Publikationen

DGLR-Publikationsdatenbank - Detailansicht

Titel:

Optimierter Endanflug in einer Notfallsituation (engine off) mit Hilfe des Reinforcement Learnings.

Autor(en): R. Titze, W. Schiffmann
Zusammenfassung: Ein Motorausfall während des Flugs erfordert einen Notlandeanflug auf ein geeignetes Landefeld. Während des Anflugs auf das Notlandefeld wird die Flughöhe abgebaut und soll idealerweise am Landepunkt Null betragen. Aufgrund von Unsicherheiten (bspw. Windgeschwindigkeit und -Richtung) bei der Kalkulation des Anflugs, wird häufig ein überhöhter Anflug berechnet bzw. gewählt. Diese verbleibende Sicherheitshöhe muss zu einem geeigneten Zeitpunkt abgebaut werden. Entsprechend der jeweiligen Luftfahrzeugbauweise können verschiedene Bauteile (Lande-, Bremsklappen) und Flugweisen (Slipping) zum Abbau der Flughöhe eingesetzt werden. Im Beitrag wird beschrieben, wie mittels Reinforcement Learning (RL) ein optimiertes Landeverfahren für den oben beschriebenen Einsatzfall gefunden wird und es wird geprüft, ob ein solches Vorgehen - der Einsatz dieses verstärkenden Lernens - geeignet ist, um komplexe Aufgabenstellungen in der Luftfahrt zu lösen. Dazu wird als Algorithmus das "Deep Deterministic Policy Gradient"-Verfahren (DDPG) angewendet und ein Agent implementiert, der den kontinuierlichen Aktionsraum eines klassisch implementierten Autopiloten (PID-Regler) bis zur Flare-Position ansteuert. Zusätzlich wird ein Belohnungssystem spezifiziert, welches ein Flugverhalten fördert, das auch für den realen Flugbetrieb geeignet ist. Die Ergebnisse zeigen, dass anreizbasiertes Lernen eine Möglichkeit ist, ein sicheres Anflugverfahren zu generieren und dieses Verfahren als Vorlage für reale Notverfahren einzusetzen. Darüber hinaus wird diskutiert, ob der Einsatz von RL grundsätzlich geeignet ist, Verfahren für komplexe Situationen zu finden bzw. diese zu optimieren ohne spezifisches Vorwissen zur Verfügung zu stellen.
Veranstaltung: Deutscher Luft- und Raumfahrtkongress 2019, Darmstadt
Verlag, Ort: Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V., Bonn, 2020
Medientyp: Conference Paper
Sprache: englisch
Format: 21,0 x 29,7 cm, 7 Seiten
URN: urn:nbn:de:101:1-2020031310304972764766
Stichworte zum Inhalt: Reinforcement Learning, Künstliche neuronale Netze
Verfügbarkeit: Download - Bitte beachten Sie die Nutzungsbedingungen dieses Dokuments: Copyright protected
Kommentar:
Zitierform:Titze, R.; Schiffmann, W. (2020): Optimierter Endanflug in einer Notfallsituation (engine off) mit Hilfe des Reinforcement Learnings.. Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V.. (Text). urn:nbn:de:101:1-2020031310304972764766.
Veröffentlicht am: 13.03.2020