飞机上的人工智能可以帮助防止可怕的高度下降

　　人工智能可以帮助防止可怕的空中坠落p代表海拔 。在一项新的研究中 ，一项国际研究表明Nal研究小组成功测试了一种机器学习系统
，以防止湍流的麻烦
。

　　来自KTH皇家理工学院和巴塞罗那超级计算中心的研究人员对人工智能系统进行了测试，该系统旨在提高操纵机翼表面气流的实验技术的有效性。结果表明 ，当与深度强化学习（DLR）相结合时，这些创新效果更好
，其中程序适应气流动力学依赖于以前学到的经验 。

　　斯德哥尔摩皇家理工学院（KTH Royal Institute of Technology）流体动力学和机器学习研究员里卡多·维努萨（Ricardo Vinuesa）表示，人工智能控制系统专注于一种特别危险的空气动力学现象 ，即流动分离或湍流分离气泡。

　　心流脱离就像听起来一样严重
。为了保持高空飞行
，飞机需要机翼下方缓慢移动的空气，以及机翼上方快速移动的空气。在机翼表面移动的空气需要跟随机翼的形状 ，或者“附着 ”在机翼表面 。维努埃萨说
，当空气在机翼表面移动时，不再遵循机翼的形状 ，而是脱离
，就会产生危险的旋转或气流停滞
。

　　他说：“这通常发生在机翼处于大迎角时，或者当空气因压力增加而变慢时。
”“当这种情况发生时 ，升力下降
，阻力增加，这可能导致失速 ，使飞机更难控制 。”

　　研究人员报告说，他们可以将这些气泡的面积减少9%
。

　　该团队测试了人工智能如何有效地控制实验设备
，这些设备可以在机翼表面的一个小开口（称为合成喷气机）中脉冲空气进出。虽然这些创新仍处于实验阶段，但航空工程师们希望它们能补充飞机的物理特征 ，比如飞机赖以保持机翼上下气流平衡的涡流发生器 。

　　到目前为止
，普遍的看法是这些爆发应该在有规律的周期间隔内发生
。然而，研究表明 ，周期性激活只能减少6.8%的湍流分离气泡。

　　“这项研究强调了人工智能对科学创新的重要性
， ”Vinuesa说 。“它为空气动力学、能源效率和下一代计算流体动力学提供了令人兴奋的启示
。”