L'atterrissage d'un hélicoptère sur le poste de pilotage d'un navire est l'une des manœuvres les plus difficiles et les plus complexes exigées d'un pilote de la Marine. Contrairement à une piste d’atterrissage, la zone d’atterrissage de tout navire est petite et constitue une cible en mouvement constant qui se balance avec la mer. Des solutions ont été proposées pour automatiser l'atterrissage des navires. Pourtant, aucun n’a réussi à relever efficacement les défis supplémentaires auxquels les pilotes d’hélicoptère sont confrontés lorsque la nature génère des rafales de vent, en particulier dans le sillage d’un navire, une faible visibilité et d’autres environnements difficiles.

L'US Navy recherche une solution capable de s'adapter à ces conditions difficiles et se tourne vers les chercheurs de la Texas A&M University pour développer la prochaine génération d'avions à décollage et atterrissage verticaux (VTOL) entièrement autonomes. En combinant une conception d’avion optimale avec un algorithme d’apprentissage automatique robuste, les chercheurs proposent une nouvelle approche pour l’atterrissage automatisé des avions sur mer agitée.

"Lorsqu'un pilote d'hélicoptère tente d'atterrir sur le pont d'un navire, il ne regarde pas réellement le pont mobile", a déclaré le Dr Moble Benedict, professeur agrégé au Département d'ingénierie aérospatiale de Texas A&M et chercheur principal (PI) du projet. . "S'ils regardent le pont mobile, cela désorientera le pilote. Ils sont donc formés pour observer un équipement spécialisé sur le navire appelé barre d'horizon, qui est une bande verte éclairée et gyrostabilisée qui fournit au pilote une vue artificielle. horizon."

Récent études s'est concentré sur le suivi du pont du navire plutôt que sur la barre d'horizon en utilisant des caméras, un GPS et un lidar pour suivre le navire en mouvement et ajuster l'avion en fonction de son mouvement. Au lieu de cela, Benedict et le Dr Dileep Kalathil, professeur adjoint au Département de génie électrique et informatique et co-responsable du projet, automatisent le processus d'atterrissage en imitant le comportement d'un pilote tout en suivant la barre d'horizon.

"L'apprentissage par renforcement est une classe d'apprentissage automatique permettant de développer l'algorithme de contrôle des systèmes autonomes", a déclaré Kalathil. "Nous développons un algorithme de contrôle par apprentissage par renforcement si précis que même si un véhicule change de cap ou est en présence de vents violents, il peut toujours suivre la barre d'horizon."

Benedict et Kalathil ont fait leurs preuves en utilisant l'apprentissage par renforcement pour suivre et faire atterrir en toute sécurité un système aérien sans pilote (UAS) dans diverses conditions, notamment des vents horizontaux modérés, une visibilité brumeuse et des changements de cap et de vitesse. Aujourd’hui, ils fusionnent leurs disciplines respectives du génie aérospatial et du génie électrique et informatique pour tirer parti de ces avancées.

"Je me concentrerai sur la conception d'une nouvelle génération d'UAS pour un fonctionnement robuste à bord des navires et une efficacité élevée tout en comprenant leur dynamique de vol", a déclaré Benedict. "Et le Dr Kalathil se concentre sur l'utilisation de l'apprentissage par renforcement pour rendre ce processus autonome plus robuste dans des environnements très incertains."

En fin de compte, la Marine s'intéresse à trois éléments : un avion indépendant de la piste, c'est-à-dire capable de décoller et d'atterrir verticalement ; efficacité de croisière afin que l'avion puisse voler pendant de longues durées à la fois ; et enfin, la capacité d'atterrir sur les ponts mobiles des navires en toute sécurité et avec succès.

Benedict applique son expertise en matière de giravions à la conception de concepts d'avions VTOL tolérants aux rafales et efficaces, qui peuvent inclure des ailes pliables lors de la transition du vol vertical à la croisière à voilure fixe. À l'aide de simulations, d'essais en soufflerie et d'essais en vol, il analysera les performances et la dynamique de ces concepts pour construire un modèle à petite échelle qui complétera les systèmes de contrôle développés par Kalathil.

Grâce à son expertise en apprentissage par renforcement, Kalathil développe un algorithme suffisamment robuste pour gérer des conditions difficiles et optimisé pour utiliser des données en temps réel afin de s'adapter rapidement, réagissant de la même manière qu'un pilote.

"L'un des principaux défis du débarquement autonome des navires est la nature imprévisible de la mer agitée", a déclaré Kalathil. "Mais si nous disposons d'un capteur de vent dans l'ensemble UAS qui mesure la vitesse et la direction du vent, nous pouvons alors utiliser ces informations pour contrecarrer cette condition spécifique."

Cette adaptabilité comble l’écart entre la simulation et la réalité rencontré par d’autres développements. Kalathil envisage également d'utiliser une console collaborative pour contrôler plusieurs UAS.