Máy bay hay UAV trong tương lai sẽ có thể bay qua các vùng nhiễu động không khí một cách êm ái hơn nhờ AI. Qua các thử nghiệm trong hầm gió với một mô hình cánh máy bay, AI đã cho thấy khả năng học để thích nghi và phản ứng tức thời với những thay đổi của luồng khí. Tuy nhiên vẫn còn nhiều thách thức cần giải quyết trước khi có thể ứng dụng công nghệ này ở quy mô lớn như máy bay thương mại.
Nhiễu động không khí là một hiện tượng phổ biến gây ra bởi sự chuyển động bất thường của không khí khiến máy bay bị rung lắc. Có nhiều nguyên nhân gây ra nhiễu động không khí như:
Wake vortex - dòng khí xoáy có thể thấy rõ sau chiếc máy bay.
Nếu như chim đã tự tiến hóa với khả năng cảm nhận được những thay đổi trong không khí xung quanh từ đó điều chỉnh để duy trì trạng thái bay mượt mà nhất có thể thì những chú "chim sắt" như máy bay sẽ cần đến tay nghề của phi công và công nghệ để giảm thiểu rung lắc do nhiễu động không khí. Khi bay vào vùng nhiễu động, phi công có thể thay đổ độ cao để tìm dòng khí mượt hơn, thay đổi lộ trình để tránh các các vùng thời tiết xấu, giảm tốc độ bay, chủ động điều khiển các cánh để cân bằng hay sử dụng Autopilot để giảm thiểu ảnh hưởng của nhiễu động khí lên máy bay và hành khách. Những thao tác này trong tương lai có thể được thực hiện một cách chính xác và hiệu quả bằng AI.
Nhiễu động không khí là một hiện tượng phổ biến gây ra bởi sự chuyển động bất thường của không khí khiến máy bay bị rung lắc. Có nhiều nguyên nhân gây ra nhiễu động không khí như:
- Nhiễu động không khí trời quang (Clear Air Turbulence - CAT) thường xuất hiện ở độ cao lớn, bầu trời trong và tĩnh. Nhiễu động xuất hiện ở các cạnh của dòng phản lực (jet stream) nơi tốc độ gió thay đổi nhanh hoặc ma sát gây ra bởi các khối không khí (air mass) di chuyển ở các tốc độ khác nhau.
- Nhiễu động do nhiệt gây ra bởi sự chênh lệch nhiệt độ giữa các khối không khí. Không khí ấm hơn bốc lên từ bề mặt Trái Đất thường là trên đất liền vào ban ngày, tạo ra đối các dòng đối lưu trong khi không khí lạnh ở trên chìm xuống.
- Nhiễu động cơ học xảy ra khi gió thổi qua các chướng ngại vật như núi, nhà cao tầng ... từ đó tạo ra các dòng không khí không đều hay gió xoáy.
- Nhiễu động biên xảy ra khi 2 khối khí với nhiệt độ và độ ẩm khác nhau va vào nhau, khối không khí lạnh hơn sẽ đẩy khối không khí ấm hơn lên trên. Biên giới giữa 2 khối khí khó hòa vào nhau và ma sát giữa 2 khối khí tạo ra nhiễu động.
- Nhiễu động do máy bay (Wake Turbulence) gây ra bởi dòng khí xoáy, hỗn loạn (wake vortex) tạo ra bởi đầu cánh (wingtip) của máy bay.
Wake vortex - dòng khí xoáy có thể thấy rõ sau chiếc máy bay.
Nếu như chim đã tự tiến hóa với khả năng cảm nhận được những thay đổi trong không khí xung quanh từ đó điều chỉnh để duy trì trạng thái bay mượt mà nhất có thể thì những chú "chim sắt" như máy bay sẽ cần đến tay nghề của phi công và công nghệ để giảm thiểu rung lắc do nhiễu động không khí. Khi bay vào vùng nhiễu động, phi công có thể thay đổ độ cao để tìm dòng khí mượt hơn, thay đổi lộ trình để tránh các các vùng thời tiết xấu, giảm tốc độ bay, chủ động điều khiển các cánh để cân bằng hay sử dụng Autopilot để giảm thiểu ảnh hưởng của nhiễu động khí lên máy bay và hành khách. Những thao tác này trong tương lai có thể được thực hiện một cách chính xác và hiệu quả bằng AI.
Cụ thể, nhóm nhà nghiên cứu từ Trung tâm công nghệ và hệ thống tự động (CAST) của Caltech và NVIDIA đang phát triển một hệ thống AI có tên FALCON (Fourier Adaptive Learning and CONtrol). FALCON được huấn luyện bằng phương pháp học tăng cường (Reinforcement Learning - RL) trong đó AI sẽ trải qua quá trình thử và sai để đưa ra quyết định sao cho có được kết quả tối ưu nhất. Khác với phương pháp học giám sát (Supervised Learning) và học không giám sát (Unsupervised Learning), học tăng cường không được nạp trước dữ liệu đã được dán nhãn mà thay vào đó AI sẽ học bằng cách tương tác trực tiếp với môi trường. Nó được đào tạo để hiểu các nguyên lý cơ bản gây ra nhiễu động không khí nhằm thích ứng với mọi điều kiện.
Các nhà nghiên cứu cũng sử dụng phương pháp biến đổi Fourier trong đó sử dụng sóng hình sin để biểu diễn dữ liệu. Họ phát hiện ra rằng việc biểu diễn các điều kiện gió bằng kỹ thuật số dưới dạng sóng định kỳ là cách rất hiệu quả để mô hình hóa nhiễu động không khí bởi sự lên xuống và dòng chảy của không khí cũng như tác động tự nhiên của chúng tuân theo một mô hình sóng. Giáo sư kỹ thuật hàng không vũ trụ tại đại học hàng không Embry-Riddle - Hever Moncayo nói ông tin rằng công nghệ như FALCON rất khả thi, đặc biệt là với năng lực tính toán của các nền tảng điện toán như NVIDIA Jetson khi cho phép AI học thích ứng theo thời gian thực và phân tích biến đổi Fourier.
FALCON đã được thử nghiệm với một mô hình cánh máy bay mô phỏng một chiếc UAV trong hầm gió tại đại học Caltech. Chiếc cánh này được thiết kế với hình tiết khí khí động học, có cảm biến áp suất và có các bề mặt điều khiển nhằm cho phép FALCON cảm nhận được sự thay đổi về áp suất từ đó điều chỉnh cánh để duy trì sự ổn định. Ngoài ra, một vật thể hình trụ có thể chuyển động được đặt trước cánh trong hầm gió để tạo ra các dao động ngẫu nhiên trong vùng nhiễu động khí.
![[IMG]](https://photo2.tinhte.vn/data/attachment-files/2024/11/8532240_Air_Turbulence_FALCON_AI.jpg)
Kết quả cho thấy sau chỉ 9 phút thử nghiệm trong hầm gió, FALCON đã liên tục thích nghi với những hình thái nhiễu động và phản hồi lại nhằm duy trì sự ổn định của cánh máy bay. Theo nhà nghiên cứu Mocayo thì việc FALCON có thể học trong vòng vài phút cho thấy khả năng tăng tỉ lệ để áp dụng cho máy bay lớn hơn. Tuy nhiên ông cho rằng vẫn có nhiều thách thức ở thế giới thực, nhất là khả năng thích nghi nhanh đối với các điều kiện khó đoán và đa dạng cũng như tính hiệu quả của FALCON đối với nhiều cấu hình UAV và môi trường gió khác nhau.
Với khả năng tự thích ứng với nhiễu động không khí, nghiên cứu trên có thể giúp UAV hay máy bay thương mại vận hành êm hơn. Các nhà nghiên cứu sẽ tiếp tục phát triển dự án, tập trung vào các tinh chỉnh để tăng độ chính xác của các dự đoán nhưng đồng thời giảm thời gian học của mô hình bởi FALCON hoạt động hiệu quả nhất dựa trên khả năng thích nghi cực nhanh đối với những thay đổi về điều kiện môi trường. Các nhà nghiên cứu cũng đề xuất khả năng chia sẻ dữ liệu môi trường giữa các máy bay với nhau nhằm cảnh báo nhiễu động không khí. Điều này khả thi nhưng sẽ cần đến các giao thức liên lạc bảo mật vững chắc để tránh các rủi ro an ninh mạng.
Caltech; Livescience
