Flight Parameter Identification System Based on Cone-Shaped Piezoelectric Cantilever Array
Diese Studie schlägt ein neuartiges intelligentes Flugzeugkopfmodellsystem vor und validiert dieses, welches ein kegelförmiges piezoelektrisches Cantilever-Array mit einem faltenden neuronalen Netzwerk integriert und eine überlegene Genauigkeit bei der Vorhersage von Fluggeschwindigkeit, Anstellwinkel und Schiebewinkel im Vergleich zu aktuellen State-of-the-Art-Methoden demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Um ein modernes Flugzeug, insbesondere ein militärisches, zu steuern, müssen Piloten und Computer drei Dinge augenblicklich wissen: wie schnell sich das Flugzeug durch die Luft bewegt, in welchem Winkel die Nase relativ zum Wind steht und in welchem Winkel der Wind auf die Seite des Rumpfes trifft. Seit Jahrzehnten verlassen sich Ingenieure auf physische Rohre, die aus den Tragflächen ragen, um diese Kräfte zu messen. Obwohl diese Rohre effektiv sind, erhöhen sie das Gewicht, erzeugen Widerstand, der das Flugzeug abbremst, und können ausfallen, wenn die elektronischen Signale, die sie senden, durch Störungen gestört werden. In den letzten Jahren haben Wissenschaftler den Blick auf „Smart Skins“ (intelligente Oberflächen) gelenkt – Oberflächen, die den Wind fühlen können, ohne klobige externe Teile zu benötigen. Diese Häute bestehen oft aus Materialien, die Elektrizität erzeugen, wenn sie sich biegen oder dehnen, und so den physischen Druck der Luft in ein Signal umwandeln, das der Computer lesen kann. Die Herausforderung bestand darin, diese Smart Skins präzise genug zu machen, um die alten, schweren Rohre zu ersetzen, insbesondere wenn das Flugzeug eine Bankbewegung vollzieht oder scharf kurvt.
Ein Forschungsteam hat einen neuen Weg entwickelt, um dieses Problem zu lösen, indem es eine intelligente Flugzeugnase erschuf, die den Wind mithilfe eines Rings winziger, flexibler Sensoren fühlt. Anstatt ein Rohr in die Luft hineinzustrecken, bauten sie ein konenförmiges Modell eines Flugzeugkopfes und betteten eine Reihe von piezoelektrischen Cantilever-Strukturen (einseitig eingespannte Balken) in dessen Oberfläche ein. Diese Cantilever sind im Wesentlichen winzige, steife Streifen aus einem speziellen Material, das eine Spannung erzeugt, wenn es vibriert. Die Forscher ordneten vier dieser Streifen in einem Kreis um den Kegel an, wobei jeder Streifen in eine andere Richtung zeigt. Wenn Luft über den Kegel strömt, drückt sie gegen diese Streifen und lässt sie vibrieren. Je schneller die Luft fließt oder je stärker der Wind auf den Kegel trifft, desto mehr biegen und vibrieren die Streifen und erzeugen ein spezifisches elektrisches Signal. Um diese komplexen, wackelnden Signale zu interpretieren, verließ sich das Team nicht allein auf einfache mathematische Formeln. Stattdessen trainierten sie eine Art künstliche Intelligenz, bekannt als ein faltendes neuronales Netzwerk (Convolutional Neural Network), um die elektrische Ausgabe der vier Streifen „zuhören“ zu lassen und augenblicklich die Windgeschwindigkeit und die Winkel der Flugzeugbewegung zu berechnen.
Die Forscher testeten dieses System in einem Windkanal, einer Anlage, die den Luftstrom simuliert, indem sie Luft über ein stationäres Objekt blasen. Sie stellten die Luftgeschwindigkeit auf verschiedene Werte ein, die von einer sanften Brise bis hin zu Geschwindigkeiten von 30 Metern pro Sekunde reichten, und neigten das Modell, um verschiedene Anstellwinkel und Schrägwinkel (Sideslip) zu simulieren, wobei sie von minus 20 Grad bis plus 20 Grad variierten. Als die Luft über den Kegel raste, begannen die Sensoren zu vibrieren. Das Team stellte fest, dass die Vibration der Streifen direkt mit der Kraft des Windes verknüpft war. Wenn die Luftgeschwindigkeit zunahm, vibrierten die Streifen mit größerer Amplitude, und die von ihnen erzeugte elektrische Spannung stieg entsprechend an. Die Form des Kegels selbst spielte eine entscheidende Rolle; die Forscher stellten fest, dass das Kegeldesign gewissermaßen wie eine Resonanzkammer wirkte, welche die Vibrationen verstärkte, sodass die Sensoren selbst subtile Änderungen im Luftstrom erfassen konnten. Diese Verstärkung ermöglichte es dem System, hochsensibel zu sein, ohne massive, schwere Komponenten zu benötigen.
Um sicherzustellen, dass das System die komplexe Realität des Fluges bewältigen kann, bei der sich Windgeschwindigkeit und -richtung gleichzeitig ändern, nutzten die Forscher ihren Algorithmus der künstlichen Intelligenz, um die Daten zu interpretieren. Sie speisten die elektrischen Signale der vier Sensoren in das Computerprogramm ein, das mit Tausenden von Beispielen darauf trainiert worden war, wie sich die Sensoren unter verschiedenen Bedingungen verhalten. Die Ergebnisse waren bemerkenswert präzise. Als das System die Luftgeschwindigkeit, den Anstellwinkel und den Schrägwinkel vorhersagte, waren die Fehler unglaublich gering. Die Differenz zwischen dem, was das System vorhersagte, und dem, was die tatsächlichen Windkanal-Instrumente maßen, betrug weniger als 0,13 Meter pro Sekunde bei der Geschwindigkeit, weniger als 0,15 Grad beim Anstellwinkel und weniger als 0,12 Grad beim Schrägwinkel. Diese Fehlermargen sind deutlich kleiner als die, die zuvor mit anderen Arten von Smart-Sensoren, wie etwa solchen, die auf Temperatur- oder Druckänderungen basieren, erreicht wurden.
Die Studie zeigte auch die Grenzen des Designs auf. Die Forscher entdeckten, dass die Sensoren am besten funktionierten, wenn der Wind innerhalb eines bestimmten Bereichs auf die Vorderseite des Kegels traf. Wenn der Wind von zu weit von der Seite kam, über 20 Grad, wurde die Luftströmung chaotisch und erzeugte wirbelnde Vortizes (Wirbel), die die Sensoren verwirrten und die elektrischen Signale unregelmäßig werden ließen. Dieser Befund half dem Team, den optimalen Betriebsbereich ihres Geräts zu definieren, und bestätigte, dass es am zuverlässigsten ist, wenn das Flugzeug relativ gerade fliegt oder moderate Kurven fliegt. Durch die Kombination eines klugen physischen Designs mit einem leistungsstarken Lernalgorithmus demonstrierte das Team, dass eine glatte, konenförmige Oberfläche, die mit winzigen vibrierenden Streifen bedeckt ist, Flugparameter mit einer Genauigkeit messen kann, die herkömmlichen Instrumenten ebenbürtig ist oder diese sogar übertrifft. Dieser Ansatz deutet auf eine Zukunft hin, in der Flugzeuge mit einer nahtlosen, intelligenten Haut bedeckt sein könnten, die den Wind fühlt und so einen leichteren, schnelleren und zuverlässigeren Weg zur Navigation in den Lüften bietet.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.