• 2017cover Actualidad
  • 1
Jueves 07 de Febrero de 2019 a las 15:16

Un equipo de investigadores de la URJC, clasificado para la segunda ronda del concurso Airbus 'Fly your Ideas'

El equipo de investigación Learning to Fly de la Universidad Rey Juan Carlos ha sido clasificado para la segunda ronda del concurso Fly your ideas 2019 organizado por la empresa Airbus.

Alejandro Carbonell Alcocer

El equipo de investigadores "Learning to Fly" está formado por Almudena Buelta, María Cerezo, Jaime de la Mota y Marius Marinescu bajo la supervisión de Ernesto Staffetti se ha clasificado para la segunda ronda del concurso Airbus “Fly your Ideas” 2019 en la categoría Inteligencia Artificial. https://www.airbus-fyi.com/

Para este concurso, 270 grupos de investigación formados por 2.200 investigadores de 72 países, han presentado ideas innovadoras para mejorar el sector del transporte aéreo, 51 de los cuales han sido seleccionados para la segunda ronda, entre ellos el grupo "Learning to Fly" de la URJC. De estos 51 equipos se seleccionarán 6 para la tercera y última ronda del concurso en la cual se elegirán los tres equipos ganadores.

Los miembros del equipo "Learning to Fly" compuesto por dos ingenieras aeronáuticas, un meteorólogo y un estadístico están desarrollando e implementando la idea junto con el personal de Airbus para presentar los resultados en la segunda ronda del concurso.

El grupo "Learning to Fly" propone aumentar la precisión de los aviones en el seguimiento de las trayectorias planificadas a través de un proceso de aprendizaje iterativo teniendo en cuenta las desviaciones y los retrasos que se han producido en otros vuelos.

La idea es que los aviones aprendan a volar con más precisión. En el futuro sistema de gestión del tráfico aéreo basado en trayectorias, los aviones podrán seguir trayectorias optimizadas según las preferencias de las aerolíneas, con la obligación de cumplir con precisión los tiempos de llegada a los waypoints o coordenadas que los definen.

Lograr la precisión en el seguimiento de las trayectorias planificadas es difícil debido a los múltiples factores aleatorios que afectan el vuelo de un avión, como las condiciones meteorológicas.

Metodología y herramientas utilizadas

Las desviaciones con respecto a las trayectorias planificadas no se pueden predecir con precisión ni compensar con los controladores habituales de los aviones que, en general, usan un esquema de control por retroalimentación y están limitados por la causalidad de este esquema de control que compensa las perturbaciones solamente después de que se producen.

Estas limitaciones se abordan en la idea del grupo "Learning to Fly" mediante un enfoque de control por aprendizaje iterativo que sea capaz de utilizar la información sobre las desviaciones y retrasos de vuelos anteriores en el mismo espacio aéreo para inferir las acciones de control necesarias para mejorar la precisión y la puntualidad de los vuelos siguientes.

La idea consiste en desarrollar un paradigma inteligente de control por aprendizaje iterativo en espacios aéreos con alta densidad de tráfico, donde el tiempo entre vuelos consecutivos es lo suficientemente corto como para suponer que las condiciones atmosféricas sean similares.

Resultados

El paradigma de control por aprendizaje iterativo no se ha aplicado aún al seguimiento preciso de trayectorias de aviones. Por lo tanto, su introducción sería una solución innovadora para aumentar la predictibilidad de las trayectorias en el futuro paradigma de gestión del tráfico aéreo basado en trayectorias.

Una mayor predictibilidad de las trayectorias simplificaría tanto la gestión como el control del tráfico aéreo, mejoraría la capacidad del sistema de gestión del tráfico aéreo y permitiría una mejor explotación de las infraestructuras. Una mayor predictibilidad de las trayectorias también permitiría a las líneas aéreas definir y seguir las trayectorias con un menor número de alteraciones. Esto daría lugar a una reducción de costes y emisiones.