DE102022124047A1 - Procedure for controlling evasive maneuvers in airspace - Google Patents

Procedure for controlling evasive maneuvers in airspace Download PDF

Info

Publication number
DE102022124047A1
DE102022124047A1 DE102022124047.9A DE102022124047A DE102022124047A1 DE 102022124047 A1 DE102022124047 A1 DE 102022124047A1 DE 102022124047 A DE102022124047 A DE 102022124047A DE 102022124047 A1 DE102022124047 A1 DE 102022124047A1
Authority
DE
Germany
Prior art keywords
fuzzy
aircraft
genetic
tree
procedure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102022124047.9A
Other languages
German (de)
Inventor
Hugo BORONAT
Yannick Lafosse
Fabien Couthouis
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Publication of DE102022124047A1 publication Critical patent/DE102022124047A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0078—Surveillance aids for monitoring traffic from the aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

Die vorliegende Erfindung schlägt ein computerimplementiertes Verfahren zur Lenkung eines Luftfahrzeugs zur Vermeidung einer Kollision mit einem als eindringendes Objekt bezeichneten Flugobjekt, wobei das Luftfahrzeug mehrere Sensoren, die zur Bereitstellung einer Vielzahl von Daten bezüglich der Erfassung eines eindringenden Objekts ausgelegt sind, und ein Datenverarbeitungsmodul aufweist, das dazu ausgelegt ist:- Parameter zur Charakterisierung der Umgebung des Luftfahrzeugs ausgehend von Sensordaten bezüglich der Erfassung eines eindringendes Objekts zu erzeugen;- einen genetischen Fuzzy-Baum zumindest mit den Parametern zu betreiben, wobei der genetische Fuzzy-Baum in einer Lernphase ausgewählt wurde, die darin besteht, die Leistung eines genetischen Fuzzy-Baums mittels einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum für mehrere fiktive Flugszenarien des Luftfahrzeugs unter Anwendung eines gegebenen Lenkungsgesetzes berücksichtigt; und- Anweisungen zur Lenkung des Luftfahrzeugs zu übertragen, wobei die Anweisungen Befehlen zum Ausweichen des eindringenden Objekts entsprechen.The present invention proposes a computer-implemented method for guiding an aircraft to avoid a collision with a flying object referred to as an intruder, the aircraft having a plurality of sensors designed to provide a variety of data relating to the detection of an intruder and a data processing module, designed to:- generate parameters for characterizing the environment of the aircraft based on sensor data relating to the detection of an intruding object;- operate a genetic fuzzy tree with at least the parameters, the genetic fuzzy tree having been selected in a learning phase, which consists in evaluating the performance of a fuzzy genetic tree by means of a reward function that takes into account the successful airspace avoidance for several notional flight scenarios of the aircraft using a given guidance law; and- transmit instructions for steering the aircraft, the instructions corresponding to commands for avoiding the intruding object.

Description

Gebiet der Erfindungfield of invention

Die Erfindung gehört zum technischen Gebiet der Steuerung der Navigation von Luftfahrzeugen und betrifft insbesondere ein Verfahren zur Steuerung von Ausweichmanövern im Luftraum.The invention belongs to the technical field of aircraft navigation control and relates in particular to a method for controlling evasive maneuvers in airspace.

Stand der TechnikState of the art

Das Einbringen von autonomen fliegenden Fahrzeugen in den Luftverkehr stellt für die Nutzer dieser Fahrzeuge eine große Herausforderung dar, und die Regulierungsunternehmen stehen einer zunehmenden Anzahl von Nutzern dieses Luftraums gegenüber.The introduction of autonomous flying vehicles into air traffic poses a major challenge for the users of these vehicles, and the regulators are facing an increasing number of users of this airspace.

Daraus entsteht ein zunehmendes Risiko von Kollisionen zwischen fliegenden Fahrzeugen im Luftraum, wobei es sich im Sinne der vorliegenden Erfindung bei einem fliegenden Fahrzeug um ein Luftfahrzeug (Flugzeug oder Hubschrauber) oder auch um jegliches unbemannte autonome Fahrzeug handeln kann, das mit einem Autopilotsystem ausgestattet ist, das es ihm ermöglicht, sich ohne menschliches Eingreifen unter realen Verkehrsbedingungen im Luftraum zu bewegen. Diese Art von autonomen Fahrzeugen wird im Allgemeinen als Drohne oder UAV für „Unmanned Aerial Vehicle“ oder UAS für „Unmanned Aircraft System“ bezeichnet.This creates an increasing risk of collisions between flying vehicles in the airspace, which, for the purposes of the present invention, can be an aircraft (airplane or helicopter) or any unmanned autonomous vehicle equipped with an autopilot system. which allows it to move in airspace under real traffic conditions without human intervention. This type of autonomous vehicle is commonly referred to as a drone or UAV for Unmanned Aerial Vehicle or UAS for Unmanned Aircraft System.

Es gibt Ausweichsysteme für den Luftraum, doch die erwarteten Systeme müssen auf diese neue Problematik hinsichtlich der Anzahl und der unterschiedlichen Arten der Luftfahrzeuge reagieren.There are airspace contingency systems, but the systems that are expected must respond to this new problem of aircraft numbers and types.

Auch unter der Annahme, dass ein Luftfahrzeug, das ein Kollisionsrisiko mit einem anderen Luftfahrzeug oder Träger mit sich bringen kann, in der Nähe dieses Trägers korrekt charakterisiert wird, ist tatsächlich die Kombinatorik des durchzuführenden Ausweichmanövers aufgrund der Anzahl der beteiligten Parameter und ihrer Spezifität extrem umfangreich.In fact, even assuming that an aircraft that may pose a risk of collision with another aircraft or carrier is correctly characterized in the vicinity of this carrier, the combinatorics of the evasive maneuver to be carried out are extremely extensive due to the number of parameters involved and their specificity .

Darüber hinaus hängt das Ausweichen nicht nur von dem Luftfahrzeug ab, in das die Ausweichvorrichtung eingebaut ist, sondern auch von der Beschaffenheit des anderen Luftfahrzeugs.Furthermore, the avoidance depends not only on the aircraft in which the avoidance device is installed, but also on the nature of the other aircraft.

Dieses Ausweichen ist bei autonomen Flügen umso kritischer, da das Ausweichsystem dann die Kontrolle über die Steuerung des Luftfahrzeugs übernehmen muss.This evasion is all the more critical in autonomous flights, since the evasion system then has to take control of the aircraft.

Die Ausweichlösungen im Luftraum aus dem Stand der Technik basieren im Allgemeinen auf künstlicher Intelligenz mit Lernmechanismen, die entweder Fuzzy-Inferenzsysteme verwenden, die jedoch ohne Optimierungsprozess definiert sind, oder Optimierungslogiken, die ein Problem hinsichtlich der Interpretierbarkeit oder Erklärbarkeit darstellen, d.h. der Fähigkeit, eine Information in menschlich verständlichen Begriffen zu erklären oder darzustellen.State-of-the-art airspace avoidance solutions are generally based on artificial intelligence with learning mechanisms that use either fuzzy inference systems, but defined without an optimization process, or optimization logics that present an interpretability or explainability problem, i.e. the ability to Explain or present information in human-understandable terms.

Die Problematik der Interpretierbarkeit, d.h. der Grad des Verständnisses der Funktionsweise eines Lernmodells, ist neu, aber dennoch von großer Bedeutung für die autonome Entscheidungsfindung, insbesondere in Umgebungen wie dem Luftraum und speziell des Ausweichens im Luftraum.The issue of interpretability, i.e. the level of understanding of how a learning model works, is new but nevertheless of great importance for autonomous decision-making, especially in environments such as airspace and specifically airspace evasion.

Es besteht daher ein Bedarf an verbesserten Ausweichsystemen und - verfahren im Luftraum.There is therefore a need for improved airspace avoidance systems and procedures.

Die vorliegende Erfindung erfüllt diesen Bedarf.The present invention fulfills this need.

Zusammenfassung der ErfindungSummary of the Invention

Ein Gegenstand der vorliegenden Erfindung ist ein Ausweichverfahren für den Luftraum, das Fuzzy-Inferenzsysteme einsetzt, die einen genetischen Algorithmus als Optimierungsmethode verwenden.An object of the present invention is an airspace avoidance method that employs fuzzy inference systems that use a genetic algorithm as an optimization method.

Ein weiterer Gegenstand der Erfindung ist eine Ausweichvorrichtung für ein fliegendes Fahrzeug, deren Hauptanwendungen autonome Flüge für Drohnen und Operationen sind, die außerhalb der Sicht des Telepiloten stattfinden, sogenannte „Beyond Visual Line of Sight“ (BVLOS). Die Ausweichvorrichtung kann in Anwendungsfällen, in denen ein Pilot ein Luftfahrzeug steuert, ein Ausweichassistent sein.Another object of the invention is an avoidance device for a flying vehicle, the main applications of which are autonomous flights for drones and operations that take place outside the view of the telepilot, so-called "Beyond Visual Line of Sight" (BVLOS). The avoidance device may be an avoidance assistant in applications where a pilot controls an aircraft.

Das Einsatzgebiet der Erfindung kann in jeder Operation liegen, bei der ein Luftfahrzeug eingesetzt wird, das mit einem Flugobjekt, wie einem anderen Luftfahrzeug, kollidieren kann, wobei das andere Luftfahrzeug kollaborativ ist oder nicht.The field of application of the invention can be in any operation involving an aircraft capable of colliding with a flying object, such as another aircraft, whether or not the other aircraft is collaborative.

Vorteilhafterweise ermöglicht das erfindungsgemäße Verfahren einem autonomen fliegenden Fahrzeug eine potenzielle Kollision zu vermeiden, indem es die Steuerungen der Drohne zum Ausweichen betätigt, wenn ihr Flug vollautomatisch ist, oder indem es einem Piloten ein Ausweichmanöver vorschlägt.Advantageously, the method according to the invention allows an autonomous flying vehicle to avoid a potential collision by manipulating the drone's evasive controls when its flight is fully automatic or by suggesting an evasive maneuver to a pilot.

Um die angestrebten Ergebnisse zu erhalten, wird ein computerimplementiertes Verfahren zur Lenkung eines Luftfahrzeugs zur Vermeidung einer Kollision mit einem als eindringendes Objekt bezeichneten Flugobjekt vorgeschlagen, wobei das Luftfahrzeug mehrere Sensoren, die zur Bereitstellung einer Vielzahl von Daten bezüglich der Erfassung eines eindringenden Objekts ausgelegt sind, und ein Datenverarbeitungsmodul aufweist, das dazu ausgebildet ist:

  • - Parameter zur Charakterisierung der Umgebung des Luftfahrzeugs ausgehend von Sensordaten bezüglich der Erfassung eines eindringenden Objekts zu erzeugen;
  • - einen genetischen Fuzzy-Baum zumindest mit den Parametern zu betreiben, wobei der genetische Fuzzy-Baum in einer Lernphase ausgewählt wurde, die darin besteht, die Leistung eines genetischen Fuzzy-Baums mittels einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum für mehrere fiktive Flugszenarien des Luftfahrzeugs unter Anwendung eines gegebenen Lenkungsgesetzes berücksichtigt; und
  • - Anweisungen zur Lenkung des Luftfahrzeugs zu übertragen, wobei die Anweisungen Befehlen zum Ausweichen des eindringenden Objekts entsprechen.
In order to obtain the desired results, a computer-implemented method for guiding an aircraft to avoid a collision with a flying object, referred to as an intruder, is proposed, the aircraft having a plurality of sensors designed to provide a variety of data relating to the detection of an intruder. and a data processing module that is designed to:
  • - generate parameters characterizing the environment of the aircraft from sensor data relating to the detection of an intruding object;
  • - to operate a genetic fuzzy tree with at least the parameters, the genetic fuzzy tree having been selected in a learning phase consisting in evaluating the performance of a genetic fuzzy tree by means of a reward function that evaluates the successful avoidance in airspace for several considers notional flight scenarios of the aircraft using a given guidance law; and
  • - transmit instructions for steering the aircraft, the instructions corresponding to commands for avoiding the intruding object.

In einer Ausführungsform wird die Lernphase mit Simulationsmitteln realisiert und umfasst folgende Schritte:

  • - Definieren der Struktur eines genetischen Fuzzy-Baums ausgehend von mehreren Fuzzy-Inferenzsystemen, wobei die Fuzzy-Inferenzsysteme jeweils mehrere Zugehörigkeitsfunktionen und eine oder mehrere Fuzzy-Regeln einsetzen; und Definieren von Eingangsparametern des genetischen Fuzzy-Baums und von Ausgangsdaten des genetischen Fuzzy-Baums, die als Lenkungsanweisungen bezeichnet werden;
  • - Definieren von mehreren fiktiven Flugszenarien für das Luftfahrzeug, die Situationen darstellen, in denen eindringenden Objekten ausgewichen wird, unter Anwendung eines gegebenen Lenkungsgesetzes;
  • - Definieren einer Belohnungsfunktion für die Bewertung der Leistung des genetischen Fuzzy-Baums;
  • - Trainieren des genetischen Fuzzy-Baums, wobei das Trainieren des genetischen Fuzzy-Baums die Schritte umfasst, die darin bestehen:
  • - entsprechend den Lenkungsanweisungen Ausweichprozeduren im Luftraum für die mehrere Szenarien und Eingangsparameter auszuführen;
  • - die Leistung des genetischen Fuzzy-Baums mit einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum berücksichtigt;
  • - die genetischen Fuzzy-Bäume zu favorisieren, die die Belohnungsfunktion maximieren; und
  • - Auswählen des genetischen Fuzzy-Baums mit der besten Belohnungsfunktion.
In one embodiment, the learning phase is implemented using simulation means and includes the following steps:
  • - defining the structure of a fuzzy genetic tree starting from a plurality of fuzzy inference systems, the fuzzy inference systems each employing a plurality of membership functions and one or more fuzzy rules; and defining fuzzy genetic tree input parameters and fuzzy genetic tree output data referred to as routing instructions;
  • - defining several notional flight scenarios for the aircraft representing intruder avoidance situations using a given guidance law;
  • - defining a reward function for evaluating the performance of the fuzzy genetic tree;
  • - training the fuzzy genetic tree, the fuzzy genetic tree training comprising the steps consisting of:
  • - perform in-airspace avoidance procedures for the multiple scenarios and input parameters according to the guidance instructions;
  • - Assess the performance of the fuzzy genetic tree with a reward function that accounts for successful airspace evasion;
  • - favor the fuzzy genetic trees that maximize the reward function; and
  • - Choosing the fuzzy genetic tree with the best reward function.

In einer Ausführungsform wird der genetische Fuzzy-Baum mit einem genetischen Algorithmus optimiert.In one embodiment, the fuzzy genetic tree is optimized with a genetic algorithm.

In einer Ausführungsform umfasst der Schritt zur Erzeugung von Parametern zur Charakterisierung der Umgebung des Luftfahrzeugs ausgehend von einer Vielzahl von Sensordaten bezüglich der Erfassung eines eindringenden Objekts den Schritt zur Berechnung mindestens der Parameter, die Folgendes betreffen:

  • - Daten zur relativen Geschwindigkeit des Luftfahrzeugs in Bezug auf das eindringende Objekt;
  • - Daten zur Differenz zwischen den horizontalen und vertikalen Geschwindigkeiten des Luftfahrzeugs und des eindringenden Objekts;
  • - Entfernungen zwischen dem Luftfahrzeug und dem eindringenden Objekt.
In one embodiment, the step of generating parameters for characterizing the environment of the aircraft, starting from a plurality of sensor data relating to the detection of an intruding object, comprises the step of calculating at least the parameters relating to:
  • - data on the relative speed of the aircraft with respect to the intruding object;
  • - data on the difference between the horizontal and vertical velocities of the aircraft and the intruding object;
  • - Distances between the aircraft and the intruding object.

In einer Ausführungsform erfolgt die Bewertung der Leistung des genetischen Fuzzy-Baums mittels einer Belohnungsfunktion, die aus verschiedenen Indikatoren, z.B. einem Sicherheitsindikator und einem Leistungsindikator besteht.In one embodiment, the performance of the genetic fuzzy tree is evaluated using a reward function consisting of various indicators, e.g., a safety indicator and a performance indicator.

In einer Ausführungsform berücksichtigt der Sicherheitsindikator die Mindestentfernung zwischen dem Luftfahrzeug und dem eindringenden Objekt beim Ausweichen und die Tatsache, dass das eindringende Objekt in einen Sicherheitsraum oder Kollisionsraum mit dem Luftfahrzeug eingedrungen ist.In one embodiment, the security indicator takes into account the minimum distance between the aircraft and the intruder when evading and the fact that the intruder has entered a security zone or collision zone with the aircraft.

In einer Ausführungsform berücksichtigt der Leistungsindikator die Zeit, die zum Ausführen der Ausweichprozedur in Anspruch genommen wird, oder auch den Prozentanteil an Zeit, die zur Durchführung einer Rotationshandlung aufgewendet wird.In one embodiment, the performance indicator takes into account the time taken to perform the fallback procedure or the percentage of time spent performing a rotation action.

In einer Ausführungsform besteht der Schritt zur Übertragung der Anweisungen zur Lenkung des Luftfahrzeugs darin, Befehle zu übertragen, die eine Prozedur zum lateralen Ausweichen ermöglichen, oder Befehle, die eine Prozedur zum horizontalen Ausweichen ermöglichen, oder Befehle, die eine Prozedur zum lateralen und horizontalen Ausweichen ermöglichen.In one embodiment, the step of transmitting the aircraft steering instructions consists in transmitting commands enabling a lateral avoidance procedure, or commands enabling a horizontal avoidance procedure, or commands enabling a lateral and horizontal avoidance procedure make possible.

In einer Ausführungsform besteht der Schritt zur Übertragung von Anweisungen zur Lenkung des Luftfahrzeugs darin, diese Anweisungen an ein Autopilotsystem des Luftfahrzeugs zu übertragen.In one embodiment, the step of transmitting instructions for steering the aircraft is transmitting those instructions to an aircraft autopilot system.

In einer Ausführungsform wird die Erfindung in einer Luftfahrzeuglenkungsvorrichtung eingesetzt, die Mittel zur Ausführung des Ausweichverfahrens im Luftraum umfasst.In one embodiment, the invention is implemented in an aircraft guidance system comprising means for carrying out the avoidance procedure in the airspace.

Die Erfindung betrifft auch ein Computerprogrammprodukt, das Codebefehle umfasst, die die Durchführung der Schritte des Ausweichverfahrens im Luftraum ermöglichen, wenn das Programm auf einem Computer ausgeführt wird.The invention also relates to a computer program product comprising code instructions enabling the steps of the airspace avoidance procedure to be performed when the program is run on a computer.

Gegenstand der Erfindung ist auch ein computerimplementiertes Verfahren zum Lernen eines algorithmischen Modells zur Lenkung eines Luftfahrzeugs zur Vermeidung einer Kollision mit einem als eindringendes Luftfahrzeug bezeichneten Luftfahrzeug, wobei das Lernverfahren folgende Schritte umfasst:

  • - Definieren der Struktur eines genetischen Fuzzy-Baums ausgehend von mehreren Fuzzy-Inferenzsystemen, wobei die Fuzzy-Inferenzsysteme jeweils mehrere Zugehörigkeitsfunktionen und eine oder mehrere Fuzzy-Regeln einsetzen;
  • - Definieren von Eingangsparametern des genetischen Fuzzy-Baums und von Ausgangsdaten des genetischen Fuzzy-Baums, die als Lenkungsanweisungen bezeichnet werden;
  • - Definieren von mehreren fiktiven Flugszenarien für das Luftfahrzeug, die Situationen darstellen, in denen eindringenden Luftfahrzeugen ausgewichen wird, unter Anwendung eines gegebenen Lenkungsgesetzes;
  • - Definieren einer Belohnungsfunktion für die Bewertung der Leistung des genetischen Fuzzy-Baums;
  • - Trainieren des genetischen Fuzzy-Baums, wobei das Trainieren des genetischen Fuzzy-Baums die Schritte umfasst, die darin bestehen:
  • - entsprechend den Lenkungsanweisungen Ausweichprozeduren im Luftraum für die mehrere Szenarien und Eingangsparameter auszuführen;
  • - die Leistung des genetischen Fuzzy-Baums mit einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum berücksichtigt;
  • - die genetischen Fuzzy-Bäume zu favorisieren, die die Belohnungsfunktion maximieren; und
  • - Auswählen des genetischen Fuzzy-Baums mit der besten Belohnungsfunktion.
The invention also relates to a computer-implemented method for learning an algorithmic model for controlling an aircraft in order to avoid a collision with an aircraft designated as an intruding aircraft, the learning method comprising the following steps:
  • - defining the structure of a fuzzy genetic tree starting from a plurality of fuzzy inference systems, the fuzzy inference systems each employing a plurality of membership functions and one or more fuzzy rules;
  • - defining input parameters of the genetic fuzzy tree and output data of the genetic fuzzy tree, called routing instructions;
  • - defining several notional flight scenarios for the aircraft, representing situations in which intruder aircraft are avoided, using a given guidance law;
  • - defining a reward function for evaluating the performance of the fuzzy genetic tree;
  • - training the fuzzy genetic tree, the fuzzy genetic tree training comprising the steps consisting of:
  • - perform in-airspace avoidance procedures for the multiple scenarios and input parameters according to the guidance instructions;
  • - Assess the performance of the fuzzy genetic tree with a reward function that accounts for successful airspace evasion;
  • - favor the fuzzy genetic trees that maximize the reward function; and
  • - Choosing the fuzzy genetic tree with the best reward function.

Figurenlistecharacter list

Weitere Merkmale und Vorteile der Erfindung ergeben sich anhand der nachfolgenden Beschreibung und der Figuren der beigefügten Zeichnungen. Darin zeigen:

  • 1 eine Abbildung einer Umgebung mit Kollisionsrisiko für zwei Luftfahrzeuge, die es ermöglicht, das erfindungsgemäße Verfahren in einer ersten Ausführungsform umzusetzen;
  • 2 eine Abbildung einer Umgebung mit Kollisionsrisiko, die es ermöglicht, das erfindungsgemäße Verfahren in einer weiteren Ausführungsform umzusetzen;
  • 3 die Architektur eines Fuzzy-Inferenzsystems;
  • 4 einen genetischen Fuzzy-Baum gemäß einer Ausführungsform der Erfindung;
  • 5 eine Kombination von Fuzzy-Inferenzsystemen gemäß einer Ausführungsform der Erfindung;
  • 6 eine weitere Kombination von Fuzzy-Inferenzsystemen gemäß einer Ausführungsform der Erfindung;
  • 7 ein Flussdiagramm der Schritte zum Erlernen eines genetischen Fuzzy-Baums gemäß einer Ausführungsform der Erfindung; und
  • 8 ein Flussdiagramm der Schritte des Ausweichverfahrens im Luftraum gemäß einer Ausführungsform der Erfindung.
Further features and advantages of the invention result from the following description and the figures of the accompanying drawings. Show in it:
  • 1 an illustration of an environment with a risk of collision for two aircraft, which makes it possible to implement the method according to the invention in a first embodiment;
  • 2 an illustration of an environment with a risk of collision, which makes it possible to implement the method according to the invention in a further embodiment;
  • 3 the architecture of a fuzzy inference system;
  • 4 a fuzzy genetic tree according to an embodiment of the invention;
  • 5 a combination of fuzzy inference systems according to an embodiment of the invention;
  • 6 another combination of fuzzy inference systems according to an embodiment of the invention;
  • 7 Figure 13 is a flow chart of the steps for learning a fuzzy genetic tree according to an embodiment of the invention; and
  • 8th Figure 12 is a flow chart of the steps of the airspace avoidance method according to an embodiment of the invention.

Ausführliche Beschreibung der ErfindungDetailed Description of the Invention

1 zeigt schematisch mit zwei Luftfahrzeugen (102, 104) eine Luftraumumgebung, in der es zu einer Kollision kommen könnte, dargestellt durch die Bewegungspfeile (106, 108) der einzelnen Luftfahrzeuge. 1 shows schematically with two aircraft (102, 104) an airspace environment in which a collision could occur, represented by the movement arrows (106, 108) of the individual aircraft.

Das Luftfahrzeug (102), in dem das Ausweichsystem zur Durchführung des erfindungsgemäßen Ausweichverfahrens implementiert ist, ist in der Beschreibung mit dem Buchstaben ‚O‘ (engl. „Ownship“ bzw. Träger) bezeichnet, und das Luftfahrzeug (104), dem auszuweichen ist, wird mit dem Buchstaben ‚I‘ (engl. „Intruder“ bzw. Eindringling) bezeichnet.The aircraft (102) in which the avoidance system for carrying out the avoidance method according to the invention is implemented is identified in the description with the letter 'O' (ownship) and the aircraft (104) which is to be avoided , is denoted by the letter 'I' (English "Intruder" or intruder).

Gemäß einer ersten Ausführungsform empfängt die erfindungsgemäße Vorrichtung als Eingabe eine Vielzahl von Daten, mit denen der Eindringling charakterisiert werden kann.According to a first embodiment, the device according to the invention receives as input a large number of data with which the intruder can be characterized.

Die Mittel zum Abrufen der Daten können kollaborative oder nicht-kollaborative Mittel sein. Bei derartigen Mitteln kann es sich unter anderem um Geolokalisierungseinheiten vom Typ GPS (Global Positioning System) oder GNSS (Global Navigation Satellite System) und inertiale Messeinheiten handeln. Die GPS- oder GNSS-Geolokalisierungseinheiten können zur Bestimmung der Position jedes Luftfahrzeugs in einem globalen Koordinatensystem ausgelegt sein. Die inertialen Messeinheiten können zur Bestimmung der Fluglage (Roll-, Nick- und Kurswinkel) der Luftfahrzeuge im globalen Koordinatensystem ausgelegt sein. Die Luftfahrzeuge können ferner Geschwindigkeitssensoren umfassen, die die momentane Geschwindigkeit des Luftfahrzeugs im globalen Koordinatensystem angeben können, und/oder Orientierungssensoren, die die Ausrichtung der Luftfahrzeuge im globalen Koordinatensystem angeben können.The means for retrieving the data can be collaborative or non-collaborative means. Such means may include, among other things GPS (Global Positioning System) or GNSS (Global Navigation Satellite System) type geolocation units and inertial measurement units. The GPS or GNSS geolocation units can be designed to determine the position of each aircraft in a global coordinate system. The inertial measurement units can be designed to determine the flight attitude (roll, pitch and course angle) of the aircraft in the global coordinate system. The aircraft may further include speed sensors that can indicate the current speed of the aircraft in the global coordinate system and/or orientation sensors that can indicate the orientation of the aircraft in the global coordinate system.

Die Luftfahrzeuge können auch einen oder mehrere Positionssensoren umfassen, die zur Bestimmung der Entfernung zwischen dem betreffenden Luftfahrzeug und einem erfassten Hindernis ausgelegt sind. Die Positionssensoren können außerdem zur Identifizierung der Art der erfassten Hindernisse ausgelegt sein.The aircraft may also include one or more position sensors designed to determine the distance between the aircraft in question and a detected obstacle. The position sensors can also be designed to identify the type of obstacles detected.

Die Luftfahrzeuge können einen oder mehrere Sensoren umfassen, die die relative Position eines Hindernisses in Bezug auf die momentane Position des betreffenden Luftfahrzeugs bestimmen können (die relative Position kann durch einen Winkel und einen Abstand zwischen dem Luftfahrzeug und dem Hindernis dargestellt oder anhand von Koordinaten in einem globalen Koordinatensystem des Hindernisses und anhand der momentanen Position des betreffenden Luftfahrzeugs, wie sie von einer Geolokalisierungseinheit bereitgestellt wird, bestimmt werden).The aircraft may include one or more sensors capable of determining the relative position of an obstacle with respect to the current position of the aircraft in question (the relative position may be represented by an angle and a distance between the aircraft and the obstacle, or using coordinates in a global coordinate system of the obstacle and from the current position of the aircraft concerned, as provided by a geolocation unit).

Die Luftfahrzeuge können einen Autopiloten aufweisen, der durch einen digitalen Rechner dargestellt ist, der eine oder mehrere Lenkungsgesetze ausführt, Steuerbefehle empfängt und mehrere Ausgabeparameter ausgibt, die z.B. für den Motor und die Steuerflächen des betreffenden Luftfahrzeugs bestimmt sind und jeweils auf dessen Beschleunigung und Fluglage einwirken.The aircraft may have an autopilot, which is represented by a digital computer that executes one or more steering laws, receives control commands and outputs a number of output parameters, which are determined, for example, for the engine and the control surfaces of the aircraft in question, and which act on its acceleration and attitude, respectively .

Die Positionsinformationen der beiden Luftfahrzeuge, die von der Ausweichvorrichtung (d.h. von einer Datenempfangseinheit der Ausweichvorrichtung) abgerufen werden, werden dazu verwendet, Daten zur Entfernung zwischen den beiden Luftfahrzeugen O und I, Daten über deren relative Geschwindigkeit zueinander und Daten zur Differenz der horizontalen und vertikalen Geschwindigkeiten jedes Luftfahrzeugs zu berechnen.The position information of the two aircraft, which is retrieved from the backup device (i.e. from a data receiving unit of the backup device) is used to data on the distance between the two aircraft O and I, data on their relative speed to each other and data on the difference between the horizontal and vertical Calculate speeds of each aircraft.

Die Gesamtheit der Daten, die ausgehend von den abgerufenen Luftfahrzeugdaten berechnet werden, ermöglicht eine Charakterisierung der Umgebung um das Trägerluftfahrzeug O, das Ausweichverfahren umsetzen muss.All of the data calculated from the aircraft data retrieved makes it possible to characterize the environment around the host aircraft O, which must implement fallback procedures.

In einer Ausführungsform gemäß 1 kann der Eindringling vollständig durch Umgebungsparameter charakterisiert werden, die Folgendes umfassen:

  • - eine Entfernung ‚d‘ zwischen den beiden Luftfahrzeugen O (102) und I (104);
  • - einen Winkel ‚α‘, der von einer Linie, die die beiden Luftfahrzeuge verbindet, und der geplanten Bahn (106) des Trägerluftfahrzeugs O gebildet wird;
  • - einen Radius ‚RI‘, der den von dem eindringenden Luftfahrzeug I eingenommenen Raum charakterisiert. In einer alternativen Ausführungsform, wie in 2 dargestellt, wird der Eindringling teilweise durch Parameter charakterisiert, die von diskreten Abstandssensoren an Bord des Trägerluftfahrzeugs erhalten werden, die das Abrufen von Abstandsinformationen ermöglichen, die von jedem der Sensoren des Trägerluftfahrzeugs O (202) zurückgesendet werden, wenn sich ein Objekt in ihrem Feld befindet. In einer Ausführung sind zur Bildung eines Erfassungsstrahlenbündels 15 Sensoren - 5 pro horizontaler Ebene und 3 pro vertikaler Ebene - implementiert. In dieser Ausführungsform wird die Umgebung des Trägerluftfahrzeugs durch verschiedene Parameter charakterisiert, darunter die folgenden Parameter:
  • - ein Erfassungsradius ‚dT‘, der um das Erfassungssystem zentriert ist und den Radius des Erfassungsraums charakterisiert;
  • - eine Entfernung ‚dK:J‘ zwischen dem Erfassungssystem und einem Objekt, das sich in der Bahn eines Erfassungsstrahlenbündels mit der Ausrichtung ‚K‘ in der horizontalen Ebene und ‚J‘ in der vertikalen Ebene befindet. Wenn sich kein Objekt auf diesem Strahlbündel befindet, dann wird die Entfernung dT zurückgegeben.
In an embodiment according to 1 the intruder can be fully characterized by environmental parameters that include:
  • - a distance 'd' between the two aircraft O (102) and I (104);
  • - an angle 'α' formed by a line connecting the two aircraft and the planned trajectory (106) of the host aircraft O;
  • - a radius 'R I ' characterizing the space occupied by the intruding aircraft I. In an alternative embodiment, as in 2 shown, the intruder is characterized in part by parameters obtained from discrete range sensors on board the host aircraft that allow retrieval of range information returned by each of the sensors of the host aircraft O (202) when an object is in their field . In one embodiment, 15 sensors - 5 per horizontal plane and 3 per vertical plane - are implemented to form a detection beam. In this embodiment, the environment of the carrier aircraft is characterized by various parameters, including the following parameters:
  • - a detection radius 'd T ' centered around the detection system and characterizing the radius of the detection space;
  • - a distance 'd K:J ' between the detection system and an object located in the path of a detection beam with orientation 'K' in the horizontal plane and 'J' in the vertical plane. If there is no object on this beam, then the distance dT is returned.

Verschiedene Parameter sind Eingaben für verschiedene Fuzzy-Inferenzsysteme, wobei alle Systeme zusammen einen genetischen Baum bilden, der das Ausweichgesetz definiert. Die von den Inferenzsystemen verwendeten Parameter werden aus den Umgebungsparametern berechnet.Various parameters are inputs to various fuzzy inference systems, all systems together forming a genetic tree that defines the evasion law. The parameters used by the inference systems are calculated from the environmental parameters.

Die 1 und 2 zeigen außerdem verschiedene Räume, in denen sich das Trägerluftfahrzeug und das eindringende Luftfahrzeug bewegen können. Es ist somit Folgendes dargestellt:

  • - ein Kollisionsraum ‚Vc‘, der um den Träger O zentriert ist und einen Raum charakterisiert, in dem eine Kollision festgestellt wird, wenn sich die Position des Eindringlings I in diesem Raum befindet, was zu einem Scheitern der Mission führt.
  • - ein Sicherheitsraum 'Vs', der um den Träger O zentriert ist und einen Bereich kennzeichnet, in dem das Bewegen des Eindringlings I in diesem Sicherheitsraum nicht zu einem Misserfolg führt, sondern einen Abzug bei dem Kriterium für den Erfolg der Mission hervorruft.
  • - ein Erfassungsraum ‚Vd‘, der der um den Träger O zentriert ist und einen Schwellenbereich um das Trägerluftfahrzeug charakterisiert, in dem der Zustand eines Eindringlings I nur dann bestimmt werden kann, wenn er in diesen Bereich eindringt.
The 1 and 2 also show different spaces in which the carrier aircraft and the intruder aircraft can move. The following is thus shown:
  • - a collision space 'V c ' centered around the support O and characterizing a space in which a collision is detected if the intruder I's position is in that space, resulting in a mission failure.
  • - a safe space 'V s ' centered around the carrier O, marking an area where moving the intruder I in this safe space does not result in failure but incurs a penalty in the mission success criterion.
  • - a detection space 'V d ' centered around the carrier O and characterizing a threshold area around the carrier aircraft, in which the state of an intruder I can only be determined if he enters this area.

In der Ausführungsform von 2 werden die verschiedenen Räume (Kollision, Sicherheit, Erfassung) als Teil der Umgebung betrachtet, die in der Lernphase der Ausweichvorrichtung verwendet wird.In the embodiment of 2 the different spaces (collision, safety, acquisition) are considered as part of the environment used in the avoidance device learning phase.

Die Ausgabedaten des genetischen Baumes sind Anweisungen zur Steuerung des Trägerluftfahrzeugs O zur Vermeidung einer Kollision.The output data of the genetic tree are instructions for controlling the host aircraft O to avoid a collision.

In einer Ausführungsform sind die Werte der Ausgabedaten so normalisiert, dass sie zwischen -1 und +1 liegen, und sie entsprechen den Sollwerten längs jeder dreidimensionalen Achse (z.B. Rollen, Nicken, Gieren). In one embodiment, the output data values are normalized to range from -1 to +1 and correspond to desired values along each three-dimensional axis (e.g., roll, pitch, yaw).

So kann für einen Sollwert, der sich auf eine Geschwindigkeitssteuerung bezieht, der Wert -1 einem Sollwert für eine minimale Geschwindigkeit entsprechen und der Wert +1 einem Sollwert für eine maximale Geschwindigkeit entsprechen.Thus, for a setpoint relating to speed control, the value -1 may correspond to a minimum speed setpoint and the value +1 may correspond to a maximum speed setpoint.

In einer anderen Ausführungsform können die Ausgabedaten diskret sein und je nach Kontext Folgendes definieren:

  • - einen lateralen Ausweichmodus, mit dem ein laterales Ausweichverfahren ausgelöst werden kann;
  • - einen horizontalen Ausweichmodus, mit dem ein horizontales Ausweichverfahren ausgelöst werden kann;
  • - einen lateralen und horizontalen Ausweichmodus, mit dem ein laterales und horizontales Ausweichverfahren ausgelöst werden kann.
In another embodiment, the output data can be discrete and, depending on the context, can define:
  • - a lateral avoidance mode, with which a lateral avoidance procedure can be triggered;
  • - a horizontal avoidance mode that can be used to trigger a horizontal avoidance procedure;
  • - a lateral and horizontal avoidance mode, with which a lateral and horizontal avoidance procedure can be triggered.

Zum besseren Verständnis der Erfindung werden im Zusammenhang mit einem Fuzzy-Inferenzsystem folgende Begriffsdefinitionen gegeben:

  • - Eine „Fuzzy-Teilmenge“ einer Fuzzy-Menge wird durch ihre Zugehörigkeitsfunktion definiert, die den Grad der Zugehörigkeit eines Punktes zur betrachteten Fuzzy-Teilmenge quantifiziert, wobei eine Fuzzy-Teilmenge mit einem linguistischen Konzept verknüpft ist, z.B. Niedrig, Mittel, Hoch. Eine Zugehörigkeitsfunktion ist durch eine Form gekennzeichnet, die exponentiell, gaußförmig oder anders sein und Werte im Intervall [0; 1] haben kann, wobei ein Wert von 0 bedeutet, dass keine Zugehörigkeit vorliegt.
  • - Ein „Träger“ einer Fuzzy-Teilmenge bezeichnet die Menge der Elemente, die zumindest ein wenig zu der betrachteten Fuzzy-Teilmenge gehören, d. h. die Menge der Elemente, für die die Zugehörigkeitsfunktion ungleich Null ist. In der nachfolgenden Beschreibung bezeichnet die Position einer Zugehörigkeitsfunktion den Träger der zugehörigen Fuzzy-Teilmenge.
  • - Eine „Partitionierung“ bezeichnet die Aufteilung des Definitionsbereichs einer Variablen in Fuzzy-Teilmengen.
  • - Eine „linguistische Variable“ bezeichnet die Angabe einer Variablen, eines Wertebereichs der Variablen und einer endlichen oder unendlichen Menge von Fuzzy-Untermengen; die Variable, der Wertebereich und die Menge der Fuzzy-Teilmengen können z.B. die Geschwindigkeit des Luftfahrzeugs, die Menge der positiven reellen Zahlen bzw. die Fuzzy-Teilmengen {Niedrig, Mittel, Hoch} sein.
  • - Eine „Fuzzy-Regel“ bezeichnet eine Regel, die in natürlicher Sprache unter Verwendung von linguistischen Variablen ausgedrückt wird. Eine Fuzzy-Regel umfasst einen Prämissenteil und einem Konklusionsteil. Je mehr die Aussagen im Prämissenteil überprüft werden, desto mehr muss die empfohlene Schlussfolgerung eingehalten werden. Der Prämissenteil kann eine Kombination von Fuzzy-Aussagen der Form x ∈ A sein, wobei x und A eine Variable bzw. eine Fuzzy-Teilmenge sind. Der Prämissenteil kann einen oder mehrere Fuzzy-Operatoren verwenden, z.B. Komplement (NICHT), Durchschnitt (UND) und Vereinigung (ODER).
For a better understanding of the invention, the following definitions of terms are given in connection with a fuzzy inference system:
  • - A “fuzzy subset” of a fuzzy set is defined by its membership function, which quantifies the degree of membership of a point in the fuzzy subset under consideration, where a fuzzy subset is associated with a linguistic concept, e.g. low, medium, high. A membership function is characterized by a shape, which can be exponential, Gaussian, or other, and has values in the interval [0; 1], where a value of 0 means no membership.
  • - A “carrier” of a fuzzy subset denotes the set of elements that belong at least slightly to the fuzzy subset under consideration, ie the set of elements for which the membership function is not equal to zero. In the following description, the position of a membership function designates the support of the associated fuzzy subset.
  • - A "partitioning" describes the division of the domain of a variable into fuzzy subsets.
  • - A "linguistic variable" denotes the specification of a variable, a range of values of the variable and a finite or infinite set of fuzzy subsets; the variable, the value range and the set of the fuzzy subsets can be, for example, the speed of the aircraft, the set of positive real numbers and the fuzzy subsets {low, medium, high}, respectively.
  • - A "fuzzy rule" denotes a rule expressed in natural language using linguistic variables. A fuzzy rule includes a premise part and a conclusion part. The more the statements in the premises part are checked, the more the recommended conclusion must be adhered to. The premise part can be a combination of fuzzy statements of the form x ∈ A, where x and A are a variable or a fuzzy subset. The premise part can use one or more fuzzy operators, such as complement (NOT), intersection (AND), and union (OR).

3 zeigt die Architektur eines Fuzzy-Inferenzsystems (FIS). Ein Fuzzy-Inferenzsystem 300 setzt einen „Fuzzifizierungs“-Schritt 301 um, bei dem Eingabeparameter der numerischen Art in Zugehörigkeitsgrade zu den verschiedenen Fuzzy-Teilmengen der Partition umgewandelt werden. Ein Fuzzy-Inferenzsystem 300 setzt dann einen zweiten Schritt 302 um, der von einer Inferenzmaschine 302 umgesetzt wird, indem es eine oder mehrere Fuzzy-Regeln ausführt, die zuvor in einer Fuzzy-Wissensbasis 303 gespeichert wurden, bevor sie auf die empfangenen linguistischen Variablen angewendet werden. Ein Fuzzy-Inferenzsystem 300 kann außerdem einen „Defuzzifizierungs“-Schritt 304 umsetzen, der aus dem Ergebnis der Aggregation der ausgeführten Fuzzy-Regeln einen Nettowert, d. h. einen nicht-Fuzzy-Wert, ableitet. 3 shows the architecture of a fuzzy inference system (FIS). A fuzzy inference system 300 implements a "fuzzification" step 301 in which input parameters of the numeric nature are converted into degrees of membership to the various fuzzy subsets of the partition. A fuzzy inference system 300 then implements a second step 302 implemented by an inference engine 302 by executing one or more fuzzy rules previously stored in a fuzzy knowledge base 303 before applying them to the received linguistic variables become. A fuzzy inference system 300 can also implement a "defuzzification" step 304, which derives a net value, ie a non-fuzzy value, from the result of the aggregation of the executed fuzzy rules.

Die Fuzzy-Logik ersetzt den Wahrheitswert einer Aussage, der aus {wahr, falsch} auszuwählen ist, durch einen Wahrheitsgrad, der z.B. aus [0, 1] auszuwählen ist. In der Fuzzy-Logik gibt es also Grade in der Erfüllung einer Bedingung. Ein Interesse besteht darin, die menschliche Argumentation zu formalisieren, da diese Bedingungen in natürlicher Sprache ausgesprochen werden.Fuzzy logic replaces the truth value of a statement, to be chosen from {true, false}, with a degree of truth, to be chosen from e.g. [0, 1]. So in fuzzy logic there are degrees in the fulfillment of a condition. One interest is in formalizing human reasoning since these conditions are expressed in natural language.

Die Zuordnung von numerischen Variablen zu Variablen, die in natürlicher Sprache ausgedrückt werden, erfolgt über Zugehörigkeitsfunktionen, die sogenannte Fuzzifizierung.The assignment of numerical variables to variables that are expressed in natural language is carried out using membership functions, the so-called fuzzification.

Durch die Verwendung von Variablen in Form von natürlicher Sprache ist das Verhalten des Systems für einen Menschen leichter interpretierbar.By using variables in the form of natural language, the behavior of the system is easier for a human to interpret.

Die Schritte für eine Entscheidungsfindung durch ein Fuzzy-Inferenzsystem sind folgende:

  • - Fuzzifizierung (301) der Eingangsvariablen;
  • - Ausführung (302) der Regeln, die dem System bekannt und in der Wissensbasis (303) enthalten sind;
  • - Defuzzifizierung (304) der getroffenen Entscheidung, um eine numerische Variable zurückzugeben.
The steps for a decision making by a fuzzy inference system are as follows:
  • - fuzzification (301) of the input variables;
  • - execution (302) of the rules known to the system and contained in the knowledge base (303);
  • - defuzzifying (304) the decision taken to return a numeric variable.

Das Ausweichverfahren im Luftraum setzt mehrere Fuzzy-Inferenzsysteme ein, wobei jedes System durch einen genetischen Algorithmus optimiert werden kann. In diesem Fall entwickelt sich eine Gesamtheit von Lösungen durch Mutation und Beibehaltung der besten Lösungen zu einer besseren Lösung.The airspace avoidance procedure employs multiple fuzzy inference systems, each system being capable of being optimized by a genetic algorithm. In this case, a set of solutions evolves into a better solution by mutating and retaining the best solutions.

Im Allgemeinen optimiert ein genetischer Algorithmus die Parameter eines Systems. Genetische Algorithmen sind nicht dazu bestimmt, eine bestimmte Aufgabe zu erfüllen. Sie begnügen sich damit, zu existieren und sich in Abhängigkeit von den integrierten Elementen weiterzuentwickeln. Diese genetischen Algorithmen werden dann mit einer Auswahl konfrontiert, indem ein Ziel oder eine Punktzahl eingefügt wird, die erreicht werden muss. Am Ende des Tests werden nur die erfolgreichsten genetischen Algorithmen beibehalten und erneut mit neuen, zufällig generierten genetischen Algorithmen konfrontiert. Dieser Prozess wird für eine gewisse Zeit von Generation zu Generation wiederholt. Mit diesem doppelten Prozess, der als Mutation und Selektion bezeichnet wird, zeigen sich schließlich quasi „spontan“ immer bessere genetische Algorithmen.In general, a genetic algorithm optimizes the parameters of a system. Genetic algorithms are not designed to perform any specific task. They are content to exist and evolve as a function of the integrated elements. These genetic algorithms are then presented with a choice by inserting a goal or score that must be achieved. At the end of the test, only the most successful genetic algorithms are retained and re-confronted with new, randomly generated genetic algorithms. This process is repeated from generation to generation for a period of time. With this double process, which is called mutation and selection, better and better genetic algorithms finally appear quasi “spontaneously”.

Auf dem Gebiet des „maschinellen Lernens“ ermöglicht das Konzept des genetischen Algorithmus die Entwicklung sehr effizienter Lösungen für ein bestimmtes Problem in einer relativ kurzen Zeit. Der Hauptvorteil dieser Algorithmen besteht darin, dass sie keine Ausgangsbeispiele zum Lernen benötigen, es ist keine Grundlage für ihr Lernen erforderlich. Sie machen unüberwachtes Lernen für jede beliebige Aufgabe möglich.In the field of "machine learning", the concept of genetic algorithms allows the development of very efficient solutions to a given problem in a relatively short time. The main advantage of these algorithms is that they do not need any initial examples to learn, no foundation is required for their learning. They make unsupervised learning possible for any task.

4 zeigt einen genetischen Fuzzy-Baum GFT (400) gemäß einer Ausführungsform der Erfindung. 4 Fig. 4 shows a genetic fuzzy tree GFT (400) according to an embodiment of the invention.

Zur Bildung eines genetischen Fuzzy-Baums werden verschiedene Fuzzy-Inferenzsysteme (FIS) in Kombination verwendet. Die verschiedenen FIS in einem Baum sind Funktionsmodule, die in mindestens zwei Typen eingeteilt werden können.Various fuzzy inference systems (FIS) are used in combination to form a genetic fuzzy tree. The various PISs in a tree are functional modules that can be classified into at least two types.

Ein erster Typ von FIS (402, 404), „Ausgangs“-FIS genannt, liefert Daten, die die Ausgaben der Ausweichvorrichtung sein werden (d.h. Anweisungen, um das Trägerflugzeug so zu lenken, dass dem eindringende Flugzeug ausgewichen wird). Im gezeigten Fall werden zwei Ausgangs-FIS verwendet: ein FIS (402) zur Erzeugung eines Schubsollwertes und ein FIS (404) zur Erzeugung eines horizontalen Geschwindigkeitssollwertes.A first type of FIS (402, 404), called "exit" FIS, provides data that will be the outputs of the evasion device (i.e., instructions to direct the carrier aircraft to avoid the intruding aircraft). In the case shown, two output FIS are used: one FIS (402) for generating a thrust command and one FIS (404) for producing a horizontal speed command.

Ein weiterer Typ von FIS (406, 408, 410), „Zwischen“-FIS genannt, wird in der Struktur des genetischen Fuzzy-Baums (400) verwendet. Jeder Zwischen-FIS ermöglicht die Berechnung von Zwischenzuständen aus verschiedenen Eingabedaten und erzeugt Daten, die anderen Zwischen-FIS und/oder Ausgangs-FIS zugeführt werden.Another type of FIB (406, 408, 410), called "intermediate" FIB, is used in the structure of the fuzzy genetic tree (400). Each intermediate FIB enables the calculation of intermediate states from various input data and generates data that is fed to other intermediate FIBs and/or output FIBs.

Der genetische Fuzzy-Baum arbeitet mit den zuvor beschriebenen Parametern zur Charakterisierung der Umgebung. Ausgehend von diesen Parametern werden weitere Parameter berechnet. Indem es beispielsweise die Position des Eindringlings und des Trägers kennt, kann das System Parameter zu relativen Geschwindigkeiten berechnen.The genetic fuzzy tree works with the previously described parameters for characterizing the environment. Further parameters are calculated based on these parameters. For example, by knowing the position of the intruder and the carrier, the system can calculate parameters related to relative velocities.

So können die berechneten Parameter folgende umfassen:

  • - einen Parameter ‚Δz‘, der den Höhenunterschied zwischen den Luftfahrzeugen O und I definiert;
  • - einen Parameter ‚ΔSx‘, der den Geschwindigkeitsunterschied längs der Achse x zwischen den Luftfahrzeugen O und I definiert;
  • - einen Parameter ‚ΔSy‘, der die Geschwindigkeitsdifferenz längs der Achse y zwischen den Luftfahrzeugen O und I definiert;
  • - einen Parameter ‚ΔSz‘, der die vertikale Geschwindigkeitsdifferenz zwischen den Luftfahrzeugen O und I definiert.
Thus, the calculated parameters may include:
  • - a parameter 'Δz' defining the altitude difference between aircraft O and I;
  • - a parameter 'ΔS x ' defining the speed difference along the x-axis between aircraft O and I;
  • - a parameter 'ΔS y ' defining the speed difference along the y axis between aircraft O and I;
  • - a parameter 'ΔS z ' defining the vertical speed difference between aircraft O and I.

Der genetische Fuzzy-Baum (400) verwendet alle Parameter auf den verschiedenen FIS. In dem in 4 gezeigten Beispiel verwendet der genetische Fuzzy-Baum mindestens drei Zwischen-FIS, nämlich:

  • - ein „vertikales FIS“ genanntes FIS (406), das die Parameter ‚Δz‘ und ‚ΔSz‘ als Eingabe nutzt;
  • - ein „Hindernis-FIS“ genanntes FIS (408), das die Parameter ‚α‘ und ‚RI‘ als Eingabe nutzt;
  • - ein „horizontales FIS“ genanntes FIS (410), das die Parameter ‚d‘, ‚ΔSx‘ und ‚ΔSy‘ als Eingabe nutzt.
The genetic fuzzy tree (400) uses all parameters on the different FIS. in the in 4 In the example shown, the genetic fuzzy tree uses at least three intermediate FIS, namely:
  • - a FIS called 'vertical FIS' (406) which takes the parameters 'Δz' and 'ΔS z ' as input;
  • - a FIS called 'Obstacle FIS' (408) which takes the parameters 'α' and 'R I ' as input;
  • - a FIS called 'horizontal FIS' (410) which takes the parameters 'd', 'ΔS x ' and 'ΔS y ' as input.

Die Zwischen-FIS geben Werte zwischen 0 und 1 aus, die von den Eingabeparametern abhängig sind. Wie diese Berechnung durchgeführt wird, wird durch den genetischen Algorithmus bestimmt. Zusammenfassend ist die Ausgabe der Zwischen-FIS nicht von reeller physikalischer Natur, sondern der Wert ist derjenige, der am besten für die Lösung des betreffenden Problems optimiert ist.The intermediate FIS output values between 0 and 1 depending on the input parameters. How this calculation is performed is determined by the genetic algorithm. In summary, the output of the intermediate FIS is not of real physical nature, but the value is the one that is best optimized for solving the problem in question.

Die Ausgaben der Zwischen-FIS liefern Eingaben für die Ausgangs-FIS (402, 404), die die Steueranweisungen bestimmen.The intermediate FIS outputs provide inputs to the output FIS (402, 404) which determine the control instructions.

Die 5 und 6 zeigen zwei Beispiele für genetische Fuzzy-Bäume GFT, die nach demselben Prinzip wie der genetische Fuzzy-Baum in 4 aufgebaut sind und von dem erfindungsgemäßen Verfahren parallel verwendet werden können. Der genetische Fuzzy-Baum (500) in 5 hat die Aufgabe, einen Nick-Sollwert (506) anzugeben, der genetische Fuzzy-Baum (600) in 6 hat die Aufgabe, einen Roll-Sollwert (606) anzugeben.The 5 and 6 show two examples of genetic fuzzy trees GFT, which follow the same principle as the genetic fuzzy tree in 4 are constructed and can be used in parallel by the method according to the invention. The genetic fuzzy tree (500) in 5 has the task of specifying a pitch setpoint (506), the genetic fuzzy tree (600) in 6 has the task of specifying a roll setpoint (606).

Beide genetische Fuzzy-Bäume arbeiten mit den für 2 beschriebenen Parametern zur Charakterisierung der Umgebung.Both genetic fuzzy trees work with the for 2 described parameters to characterize the environment.

Insbesondere bezeichnet der in 5 dargestellte Parameter ‚dx,:‘ die Messungen der vertikalen Sensoren entsprechend der horizontalen Position x, z.B. mit x = -90 die drei Positionen (d.90,-30 - d.90,0 - d.90,30), und der in 6 dargestellte Parameter ‚d:,x‘ bezeichnet die Messungen der horizontalen Sensoren entsprechend der vertikalen Position x, z. B. mit x = -30 die fünf Positionen (d-90,-30 - d-45,-30 - d0,-30 - d+45,-30 - d90,-30).In particular, the in 5 represented parameters 'd x ':' the measurements of the vertical sensors corresponding to the horizontal position x, e.g. with x = -90 the three positions (d. 90,-30 - d. 90.0 - d. 90.30 ), and the in 6 The parameter 'd :,x ' shown denotes the measurements of the horizontal sensors corresponding to the vertical position x, e.g. B. with x = -30 the five positions (d -90,-30 - d -45,-30 - d 0,-30 - d +45,-30 - d 90,-30 ).

Bei dem Beispiel in 5 verwendet der genetische Fuzzy-Baum (500) mindestens sechs Zwischen-Fuzzy-Inferenzsysteme, nämlich:

  • - fünf FIS (502-1 bis 502-5), die jeweils die Messungen der Sensoren in jeder vertikalen Ebene (d-90,: - d-45,: - d0,: - d+45,: - d+90,:) als Eingabe nutzen; und
  • - ein FIS (504), „Vertikalsensor-FIS“ genannt, der als Eingabe die Ausgaben der fünf Zwischen-FIS nutzt.
In the example in 5 the genetic fuzzy tree (500) uses at least six intermediate fuzzy inference systems, namely:
  • - five FIS (502-1 to 502-5), respectively, the measurements of the sensors in each vertical plane (d -90,: - d -45,: - d 0,: - d +45,: - d +90 ,: ) use as input; and
  • - an FIS (504), called "vertical sensor FIS", which uses as input the outputs of the five intermediate FIS.

Jedes Fuzzy-Inferenzsystem kann mehrere Zugehörigkeitsfunktionen umsetzen und eine oder mehrere Fuzzy-Regeln anwenden, um das Kollisionsrisiko unter Berücksichtigung der verschiedenen Parameter hinsichtlich Raum (Erfassung; Sicherheit; Kollision), Höhenunterschied, Geschwindigkeit zu quantifizieren.Each fuzzy inference system can implement several membership functions and apply one or more fuzzy rules to quantify the risk of collision, taking into account the various parameters of space (detection; safety; collision), height difference, speed.

Die Ausgabe des Vertikalsensor-FIS (504) ist eine Eingabe des Ausgangs-FIS (506), das auch Parameter zur Charakterisierung der Umgebung ‚α‘ und ‚d‘ empfängt, um einen Nick-Sollwert (506) anzugeben.The output of the vertical sensor FIS (504) is an input of the output FIS (506), which also receives environmental characterization parameters 'α' and 'd' to indicate a pitch setpoint (506).

Bei dem Beispiel in 6 verwendet der genetische Fuzzy-Baum (6006) mindestens vier Zwischen-Fuzzy-Inferenzsysteme, nämlich:

  • - drei FIS (602-1 bis 602-3), die jeweils die Messungen der Sensoren in jeder horizontalen Ebene (d:,-30 - d:,0 - d:,+30) als Eingabe nutzen; und
  • - ein FIS (602), „Horizontalsensor-FIS“ genannt, der die Ausgaben der drei Zwischen-FIS als Eingabe nutzt.
In the example in 6 the genetic fuzzy tree (6006) uses at least four intermediate fuzzy inference systems, namely:
  • - three FIS (602-1 to 602-3), each taking as input the measurements of the sensors in each horizontal plane (d :,-30 - d :,0 - d :,+30 ); and
  • - a FIS (602), called "horizontal sensor FIS", which uses the outputs of the three intermediate FIS as input.

Jedes Fuzzy-Inferenzsystem kann mehrere Zugehörigkeitsfunktionen umsetzen und eine oder mehrere Fuzzy-Regeln anwenden, um das Kollisionsrisiko unter Berücksichtigung der verschiedenen Parameter Raum (Erfassung; Sicherheit; Kollision), Höhenunterschied, Geschwindigkeit zu quantifizieren.Each fuzzy inference system can implement several membership functions and apply one or more fuzzy rules to quantify the risk of collision, taking into account the various parameters space (detection; safety; collision), height difference, speed.

Die Ausgabe des Horizontalsensor-FIS (604) ist eine Eingabe des Ausgangs-FIS (606), das auch Parameter zur Charakterisierung der Umgebung ‚α‘ und ‚d‘ empfängt, um einen Roll-Sollwert (606) anzugeben.The output of the horizontal sensor FIS (604) is an input of the output FIS (606), which also receives environmental characterization parameters 'α' and 'd' to indicate a roll setpoint (606).

In einer Ausführungsform werden die Zentren der Zugehörigkeitsfunktionen der Fuzzy-Inferenzsysteme optimiert, indem die Parameter der Positionen der Zugehörigkeitsfunktionen und/oder die von jedem Inferenzsystem gelernten Regeln geändert werden, wobei die verbleibenden Variablen von dem Operator bestimmt werden.In one embodiment, the centers of the membership functions of the fuzzy inference systems are optimized by changing the parameters of the membership function positions and/or the rules learned by each inference system, with the remaining variables being determined by the operator.

Insbesondere setzt das Optimierungsverfahren in einer Ausführungsform einen genetischen Algorithmus um. In diesem Fall entwickelt sich eine Gesamtheit von Lösungen durch Mutation und Beibehaltung der besten Lösungen zu einer besseren Lösung.In particular, in one embodiment, the optimization method implements a genetic algorithm. In this case, a set of solutions develops through mutation and Bei keeping the best solutions to a better solution.

In anderen Ausführungsformen der Erfindung können die Positionen der Zugehörigkeitsfunktionen und/oder die Fuzzy-Regeln, die in einem oder mehreren der Fuzzy-Inferenzsysteme implementiert sind, ohne Verwendung von Optimierungsalgorithmen vordefiniert werden, beispielsweise durch einen Operator.In other embodiments of the invention, the positions of the membership functions and/or the fuzzy rules implemented in one or more of the fuzzy inference systems can be predefined without using optimization algorithms, for example by an operator.

Vorteilhafterweise kann ein genetischer Fuzzy-Baum (400, 500, 600) mindestens ein durch einen genetischen Algorithmus optimiertes Fuzzy-Inferenzsystem und mindestens ein Fuzzy-Inferenzsystem umfassen, bei dem die Positionen der Zugehörigkeitsfunktionen und/oder die implementierten Fuzzy-Regeln vordefiniert sind.A genetic fuzzy tree (400, 500, 600) can advantageously comprise at least one fuzzy inference system optimized by a genetic algorithm and at least one fuzzy inference system in which the positions of the membership functions and/or the implemented fuzzy rules are predefined.

Als Variante kann die Form einer oder mehrerer der in einem genetischen Fuzzy-Baum implementierten Zugehörigkeitsfunktionen durch einen genetischen Algorithmus optimiert werden. Außerdem kann die Form einer oder mehrerer der in einem genetischen Fuzzy-Baum implementierten Zugehörigkeitsfunktionen vordefiniert sein.As a variant, the shape of one or more of the membership functions implemented in a fuzzy genetic tree can be optimized by a genetic algorithm. In addition, the form of one or more of the membership functions implemented in a fuzzy genetic tree may be predefined.

Der genetische Fuzzy-Baum (400, 500, 600) wird auf der Grundlage der Parameter zur Charakterisierung der Umgebung in eine Lernphase trainiert.The fuzzy genetic tree (400, 500, 600) is trained into a learning phase based on the parameters characterizing the environment.

Vorteilhafterweise erfolgt das Trainieren der Agenten (ein „Agent“ bezieht sich hier auf ein Individuum aus der Lösungsgesamtheit, die durch den genetischen Algorithmus optimiert wurde. Jeder Agent hat die gleiche Baumstruktur, doch die Parameter der FIS, aus denen er besteht, sind unterschiedlich) an einer Vielzahl von Simulationsszenarien, die für Betriebssituationen (d.h. reale Kollisionsvermeidung mit bekannten Parametern) repräsentativ sind, aber auch an anderen Szenarien, um Situationen nachzubilden, bei denen es in der Realität Lücken geben kann. So ist es zum Beispiel möglich, ein Szenario für eine Situation zu erstellen, in der es für ein Luftfahrzeug schwierig ist, einem von rechts kommenden, eindringenden Luftfahrzeug auszuweichen. Das Hinzufügen von Szenarien ermöglicht dann eine Erhöhung der Generalisierungsfähigkeit des Agenten und erleichtert dessen Lernen.Advantageously, the agents are trained (an “agent” here refers to an individual from the set of solutions optimized by the genetic algorithm. Each agent has the same tree structure, but the parameters of the FIS that compose it are different) on a variety of simulation scenarios representative of operational situations (i.e. real collision avoidance with known parameters), but also on other scenarios to recreate situations where there may be gaps in reality. For example, it is possible to create a scenario for a situation where it is difficult for an aircraft to avoid an intruding aircraft approaching from the right. Adding scenarios then increases the agent's ability to generalize and facilitates its learning.

In einer Ausführungsform der Erfindung kann die Lernphase bei der Implementierung eines Szenarios einen Schritt zur Bestimmung der Leistung des genetischen Fuzzy-Baums umfassen, der eine Punktzahl für die Leistung des Baums für dieses Szenario angibt.In an embodiment of the invention, the learning phase in the implementation of a scenario may comprise a step of determining the performance of the genetic fuzzy tree, which gives a score for the performance of the tree for that scenario.

Die Leistung des genetischen Fuzzy-Baums wird durch eine Belohnungsfunktion gemessen, die den Erfolg des Ausweichens berücksichtigt. Die Belohnungsfunktion des verstärkenden Lernalgorithmus kann mit verschiedenen Indikatoren zusammengesetzt werden, wie etwa einem Sicherheitsindikator und einem Leistungsindikator. Der Sicherheitsindikator berücksichtigt den Mindestabstand zwischen den beiden Luftfahrzeugen beim Ausweichen sowie die Tatsache, dass der Eindringling in den Sicherheits- oder Kollisionsraum des Luftfahrzeugs eingedrungen ist. In diesem Fall wird ein Abzug auf den Sicherheitsindikator angewendet. Der Leistungsindikator berücksichtigt die Zeit, die das System benötigt, um die Mission zu erfüllen (d. h. das Ausweichen durchzuführen), oder auch den Prozentsatz der Zeit, der für die Durchführung einer Rotationshandlung aufgewendet wird.The performance of the fuzzy genetic tree is measured by a reward function that accounts for the success of the evasion. The reward function of the reinforcement learning algorithm can be composed of various indicators, such as a safety indicator and a performance indicator. The security indicator takes into account the minimum distance between the two aircraft when evading, as well as the fact that the intruder has entered the aircraft's security or collision space. In this case, a deduction is applied to the safety indicator. The performance indicator takes into account the time it takes the system to complete the mission (i.e. perform the dodge) or also the percentage of time spent performing a rotation action.

Die Belohnungsfunktion kann in Form eines Erfolgsparameters wiedergegeben werden, der zwischen zwei Werten, z.B. 0 und 1, liegen kann, wobei die Mission erfolgreich ist, wenn der entsprechende Erfolgsparameter über einem Erfolgsschwellenwert liegt.The reward function can be expressed in terms of a success parameter, which can range between two values, e.g., 0 and 1, with the mission being successful if the corresponding success parameter is above a success threshold.

So besteht die vorgeschlagene Lösung darin, die Parameter der Fuzzy-Inferenzsysteme mit Hilfe eines Optimierungsalgorithmus in einer Lernphase, die mit Hilfe von Simulationsmitteln durchgeführt werden kann, erlernen zu lassen.The proposed solution consists in having the parameters of the fuzzy inference systems learned using an optimization algorithm in a learning phase that can be carried out using simulation means.

Die getroffenen Entscheidungen sind durch die Verwendung der Fuzzy-Logik, die numerische Variablen durch Variablen in Form von natürlicher Sprache ersetzt, und die Zerlegung der Lösung in mehrere Inferenzsysteme für den Operator leicht interpretierbar, was den logischen Weg erleichtert.The decisions made are easily interpretable by the operator through the use of fuzzy logic, which replaces numeric variables with variables in the form of natural language, and the decomposition of the solution into several inference systems, facilitating the logical path.

7 ist ein Flussdiagramm der Schritte des Verfahrens (700) zur Erzeugung eines genetischen Fuzzy-Baums gemäß einer Ausführungsform der Erfindung. 7 Fig. 7 is a flowchart of the steps of the method (700) for creating a fuzzy genetic tree according to an embodiment of the invention.

Ein anfänglicher Schritt besteht darin, die Gesamtheit der Parameter und Funktionen zu definieren, um das Trainieren des genetischen Fuzzy-Baums zu ermöglichen.An initial step is to define all of the parameters and functions to enable the fuzzy genetic tree to be trained.

Folgendes ist also definiert:

  • - (702) die Struktur des Baums (die verschiedenen FIS), und (704) die Eingaben und Ausgaben des Baums;
  • - (706) eine Menge von Ausweichszenarien;
  • - (708) die Belohnungsfunktion.
So the following is defined:
  • - (702) the structure of the tree (the various FIS), and (704) the inputs and outputs of the tree;
  • - (706) a set of fallback scenarios;
  • - (708) the reward function.

Auch wenn die Beschreibung ausführlich erläutert wurde, um eine Implementierung zum Ausweichen im Luftraum zu veranschaulichen, kann der Fachmann die beschriebenen Prinzipien anwenden, um die Parameter eines genetischen Fuzzy-Baums zu definieren, der für andere Kollisionsvermeidungen anwendbar ist, sei es im Luftraum, an Land oder auf See.Although the description has been extended in detail to illustrate an airspace avoidance implementation, those skilled in the art can apply the principles described to determine the parameters of a fuzzy genetic tree to be defined which is applicable for other collision avoidance, be it in airspace, on land or at sea.

Der nächste Schritt (710) des Verfahrens besteht darin, den genetischen Fuzzy-Baum entsprechend dem Prozess der Optimierung des Ausweichgesetzes unter Verwendung eines genetischen Algorithmus auf die verschiedenen Szenarien zu trainieren.The next step (710) of the method is to train the genetic fuzzy tree on the different scenarios according to the process of optimizing the evasion law using a genetic algorithm.

Vorteilhafterweise ist die vorgeschlagene Lösung an die Bedürfnisse des Benutzers anpassbar, indem sie es ermöglicht, nur auf die Belohnungsfunktion der Simulation einzuwirken. Der Operator kann so verschiedene Verhaltensweisen des Ausweichsystems erzielen, ohne technische Lernparameter einstellen zu müssen.Advantageously, the proposed solution is adaptable to the needs of the user, allowing to act only on the simulation's reward function. The operator can thus achieve different behaviors of the backup system without having to set technical learning parameters.

Vorteilhafterweise kann der genetische Fuzzy-Baum, der trainiert wird (712), als Ausweichmodul in einem Steuergerät für die Lenkung eines Luftfahrzeugs implementiert werden.Advantageously, the fuzzy genetic tree that is trained (712) may be implemented as a fallback module in an aircraft guidance controller.

Nach Abschluss des Trainierens kann ein Luftfahrzeug mit dem trainierten Ausweichmodul ein Szenario beenden, das eine reale Mission darstellt, und somit ein Ausweichverfahren auslösen, kann aber auch aufgrund der Fähigkeit zur Verallgemeinerung, die es erworben hat, in einer neuen Umgebung operieren.Upon completion of the training, an aircraft with the trained avoidance module can complete a scenario representing a real mission and thus trigger an avoidance procedure, but can also operate in a new environment due to the generalization ability it has acquired.

8 ist ein Flussdiagramm der Schritte des Ausweichverfahrens im Luftraum (800) gemäß einer Ausführungsform der Erfindung, das von einem Ausweichmodul realisiert wird, das in einem Rechner einer Vorrichtung zur Lenkung eines Luftfahrzeugs implementiert ist, die verschiedene Lenkungsgesetze ausführen kann, darunter das der Kollisionsvermeidung gemäß der Erfindung. 8th 8 is a flow chart of the steps of the airspace avoidance method (800) according to an embodiment of the invention, implemented by an avoidance module implemented in a computer of an aircraft guidance system capable of executing various guidance laws, including that of collision avoidance according to FIG Invention.

Eine derartige Lenkvorrichtung kann eine Empfangseinheit umfassen, die so ausgelegt ist, dass sie Eingangsparameter empfängt, die von einem oder mehreren Sensoren bereitgestellt werden, eine Verarbeitungseinheit, die so ausgelegt ist, dass sie einen genetischen Fuzzy-Baum ausführt, der ein oder mehrere Fuzzy-Inferenzsysteme umsetzt, wie sie in einer Lernphase definiert wurden, und eine Wiedergabeeinheit, die so ausgelegt ist, dass sie Steueranweisungen bereitstellt. Die Lenkvorrichtung kann außerdem eine Einheit zur Übertragung von Steueranweisungen an einen Autopiloten umfassen. Die mehreren für den Autopiloten bestimmten Steueranweisungen können mehrere Winkel umfassen, die eine neue Fluglage des autonomen Luftfahrzeugs und einen Beschleunigungsparameter darstellen.Such a steering device may comprise a receiving unit arranged to receive input parameters provided by one or more sensors, a processing unit arranged to execute a fuzzy genetic tree containing one or more fuzzy implements inference systems as defined in a learning phase and a playback unit designed to provide control instructions. The steering device can also include a unit for transmitting steering instructions to an autopilot. The plurality of steering instructions determined for the autopilot may include a plurality of angles representing a new attitude of the autonomous aircraft and an acceleration parameter.

Die Lenkvorrichtung kann auch eine Leistungsbestimmungseinheit umfassen, die so ausgelegt ist, dass sie Leistungsindikatoren bestimmt, die mit der Durchführung der Ausweichmission verknüpft sind.The steering apparatus may also include a performance determination unit configured to determine performance indicators associated with performing the avoidance mission.

In einem ersten Schritt (802) ermöglicht das Verfahren durch geeignete Mittel das Empfangen eines Satzes von Parametern, die die Umgebung des Luftfahrzeugs charakterisieren und es ermöglichen, das Bestimmungsmodul zur Kollisionsvermeidung auf der Grundlage des in einer Lernphase trainierten genetischen Fuzzy-Baums zu implementieren (804), um einen Satz von Befehlen zur Durchführung einer Ausweichprozedur zu erzeugen (806).In a first step (802), the method makes it possible, by suitable means, to receive a set of parameters characterizing the environment of the aircraft and making it possible to implement the collision avoidance determination module on the basis of the fuzzy genetic tree trained in a learning phase (804 ) to generate a set of instructions for performing an escape procedure (806).

In einer Ausführungsform ist die Ausgabe des Systems (806) eine Nick-(„pitch“), Roll- („roll“) und Schubsteuerung.In one embodiment, the output of the system (806) is pitch, roll, and thrust control.

In einer Ausführungsvariante ist die Ausgabe des Systems (806) ein Ausweichmodus längs der horizontalen und/oder vertikalen Ebene.In a variant embodiment, the output of the system (806) is a fallback mode along the horizontal and/or vertical plane.

Der Fachmann versteht, dass das in den verschiedenen Ausführungsformen beschriebene Ausweichverfahren auf verschiedene Weise durch Hardware, Software oder eine Kombination aus Hardware und Software implementiert werden kann, insbesondere in Form von Programmcode, der als Programmprodukt in verschiedenen Formen vertrieben werden kann. Insbesondere kann der Programmcode mithilfe von computerlesbaren Medien vertrieben werden, die computerlesbare Speichermedien und Kommunikationsmedien umfassen können. Die in dieser Beschreibung beschriebenen Verfahren können insbesondere in Form von Computerprogrammanweisungen implementiert werden, die von einem oder mehreren Prozessoren in einem Computergerät eines Computers ausgeführt werden können. Diese Computerprogrammanweisungen können auch in einem computerlesbaren Medium gespeichert sein.Those skilled in the art will understand that the fallback method described in the various embodiments can be implemented in various ways by hardware, software, or a combination of hardware and software, particularly in the form of program code that can be distributed as a program product in various forms. In particular, the program code can be distributed using computer-readable media, which can include computer-readable storage media and communication media. In particular, the methods described in this specification can be implemented in the form of computer program instructions, which can be executed by one or more processors in a computing device of a computer. These computer program instructions can also be stored on a computer-readable medium.

Die Erfindung ist nicht auf die Ausführungsformen beschränkt, die als nicht einschränkende Beispiele beschrieben sind. Sie umfasst alle Ausführungsvarianten, die von dem Fachmann in Betracht gezogen werden können.The invention is not limited to the embodiments described as non-limiting examples. It includes all the variant embodiments that can be envisaged by a person skilled in the art.

Claims (11)

Computerimplementiertes Verfahren (800) zur Lenkung eines Luftfahrzeugs zur Vermeidung einer Kollision mit einem als eindringendes Objekt bezeichneten Flugobjekt, wobei das Luftfahrzeug mehrere Sensoren, die zur Bereitstellung einer Vielzahl von Daten bezüglich der Erfassung eines eindringenden Objekts ausgelegt sind, und ein Datenverarbeitungsmodul aufweist, das dazu ausgebildet ist: - Parameter zur Charakterisierung der Umgebung des Luftfahrzeugs ausgehend von Sensordaten bezüglich der Erfassung eines eindringenden Objekts zu erzeugen (802); - einen genetischen Fuzzy-Baum zumindest mit den Parametern zu betreiben (804), so dass Lenkungsanweisungen erzeugt werden, wobei der genetische Fuzzy-Baum in einer Lernphase (700) ausgewählt wurde, die darin besteht, die Leistung eines genetischen Fuzzy-Baums mittels einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum für mehrere fiktive Flugszenarien des Luftfahrzeugs unter Anwendung eines gegebenen Lenkungsgesetzes berücksichtigt; und - Anweisungen zur Lenkung des Luftfahrzeugs zu übertragen (806), wobei die Anweisungen Befehlen zum Ausweichen des eindringenden Objekts entsprechen.A computer-implemented method (800) for guiding an aircraft to avoid a collision with a flying object designated as an intruder, the aircraft having a plurality of sensors configured to provide a variety of data relating to the detection of an intruder and a data processing module operable to do so educated is: - to generate (802) parameters characterizing the environment of the aircraft from sensor data relating to the detection of an intruding object; - operate (804) a genetic fuzzy tree with at least the parameters so as to generate routing instructions, the genetic fuzzy tree having been selected in a learning phase (700) consisting in evaluating the performance of a genetic fuzzy tree by means of a evaluate a reward function that accounts for successful airspace avoidance for multiple notional flight scenarios of the aircraft using a given guidance law; and - transmit (806) instructions for steering the aircraft, the instructions corresponding to commands for avoiding the intruding object. Verfahren nach Anspruch 1, wobei die Lernphase (700) mit Simulationsmitteln realisiert wird und folgende Schritte umfasst: - Definieren (702) der Struktur eines genetischen Fuzzy-Baums ausgehend von mehreren Fuzzy-Inferenzsystemen, wobei die Fuzzy-Inferenzsysteme jeweils mehrere Zugehörigkeitsfunktionen und eine oder mehrere Fuzzy-Regeln umsetzen; und Definieren (704) von Eingangsparametern des genetischen Fuzzy-Baums und von Ausgangsdaten des genetischen Fuzzy-Baums, die als Lenkungsanweisungen bezeichnet werden; - Definieren (706) von mehreren fiktiven Flugszenarien für das Luftfahrzeug, die Situationen darstellen, in denen eindringenden Objekten ausgewichen wird, unter Anwendung eines gegebenen Lenkungsgesetzes; - Definieren (708) einer Belohnungsfunktion für die Bewertung der Leistung des genetischen Fuzzy-Baums; - Trainieren (710) des genetischen Fuzzy-Baums, wobei das Trainieren des genetischen Fuzzy-Baums die Schritte umfasst, die darin bestehen: - entsprechend den Lenkungsanweisungen Ausweichprozeduren im Luftraum für die mehrere Szenarien und Eingangsparameter auszuführen; - die Leistung des genetischen Fuzzy-Baums mit einer Belohnungsfunktion zu bewerten, die das erfolgreiche Ausweichen im Luftraum berücksichtigt; - die genetischen Fuzzy-Bäume zu favorisieren, die die Belohnungsfunktion maximieren; und - Auswählen (512) des genetischen Fuzzy-Baums mit der besten Belohnungsfunktion.procedure after claim 1 , the learning phase (700) being implemented with simulation means and comprising the following steps: - defining (702) the structure of a genetic fuzzy tree based on a plurality of fuzzy inference systems, the fuzzy inference systems each having a plurality of membership functions and one or more fuzzy rules implement; and defining (704) fuzzy genetic tree input parameters and fuzzy genetic tree output data referred to as routing instructions; - defining (706) for the aircraft a plurality of notional flight scenarios representing intruder avoidance situations using a given guidance law; - defining (708) a reward function for evaluating the performance of the fuzzy genetic tree; - training (710) the genetic fuzzy tree, the training of the genetic fuzzy tree comprising the steps consisting of: - executing, according to the guidance instructions, airspace avoidance procedures for the plurality of scenarios and input parameters; - Assess the performance of the fuzzy genetic tree with a reward function that accounts for successful airspace evasion; - favor the fuzzy genetic trees that maximize the reward function; and - selecting (512) the genetic fuzzy tree with the best reward function. Verfahren nach Anspruch 1 oder 2, wobei der genetische Fuzzy-Baum mit einem genetischen Algorithmus optimiert wird.procedure after claim 1 or 2 , where the genetic fuzzy tree is optimized with a genetic algorithm. Verfahren nach einem der Ansprüche 1 bis 3, wobei der Schritt zur Erzeugung von Parametern zur Charakterisierung der Umgebung des Luftfahrzeugs ausgehend von einer Vielzahl von Sensordaten bezüglich der Erfassung eines eindringenden Objekts den Schritt zur Berechnung mindestens der Parameter umfasst, die Folgendes betreffen: - Daten zur relativen Geschwindigkeit des Luftfahrzeugs in Bezug auf das eindringende Objekt; - Daten zur Differenz zwischen den horizontalen und vertikalen Geschwindigkeiten des Luftfahrzeugs und des eindringenden Objekts; - Entfernungen zwischen dem Luftfahrzeug und dem eindringenden Objekt.Procedure according to one of Claims 1 until 3 , the step of generating parameters characterizing the environment of the aircraft from a plurality of sensor data relating to the detection of an intruding object comprising the step of calculating at least parameters relating to: - data relating to the relative speed of the aircraft with respect to the invading object; - data on the difference between the horizontal and vertical velocities of the aircraft and the intruding object; - Distances between the aircraft and the intruding object. Verfahren nach einem der Ansprüche 2 bis 4, wobei die Bewertung der Leistung des genetischen Fuzzy-Baums mittels einer Belohnungsfunktion erfolgt, die aus einem Sicherheitsindikator und einem Leistungsindikator besteht.Procedure according to one of claims 2 until 4 , where the performance of the genetic fuzzy tree is evaluated using a reward function consisting of a safety indicator and a performance indicator. Verfahren nach Anspruch 5, wobei der Sicherheitsindikator die Mindestentfernung zwischen dem Luftfahrzeug und dem eindringenden Objekt beim Ausweichen und die Tatsache berücksichtigt, dass das eindringende Objekt in einen Sicherheitsraum oder Kollisionsraum mit dem Luftfahrzeug eingedrungen ist.procedure after claim 5 , where the security indicator takes into account the minimum distance between the aircraft and the intruding object when evading and the fact that the intruding object entered a security space or collision space with the aircraft. Verfahren nach Anspruch 5 oder 6, wobei der Leistungsindikator die Zeit berücksichtigt, die zum Ausführen der Ausweichprozedur in Anspruch genommen wird, oder auch den Prozentanteil an Zeit, die zur Durchführung einer Rotationshandlung aufgewendet wird.procedure after claim 5 or 6 , where the performance counter takes into account the time taken to perform the dodge procedure or the percentage of time spent performing a rotation action. Verfahren nach einem der Ansprüche 1 bis 7, wobei der Schritt zur Übertragung der Anweisungen zur Lenkung des Luftfahrzeugs darin besteht, Befehle zu übertragen, die eine Prozedur zum lateralen Ausweichen ermöglichen, oder Befehle, die eine Prozedur zum horizontalen Ausweichen ermöglichen, oder Befehle, die eine Prozedur zum lateralen und horizontalen Ausweichen ermöglichen.Procedure according to one of Claims 1 until 7 wherein the step of transmitting the instructions for controlling the aircraft consists in transmitting commands enabling a lateral avoidance procedure, or commands enabling a horizontal avoidance procedure, or commands enabling a lateral and horizontal avoidance procedure . Verfahren nach einem der Ansprüche 1 bis 8, wobei der Schritt zur Übertragung von Anweisungen zur Lenkung des Luftfahrzeugs darin besteht, diese Anweisungen an ein Autopilotsystem des Luftfahrzeugs zu übertragen.Procedure according to one of Claims 1 until 8th wherein the step of transmitting instructions for steering the aircraft consists in transmitting these instructions to an aircraft autopilot system. Computerprogrammprodukt, wobei das Computerprogramm Codebefehle umfasst, die die Durchführung der Schritte des Verfahrens nach einem der Ansprüche 1 bis 9 ermöglichen, wenn das Programm auf einem Computer ausgeführt wird.Computer program product, the computer program comprising code instructions for performing the steps of the method according to any one of Claims 1 until 9 allow when running the program on a computer. Luftfahrzeuglenkungsvorrichtung zur Vermeidung einer Kollision mit einem als eindringendes Objekt bezeichneten Flugobjekt, wobei das Luftfahrzeug mehrere Sensoren, die zur Bereitstellung einer Vielzahl von Daten bezüglich der Erfassung eines eindringenden Objekts ausgelegt sind, und ein Datenverarbeitungsmodul aufweist, das zur Umsetzung des Verfahrens nach einem der Ansprüche 1 bis 9 ausgebildet ist.Aircraft guidance device for avoiding a collision with an intruder Object designated flying object, the aircraft having a plurality of sensors which are designed to provide a variety of data relating to the detection of an intruding object, and a data processing module for implementing the method according to one of Claims 1 until 9 is trained.
DE102022124047.9A 2021-09-27 2022-09-20 Procedure for controlling evasive maneuvers in airspace Pending DE102022124047A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2110126 2021-09-27
FR2110126A FR3127616B1 (en) 2021-09-27 2021-09-27 Aerial avoidance management method

Publications (1)

Publication Number Publication Date
DE102022124047A1 true DE102022124047A1 (en) 2023-03-30

Family

ID=80595079

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022124047.9A Pending DE102022124047A1 (en) 2021-09-27 2022-09-20 Procedure for controlling evasive maneuvers in airspace

Country Status (2)

Country Link
DE (1) DE102022124047A1 (en)
FR (1) FR3127616B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861241B (en) * 2023-07-11 2024-02-20 北京天工科仪空间技术有限公司 Space debris collision probability prediction method and system based on artificial intelligence

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8509965B2 (en) * 2006-12-12 2013-08-13 American Gnc Corporation Integrated collision avoidance system for air vehicle
US10860115B1 (en) * 2019-09-19 2020-12-08 Bao Tran Air transportation systems and methods
FR3101703B1 (en) * 2019-10-03 2021-11-26 Thales Sa AUTOMATIC LEARNING FOR MISSION SYSTEM
WO2021138420A1 (en) * 2019-12-31 2021-07-08 Zipline International Inc. Acoustic based detection and avoidance for aircraft

Also Published As

Publication number Publication date
FR3127616B1 (en) 2024-03-22
FR3127616A1 (en) 2023-03-31

Similar Documents

Publication Publication Date Title
DE102019103173A1 (en) Method and system for movement planning for aircraft, in particular for load-carrying and / or person-carrying VTOL aircraft
DE69915039T2 (en) METHOD FOR RECONFIGURING IN REAL-TIME AIRPLANE FLIGHTS
DE112020000688T5 (en) COMBINED PREDICTION AND PATH PLANNING FOR AUTONOMOUS OBJECTS USING NEURAL NETWORKS
EP0675420B1 (en) Monitoring device for monitoring the safety of airplanes
DE102018128289B4 (en) METHOD AND DEVICE FOR AUTONOMOUS SYSTEM PERFORMANCE AND CLASSIFICATION
EP3765927B1 (en) Method for generating a training data record for training an artificial intelligence module for a control device of a vehicle
DE112016004563T5 (en) AUTONOMOUS VEHICLE CONTROL SYSTEM
DE102018100487A1 (en) OBJECT TRACKING THROUGH UNDUE MONITORING
EP3982349A1 (en) Flight device and method and computer aided system for controlling an aircraft
DE102016007899A1 (en) Method for operating a device for traffic situation analysis, motor vehicle and data processing device
DE112020006045T5 (en) FORMAL SECURE SYMBOLIC REINFORCEMENT LEARNING THROUGH VISUAL INPUTS
DE102022124047A1 (en) Procedure for controlling evasive maneuvers in airspace
DE202023104093U1 (en) Optimal path planning for a navigation system for mobile robots
EP4212980A1 (en) Driving assistance device and method for carrying out an at least semiautomatic vehicle function depending on a route to be calculated
Castano et al. Safe decision making for risk mitigation of UAS
EP3748453B1 (en) Method and device for automatically executing a control function of a vehicle
Burdun et al. AI knowledge model for self-organizing conflict prevention/resolution in close free-flight air space
Marcu Fuzzy logic approach in real-time UAV control
WO2022012826A1 (en) Method and device for determining a collision probability of a vehicle with an object in a three-dimensional space
EP1369665A2 (en) Method for avoiding aircraft terrain collisions
EP1014028B1 (en) Guidance, navigation and control system for missile
DE102021114768A1 (en) Vehicle control using a neural network controller in combination with a model-based controller
DE112020006317T5 (en) COMPUTER SYSTEM AND METHOD FOR TRAINING A TRAFFIC AGENT IN A SIMULATION ENVIRONMENT
DE112020006532T5 (en) COMPUTER SYSTEM AND METHOD WITH END-TO-END MODELING FOR A SIMULATED TRAFFIC AGENT IN A SIMULATION ENVIRONMENT
DE102020104267A1 (en) Computer-implemented control or follow-up control method or optimization method for safeguarding control algorithms of a control and / or control algorithms