数据驱动的飞行测试安全监控：一种案例研究

我们发展了一种用于飞行测试中运行时安全监控的数据驱动方法，其中飞行员执行具有不确定参数的飞机机动。由于安全违规可能由于这些不确定性而意外发生，飞行员需要明确的、先行的准则，以便在安全违规发生前中止机动。为了解决这个问题，我们使用离线随机轨迹仿真来学习对短期安全风险的校准统计模型。我们将飞行测试作为数据驱动学习/监控安全的 motivating example，由于其固有的安全风险、不确定性和人类交互。然而，我们的方法包含三个广泛适用的组件：用于从最近观察中预测未来状态的模型、用于对预测状态进行安全分类的最近邻模型，以及通过共形预测进行分类校准。我们在具有不确定参数的飞行动力学模型上评估了该方法，展示了其可靠识别不安全情景的能力，吻合理论保证，并在先发制人地分类风险方面优于基线方法。