تحلیل خودکار داده های ثبت کننده پرواز برای کشف الگوهای خطای خلبان

این پژوهش با هدف طراحی و ارزیابی یک چارچوب هوشمند برای تحلیل خودکار داده های ثبت کننده پرواز و کشف الگوهای خطای خلبان انجام شد. مسئله اصلی تحقیق، تبدیل داده های خام و حجیم جعبه سیاه به یک سامانه فعال تشخیص و هشدار بود تا انحراف از پروتکل های ایمنی نه به صورت پس از حادثه، بلکه در لحظه شناسایی شود. برای این منظور، یک رویکرد ترکیبی مبتنی بر معماری های ترنسفورمر و سیستم خبره به کار گرفته شد. در بخش مواد و روش، داده های پروازی چندمتغیره پس از پاک سازی، نرمال سازی و قطعه بندی زمانی، وارد مدل ترنسفورمر شدند تا وابستگی های کوتاه مدت و بلندمدت میان پارامترهایی مانند ارتفاع، سرعت، نرخ تغییر وضعیت، زاویه حمله و واکنش های کنترلی استخراج شود. سپس خروجی مدل با یک موتور استنتاج مبتنی بر قوانین ایمنی تلفیق شد تا ناهنجاری های رفتاری، شدت انحراف و احتمال شکل گیری خطای انسانی به صورت بلادرنگ ارزیابی گردد. یافته ها نشان داد که این چارچوب توانست توالی های منتهی به رفتارهای پرخطر را با دقت بالا شناسایی کند و در مقایسه با روش های سنتی، حساسیت بیشتر و هشدارهای کاذب کمتری ارائه دهد. همچنین تحلیل نتایج آماری نشان داد که استفاده از معماری ترنسفورمر نسبت به الگوهای مبتنی بر آستانه یا مدل های بازگشتی، برتری معناداری در تشخیص پیش نشانگرهای خطا دارد. مهم ترین پیشنهاد این پژوهش، توسعه نسخه های پیشرفته تر سیستم با استفاده از داده های فیزیولوژیک خلبان، مانند شاخص های خستگی و استرس، و نیز بهره گیری از یادگیری فدرال برای حفظ محرمانگی داده های عملیاتی است. در مجموع، نتایج این مطالعه نشان می دهد که ادغام یادگیری عمیق و منطق خبره می تواند به ایجاد یک سامانه هشداردهنده کارآمد برای ارتقای ایمنی هوانوردی و کاهش خطاهای انسانی منجر شود.

کلیدواژه ها:

تحلیل خودکار داده های پرواز ، خطای خلبان ، ترنسفورمر ، سیستم خبره ، ایمنی هوانوردی ، هشدار بلادرنگ