An innovative procedure for automatically calibrating flight model's parameters of an helicopter flight simulator

The development and certification of high-fidelity flight simulators for training aircraft pilots is an extremely complex process. Nowadays, investing in developing new tech- nologies and methodologies aimed at speeding up simulator’s qualification procedures is increasingly becoming an action of interest. This is justified by the fact that air traffic is exponentially growing together with the lack of sufficient pilots. Consequently, the market of flight simulators for training pilots is exponentially enlarging and so are competitors. The major interest of a company such as TXT e-Solutions is, therefore, broaden new tech- niques in this field aimed at achieving accurate results minimizing the required man-hours. In other words, aimed at gaining maximum efficiency by reducing costs at minimum and at being, then, competitive on the market. Under this optic, an important procedure that requires long times during the qualification process of a flight simulator is the tuning of the flight model, an operation aimed at calibrating flight model’s parameters in order to make them consistent with values obtained during real flight tests. Tuning is currently manually conducted by high-qualified staff and, given the high number of tests required to the certification, it can take days of work. The objective of this thesis work is, therefore, the one of developing automatic tuning procedures capable of dealing with an high number of tests and different flight conditions in order to reduce at minimum times and manual interventions providing, then, significant advantages to the company work. During manual tuning procedures, the experience and intuition of the high qualified staff play a fundamental role. For this reason, the original contribution and biggest challenge of this thesis work has been, not only automatizing a procedure that was still conducted by hand but, especially, implementing a procedure able to retrace manual tuning and so, able to exploit the acquired experience to become even more accurate and efficient. Finally, the adoption of machine learning algorithms has been evaluated in order to improve the method and to further reduce manual interventions.

Lo sviluppo e la certificazione di simulatori di volo ad alta fedeltà per l’addestramento di piloti di aviazione è un processo estremamente complesso. Ad oggi, investire nello sviluppo di nuove tecniche capaci di accelerare le procedure di qualifica dei simulatori sta diventando un’azione di sempre più grande interesse. Questo è giustificato dalla costante crescita del traffico aereo e dalla mancanza di un numero sufficiente di piloti. Di conseguenza, anche il mercato dei simulatori di volo per l’addestramento di piloti si sta esponenzialmente allargando come pure la concorrenza in questo campo. È quindi di grande interesse per aziende come la TXT e-Solutions migliorare e/o sviluppare nuove tecniche con l’obiettivo di ottenere risultati accurati minimizzando le ore lavorative richieste e mirando, quindi, ad ottenere massima efficienza con costi minimi per essere competitivi sul mercato. Sotto quest’ottica, una procedura che riveste grande importanza ma che richiede anche lunghe tempistiche nel processo di qualifica di un simulatore, è il tuning del modello di volo. Quest’operazione è finalizzata a calibrare i parametri del modello di volo in modo da renderli consistenti con i valori ottenuti durante le prove di volo. Attualmente, l’attività di tuning è condotta manualmente da personale altamente qualificato e, dato l’elevato numero di test che è necessario eseguire per ottenere la certificazione, può richiedere molti giorni di lavoro. L’obiettivo di questa tesi è, quindi, quello di sviluppare procedure di tuning automatiche capaci di gestire un elevato numero di test e di diverse condizioni di volo riducendo al mini- mo tempi ed interventi manuali. Dato che, durante le procedure di tuning manuale, riveste fondamentale importanza sia l’esperienza che l’intuito del personale addetto, l’originalità ed anche la più grande sfida di questo lavoro di tesi è stata non solo l’automatizzazione di un’operazione che è da sempre condotta a mano ma, soprattutto, l’implementazione di una procedura capace di ricalcare quella manuale e, quindi, capace di sfruttare l’esperienza acquisita per diventare sempre più accurata ed efficiente. Infine, è stata valutata la possibilità di adottare algoritmi di machine learning per miglio- rare il metodo e ridurre la necessità di interventi manuali.