Till innehåll på sidan
Till KTH:s startsida

AI kan minska risken för stall och farliga höjdfall i flygplan

Systemet hanterar ett farligt aerodynamiskt fenomen som kallas flödesseparation. För att hålla sig i luften behöver flygplan en luftström under vingen som rör sig långsamt och snabbrörlig luft på ovansidan.
Publicerad 2025-02-14

Artificiell intelligens kan bidra till att förhindra plötsliga höjdfall i luften. I en ny studie har forskare testat ett AI-system som kan minska risken för turbulensrelaterade problem.

Forskare från KTH och Barcelona Supercomputing Center har testat ett AI-system som ska optimera ny teknik för att styra luftflödet över flygplansvingar. Resultaten visar att systemen fungerar bättre när de kombineras med djup förstärkningsinlärning (DRL), där AI:n anpassar sig till luftflödesdynamiken utifrån tidigare erfarenheter.

Systemet hanterar ett farligt aerodynamiskt fenomen som kallas flödesseparation. För att hålla sig i luften behöver flygplan en luftström under vingen som rör sig långsamt och snabbrörlig luft på ovansidan. Luften som rör sig över vingytan måste följa vingformen, eller "fästa" mot ytan. Om luftströmmen i stället bryts loss bildas så kallade turbulenta separationsbubblor. Dessa bubblor kan orsaka kraftiga lyftkraftsförluster och ökat luftmotstånd, förklarar Ricardo Vinuesa, forskare i vätskedynamik och maskininlärning vid KTH.

– Flödesseparation uppstår vanligtvis när vingen har en hög anfallsvinkel eller när luftströmmen bromsas upp på grund av ökat tryck. Då minskar lyftkraften och luftmotståndet ökar, vilket kan leda till stall – en överstegring, och en situation där flygplanet förlorar höjd och blir svårare att kontrollera, säger Ricardo Vinuesa.

Forskarna rapporterar att de med hjälp av AI har lyckats minska storleken på dessa turbulenta separationsbubblor med 9 procent. Ju mindre dessa bubblor är, desto bättre bibehålls lyftkraften.

Teamet testade hur AI kunde styra en teknik som pulserar luft genom små öppningar i vingytan, så kallade syntetiska jetstrålar. Tekniken är fortfarande i ett tidigt utvecklingsskede, men kan på sikt bli ett komplement till de virvelgeneratorer som idag används för att stabilisera luftströmmarna.

Hittills har den rådande uppfattningen varit att dessa luftutsläpp ska ske med en konstant, periodisk frekvens. Studien visar dock att AI-styrda, dynamiskt anpassade utsläpp kan minska separationsbubblorna med 9 procent, jämfört med 6,8 procentför de konventionella systemen.

– Studien visar vilken potential AI har för framtida innovationer inom flygteknik, säger Ricardo Vinuesa.

– Det öppnar för bättre aerodynamik, ökad energieffektivitet och nya insikter inom beräkningsvätskedynamik.

David Callahan

Publikation

10.1038/s41467-025-56408-6 

Deep reinforcement learning for active flow control in a turbulent separation bubble, Nature Communications, DOI: