Definition of the usage spectrum of a helicopter through machine learning

The definition of the usage spectrum of helicopters is a fundamental issue for the analysis of the loading conditions that a helicopter has been subjected to during its flights and for the assessment of its health conditions. The definition of the usage spectrum consists in the classification of the maneuvers that have been performed at each time step of a flight recorded by a helicopter. This kind of task could be solved by defining a dynamic model of the helicopter or by the manual definition of decision rules depending on the recorded variables. But, given the particular dynamics of a helicopter, these solutions may be very complex and time-consuming. On the other hand, Machine Learning models have been found to be very effective for solving classification tasks like this and able to automatically learning internal decision rules if large amounts of data are available. Based on these considerations, the aim of this thesis is the development of a maneuver classification methodology based on Machine Learning. This target has been achieved through two fundamental steps: firstly, the ability of Machine Learning models to produce a classification of the maneuvers performed by a helicopter knowing the start and the end of the maneuvers has been investigated. This first target has been developed to assess if Machine Learning models are actually able to learn significant classification rules and provide accurate classification of the maneuvers in a simplified environment. Then, as the core objective of this thesis, a set of different models based on Machine Learning and Deep Learning techniques have been analyzed and compared to define the usage spectrum of a helicopter on generic full flights, where the helicopter moves with a continuous transition between maneuvers and the start and end of each maneuver are unknown. The thesis discusses the applied methodologies and then provides a detailed analysis of the results obtained, providing also an explanation of the results based on the physical meaning of the dynamic parameters under analysis. All the results presented here have been obtained considering the helicopter AW189 manufactured by Leonardo Helicopters Company, but can be easily generalized to any other helicopter model.

La definizione dello spettro di utilizzo di un elicottero è un problema fondamentale per l’analisi delle condizioni di carico alle quali è soggetto un elicottero durante i suoi voli e per la verifica delle sue condizioni di salute. La definizione dello spettro di utilizzo consiste nella classificazione delle manovre che sono state effettuate ad ogni istante temporale del volo registrato da un elicottero. Questo tipo di compito potrebbe essere risolto definendo un modello dinamico dell’elicottero o tramite la definizione manuale di regole decisionali dipendenti dalle variabili registrate. Però, data la particolare dinamica di un elicottero queste soluzioni potrebbero essere molto complesse e dispendiose in termini di tempo. D’altra parte, i modelli basati sul Machine Learning sono stati riscontrati nell’ essere molto efficienti per la soluzione di problemi di classificazione come quello descritto e abili nell’ apprendere regole decisionali interne nel caso in cui grandi quantità di dati siano disponibili. Sulla base di queste considerazioni, lo scopo di questa tesi è lo sviluppo di una metodologia per la classificazione delle manovre basata sul Machine Learning. Questo obbiettivo è stato raggiunto tramite due step fondamentali: inizialmente, è stata investigata l’abilità dei modelli di Machine Learning nel produrre una classificazione delle manovre effettuate da un elicottero conoscendo l’inizio e la fine delle manovre. Questo primo obbiettivo è stato sviluppato per verificare che i modelli di Machine Learning siano effettivamente in grado di imparare significative regole decisionali e fornire una accurata classificazione delle manovre in un ambiente semplificato. Poi, come obbiettivo fondamentale di questa tesi, una serie di modelli basati su tecniche di Machine Learning e Deep Learning sono stati analizzati e comparati per definire lo spettro di utilizzo di un elicottero su voli interi generici, nei quali l’elicottero si muove con una continua transizione tra le manovre e l’inizio e la fine di ogni manovra sono ignoti. Quest tesi discute le metodologie applicate e fornisce un’analisi dettagliata dei risultati ottenuti, fornendo anche una spiegazione dei risultati basata sul significato fisico dei parametri dinamici sotto analisi. Tutti i risultati ottenuti sono stati ottenuti considerando l’elicottero AW189 prodotto dalla Leonardo Helicopters Company, ma possono essere facilmente generalizzati ad ogni altro modello di elicottero.