[发明专利]人工智能驱动的紧急飞行员辅助系统和方法

说明书

本公开涉及人工智能驱动的紧急飞行员辅助系统和方法。该系统可以包括人工神经网络，该人工神经网络被配置为基于与飞机相关联的状态‑动作向量计算奖励(Q)值。状态‑动作向量可以包括与飞机相关联的状态数据和与飞机相关联的动作数据。该系统可进一步包括被配置为向用户提供动作的指示的用户输出装置，其中，该动作对应于具有由人工神经网络计算的最高奖励Q值的代理动作。

技术领域

本公开总体上涉及紧急飞行员辅助领域，并且尤其涉及人工智能驱动的紧急飞行员辅助。

背景技术

飞机中的紧急情况可能对飞行员施加压力，并且可能将飞行员置于压力条件下。虽然存在用于在紧急情况期间辅助飞行员的检查列表和协议，但是检查列表和协议通常不与飞机的当前位置和系统状态相关联。飞行员做出关于要采取的动作的决定，并且在极端情况下，确定安全着陆区。

虽然飞行员通常被很好地训练来处理紧急情况，但是通常不执行飞行员的动作的实时交叉验证。分析通常是在解决紧急情况之后通过汇报进行的。此外，通常不执行动作空间的预测或可视化和动作空间的预测。因此，飞行员可能不确定关于可由其动作产生的结果。

发明内容

本文描述了基于人工智能的自主飞行员辅助代理。飞行员辅助代理(在本文中也称为人工智能驱动的紧急飞行员辅助系统)可基于在飞机模拟器中运行的场景来训练。该系统可在无需人为干预的情况下从给定原点和目的地计算飞机的速度、海拔高度和航向。基于该计算，飞行员辅助代理可以通过将所计算的速度、海拔高度和航向转换成在紧急情况期间可由飞行员执行的控制动作来向飞行员提供建议辅助和指导。在正常飞行状况期间，系统可以充当性能评估系统。在任一种情况下，飞行员可保持对飞机的控制。

在示例中，紧急飞行员辅助系统包括人工神经网络，该人工神经网络被配置为基于与飞机相关联的状态-动作向量计算奖励(Q)值，其中，状态-动作向量包括与飞机相关联的状态数据和与飞机相关联的动作数据。该系统可进一步包括被配置为向用户提供动作的指示的用户输出装置310，其中，该动作对应于具有由人工神经网络计算的最高奖励Q值的代理动作。

在一些示例中，最高奖励Q值与使飞机在预定目的地或响应于紧急情况所计算的紧急目的地处着陆相关联。在一些示例中，状态数据包括与飞机相关联的数据矩阵，该数据矩阵指示航向值、位置值、系统状态值、环境条件值、反馈值、飞行员动作值、系统可用性值、横滚值、俯仰值、偏航值、横滚值的变化率、俯仰值的变化率、偏航值的变化率、经度值、纬度值、位置值的变化率、速度值的变化率或其任意组合。在一些示例中，动作数据对应于航向的变化、速度的变化、横滚的变化、俯仰的变化、偏航的变化、横滚的变化率的变化、俯仰的变化率的变化、偏航的变化率的变化、位置的变化率变化、速度的变化率的变化或其任意组合。在一些示例中，使用逆飞机模型将代理动作转换成飞机表面控制动作。

在一些示例中，从包括飞机飞行约束的飞行包线采取代理动作，其中，飞机飞行约束包括加速和减速的地图、爬升率、下降率、速度阈值、横滚变化率阈值、俯仰变化率阈值、偏航变化率阈值、横滚阈值、俯仰阈值和偏航阈值。

在一些示例中，人工神经网络包括深度Q网络。在一些示例中，用户输出装置被结合到飞机的驾驶舱中。在一些示例中，用户动作的指示包括视觉指示、音频指示、书面指示或其任意组合。在一些示例中，人工神经网络在一个或多个处理器处实现，其中，一个或多个处理器被配置为基于一个或多个飞机系统确定状态数据；确定与一个或多个飞机系统相关联的可用性数据；基于状态数据并基于可用性数据确定安全着陆区；基于安全着陆区、可用性数据、状态数据和所存储的约束数据确定动作数据；并且基于状态数据和动作数据生成状态-动作向量。在一些示例中，一个或多个处理器被配置为确定与最高奖励Q值相关联的航向和速度数据，并且执行一个或多个逆动态操作以将航向和速度数据转换为代理动作。在一些示例中，一个或多个处理器被配置为将用户输入与所指示的动作进行比较并且生成性能评级。