Dynamische datenbasierte Schätzung des technischen Missionsrisikos unbemannter Flugsysteme

• Antragsteller: Professor Dr.-Ing. Uwe Klingauf
• Fachliche Zuordnung: Verkehrs- und Transportsysteme, Intelligenter und automatisierter Verkehr
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 447676110

Die sichere Integration zivil genutzter, unbemannter Fluggeräte in den Luftraum stellt eine große Herausforderung dar. Die Europäische Agentur für Flugsicherheit verfolgt hierbei einen risikobasierten Ansatz. In der Risikoklasse "specific", welche für kommerzielle Anwendungen besonders interessant ist, ist vorgesehen, dass der Betreiber des Fluggeräts vor dem Flug eine missionsspezifische Risikobewertung durchführt und präventive sowie korrigierende Maßnahmen zur Minderung der Risiken definieren muss. Dabei sollen die präventiven Maßnahmen das Eintreten des unerwünschten Ereignisses "Loss of Control" verhindern und korrigierende Maßnahmen die Konsequenzen mindern, falls der Kontrollverlust eingetreten ist.Um die Flugsicherheit weiter zu erhöhen, erscheint es sinnvoll, die Risikobewertung während der Flugmission dynamisch fortzuschreiben. Ziel des Vorhabens ist die Bereitstellung einer neuen Methode, welche Verfahren zur Prognose von Ausfällen sicherheitskritischer Komponenten des Fluggeräts in eine dynamische Risikobewertung integriert. Die Verknüpfung der stochastischen Prognosemodelle mit der Kritikalität möglicher Komponentenausfälle erlaubt dann die fortlaufende Bestimmung des technischen Risikos als Teil des gesamten Missionsrisikos. Die quantifizierte Risikoaussage soll dem Betreiber rechtzeitig das Treffen von Handlungsentscheidungen, beispielsweise zum Abbruch oder zur Anpassung der Flugmission, ermöglichen. Damit wird eine zusätzliche Sicherheitsbarriere (präventive Maßnahme) eingeführt, welche die Eintrittswahrscheinlichkeit des kritischen Ereignisses "Loss of Control" aufgrund eines technischen Ausfalls deutlich reduzieren soll.Umfangreiche Vorarbeiten des Antragstellers zeigen, dass datenbasierte Methoden des maschinellen Lernens besonders erfolgversprechend für die Diagnose und Prognose des Systemzustands sind. Bei der Auswahl und Implementierung der Algorithmen sind hier besondere Anforderungen hinsichtlich Echtzeitfähigkeit und Transparenz zu berücksichtigen. Zur Darstellung der funktionalen Abhängigkeiten der sicherheitskritischen Komponenten im System kommen Methoden wie beispielsweise die Fehlerbaumanalyse zum Einsatz. Beide Methoden werden dann in einem neuen Ansatz zusammengeführt, um das aktuelle sowie zukünftige technische Missionsrisiko in Echtzeit schätzen zu können. Zur Validierung der neuen Methode zur dynamischen Risikobewertung kommen Hardware-in-the-Loop sowie Monte-Carlo Simulationen am Beispiel eines hybriden unbemannten Fluggeräts zum Einsatz.

• DFG-Verfahren: Sachbeihilfen