Classificação de eventos de PIO utilizando Redes Neurais Artificiais

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Bruschi, Adriano Ghigiarelli
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Ensaios em Voo
Escala PIOR
Fatores Humanos
Flight Test
Human Factors
Neural Network
PIO
PIOR Scale
Rede Neural Artificial
Synthetic Task
Tarefa Sintética
Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18161/tde-19042023-171301/
Resumo: Durante a certificação e ensaios em voo de um novo modelo de aeronave, o processo de comprovação da baixa susceptibilidade à oscilação caracterizada como PIO é comumente feita com base na experiencia dos pilotos de prova envolvidos no projeto, desta forma, o resultado de comprovação da segurança da operação com relação ao PIO está intrínseca a subjetividade da análise, ou seja, o processo de certificação pelo qual novos projetos de aeronaves são submetidos está diretamente relacionado à experiencia da tripulação na qual realiza os ensaios de PIO daquele modelo. Novas aeronaves tendem a reduções de margens de estabilidade inerentes ao projeto, ou seja, maiores tendências ao PIO, e veículos autônomos com capacidade de voo completo sem tripulação, o que colabora para necessidade da redução da subjetividade na classificação do PIO para projetos futuros. Este trabalho trata do desenvolvimento de uma rede neural artificial capaz de classificar a oscilação de PIO de acordo com a escala de PIOR, e faz a análise da subjetividade na classificação do PIO. A assertividade do resultado obtido com a classificação via rede neural artificial foi superior ao obtido pela classificação dada pelos pilotos, quando a escolha das entradas segue as diretrizes estabelecidas nesta dissertação.
id USP_801012f395eb8a5cc69dae96661e2023
oai_identifier_str oai:teses.usp.br:tde-19042023-171301
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Classificação de eventos de PIO utilizando Redes Neurais ArtificiaisPIO classification using Artificial Neural NetworksEnsaios em VooEscala PIORFatores HumanosFlight TestHuman FactorsNeural NetworkPIOPIOPIOR ScaleRede Neural ArtificialSynthetic TaskTarefa SintéticaDurante a certificação e ensaios em voo de um novo modelo de aeronave, o processo de comprovação da baixa susceptibilidade à oscilação caracterizada como PIO é comumente feita com base na experiencia dos pilotos de prova envolvidos no projeto, desta forma, o resultado de comprovação da segurança da operação com relação ao PIO está intrínseca a subjetividade da análise, ou seja, o processo de certificação pelo qual novos projetos de aeronaves são submetidos está diretamente relacionado à experiencia da tripulação na qual realiza os ensaios de PIO daquele modelo. Novas aeronaves tendem a reduções de margens de estabilidade inerentes ao projeto, ou seja, maiores tendências ao PIO, e veículos autônomos com capacidade de voo completo sem tripulação, o que colabora para necessidade da redução da subjetividade na classificação do PIO para projetos futuros. Este trabalho trata do desenvolvimento de uma rede neural artificial capaz de classificar a oscilação de PIO de acordo com a escala de PIOR, e faz a análise da subjetividade na classificação do PIO. A assertividade do resultado obtido com a classificação via rede neural artificial foi superior ao obtido pela classificação dada pelos pilotos, quando a escolha das entradas segue as diretrizes estabelecidas nesta dissertação.During the certification and the flight tests of a new airplane, the verification process to prove the low susceptibility at PIO is usually done for the experience of the test pilots, thus, the result and safety operation regarding PIO is intrinsic the assessment subjectivity, in other words, the certification process of PIO is directly related with the test pilots experiences. New airplanes tend to reduce stability margins, that is, increasing PIO tendencies, and full autonomous airplanes with capacity to perform a complete flight without crew, for this reason it is necessary the reduction of the subjectivity of PIO assessment for next generation of aircraft. This project covers the development of a neural network that will be able to classify the PIO oscillations in accordance with the PIOR Scale and to the subjective assessment of PIO classification. Neural networks assertiveness was higher for PIO classification than the result done by pilots, when the choice of inputs follow the guidelines established for this work.Biblioteca Digitais de Teses e Dissertações da USPBidinotto, Jorge HenriqueBruschi, Adriano Ghigiarelli2023-03-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/18/18161/tde-19042023-171301/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-04-20T18:26:12Zoai:teses.usp.br:tde-19042023-171301Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-04-20T18:26:12Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Classificação de eventos de PIO utilizando Redes Neurais Artificiais
PIO classification using Artificial Neural Networks
title Classificação de eventos de PIO utilizando Redes Neurais Artificiais
spellingShingle Classificação de eventos de PIO utilizando Redes Neurais Artificiais
Bruschi, Adriano Ghigiarelli
Ensaios em Voo
Escala PIOR
Fatores Humanos
Flight Test
Human Factors
Neural Network
PIO
PIO
PIOR Scale
Rede Neural Artificial
Synthetic Task
Tarefa Sintética
title_short Classificação de eventos de PIO utilizando Redes Neurais Artificiais
title_full Classificação de eventos de PIO utilizando Redes Neurais Artificiais
title_fullStr Classificação de eventos de PIO utilizando Redes Neurais Artificiais
title_full_unstemmed Classificação de eventos de PIO utilizando Redes Neurais Artificiais
title_sort Classificação de eventos de PIO utilizando Redes Neurais Artificiais
author Bruschi, Adriano Ghigiarelli
author_facet Bruschi, Adriano Ghigiarelli
author_role author
dc.contributor.none.fl_str_mv Bidinotto, Jorge Henrique
dc.contributor.author.fl_str_mv Bruschi, Adriano Ghigiarelli
dc.subject.por.fl_str_mv Ensaios em Voo
Escala PIOR
Fatores Humanos
Flight Test
Human Factors
Neural Network
PIO
PIO
PIOR Scale
Rede Neural Artificial
Synthetic Task
Tarefa Sintética
topic Ensaios em Voo
Escala PIOR
Fatores Humanos
Flight Test
Human Factors
Neural Network
PIO
PIO
PIOR Scale
Rede Neural Artificial
Synthetic Task
Tarefa Sintética
description Durante a certificação e ensaios em voo de um novo modelo de aeronave, o processo de comprovação da baixa susceptibilidade à oscilação caracterizada como PIO é comumente feita com base na experiencia dos pilotos de prova envolvidos no projeto, desta forma, o resultado de comprovação da segurança da operação com relação ao PIO está intrínseca a subjetividade da análise, ou seja, o processo de certificação pelo qual novos projetos de aeronaves são submetidos está diretamente relacionado à experiencia da tripulação na qual realiza os ensaios de PIO daquele modelo. Novas aeronaves tendem a reduções de margens de estabilidade inerentes ao projeto, ou seja, maiores tendências ao PIO, e veículos autônomos com capacidade de voo completo sem tripulação, o que colabora para necessidade da redução da subjetividade na classificação do PIO para projetos futuros. Este trabalho trata do desenvolvimento de uma rede neural artificial capaz de classificar a oscilação de PIO de acordo com a escala de PIOR, e faz a análise da subjetividade na classificação do PIO. A assertividade do resultado obtido com a classificação via rede neural artificial foi superior ao obtido pela classificação dada pelos pilotos, quando a escolha das entradas segue as diretrizes estabelecidas nesta dissertação.
publishDate 2023
dc.date.none.fl_str_mv 2023-03-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/18/18161/tde-19042023-171301/
url https://www.teses.usp.br/teses/disponiveis/18/18161/tde-19042023-171301/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258296813092864

Registros relacionados