Entwicklung einer dynamischen adaptiven Flugsteuerung auf Basis künstlicher neuronaler Netze und lernender Agenten

Abstract

Ein notwendiger Aspekt sicherheitskritischer Systeme ist eine Toleranz gegenüber Teilausfällen. In dieser Thesis wird eine fehlertolerante Flugstuerung entwickelt, welche den Ausfall von Steuerflächen durch eine dynamische Reallokation der benötigten Steuerleistung auf die intakte Aktorik kompensiert. Zur Ausfallerkennung und Abschätzung der verbliebenen Integritäten werden rekurrente neuronale Netze eingesetzt. Für die adaptive Steuerflächenzuordnung wird ein Allokationsalgorithmus entwickelt, welcher die Verteilungsstrategie für die vom Flugregler geforderte Steuerleistung im Fehlerfall dynamisch anlernt. Der Ansatz wird in einem simulierten Regelkreis evaluiert. Es wird eine Arbeitsumgebung geschaffen, mit welcher sich der präsentierte Ansatz auf andere Trägersysteme übertragen lässt.

A necessary aspect of safety-critical systems is a tolerance to partial failures. In this thesis, a fault-tolerant flight control system is developed, which compensates for failures of control surfaces by a dynamic redistribution of the required control effort among the intact actuators. Recurrent neural networks are used for failure detection and estimation of the remaining actuator integrity. An algorithm for adaptive control allocation is developed, which learns a dynamic reallocation control scheme online in case of a failure. The approach is evaluated in a simulated control loop. A developement environment is created, with which the presented approach can be transferred to other carrier systems.