën e fazës dhe e krahasova me objektivin e aviacionit.
- [ ] Kam testuar rezultatin e simulimit nën vonesën e aktivizuesit/zhurmën e sensorit.
- [ ] Unë e vlerësova performancën sipas sjelljes së rastit më të keq, jo mesatares.
- [ ] Përcaktova një zarf klasik sigurie për politikat e të mësuarit.
- [ ] Unë kam renditur mënyrat e dështimit dhe sjelljet e sigurta ndaj dështimit.
- [ ] Kam shënuar gabime në një pikë dhe kam shtuar pavarësinë.