Triggering, detecting and modeling of pilot induced oscillations in a boundary avoidance - tracking task

Pilot-Induced Oscillation (PIO), recognized as a significant contributor to accidents involving modern aircraft, particularly helicopters, remains a critical research focus within both the academic and engineering communities of aviation. The root cause of PIO lies in adverse coupling between the pilot and the aircraft, potentially leading to severe consequences such as degraded handling qualities, increased structural loads, and even crashes. The triggering, detection, and modeling analysis of PIO constitute major research emphases in this field. Due to its highly nonlinear nature, strong dependence on human variability, and task specificity, research is challenging and necessitates a multidisciplinary approach. Investigations in this area hold significant importance for pilot training and helicopter dynamics design, enabling the reduction of accident probability in the early stages. This research focuses on exploring PIO tendencies in helicopter flight during boundary-avoidance tracking tasks. The methodology involves: 1. establishing a helicopter dynamics model and a flight simulation graphical user interface; 2. designing the boundary-avoidance tracking task and determining task parameters through preliminary experiments; 3. conducting simulated flight experiments and collecting flight data; 4. analyzing the flight data to confirm the task design's capability to trigger PIO phenomena; 2. utilizing a real-time PIO detection algorithm to analyze PIO occurrences at the data level, verifying the algorithm's effectiveness; and 6. constructing a pilot-vehicle system model to simulate pilot behavioral patterns during the task and assess the model's validity. To construct the flight simulation platform, this study employs a FlightGear-Simulink co-simulation approach. A UH-60A helicopter flight dynamics model is developed within Simulink, modeling the forces and moments of components including the main rotor, tail rotor, horizontal stabilizer, vertical fin, and fuselage. The helicopter's flight state parameters are computed in real-time using six-degree-of-freedom rigid-body dynamics equations. Modules for the boundary-avoidance tracking task (including boundary location, target position, and task terminating conditions) are concurrently developed in Simulink. FlightGear undergoes secondary development to receive data packets from Simulink and display the helicopter's real-time position within a 3D visual scene. Task-related signals are visualized to provide pilots with an intuitive perception of the task. Flight data analysis employs statistical analysis of task performance to determine the significant impact of task elements on pilot behavior. Task performance is evaluated by defining tracking error and target scores, while input aggression is defined to assess pilot control strategy (i.e., the level of control effort). Statistical analysis demonstrates that subjects exhibited significant changes in both task performance and control strategy when confronted with more challenging task configurations. This indicates that the refined boundary-avoidance tracking task design effectively triggers behavioral changes in pilots and can thus serve as a PIO triggering element. For PIO detection, this study compares the performance of existing methods and proposes a novel detection method. Common real-time PIO detection methods include the Phase-Aggression Criteria (PAC) and Klyde's scalogram based method. This research introduces the Power-Preserving Wavelet Transform (PPWT) method for PIO detection. Comparative real-time detection analysis on identical PIO flight data reveals that Klyde's wavelet method is unsuitable for this study's task. While the false alarm rates of PAC and PPWT are comparable, PAC exhibits a significantly higher missed detection rate than PPWT. Consequently, the proposed PPWT method demonstrates superior PIO detection performance. This study develops a model suitable for the boundary-avoidance tracking task. Based on multi-loop pilot model, it incorporates boundary feedback loops. Genetic algorithms are used to estimate model parameters by fitting simulated flight experiment data. Evaluation of the model's simulated task performance, control strategy, and PIO tendencies verifies that the pilot-vehicle system model can replicate pilot behavioral patterns during the boundary-avoidance tracking task. This provides a simulation foundation for guiding pilot behavior training and helicopter dynamics design. This research centers on the triggering, detection, and modeling analysis of PIO during boundary-avoidance tracking tasks. It proposes a comprehensive research framework for this problem, with detailed investigations and validation for each component. This research provide a foundational platform for future in-depth PIO research, offer significant guidance for the refinement and improvement of the pilot-vehicle system models, and present innovative and feasible approaches for further studies in this field.

Pilot-induced oscillations (PIO), riconosciuta come una delle principali cause di incidenti che coinvolgono gli aerei moderni, in particolare gli elicotteri, rimane un tema di ricerca fondamentale sia nella comunità accademica che in quella ingegneristica dell'aviazione. La causa principale della PIO risiede nell'accoppiamento sfavorevole tra il pilota e l'aeromobile, che può portare a gravi conseguenze quali il deterioramento delle qualità di manovrabilità, l'aumento dei carichi strutturali e persino incidenti. L'attivazione, il rilevamento e l'analisi modellistica della PIO costituiscono i principali punti di interesse della ricerca in questo campo. A causa della sua natura altamente non lineare, della forte dipendenza dalla variabilità umana e della specificità dei compiti, la ricerca è impegnativa e richiede un approccio multidisciplinare. Le indagini in questo settore rivestono un'importanza significativa per l'addestramento dei piloti e la progettazione della dinamica degli elicotteri, consentendo di ridurre la probabilità di incidenti nelle fasi iniziali. Questa ricerca si concentra sull'esplorazione delle tendenze PIO nel volo in elicottero durante le attività di tracciamento per evitare i confini. La metodologia prevede: 1. la creazione di un modello dinamico dell'elicottero e di un'interfaccia grafica di simulazione di volo; 2. la progettazione dell'attività di tracciamento per evitare i confini e la determinazione dei parametri dell'attività attraverso esperimenti preliminari; 3. la conduzione di esperimenti di volo simulati e la raccolta di dati di volo; 4. l'analisi dei dati di volo per confermare la capacità della progettazione dell'attività di innescare fenomeni PIO; 2. l'utilizzo di un algoritmo di rilevamento PIO in tempo reale per analizzare i casi di PIO a livello di dati, verificando l'efficacia dell'algoritmo; e 6. la costruzione di un modello di sistema pilota-veicolo per simulare i modelli comportamentali del pilota durante l'attività e valutare la validità del modello. Per costruire la piattaforma di simulazione di volo, questo studio utilizza un approccio di co-simulazione FlightGear-Simulink. Un modello di dinamica di volo dell'elicottero UH-60A è stato sviluppato all'interno di Simulink, modellando le forze e i momenti dei componenti, tra cui il rotore principale, il rotore di coda, lo stabilizzatore orizzontale, la pinna verticale e la fusoliera. I parametri di stato di volo dell'elicottero sono calcolati in tempo reale utilizzando equazioni dinamiche a sei gradi di libertà per corpi rigidi. I moduli per l'attività di tracciamento dell'evitamento dei confini (compresa la posizione dei confini, la posizione del bersaglio e le condizioni di terminazione dell'attività) sono sviluppati contemporaneamente in Simulink. FlightGear viene sottoposto a uno sviluppo secondario per ricevere pacchetti di dati da Simulink e visualizzare la posizione in tempo reale dell'elicottero all'interno di una scena visiva 3D. I segnali relativi all'attività vengono visualizzati per fornire ai piloti una percezione intuitiva dell'attività. L'analisi dei dati di volo impiega l'analisi statistica delle prestazioni dell'attività per determinare l'impatto significativo degli elementi dell'attività sul comportamento del pilota. Le prestazioni dell'attività vengono valutate definendo l'errore di tracciamento e i punteggi target, mentre l'aggressività dell'input viene definita per valutare la strategia di controllo del pilota (ovvero il livello di sforzo di controllo). L'analisi statistica dimostra che i soggetti hanno mostrato cambiamenti significativi sia nelle prestazioni del compito che nella strategia di controllo quando si sono trovati di fronte a configurazioni di compiti più impegnative. Ciò indica che il design raffinato del compito di tracciamento con evitamento dei confini innesca efficacemente cambiamenti comportamentali nei piloti e può quindi fungere da elemento scatenante del PIO. Per il rilevamento del PIO, questo studio confronta le prestazioni dei metodi esistenti e propone un nuovo metodo di rilevamento. I metodi comuni di rilevamento del PIO in tempo reale includono i Phase-Aggression Criterion (PAC) e il metodo basato sullo scalogramma di Klyde. Questa ricerca introduce il metodo Power-Preserving Wavelet Transform (PPWT) per il rilevamento del PIO. L'analisi comparativa del rilevamento in tempo reale su dati di volo PIO identici rivela che il metodo wavelet di Klyde non è adatto al compito di questo studio. Mentre i tassi di falsi allarmi di PAC e PPWT sono comparabili, PAC mostra un tasso di mancato rilevamento significativamente più alto rispetto a PPWT. Di conseguenza, il metodo PPWT proposto dimostra prestazioni di rilevamento PIO superiori. Questo studio sviluppa un modello adatto al compito di tracciamento dell'evitamento dei confini. Basato su un modello pilota multi-loop, incorpora loop di feedback dei confini. Gli algoritmi genetici sono utilizzati per stimare i parametri del modello adattando i dati degli esperimenti di volo simulati. La valutazione delle prestazioni simulate del modello, della strategia di controllo e delle tendenze PIO verifica che il modello del sistema pilota-veicolo sia in grado di replicare i modelli comportamentali del pilota durante il compito di tracciamento con evitamento dei confini. Ciò fornisce una base di simulazione per guidare l'addestramento comportamentale dei piloti e la progettazione della dinamica degli elicotteri. Questa ricerca si concentra sull'attivazione, il rilevamento e l'analisi modellistica del PIO durante le attività di tracciamento con evitamento dei confini. Propone un quadro di ricerca completo per questo problema, con indagini dettagliate e convalida per ogni componente. Questa ricerca fornisce una piattaforma fondamentale per future ricerche approfondite sul PIO, offre una guida significativa per il perfezionamento e il miglioramento dei modelli del sistema pilota-veicolo e presenta approcci innovativi e fattibili per ulteriori studi in questo campo.