Logo der Fakultät Logo

Flugassistenzsysteme

Forschungsbereich Notlandeassistenzsysteme

Der Ausfall des Flugzeugantriebs stellt für jeden Piloten ein großes Problem dar und erfordert schnelles und zielgerichtetes Handeln. Es gibt verschiedene Gründe, weshalb der Antrieb vollständig ausfallen kann. z. B. ein Vogelschlag bei allen Triebwerken wie beim Flug UA 1549 mit einem Airbus 320 im Jahre 2009 und der anschließenden Notlandung durch Kapitän Sullenberger im Hudson River. Bei Sportflugzeugen genügt oft schon ein einziges technisches Problem am Motor, um die Notsituation herbeizuführen. Leider ist hier oft auch Treibstoffmangel die Ursache.

Während beim Segelflug grundsätzlich kein Motor vorgesehen ist, wird auch ein normales Flugzeug nach dem Ausfall des Antriebs zum Segelflugzeug. Die Aufgabe des Piloten ist es dann, im Gleitflug einen geeigneten Flugpfad zu fliegen, so dass das Flugzeug in einer passenden Höhe am Beginn einer Landebahn ankommt. Hierbei muss der Pilot die Gleitflugeigenschaften des Flugzeugs und insbesondere bei langsam fliegenden Flugzeugen auch die momentane Windsituation berücksichtigen (dies ist bei Drohnen besonders wichtig). Da sich die Gleitflugeigenschaften sich im Kurven- und im Geradeausflug erheblich voneinander unterscheiden, ist die Festlegung eines Flugpfads schwierig.

Es ist offensichtlich, dass ein Pilot sehr viel Erfahrung haben muss, um alle o. g. Einflussfaktoren bei der Festlegung eines passenden Flugpfads zu berücksichtigen. Da eine schnelle Entscheidung für eine von meist sehr vielen möglichen Landebahnen getroffen werden muss und viele Einflussgrößen wie Wind und Flugverhalten nur intuitiv geschätzt werden können, ist die Gefahr groß, dass die Notlandung misslingt. Eine getroffene Entscheidung ist kaum noch zu korrigieren, denn es gibt nur einen Versuch. So blieb Sullenberger eine extrem kurze Zeit für seine Entscheidung und es war schließlich nur noch möglich, das Flugzeug im Hudson River zu landen - eine glücklicherweise richtige Entscheidung.

Emergency Landing Assistant (ELA)

Das hier vorgestellte ELA-Verfahren unterstützt Piloten in der oben beschriebenen Notsituation, in kurzer Zeit einen zuverlässigen, funktionierenden Gleitpfad zu finden und leitet ihn sicher zu einer Landebahn. ELA berechnet unter Berücksichtigung des Windes für jede Landebahn in der näheren Umgebung vier verschiedene Gleitpfade. Um den Rechenaufwand gering zu halten, wird ein vereinfachtes Flugzeugmodell verwendet. So kann sehr schnell festgestellt werden, welche Landebahnen erreichbar sind und wie diese angeflogen werden müssen, damit das Flugzeug in passender Höhe am Beginn der Landebahn ankommt. ELA wählt dann genau denjenigen Anflug aus, der die höchste Robustheit bzgl. unvorhersehbarer Zwischenfälle und die besten Landebedingungen für das jeweilige Flugzeug bietet. Hierzu wurde eine Qualitätsfunktion definiert, die in Echtzeit durch ELA berechnet wird und eine automatische Selektion des „besten“ Anflugs ermöglicht. Neben einer einmaligen Berechnung (offline ELA) kann natürlich auch eine permanente Anpassung des Gleitpfads erfolgen (online ELA). Während bisherige Verfahren auf Basis sogenannter Trochoiden nur eine konstante Windkomponente berücksichtigen können, ist das an der FernUniversität Hagen entwickelte Verfahren in der Lage, beliebig komplexe Windkonfigurationen zu modellieren und selbst bei komplexen Windszenarien in Echtzeit einen optimierten Gleitpfad zu berechnen.

Der „beste“ berechnete Gleitpfad muss bzgl. seiner Hindernisfreiheit geprüft werden. Dazu kann man ein Oberflächenmodell (Digital Surface Modell) verwenden, das auf LIDAR-Höhenmessungen basiert. Die Oberfläche (inklusive Bebauung und Bewuchs) wird hier durch Punktwolken von Höhendaten modelliert. Die einzelnen Höhenmessungen liegen in der Regel nicht in äquidistanten Gitterpunkten vor. ELA muss prüfen, ob der Gleitpfad der Oberfläche an irgendeiner Stelle zu nah kommt oder sie sogar schneidet. Ist dies der Fall, dann kann der betreffende Gleitpfad nicht ohne entsprechende Anpassung verwendet werden. Eine Adaption des Gleitpfads ist jedoch nur möglich, wenn genügend Höhenreserve vorhanden ist und genügend Rechenleistung für die aufwändige Pfadoptimierung bereit steht. Es sei darauf hingewiesen, dass der Aufwand mit der Zahl der zu umfliegenden Hindernisse stark ansteigt. Daher betrachten wir zunächst nur den Fall eines einzelnen Hindernisses. Wenn man die aufwändige Anpassung vermeiden will, könnte auch ein anderer Gleitpfad geringerer Qualität gesucht werden, der von sich aus bereits hindernisfrei ist. Natürlich ist nicht garantiert, dass ein solcher Gleitpfad überhaupt existiert.


Einsatz von ELA beim Notfall des Airbus 320 in New York im Januar 2009

Videomaterial: FernUniversität

Videobeschreibung (Video 1)

Einsatz von ELA beim Notfall des Airbus 320 in New York im Januar 2009. ELA hätte Kapitän Sullenburger frühzeitig signalisiert, dass er noch sicher zum Flughafen LaGuardia hätte zurückkehren können. Es hätte ihn außerdem so geleitet, dass er am Beginn der Landebahn 13 in einer passenden Höhe angekommen wäre.




Beitrag im FernUni-Magazin

Videomaterial: FernUniversität

Videobeschreibung (Video 2)

Beitrag im FernUni-Magazin. Prof. Schiffmann erklärt hier die Idee des Notlandeassistenten, warum eine Datenbank mit Emergency Landing Fields (ELFs) sinnvoll ist und wie diese ELFs automatisch bestimmt werden können.




Reale Notlandeübung mit einer Katana DV20

Videomaterial: Prof. Dr.-Ing Wolfram Schiffmann

Videobeschreibung (Video 3)

Reale Notlandeübung mit einer Katana DV20. In diesem Video wird eine simulierte Notlandung gezeigt, die am Flughafen Arnsberg-Menden (EDLA bzw. FAM) durchgeführt wurde. Prof. Schiffmann hat dazu den Flugplatz in Richtung Südosten angeflogen und in ca. 2300 ft über der Platzmitte den Motor auf Leerlauf gesetzt. Anschließend flog er mit der Geschwindigkeit besten Gleitens (65-70 kn) entlang der von ELA vorgegebenen Route und erreichte die Landebahnschwelle in passender Höhe zur Landung. Der ELA-Gleitpfad wurde für die aktuelle Windsituation (aus 190 mit 7kn) berechnet und in der Navigationssoftware AirNavigationPro dargestellt.




Emergency Landing Field Identification (ELFI)

ELA benötigt die Geo-Daten mindestens einer oder besser mehrerer Landebahnen, die für das jeweilige Flugzeug geeignet sind. Für diese Landebahnen bestimmt ELA, ob und wenn ja wie diese von der Notfallposition aus im Gleitflug erreichbar sind. Eine Landebahn sollte möglichst entgegen der Windrichtung ausgerichtet sein. Außerdem muss sie sowohl in Landerichtung und quer dazu ausgedehnt genug sein, damit eine sichere Landung mit dem beschädigten Flugzeug möglich ist. Weitere Anforderungen betreffen die Neigung in longitudinaler und transversaler Richtung. Je nach Flugzeugtyp gibt es hier unterschiedliche Beschränkungen bzgl. der maximalen Neigung in die beiden Richtungen. Landebahnen von Flugplätzen erfüllen i.d.R. die genannten Kriterien für eine Vielzahl unterschiedlicher Flugzeugtypen wie z.B. Sportflugzeuge, Airliner oder Helikopter. Leider kann jedoch aufgrund zu geringer Resthöhe nicht immer ein ausgewiesener Flugplatz erreicht werden. In diesem Fall muss ein Notlandefeld in Reichweite gefunden werden.

Ein Notlandefeld ist natürlich nur die zweite Wahl, da die Oberfläche nicht asphaltiert und das Flugzeug bei der Landung möglicherweise beschädigt wird. Ziel ist es daher, Notlandefelder zu finden, bei denen die Wahrscheinlichkeit für eine Bruchlandung möglichst gering ist.

Mit dem ELFI-Verfahren können anhand von LIDAR-Höhendaten automatisch Notlandefelder mit den für einen Flugzeugtyp spezifischen Neigungs- und Größenvorgaben bestimmt werden. Zur Berechnung werden hoch auflösende Höhendaten im Dezimeterbereich verwendet, die für ein ebenfalls engmaschiges Gitter mit Kantenlängen unter einem Meter vorliegen. Dabei fallen z.B. für den Bereich Hagen Daten in der Größenordnung von ca. 70 GByte an. Aufgrund dieser hohen Auflösung müssen zur Ermittlung von Notlandefeldern selbst für kleine Gebiete sehr große Datenmengen ausgewertet werden. Um die Berechnungen zu beschleunigen, wurden Computersysteme mit parallel arbeitenden Mehrkernprozessoren eingesetzt. Dies erfordert eine räumliche Aufteilung der Höhendaten in Kacheln, die von mehreren Prozessorkernen gleichzeitig bearbeitet und deren Teilergebnisse später zusammengeführt werden. Die parallele Programmierung erfolgte auf Basis von POSIX-Threads und die Daten können auf einem aktuellen Multicore-Computer in einigen Stunden ausgewertet werden. Dabei werden die Höhendaten für eine begrenzte Anzahl von Landerichtungen (z.B. im Abstand von 22,5 Grad) abgetastet und es wird jeweils geprüft, ob die o.g. Parameter bzgl. der Größen und Neigungen eingehalten werden. Auf diese Weise werden für jede Landerichtung zwei Landebahnen gefunden und ihre Eckpunkte in einer Geo-Datenbank gespeichert.

Die Identifikation von Notlandefeldern anhand von LIDAR-Höhendaten ist leider nicht immer ausreichend. So werden beispielsweise Wasserflächen als perfekte Notlandefelder erkannt, obwohl diese deutlich höhere Risiken aufweisen als feste Oberflächen. Auch sehr schmale Objekte wie Hochspannungsleitungen oder Bewässerungsgräben können nicht sicher mit Höhendaten erkannt werden. Die gefundenen Notlandefelder müssen daher zusätzlich anhand von zugehörigen Satellitendaten ausgewertet werden. Hiermit kann neben schmalen Hindernissen auch die Beschaffenheit der Oberfläche analysiert werden. In einem erweiterten ELFI-Verfahren wurden Satellitenbilder durch verschiedene klassische Methoden der Bildsegmentierung auf (nicht mit Höhendaten erkennbare) Hindernisse untersucht. Zurzeit arbeiten wir daran, eine semantische Klassifizierung der Landbarkeit mit Hilfe spezieller künstlicher neuronaler Netzwerke zu implementieren. Dabei kommen so genannte Convolutional Neural Networks (CNNs) zum Einsatz. Diese Art von künstlichen neuronalen Netzwerken hat sich vor allem bei visuellen Mustererkennungsproblemen im Bereich autonomer Fahrzeuge bewährt. Daher ist zu erwarten, dass der Einsatz von CNNs auch eine schnelle und automatisierte Bildpunkt-Klassifizierung bzgl. der Landbarkeit der aufgrund von Höhendaten identifizierten Notlandefelder ermöglicht. Im Gegensatz zu bisherigen CNNs sollen die im Projekt verwendeten Netze auch topologisch optimiert und damit besser an die Aufgabenstellung angepasst werden.

Aktuelle Forschungen

Die dem ELA-Verfahren zugrunde liegenden Flugzeugmodelle sind bewusst sehr einfach gehalten, um eine hohe Geschwindigkeit bei der Berechnung der Gleitpfade zu erzielen. Sie basieren im Wesentlichen auf den Sinkraten im Geradeaus- und Kurvenflug mit verschiedenen Rollwinkeln. Die zugehörigen optimalen Gleitgeschwindigkeiten werden in Abhängigkeit der Randbedingen (z.B. Windrichtung und -geschwindigkeit) ermittelt. Wegen dieses sehr vereinfachten Flugmodells muss evaluiert werden, wie sich ELA-Gleitpfade in realen Szenarien bewähren. Hierzu werden Simulationssysteme mit wachsender Realitätsnähe eingesetzt, indem Flugsimulationen in Matlab und X-Plane 11 durchgeführt werden. Während ein menschlicher Pilot die Auswirkungen der vereinfachten Flugzeugmodelle sehr gut kompensiert, kann er nur relativ wenige Gleitpfade pro Zeiteinheit testen. Daher werden für die o.g. Simulatoren auch Autopiloten entwickelt, die sowohl eine objektivere als auch umfangreichere Auswertung ermöglichen. Anhand der Simulationen wird ermittelt, in welchen Fällen ELA das beschädigte Flugzeug sicher an eine Landebahn leitet. Außerdem wird der Einfluss fehlerhafter Windschätzungen sowohl mit der offline- als auch der online-Variante von ELA untersucht. Nach einem erfolgreichen Abschluss der simulationsbasierten Evaluation, sollen auch Testflüge mit richtigen Flugzeugen durchgeführt werden. Wie bei den Simulationen werden sowohl Flächenflugzeuge als auch Drehflügler untersucht.

Team

Prof. Dr.-Ing. Wolfram Schiffmann
Dr.-Ing. Jörg Lenhardt
Marius Klein, B. Sc.
Andreas Klos, M. Sc.
Dipl.-Ing. David Osten
René Titze, M. Sc.

Webmaster | 21.06.2018
FernUni-Logo FernUniversität in Hagen, Fakultät für Mathematik und Informatik, Lehrgebiet Rechnerarchitektur, 58084 Hagen, Tel.: +49 2331 987-4421