Les scientifiques ont développé une technique qui pourrait atténuer les effets des turbulences sur les structures et les véhicules dynamiques, en mettant particulièrement l’accent sur les véhicules aériens sans pilote (UAV).
La turbulence est le nom que nous donnons aux changements de pression atmosphérique qui font trembler les avions. Cela est particulièrement évident lorsqu’un avion tremble lorsqu’il subit des changements de pression atmosphérique en cours de vol. Ceci est différent des animaux volants, qui ont développé une capacité naturelle à détecter les changements dans leur environnement qui provoquent des turbulences et à s’adapter rapidement pour maintenir un vol en douceur.
Recherche publiée le 24 septembre dans la revue NPJ Robotiquea expliqué comment les scientifiques pourraient développer une technique de contrôle des avions. La technique nécessitait l’utilisation d’un intelligence artificielle (IA) appelé FALCON pour ajuster automatiquement le vol pour compenser les turbulences.
L’apprentissage par renforcement – une méthode de formation à l’IA – a déjà été utilisé pour développer des systèmes de contrôle augmentés par l’IA, mais uniquement pour des environnements ou des véhicules spécifiques. FALCON, en revanche, a été formé pour comprendre les principes sous-jacents à l’origine des turbulences afin de s’adapter à toutes les conditions.
FALCON est basé sur les méthodes de Fourier, qui utilisent des ondes sinusoïdales complexes pour représenter les données. Les chercheurs ont découvert que la représentation numérique des conditions de vent sous forme de vagues périodiques constituait un moyen efficace de modéliser la turbulence, car le flux et le reflux du vent et ses effets suivent naturellement un modèle de vagues.
« L’utilisation de l’apprentissage par renforcement pour s’adapter en temps réel est remarquable, car elle apprend le modèle de turbulence sous-jacent », Hever Moncayoprofesseur de génie aérospatial à Université aéronautique Embry-Riddle a déclaré à Live Science. « Je pense que cette technologie est tout à fait réalisable, en particulier avec les capacités informatiques actuelles telles que Jetsonqui prennent en charge l’intégration en temps réel de l’apprentissage adaptatif, de l’analyse de Fourier et du calcul.
Les scientifiques ont testé l’IA dans une soufflerie à Caltech, en utilisant une aile aérodynamique pour représenter un drone et en l’équipant de capteurs de pression et de surfaces de contrôle. Il les utilisait pour détecter les changements de pression et ajuster son inclinaison et son lacet si nécessaire pour maintenir la stabilité. Un cylindre mobile a également été placé en amont de l’aile dans la soufflerie pour générer des fluctuations aléatoires des turbulences.
Il a été constaté qu’après neuf minutes d’apprentissage, au cours desquelles FALCON tentait continuellement de s’adapter aux changements de turbulences et de renvoyer les résultats, l’IA pouvait maintenir la stabilité de la voilure dans la soufflerie.
« Les tests en soufflerie de Caltech montrent que FALCON peut apprendre en quelques minutes, ce qui indique une évolutivité vers des avions plus gros », a déclaré Moncayo. « Cependant, des défis concrets demeurent, notamment en matière d’adaptation rapide à des conditions diverses et imprévisibles et dans la validation des performances dans diverses configurations de drones et environnements de vent. »
En permettant une adaptation automatisée aux turbulences, cette recherche pourrait potentiellement conduire à un vol plus fluide pour les drones et les avions commerciaux. Les chercheurs ont également suggéré la possibilité de partager des données environnementales entre avions afin de prévenir des perturbations. Toutefois, compte tenu des préoccupations en matière de cybersécurité entourant les systèmes de contrôle des avions, cela nécessiterait un protocole de sécurité robuste qui devrait être soigneusement examiné et testé au préalable.
« La poursuite du développement se concentrera probablement sur l’amélioration de la précision des prévisions et la réduction du temps de formation, ce qui est réalisable mais complexe », a déclaré Moncayo. « De plus, le partage d’informations entre avions améliorera le pouvoir prédictif du système, mais nécessitera probablement des normes de communication et des protocoles de traitement de données robustes pour une adoption plus large. »
La prochaine étape de la recherche vise à réduire le temps d’apprentissage de l’IA. Cela deviendra probablement le principal défi des chercheurs, car la capacité de s’adapter rapidement aux conditions environnementales est essentielle pour trouver une solution pratique aux turbulences.
