Aircraft icing detection and reconfigurable control based on EKF and neural networks

EKF ve yapay sinir ağları ile uçak kanat buzlanmalarının tespiti ve yeniden şekillendirilebilir kontrol

Abstract

The recent improvements and research on aviation have focused on the subject of aircraft safe flight even in the severe weather conditions. In military and commercial aviation, flight in all weather conditions has necessitated the correctly detecting icing and taking reasonable measures against this. This work aims at the detection and identification of icing and reconfigurable control in one military aircraft, F16. Icing model of aircraft is represented with five parameters based on past experiments about wing airfoils. Icing is detected by EKF innovation sequence approach on aircraft dynamic characteristics. A neural network structure is embodied such that its inputs are the aircraft states measured and unmeasured, and its outputs are icing parameters. The necessary training and validation set for the neural networks model of iced aircraft are obtained from the simulations, which are performed various icing conditions. In order to decrease noise effects on the states and to increase training performance of the neural network, the state estimations by EKF are used. A suitable neural network model of iced aircraft is obtained by using the system identification methods and learning algorithms. This trained network model is used as an application for the control of the aircraft that has lost its controllability due to icing. The methods proposed in this work provides insight on how flight data can be processed.

Özet

Askeri ve sivil uçakların bütün hava koşullarında güvenli uçabilmesi dış yüzeylerdeki buzlanmanın doğru tanımlanmasını ve ona karşı önlem alınmasını gerektirmiştir. Bu çalışma ile F16 savaş uçağının uçuş sırasındaki kanat buzlanmalarının tespit, teşhisi ve kontrolü amaçlanmaktadır. Kanat profillerinde yapılan deneysel çalışmalara göre uçağın buzlanma modeli beş adet parametre ile temsil edilmiştir. Uçağın dinamik karakteristiklerinin EKF innovasyon sürecindeki değişiklikleri izlenerek buzlanma tespit edilmektedir.Girişleri ölçülen veya ölçülemeyen uçak durumları ve çıkışları buzlanma parameteleri olan bir yapay sinir ağ yapısı oluşturulmuştur. Eğitilmiş yapay sinir ağı modeli daha sonra buzlanmadan dolayı normal kontrol prensibi ile kontrol edilemeyen uçağın kontrolü için kullanılmıştır.