Examensarbete, 30 HP: Reinforcement Learning för klarering av styrsystem i stridsflygplan

För att verifiera dessa egenskaper används idag ett stort antal fördefinierade manövrar som syftar till att utmana styrsystemet under olika förhållanden. Trots detta kan det fortfarande finnas kombinationer av manövrar, flygtillstånd och lastkonfigurationer som leder till mer kritiska utfall.

Utmaningen blir särskilt relevant för framtida stridsflygsystem där nya koncept och användningsfall kan innebära helt andra dimensionerande manövrar än idag. Verifieringsutmaningen kan därför formuleras som ett sökproblem där målet är att identifiera dessa worst-case-fall.

I dagsläget är verifierings- och klareringsprocessen både tidskrävande och resursintensiv, eftersom ett mycket stort antal scenarier behöver analyseras och utvärderas. Att identifiera kritiska testfall på ett mer automatiserat sätt är därför en viktig utmaning inom flygindustrin. En sådan förmåga har potential att både effektivisera verifieringsarbetet och öka testtäckningen för framtida flygsystem.

Inom flygteknisk forskning har arbetet mot en automatiserad klarering främst innefattat metoder såsom Monte Carlo-simuleringar och metaheuristiska optimeringsalgoritmer. Dessa metoder optimerar dock vanligtvis mot en enskild lösning och har sämre prestanda när problemet omfattas av ett stort antal komplexa bivillkor. Reinforcement Learning (RL) har däremot visat stor potential som metod för att effektivt utforska omfattande parameterrymder och identifiera worst-case-scenarier samtidigt som givna bivillkor beaktas.

Beskrivning av examensarbetet
Examensarbetet syftar till att undersöka hur RL-baserade metoder kan användas för att identifiera worst-case manövrar givet en mängd olika flygtillstånd, lastkonfigurationer och andra variabler. Målet är att utveckla och utvärdera ett ramverk som kan bidra till en mer effektiv och systematisk klareringsprocess. Arbetet ger möjlighet att kombinera artificiell intelligens, optimering och simulering för att lösa ett verkligt problem inom utvecklingen av framtida flygsystem.

En viktig del av arbetet kommer även att vara att analysera och visualisera den stora mängden utforskade testfallsparametrar. Detta är tänkt att användas som ett beslutsstödsunderlag som gör det möjligt att identifiera trender, avvikelser och potentiella problemområden.

Arbetet kan innefatta:

Litteraturstudie på tidigare forskning inom området.

Formulering av lämpliga ”reward functions” utifrån systemets krav och begränsningar.

Design och implementering av RL-ramverkets arkitektur och flöde.

Presentation av data och worst-case fall.

Jämförelse mot nuvarande metodik.

Examensarbetet genomförs inom sektionen Verifiering och Validering för styrsystem på Saab Aeronautics, som arbetar med verifiering av styrsystem för både nuvarande och framtida stridsflyg. Studenten kommer att arbeta i nära samarbete med ingenjörer med specialistkompetens inom bland annat styrsystem, simulering och verifiering, och får stöd av erfarna handledare under arbetets gång.

Projektet adresserar ett verkligt verksamhetsbehov och har potential att effektivisera den tidskrävande verifieringsprocessen, vilket kan bidra till snabbare utveckling av framtida stridsflygsystem.

Din profil

Arbetet är lämpligt för 1–2 studenter med intresse för maskininlärning, optimering och programmering. Intresse för flyg är också meriterande.

Du/ni är i slutet av er civilingenjörsutbildning inom teknisk fysik, datateknik eller motsvarande utbildning och ska påbörja ert examensarbete om 30 hp. Du ska ha god analytisk förmåga och fallenhet för att tänka utanför boxen.

Utbildning/erfarenhet inom följande är meriterande för detta examensarbete:

Maskininlärning, specifikt Reinforcement Learning.

Goda kunskaper inom exempelvis Python, Git och Matlab.

Vi ger dig det stöd och den vägledning du behöver för att omsätta dina teoretiska kunskaper i praktiska lösningar. Bli en drivande kraft bakom Saabs tekniska framsteg!

Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap.

Vänligen observera att vi arbetar med löpande urval och tjänsten kan komma att tillsättas innan sista ansökningsdatum har gått ut.

Kontaktperson

Amin Ben Sassi, Chef

amin.bensassi@saabgroup.com

073-418 04 96

Saif Ali, kontaktperson/handledare

saif.ali@saabgroup.com

073-446 5081

Albin Andersson, kontaktperson/handledare

albin.andersson6@saabgroup.com

073-437 4355

Vad du blir en del av

Upptäck oändliga möjligheter. Anta utmaningar, skapa smarta innovationer och uppgradera dina förmågor. Det här är en plats för kluriga tänkare, modiga pionjärer och alla däremellan. Tillsammans uppnår vi det extraordinära, var och en tar med sitt unika perspektiv. Varje bidrag räknas.Saab är ett ledande försvars- och säkerhetsföretag med syfte att hjälpa nationer att skydda sin befolkning och bidra till trygghet för människor och samhällen. Med 28 000 talangfulla medarbetare utvecklar Saab teknik och lösningar för en säkrare och mer hållbar värld.Saab utvecklar, tillverkar och underhåller avancerade system inom flygteknik, vapen, ledningssystem, sensorer och undervattenssystem. Saab har sitt huvudkontor i Sverige men en global verksamhet där Saab är en del av många nationers försvarsförmåga. Läs mer om oss här.