BRPI0912689B1

BRPI0912689B1 - Aparelho e método para observação adiante de evitação de terreno (flta) em uma aeronave, método para uma fase de planejamento, método para evitação de terreno de observação adiante (flta) em uma aeronave

Info

Publication number: BRPI0912689B1
Application number: BRPI0912689-9A
Authority: BR
Inventors: Gershon Ben-Arie; Ilana Segall; Asi Dotan
Original assignee: Elbit Systems Ltd.
Priority date: 2008-05-14
Filing date: 2009-05-14
Publication date: 2019-07-09
Also published as: WO2009138989A2; EP2286182A2; US20110125346A1; BRPI0912689A2; IL209299A; EP2286182B1; WO2009138989A3; US8768556B2; IL209299A0

Abstract

aparelho e método para observação adiante de evitação de terreno (flta) em uma aeronave, método para uma fase de planejamento, método para evitação de terreno de observação adiante (flta) em uma aeronave aparelho para observação adiante de evitação terreno de (fl ta) em uma aeronave, incluindo um processador e pelo menos um sensor, cada sensor sendo acoplado com o processador, o processador para a execução de pelo menos um algoritmo baseado em rede neural, o pelo menos um sensor para monitoramento de um pluralidade de parâmetros de vôo da aeronave, gerando uma pluralidade de parâmetros de vôo monitorado, o processador dividindo o envelope de desempenho da aeronave em regimes de vôo predefinidos, onde para cada regime de vôo predefinido, o processador define e armazena um tipo de envelope de proteção adequado, o processador determinando um regime de vôo estimado da aeronave utilizando o algoritmo baseado em rede neural com base na pluralidade de parâmetros de vôo monitorados, e o processador selecionando um tipo de envelope de proteção adequada respectiva para as aeronaves com base no regime de vôo estimado.

Description

APARELHO E MÉTODO PARA OBSERVAÇÃO ADIANTE DE EVITAÇÃO DE TERRENO (FLTA) EM UMA AERONAVE, MÉTODO PARA UMA FASE DE PLANEJAMENTO, MÉTODO PARA EVITAÇÃO DE TERRENO DE OBSERVAÇÃO ADIANTE (FLTA) EM UMA AERONAVE

CAMPO TÉCNICO

A técnica divulgada refere-se a sistemas de alerta de situação de terreno, em geral, e a métodos e sistemas de seleção de envelopes de proteção em sistema de alerta de situação de terreno prospectivo, em específico.

FUNDAMENTOS DA INVENÇÃO

Sistemas de alerta de situação de terreno, conhecidos na forma abreviada como TAWS, são sistemas utilizados em aeronaves, como aeronaves de asas fixas e aeronaves de asa giratória, para voo controlado contra terreno (neste abreviado como CFIT). CFIT geralmente se refere a um acidente em que uma aeronave pronta para voo inadvertidamente voa contra um obstáculo, terreno ou água. TAWS opera através do comunicado de avisos, sejam eles visuais, auditivos, ou ambos, ao piloto, notificando que sua aeronave corre risco de CFIT. TAWS geralmente determina a presença de perigo de CFIT através de um ou dois subsistemas conhecidos na técnica como sistema de alerta de proximidade ao solo (neste abreviado como GPWS) e sistema prospectivo de precaução de terreno (neste abreviado como FLTA).

De forma geral, sistemas FLTA operam através da execução de três funções principais. A primeira função é a definição de envelope de proteção ao redor da aeronave. Envelopes de proteção são essencialmente virtuais e definem o volume que envolverá a aeronave. Caracteristicamente, as dimensões do envelope de proteção são função do desempenho da aeronave e suas dinâmicas de voo durante um voo específico. Uma vez que o envelope de proteção tenha sido definido, a segunda função dos sistemas FLTA é executada. Nessa função, o envelope de proteção é constantemente comparado com as informações de elevação de terreno, de uma base de dados de elevação de terrenos, na posição geográfica do envelope de proteção. Em outras palavras, a posição do envelope de proteção em certo momento é comparada com as informações de elevação de terreno na mesma posição. A terceira função dos sistemas FLTA é emitir aviso ou alerta ao piloto caso a comparação na segunda função mostre que o envelope de proteção atravessa terreno ou obstáculo, ou atravessa uma margem de segurança pré-determinada acima do terreno ou obstáculo.

2/17

Sistemas FLTA são conhecidos na técnica. Em tais sistemas, envelopes de proteção são geralmente definidos com base da aceleração, ou velocidade, de uma aeronave, assim como na rota prevista da aeronave. Por exemplo, a patente US número 6.583.733 de Ishihara, et al., nomeada “Aparato, método e produto de programa de computação para sistema de alerta de proximidade do solo” é relacionado ao sistema e método de alerta ao piloto de uma aeronave de asa giratória sobre a proximidade da aeronave a terreno. O método compreende os passos da definição de uma série inicial de envelopes de proteção para percepção de terreno para alertar o piloto sobre a proximidade a terreno durante a primeira série de operações de voo e também a definição de uma segunda série de envelopes de proteção para percepção de terreno para alertar o piloto sobre a proximidade a terreno durante a segunda série de operações de voo. O método, um sinal é recebido indicando em que série de operação de voo está a aeronave. Dependendo do sinal recebido, o envelope de proteção apropriado é calculado dinamicamente a partir da primeira ou segunda série de envelopes de proteção para percepção de terreno. Dado o envelope de proteção calculado, informações de terreno arquivadas são acessadas e um alerta é emitido quando as informações de terreno arquivadas estão dentro dos limites do envelope de proteção selecionado. A primeira série de envelopes e a segunda série de envelopes são determinadas como função do limite de solo do terreno e uma distância antecipada, com o limite de solo do terreno sendo função da velocidade e altitude da aeronave.

SUMÁRIO DA INVENÇÃO

É objeto da invenção divulgada fornecer um novo método e sistema para selecionar envelopes de proteção em sistemas FLTA baseado em parâmetros de voo particulares, que sobreponham as desvantagens da técnica anterior.

De acordo com a técnica divulgada, existe, desta forma, um aparato para FTLA em aeronaves, que inclui um processador e pelo menos um sensor. Cada sensor é integrado ao processador. O processador executa pelo menos um algoritmo baseado em rede neural, e pelo menos um sensor monitora a pluralidade dos parâmetros de voo da aeronave. O processador divide o desempenho da aeronave em regimes de voo pré-determinados. Para cada regime de voo pré-determinado, o processador define e fornece um tipo de envelope de proteção adequado. O processador determina um regime de voo estimado para a aeronave utilizando o algoritmo baseado em rede neural baseado na pluralidade dos parâmetros de voo monitorados. Processador seleciona os

3/17 respectivos envelopes de proteção adequados baseado no regime de voo estimado.

De acordo com outro aspecto da técnica divulgada, existe, desta forma, um método para FLTA em aeronaves. O método inclui os procedimentos de monitoramento de uma pluralidade de parâmetros de voo, execução da fase de planejamento de um sistema FLTA na aeronave, determinação de regime estimado de voo para aeronave baseado no monitoramento da pluralidade de parâmetros de voo utilizando algoritmo baseado em rede neural ajustado e seleção de tipo de envelope de proteção adequado para a aeronave baseado no regime de voo estimado. O procedimento da execução da fase de planejamento inclui os subprocedimentos de dividir o desempenho da aeronave em regimes de voo pré-definidos, para cada regime de voo pré-definido, definir e armazenar tipos de envelopes de proteção, e ajustar o algoritmo baseado em rede neural para adequar os parâmetros do voo monitorado em um tipo de envelope de proteção adequado para a aeronave, baseado no regime de voo estimado.

De acordo com outro aspecto da técnica divulgada, existe, desta forma, um método para fase de planejamento de sistema FLTA em aeronave. O método inclui os procedimentos de divisão do desempenho da aeronave em regimes de voo pré-determinados, para cada regime de voo predeterminado, definir e armazenar tipos de envelopes de proteção, monitorar a pluralidade de parâmetros de voo da aeronave, e ajustar o algoritmo baseado em rede neural para determinar um regime de voo estimado da aeronave baseado na pluralidade monitorada dos parâmetros de voo.

De acordo com outro aspecto da técnica divulgada, existe, desta forma, um método para FLTA em aeronave. O método inclui os procedimentos de divisão do desempenho da aeronave em regimes de voo pré-determinados, para cada regime de voo predeterminado, definir e armazenar tipos de envelopes de proteção, e monitorar a pluralidade de parâmetros de voo da aeronave, na qual a pluralidade de parâmetros de voo inclui primeira série de parâmetros de voo e uma segunda série de parâmetros de voo. O método também inclui os procedimentos para determinar um regime estimado de voo da aeronave baseado na primeira série de parâmetros de voo, utilizar algoritmo baseado em rede neural, selecionar o respectivo tipo de envelope de proteção para a aeronave baseado no regime de voo estimado, e modificar pelo menos uma dimensão do respectivo envelope de proteção adequado para a aeronave baseado na segunda série de parâmetros de voo.

4/17

DESCRIÇÃO BREVE DAS FIGURAS

A técnica divulgada será compreendida e reconhecida de forma mais complete através da seguinte descrição detalhada em conjunto com os esboços em que: Figura 1 é uma ilustração sistemática de sistema FLTA, construído e operando de acordo com uma modalidade da técnica divulgada;

Figura 2 é uma ilustração sistemática de método de fase de planejamento de FLTA, operando de acordo com outra modalidade da técnica divulgada.

DESCRIÇÃO DETALHADA DAS MODALIDADES

A técnica divulgada supera as desvantagens da técnica anterior através da apresentação de novo sistema e método para definir e selecionar envelopes de proteção em sistema FLTA em determinado momento para parâmetros de voo particulares. Os envelopes de proteção são selecionados a partir de uma lista de envelopes de proteção pré-definida para diferentes regimes de voos de aeronave. A seleção é executada utilizado algoritmo baseado em rede neural, que recebe uma pluralidade de parâmetros de voo para determinar o envelope de proteção mais adequado de acordo com os parâmetros de voo vigentes da aeronave. Deve ser observado que a técnica divulgada é valida tanto para aeronaves de asas fixas quanto para aeronaves de asa giratória.

Neste momento, faz-se referência à Figura 1, que é uma ilustração sistemática de sistema FLTA, geralmente referenciado como 100, construído e operando de acordo com uma modalidade da técnica divulgada. O sistema FLTA 100 é geralmente integrado a um TAWS (não mostrado). O sistema FLTA qOO inclui processador 102 e controles e sensores de aeronave que monitoram o sistema 104. O processador 102 tem capacidade de executar algoritmos baseados em rede neural. Deve Sr observado que antes de utilizar o sistema FLTA 100 com TAWS em aeronaves, o sistema FLTS 100 precisa passar por uma fase de planejamento. Na fase de planejamento, o desempenho da aeronave é dividido em uma série de regimes de voo pré-definidos por um processador externo (não mostrado). Esse processador externo pode ser um processador 102 ou outro processador. Em geral, o desempenho ou envelope de voo de aeronaves consulta as capacidades da aeronave como função de sua velocidade e altitude. A série de regimes de voo pré-definidos é armazenada em unidade de memória (não mostrado) integrada com processador externo. Os regimes de voo estão substancialmente relacionados a intervalos de velocidade. Deve ser observado que em uma modalidade, o sistema FLTA 100 somente começa a operar uma vez que a aeronave (não mostrada) a qual está integrado alcança uma determinada

5/17 velocidade mínima. Por exemplo, uma aeronave de asa giratória pode ter seu envelope de voo dividido em 6 regimes de voo, com cada regime de voo delineando um intervalo de velocidade. Com esse exemplo, caso a velocidade seja medida em nós, o primeiro intervalo pode ser de 10 nós a 20 nós, o primeiro intervalo pode ser de 20 nós a 30 nós, o terceiro intervalo pode ser de 30 nós a 40 nós, o quarto intervalo pode ser de 40 nós a 50 nós, o quinto intervalo pode ser de 50 nós a 60 nós e o sexto intervalo pode ser de 60 nós a 70 nós. Nesse exemplo, cada intervalo de velocidade é designado como um intervalo de voo pré-definido diferente. Em outras palavras, o processador externo designa cada uma das várias seções do desempenho a um regime de voo pré-definido. Neste exemplo, o intervalo de 0 nós a 10 nós não é considerado e uma seção do desempenho não é designado para esse intervalo já que é definido que 10 nós é a velocidade mínima que a aeronave deve obter antes do sistema FLTA 100 começar a operar. Deve ser observado que em modalidade da técnica divulgada, um número mínimo e máximo de voos pré-determinados pode ser definido. Por exemplo, para uma aeronave de asa giratória, o número mínimo pode ser 10 regimes de voo e o número máximo pode ser 20 regimes de voo, enquanto para uma aeronave de asa fixa, o número mínimo pode ser de 10 regimes de voo e o número máximo pode ser 30 regimes de voo. Na fase de planejamento, para cada regime pré-definido, o processador então define um tipo envelope de proteção adequado que é armazenado na unidade de memória. O tipo de envelope de proteção pode ser adequado a um tipo de aeronave particular e para manobra evasiva prédefinida. Cada tipo de envelope de proteção representa um envelope de proteção generalizado com relação as suas dimensões para cada regime de voo prédefinido. Os tipos de envelopes de proteção armazenados na unidade de memória são fornecidos ao processador 102. Os envelopes de proteção também podem ser armazenados em unidade de memória (não mostrado) integrada com o processador 102. Nesse momento, a fase de planejamento é completada e o sistema FLTA 100 pode ser usado com o TAWS em uma aeronave em fase operacional. Como descrito a seguir, uma vez operacional, o sistema FLTA 100 determina um regime de voo estimado baseado em vários parâmetros de voo. Baseado no regime de voo estimado, o processador 102 então seleciona um tipo de envelope de proteção correspondente, que foi definido para um regime de voo pré-definido, e determina as dimensões específicas do envelope de proteção selecionado a ser utilizado com base nos parâmetros de voo. O sistema de monitoramento de controles e sensores de aeronaves 104 é um sensor capaz de

6/17 monitorar vários parâmetros de voo de uma aeronave. Na modalidade da Figura 1, o sistema de monitoramento de controles e sensores de aeronaves 104 é um único sensor. Em outra modalidade da técnica divulgada, uma pluralidade de sensores é utilizada para monitorar vários parâmetros de voo da aeronave. Especificamente, o sistema 104 de monitoramento controles e sensores de aeronaves monitora os parâmetros de voo como mostrado abaixo na Tabela 1, dependendo em que tipo de aeronave, de asa fixa ou giratória e de sistema FLTA 100 está integrado.

Tabela 1 - Parâmetros de Voo Monitorados em Aeronaves

Aeronave de Asa Giratória	Aeronave de Asa Fixa
Peso	Peso
Centro da gravidade	Centro da gravidade
Posição longitudinal do cíclico	Posição longitudinal do manche
Posição lateral do cíclico	Posição lateral do manche
Posição do coletivo	Posição do pedal / posição do leme de direção
Posição do pedal / passo do rotor de cauda	Posição do passo
Posição do passo	Posição do rolamento
Posição do rolamento	Nível do passo
Nível do passo	Nível do rolamento
Nível do rolamento	Nível da guinada
Nível da guinada	Altitude
Torque do rotor principal	RPM (giros por minuto) do motor
Torque do rotor de cauda	EGT (temperatura do gás de exaustão) do motor
Velocidade do rotor principal	Passo da hélice
Velocidade do rotor de cauda	Passo do nariz
Velocidade do vento	Velocidade do vento
Velocidade vertical	Velocidade vertical
Altitude
Aceleração longitudinal
Aceleração lateral
Aceleração vertical

Com relação aos parâmetros de voo monitorados para aeronaves de asa giratória, a posição do pedal e o passo do rotor de cauda se referem substancialmente a mesma medida. Com relação aos parâmetros de voo monitorados para aeronaves de asa fixa, a posição do pedal e a posição do leme de direção se referem substancialmente a mesma medida. Além disso, os parâmetros de voo EGT do motor, passo da hélice e passo do nariz não são sempre disponíveis ou aplicáveis a todos os tipos de motores de aeronave como parâmetros que podem ser monitorados em todas as aeronaves de asa fixa.

7/17

Portanto, esses parâmetros de voo são monitorados somente caso estejam disponíveis para o sistema de monitoramento de controles e sensores de aeronaves 104. Sobre os parâmetros de voo monitorados em aeronaves de asa giratória, os parâmetros de voo: posição longitudinal do cíclico, posição lateral do cíclico, posição do coletivo e posição do pedal/passo do rotor de cauda não são sempre disponíveis ou aplicáveis a todos os tipos de aeronaves de asa giratória. Por exemplo, helicópteros de alta capacidade podem ter a capacidade de monitorar os parâmetros de voo supracitados, enquanto helicópteros de segmentos inferiores podem não ter a capacidade de monitorar tais parâmetros de voo.

Na fase operacional do sistema FLTA 100, em geral, o sistema de monitoramento de controles e sensores de aeronaves 104 monitora os parâmetros de voo numerados acima na Tabela 1 e fornece tais parâmetros de voo ao processador 102. Baseado nos parâmetros de voo recebidos, o processador 102 utiliza algoritmo baseado em rede neural para determinar um regime de voo estimado. Um exemplo de subtipo de parâmetros de voo listado na Tabela 1 é mostrado baixo na Tabela 2 para aeronaves de asa giratória. Nesse exemplo, os parâmetros de voo monitorados são separados em parâmetros de voo obrigatórios, que devem ser monitorados, e parâmetros de voo opcionais, que podem ser monitorados caso esteja disponível ou seja aplicável para um tipo específico de aeronave de asa giratória. De acordo com essa modalidade da técnica divulgada, parâmetros opcionais de voo não precisam ser monitorados de nenhuma forma. Os parâmetros de voo obrigatórios podem ser divididos em uma pluralidade de séries, em que cada série representa um tipo ou uma classificação específicos de aeronaves de asa giratória. Por exemplo, uma série pode ser definida como uma aeronave de asa giratória de alta capacidade e outra série definida para aeronaves de asa giratória de baixa capacidade. Aeronaves de asa giratória de alta capacidade podem incluir helicópteros de duplo piloto e duplo motor, enquanto aeronaves de asa giratória de baixa capacidade podem incluir helicópteros pequenos com único piloto e único motor.

Tabela 2 - Subséries de Parâmetros de Voo Monitoradas em Aeronave de Asa Giratória

Parâmetro de Voo

Série de Parâmetros de Voo Obrigatória para Aeronaves de Asa Giratória de Alta Capacidade

Série de Parâmetros de Voo Obrigatória para Aeronaves de Asa Giratória de Baixa Capacidade

Série de Parâmetros de Voo Opcional

8/17

Peso	X	X
Centro da gravidade	X	X
Posição longitudinal do cíclico	X		X
Posição lateral do cíclico	X		X
Posição do coletivo	X		X
Posição do pedal / passo do rotor de cauda	X		X
Posição do passo	X	X
Posição do rolamento	X	X
Ritmo do passo	X	X
Ritmo do rolamento	X	X
Ritmo da guinada	X	X
Torque do rotor principal	X	X
Torque do rotor de cauda			X
Velocidade do rotor principal			X
Velocidade do rotor de cauda			X
Velocidade do vento	X	X
Velocidade vertical	X	X
Altitude	X	X
Aceleração longitudinal		X	X
Aceleração lateral		X	X
Aceleração vertical		X	X

Como pode ser observado na Tabela 2, para as aeronaves de asa giratória de alta capacidade somente os parâmetros em que ‘X’ é assinalado na coluna “Série de Parâmetros de Voo Obrigatória para Aeronaves de Asa Giratória de Alta Capacidade” devem ser monitorados e fornecidos ao processador 102. Para as

9/17 aeronaves de asa giratória de baixa capacidade somente os parâmetros em que ‘X’ é assinalado na coluna “Série de Parâmetros de Voo Obrigatória para Aeronaves de Asa Giratória de Baixa Capacidade” devem ser monitorados e fornecidos ao processador 102. Ο ‘X’ assinalado na coluna “Série de Parâmetros de Voo Opcional” representa um parâmetro de voo que pode ser monitorado opcionalmente caso disponível ou aplicável a uma aeronave de asa giratória específica, caso o parâmetro de voo não seja incluindo na coluna da série de parâmetros de voo obrigatórios para aeronaves de asa giratória de alta capacidade ou baixa capacidade. Por exemplo, posição longitudinal do cíclico é um parâmetro de voo obrigatório de monitoramento em aeronaves de asa giratória de alta capacidade enquanto é um parâmetro de voo de monitoramento opcional em aeronaves de asa giratória de baixa capacidade. Aceleração longitudinal é um parâmetro de voo obrigatório de monitoramento em aeronaves de asa giratória de baixa capacidade, enquanto é um parâmetro de voo de monitoramento opcional em aeronaves de asa giratória de alta capacidade. Torque do rotor de cauda é um parâmetro de voo de monitoramento opcional em aeronaves de asa giratória de alta capacidade e aeronaves de asa giratória de baixa capacidade.

Na técnica divulgada, algoritmos baseados em rede neural são algoritmos que tentam adequar parâmetros de voo monitorados na Tabela 1 ou na Tabela 2 a tipos de envelope de proteção apropriados. Deve ser observado que o regime de voo estimado representa o regime de voo determinado pelo algoritmo baseado em rede neural baseado no algoritmo que é mais compatível com os regimes de voo pré-determinados armazenados na fase de planejamento. Deve ser observado que o regime de voo estimado pode não representar o regime de voo real no qual a aeronave se encontra. Por exemplo, uma aeronave pode estar na realidade em um regime de voo com um intervalo de velocidade designado entre 50 e 60 nós, mas baseado em vários parâmetros de voo determinado por 5 sistemas de monitoramento de controles e sensores de aeronaves 104, o regime de voo estimado pode ser determinado a ser um regime de voo com um intervalo de velocidade designado entre 40 e 50 nós, como os parâmetros de voo recebidos se correlacionam mais com o regime de voo de 40 a 50 nós do que com o regime de 50 a 60 nós. O algoritmo baseado em rede neural pode dar saída, por exemplo, a um código indicativo do regime de voo estimado. Por exemplo, um código de saída 3 pode indicar que, baseado nos parâmetros de voo recebidos, a aeronave está em um regime de voo com um intervalo de velocidade

10/17 designado entre 30 e 40 nós.

Baseado no regime de voo estimado determinado pelo algoritmo baseado em rede neural, o processador 102 seleciona o tipo de envelope de proteção mais adequado para a aeronave. Em modalidade da técnica divulgada, o processador 102 utiliza as dimensões do tipo de envelope de proteção armazenado na unidade de memória ou no processador 102 como o envelope de proteção para o sistema FLTA 100. Em outra modalidade da técnica divulgada, o processador 102 modifica as dimensões do tipo de envelope de proteção selecionado baseado em parâmetros de voo adicionais, tais como velocidade vertical da aeronave, ritmo de giro da aeronave, peso da aeronave e altitude da aeronave, assim como o regime estimado de voo e o tipo e modelo específicos da aeronave. No geral, o sistema de monitoramento de controles e sensores de aeronaves 104 também pode monitorar esses parâmetros. Deve ser observado que o peso da aeronave também pode ser utilizado como parâmetro de voo para modificar as dimensões do tipo de envelope de proteção selecionado. Nesta modalidade, o envelope de proteção modificado é utilizado como envelope de proteção para sistema FLTA 100. Deve ser particularmente observado que, diferente da técnica anterior, o sistema FLTA 100 não utiliza a velocidade da aeronave como parâmetro de voo na seleção do envelope de proteção utilizado pelo sistema FLTA 100.

No geral, algoritmos baseados em rede neural necessitam de uma fase de estudo, algumas vezes referida na técnica como fase de treino, antes de poderem ser utilizados efetivamente na tomada de decisões. Na técnica, uma vez que o algoritmo baseado em rede neural tenha completado sua fase de treino, é considerado ajustado. No sistema FLTA 100, o algoritmo baseado em rede neural passa por uma fase de estudo que é específica para tipos específicos de aeronaves e seus envelopes de performance específicos. No geral, a fase de estudo pode ser executada através da utilização de informações de uma simulação de 6 graus de liberdade (neste abreviado como DOF) de um tipo específico de aeronave ou através da utilização de informações coletadas de um voo real de um tipo específico de aeronave. As informações podem incluir parâmetros de voo fornecidos ao processador 102 pelo sistema de monitoramento de controles e sensores de aeronaves 104, assim como o regime de voo correto para cada série de parâmetros de voo inseridos durante a fase de estudo. Essas informações são utilizadas na fase de ensino do algoritmo baseado em rede neural, assim como na fase de testes do algoritmo baseado em rede neural. No geral, a fase de testes testa a legitimidade do que o algoritmo baseado em rede

11/17 neural “aprendeu” na fase de estudo. A fase de estudo e a fase de testes do algoritmo baseado em rede neural são descritas em maiores detalhes abaixo, na Figura 3. A fase de estudo e a fase de testes são executadas durante a fase de planejamento do sistema FLTA 100. Em modalidade da técnica divulgada, um algoritmo de retropropagação pode ser utilizado para executar a fase de estudo. Em outra modalidade da técnica divulgada, um algoritmo de retropropagação resiliente, também conhecido como algoritmo Rprop, é utilizado para executar a fase de estudo.

Sobre a Figura 2, que é uma ilustração sistemática de um método FLTA, que opera de acordo com outra modalidade da técnica divulgada. No procedimento 132, é executada fase de planejamento para sistema FLTA. O procedimento é descrito em maiores detalhes abaixo, de acordo com a Figura 3. No geral, nesse procedimento, o desempenho de um tipo específico de aeronave é dividido em regimes de voo pré-definidos com o tipo de envelope de proteção adequado definido para cada regime de voo pré-determinado. Além disso, nesse procedimento, um algoritmo baseado em rede neural é ajustado para associar parâmetros de voo a tipos de envelope de proteção adequados. Sobre a Figura 1, deve ser observado que antes do sistema FLTA 100 (Figura 1) poder ser utilizado com TAWS em uma aeronave, o sistema FLTA 100 precisa passar por uma fase de planejamento. Na fase de planejamento, o desempenho da aeronave é dividido em uma série de regimes de voo pré-definidos por um processador externo (não mostrado). No procedimento 134, vário parâmetros de voo da aeronave são monitorados. Por exemplo, os parâmetros de voo listados na Tabela 1 ou na Tabela 2 podem ser monitorados, dependendo do tipo de aeronave, se é de asa fixa ou asa giratória, e o método FLTA utilizado. Além disso, a velocidade vertical da aeronave e o ritmo de giro da aeronave também podem ser monitorados. Sobre a Figura 1, o sistema de monitoramento de controles e sensores de aeronaves 104 (Figura 1) é um sensor capaz de monitorar vários parâmetros de voo de aeronaves.

No procedimento 136, um algoritmo baseado em rede neural é utilizado para determinar o regime de voo estimado de uma aeronave baseado nos parâmetros de voo monitorados no procedimento 134. Deve ser observado que em modalidade da técnica divulgada, uma subsérie de parâmetros de voo monitorados no procedimento 134 é utilizada pelo algoritmo baseado em rede neural. Sobre a Figura 1, o sistema de monitoramento de controles e sensores de aeronaves 104 monitora os parâmetros de voo acima enumerados na Tabela 1 e

12/17 na Tabela 2 e fornece tais parâmetros de voo para o processador 102 (Figura 1). Baseado nos parâmetros de voo recebidos, o algoritmo baseado em rede neural no processador 102 determina o regime de voo estimado. No procedimento 138, um tipo de envelope de proteção adequado é selecionado para a aeronave com base no regime estimado de voo. Sobre a Figura 1, baseado no determinado regime de voo estimado, o processador 102 seleciona o tipo de envelope de proteção mais adequado para a aeronave. Deve ser observado que em modalidade da técnica divulgada, após a execução do procedimento 138, o procedimento 142 é executado. Em outra modalidade da técnica divulgada, após a execução do procedimento 138, o procedimento 140 é executado, seguido pela execução do procedimento 142.

No procedimento 140, as dimensões do tipo de envelope de proteção selecionado são modificadas com base em certos parâmetros de voo monitorados. Em particular, os seguintes parâmetros de voo são utilizados para modificar as dimensões do tipo de envelope de proteção selecionado: peso da aeronave, velocidade vertical da aeronave, ritmo de giro da aeronave e altitude da aeronave. Além disso, o tipo de envelope de proteção selecionado pode ser modificado com base no regime de voo estimado e no tipo e modelo específicos da aeronave. Sobre a Figura 1, em outra modalidade da técnica divulgada, o processador 102 modifica as dimensões do tipo de envelope de proteção selecionado com base em parâmetros de voo adicionais, como velocidade vertical da aeronave, ritmo de giro da aeronave, peso da aeronave e altitude da aeronave, assim como regime estimado de voo e o tipo e modelo específicos da aeronave. No procedimento 142, a posição do envelope de proteção é comparada com as informações de elevação de terreno na posição geográfica do envelope de proteção. No procedimento 144, um aviso ou alerta é emitido caso a comparação do procedimento 142 indique que o envelope de proteção atravessa terreno ou obstáculo. Deve ser observado que o aviso ou alerta também podem ser emitidos caso o envelope de proteção atravesse uma margem de segurança predeterminada acima do terreno ou obstáculo. No geral, os procedimentos 142 e 14 representam procedimentos padrões no método da Figura 2, que é mais compatível com métodos que utilizem o sistema FLTA.

Sobre a Figura 3, que é uma ilustração sistemática de método de fase de planejamento FLTA, que opera de acordo com outra modalidade da técnica divulgada. O método da Figura 3 representa subprocedimentos executados no procedimento 132 no método da Figura 2. No procedimento 170, informações

13/17 sobre um tipo específico de aeronave são coletadas de voos reais do tipo específico de aeronave ou de simulação DOF 6 do tipo específico de aeronave. No geral, essa informação representa os parâmetros de voo listados acima na Tabela 1 e na Tabela 2. Por exemplo, os parâmetros de voo podem ser armazenados como vetores, com cada vetor representando os valores dos parâmetros de voo em um momento particular. Como exemplo, para o algoritmo baseado em rede neural “aprender”, algumas centenas de vetores podem ser gerados, cada um representando uma série diferente de parâmetros de voo na Tabela 1 e na Tabela 2, em momentos diferentes. No procedimento 172, o desempenho de um tipo específico de aeronave é dividido em regimes de voo pré-determinados. Em modalidade da técnica divulgada, um número mínimo e máximo de regimes de voo pré-determinados pode ser definido. Sobre a Figura 1, o processador 102 (Figura 1) recebe o desempenho da aeronave e divide o desempenho em uma série de regimes de voo pré-determinados. No procedimento 174, um tipo de envelope de proteção adequado é definido e armazenado para cada regime de voo pré-determinado. No geral, os tipos de envelope de proteção armazenados representam envelopes de proteção cujas dimensões tenham sido ajustadas para cada regime de voo pré-determinado específico. Sobre a Figura 1, para cada regime de voo pré-determinado o processador 102 define um tipo de envelope de proteção adequado, que é armazenado em unidade de memória.

No procedimento 176, são inseridas em algoritmo baseado em rede neural informações coletadas no procedimento 170, assim como os regimes de voo prédeterminados e os tipos de envelope de proteção adequados determinados no procedimento 174. Com a utilização dessa inserção, que pode ser chamada de grupo de aprendizado, o algoritmo baseado em rede neural é então informado sobre como determinar um regime de voo baseado em parâmetros de voo. Por exemplo, com a utilização do algoritmo de retropropagação, para cada vetor de parâmetros de voo inserido no algoritmo baseado em rede neural, como explicado acima no procedimento 170, um regime de voo esperado é definido. Cada regime de voo é então designado a um tipo de envelope de proteção específico adequado. Medidas arbitrárias são então designadas, e assim o algoritmo baseado em rede neural 5 determina um regime de voo específico baseado em parâmetros de voo. Inicialmente, já que as medidas são arbitrárias, os regimes de voo determinados para cada vetor de parâmetros de voo pelo algoritmo baseado em rede neural não irão estar compatíveis com o regime de voo esperado

14/17 definido. A diferença entre o regime de voo esperado e o regime de voo determinado pelo algoritmo baseado em rede neural é definida como um erro. Através da mudança dos valores das medidas, o algoritmo baseado em rede neural minimiza o erro até que este fique abaixo do limite pré-estabelecido de erro para cada valor de parâmetros de voo. Nesse momento, o algoritmo baseado em rede neural é considerado ajustado, quer dizer, as medidas estão ajustadas. Deve ser observado que outros algoritmos conhecidos na técnica podem ser utilizados nesse procedimento para treinar o algoritmo baseado em rede neural. No procedimento 178, a pluralidade de casos prova de parâmetros de voo são gerados, sendo conhecidos como grupo de teste. No geral, os parâmetros de voo gerados por casos prova são aqueles listados acima na Tabela 1 e na Tabela 2, dependendo do tipo de aeronave para o qual o algoritmo baseado em rede neural foi utilizado. Como exemplo, vetores de parâmetro de voo que não são usados na fase de estudo para o algoritmo baseado em rede neural são gerados como vetores teste. Como observado na Figura 3, os procedimentos 170, 172, 174 e 176 podem ser executados simultaneamente com o procedimento 178. No procedimento 180, uma vez que o algoritmo baseado em rede neural tenha terminado sua fase de estudo, a validade ou a performance do aprendizado do algoritmo baseado em rede neural é testada. No geral, a pluralidade dos casos prova de parâmetros de voo gerados no procedimento 178 é utilizada para testar a validade ou a performance do aprendizado do algoritmo baseado em rede neural no procedimento 180. Como exemplo, utilizando as medidas determinadas na fase de estudo, o regime de voo determinada para cada vetor é comparado com o regime de voo esperado. O algoritmo baseado em rede neural pode passar da fase de estudo caso o erro para cada vetor teste esteja abaixo do limite de erro pré-definido. Uma vez que o algoritmo baseado em rede neural tenha sido ajustado e testado, a fase de planejamento do método FLTA está completa. O algoritmo baseado em rede neural pode ser utilizado, como na Figura 2, em fase operacional FLTA para determinar envelope de proteção adequado baseado nos parâmetros de voo inseridos.

Como mencionado acima, antes do FLTA ser utilizado com o TWAS uma fase de planejamento deve ser executada no FLTA, como mostrado na Figura 3, na qual um algoritmo baseado em rede neural “aprende” como determinar um regime de voo baseado na série d parâmetros de voo monitorados (procedimento 176). No geral, o algoritmo de rede neural utiliza arquitetura neural, que inclui 3 camadas, para “aprender”. Na técnica, essas camadas são conhecidas como

15/17 camada de entrada, camada de saída e camada oculta. A camada oculta integra a camada de entrada à camada de saída. Na técnica divulgada, a camada de entrada é integrada aos parâmetros de voo fornecidos ao algoritmo baseado em rede neural, a camada de saída cria o regime de voo determinado e a camada oculta faz a conexão entre elas. Em modalidade do procedimento 176, uma arquitetura neural de 4 camadas pose der utilizada pelo algoritmo baseado em rede neural para “aprender”. Essas 4 camadas incluem uma camada de entrada, uma primeira camada oculta, uma segunda camada oculta e uma camada de saída. Nessa arquitetura neural, a camada de entrada inclui 100 neurônios, em que cada neurônio representa um vetor de entrada, em que as entradas podem ser monitoradas por parâmetros de voo. A camada de entrada é integrada à primeira camada culta, que inclui 50 neurônios. A primeira camada oculta é integrada à segunda camada oculta, que inclui 25 neurônios, e a segunda camada oculta é integrada à camada de saída, que inclui um único neurônio. Através do uso de um único neurônio, um número representando um regime de voo estimado baseado nos parâmetros de voo inseridos pode ser retirado. Deve ser observado que o número retirado pela camada de saída também pode ser representativo de um intervalo de velocidade. Assim, de acordo com essa modalidade da técnica divulgada, o algoritmo baseado em rede neural pode “aprender” a retirar um regime de voo baseado em uma série de parâmetros de voo, ou intervalo de velocidade, baseado em uma série de parâmetros de voo. Deve ser lembrado que acima, cada regime de voo é substancialmente relacionado ao intervalo de velocidade.

Os neurônios em cada camada são integrados em configuração de total conectividade. Em cada configuração, cada um dos neurônios em uma determinada camada é integrado com cada um dos neurônios da próxima camada da qual essa está integrada. Por exemplo, cada um dos 100 neurônios na camada de entrada está conectado com cada um dos 50 neurônios na primeira camada oculta. Da mesma forma, cada um dos 50 neurônios na primeira camada oculta está conectado com cada um dos 25 neurônios na segunda camada oculta, e cada um dos 25 neurônios da segunda camada oculta está conectado com o único neurônio da camada de saída. Cada neurônio opera baseado em uma função específica, conhecida na arte como função de transferência ou função de descarga. Essa função específica determina substancialmente se um neurônio é ativado ou não, dependendo do seu valor de saída. Nesta modalidade da técnica divulgada, cada camada na arquitetura neural entra em operação com o uso de

16/17 uma função de transferência diferente. A camada de entrada e a segunda camada oculta utilizam função sigmóide logarítmica, que apresenta valor de saída entre 0 e 1. A primeira camada oculta utiliza função sigmóide tangente, que apresenta valor de saída entre -1 e 1. A camada de saída utiliza função linear, que apresenta valor de saída em qualquer valor. Uma função linear é utilizada na camada de saída para retirar um numero inteiro que pode representar um regime de voo ou um intervalo de velocidade especifico.

Nesta modalidade do procedimento 176, a entrada desse procedimento, que é substancialmente o grupo de estudo de parâmetros de voo monitorados, pode incluir centenas de vetores, com cada vetor representando uma série de parâmetros de voo monitorados. O grupo de estudo pode ser igualmente dividido e designado a um número pré-definido de regimes de voo. Deve ser lembrado que cada regime de voo pode ser representado como intervalo de velocidade, como entre 77 nós e 88 nós. Por exemplo, caso 8 regimes de voo sejam definidos e o grupo de estudo inclui 600 vetores, então cada regime de voo terá 75 vetores designados. No procedimento 176, cada um desses vetores é utilizado para capacitar o algoritmo baseado em rede neural a “aprender” como determinar um regime de voo com base em uma série de parâmetros de voo utilizando uma série de medidas, como descrito acima. Uma vez que o “aprendizado” do algoritmo baseado em rede neural é baseado nos vetores do grupo de estudo, as medidas determinadas podem se tornar tendenciosas ou específicas para os vetores do grupo de estudo, já que as medidas sofrem modificações e a diferença entre o regime de voo esperado e o regime de voo determinado pelo algoritmo baseado em rede neural é minimizado, que é geralmente conhecido como erro.

De acordo com esta modalidade do procedimento 176, um grupo adicional de vetores que representa séries de parâmetros de voo, conhecido como grupo de validação, é inserido no algoritmo baseado em rede neural ao mesmo tempo em que o grupo de estudo é inserido no algoritmo baseado em rede neural. O grupo de validação pode incluir também centenas de vetores, com cada vetor representando uma série de parâmetros de voo. O grupo de validação é utilizado para gerar uma regra de paragem para evitar que medidas determinadas sejam modificadas. No grupo de estudo, as medidas determinadas são modificadas continuamente para minimizar o erro, como descrito acima. Cada vez que as medidas são modificadas, as medidas são utilizadas para checar erros no grupo de validação. No geral, na medida em que s erros no grupo de estudo diminuem, os erros do grupo de validação diminuem também. Quando medidas específicas

17/17 se tornam muito específicas para grupo de estudo, os erros do grupo de estudam diminuem enquanto os erros do grupo de validação aumentam. Nesse momento, a mudança de medidas no grupo de ensino é interrompida e as medidas determinadas que geram erro mínimo no grupo de validação são usadas como medidas ajustadas para o algoritmo baseado em rede neural. O grupo de validação então permite a definição de uma regra de paragem para modificar os erros no grupo de estudo.

Em modalidade do procedimento 180, validade, ou performance, ou algoritmo baseado em rede neural, baseados nas medidas ajustadas, são testados utilizando grupo teste que pode incluir uma pluralidade de casos teste de parâmetros de voo, como gerado no procedimento 178. Por exemplo, a pluralidade de casos teste de parâmetros de voo pode incluir centenas de milhares de vetores, com cada vetor representando uma série de parâmetros de voo. O grupo teste pode ser utilizado para determinar a qualidade do aprendizado do algoritmo baseado em rede neural e pode ser utilizado para comparar a qualidade de medidas ajustadas diferentes para o algoritmo baseado em rede neural. No geral, medidas ajustadas de maior qualidade irão gerar erros menores em cada vetor do grupo teste.

Aqueles versados na técnica gostariam que a técnica divulgada não fosse limitada somente ao que foi especificamente comentado e descrito acima. É melhor que o escopo da técnica divulgada seja definido somente pelas reivindicações, que seguem.

Claims

REIVINDICAÇÕES

1. Aparelho para observação adiante de evitação de terreno (FLTA) em uma aeronave, caracterizado pelo fato de que compreende: um processador, para a execução de pelo menos um algoritmo baseado em redes neurais, e pelo menos um sensor, cada dito pelo menos um sensor acoplado com o dito processador, para o monitoramento de uma pluralidade de parâmetros de vôo da aeronave, gerando assim uma pluralidade de parâmetros de vôo controlados; em que o dito processador divide o envelope de desempenho de aeronaves em regimes de vôo predefinidos, onde para cada regime de vôo predefinido, o processador define e armazena um tipo de envelope adequado de proteção, onde o processador determina um regime de vôo estimado da referida aeronave utilizando o dito pelo menos um algoritmo baseado em redes neurais com base na pluralidade de parâmetros de vôo monitorados, e em que o dito processador seleciona um tipo de envelope de proteção adequada respectivo para aeronaves baseado no citado regime de vôo estimado sem utilizar uma velocidade da dita aeronave.
2. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que o aparelho é acoplado com um terreno de sensibilização e de alerta (TAWS).
3. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que a aeronave é uma aeronave de asa fixa.
4. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que a aeronave é uma aeronave de asa rotativa.
5. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que cada regime de vôo predefinido refere-se a um intervalo predefinido de velocidade.
6. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que o dito aparelho é operacional, quando a aeronave atinge uma velocidade mínima.
7. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de parâmetros de vôo é selecionada a partir da lista composta por: massa; centro de gravidade, posição cíclica longitudinal; posição de vara longitudinal; posição cíclica lateral; posição de vara lateral; posição coletiva; posição do pedal; posição do leme; passo do rotor de cauda; atitude de passo; atitude de rolo, taxa de passo, taxa de rolo, taxa de guinada; altitude; torque do rotor principal; torque do rotor de cauda; velocidade do rotor principal; velocidade do rotor da cauda; rotações por minuto do motor (RPM); temperatura de gases de

Petição 870190037885, de 22/04/2019, pág. 8/14

2/5 escape do motor (EGT); passo da hélice; posição do bocal, velocidade do vento, velocidade vertical;

aceleração longitudinal; aceleração lateral e aceleração vertical.
8. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de parâmetros de vôo inclui um conjunto obrigatório de parâmetros de vôo e um conjunto opcional de parâmetros de vôo, o conjunto obrigatório de parâmetros de vôo e o conjunto opcional de parâmetros de vôo sendo determinados pelo tipo de aeronave.
9. Aparelho, de acordo com a reivindicação 1, caracterizado pelo fato de que o processador modifica pelo menos uma dimensão de tal tipo de envelope de proteção adequada respectivo para a referida aeronave com base em um subconjunto da referida pluralidade de parâmetros de vôo controlados.
10. Aparelho, de acordo com a reivindicação 9, caracterizado pelo fato de que o dito subconjunto da pluralidade de parâmetros de vôo é selecionado a partir da lista composta por: velocidade vertical; peso; altitude, regime estimado de vôo, tipo de aeronave; e marca da aeronaves.
11. Método para observação adiante de evitação de terreno (FLTA) em uma aeronave, o método caracterizado pelo fato de que compreende os procedimentos de: monitoramento de uma pluralidade de parâmetros de vôo da aeronave, execução de uma fase de planejamento de um sistema FLTA na referida aeronave; determinação de um regime de vôo estimado para a referida aeronave com base na citada pluralidade de parâmetros de vôo monitorados usando um algoritmo baseado em rede neural calibrado; e seleção de um tipo de envelope de proteção adequado para a referida aeronave com base no citado regime de vôo estimado sem utilizar uma velocidade da dita aeronave, em que o dito procedimento de execução da fase de planejamento inclui os sub-procedimentos de: divisão do envelope de desempenho de aeronave em regimes de vôo predefinidos, para cada regime de vôo predefinido, definição e armazenamento de um tipo de envelope de proteção adequado; e calibração de um algoritmo baseado em rede neural para mapear os parâmetros de vôo monitorados para um tipo de envelope de proteção adequado para uma aeronave com base no citado regime de vôo estimado.
12. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que compreende, adicionalmente, os procedimentos de: comparar a posição do tipo de envelope de proteção adequado selecionado com dados de elevação do terreno na posição geográfica do tipo de envelope de proteção adequado

Petição 870190037885, de 22/04/2019, pág. 9/14

3/5 selecionado; e emitir um aviso se diz que o procedimento de comparação determina que o tipo de envelope de proteção adequado selecionado corta um limite predeterminado.
13. Método, de acordo com a reivindicação 12, caracterizado pelo fato de que o referido limite predeterminado é selecionado a partir da lista composta de: terreno, um obstáculo, uma margem de segurança predeterminada acima do referido terreno, e urna margem de segurança predeterminada acima referido obstáculo.
14. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que compreende, adicionalmente, o processo de modificação de pelo menos uma dimensão do tipo de envelope de proteção adequado selecionada baseado em um subconjunto da pluralidade de parâmetros de vôo monitorados.
15. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que compreende, adicionalmente, o processo de modificação pelo menos uma dimensão do dito tipo de envelope de proteção adequado selecionado com base em pelo menos um dos seguintes: regime de vôo estimado; tipo de aeronave; e marca da aeronave.
16. Método para uma fase de planejamento, de uma observação adiante de evitação de terreno (FLTA) em uma aeronave, o método caracterizado pelo fato de que compreende os procedimentos de, dividir o envelope de desempenho de aeronave em regimes de vôo predefinidos, para cada regime de vôo predefinidos, definir e armazenar um tipo de envelope de proteção adequado, monitorar uma pluralidade de parâmetros de vôo da aeronave, e calibrar algoritmo baseado em uma rede neural para determinar um regime de vôo estimado da referida aeronave com base no pluralidade de parâmetros de vôo monitorados sem utilizar uma velocidade da dita aeronave.
17. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que compreende, adicionalmente, o procedimento de coleta de dados para um tipo particular de aeronave, os dados representando a pluralidade de parâmetros de vôo.
18. Método, de acordo com a reivindicação 17, caracterizado pelo fato de que os dados coletados são recolhidos a partir de 6 graus de simulação de liberdade (DOF) do tipo particular de aeronave.
19. Método, de acordo com a reivindicação 17, caracterizado pelo fato de que os dados coletados são recolhidos a partir de um vôo real do dito tipo particular de aeronave.

Petição 870190037885, de 22/04/2019, pág. 10/14

4/5
20. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que o dito algoritmo baseado em rede neural é selecionado a partir da lista composta por: o algoritmo de retropropagação e do algoritmo de retropropagação resiliente.
21. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que compreende, adicionalmente, os procedimentos de: gerar uma pluralidade de casos de teste de parâmetro de vôo, e testar o desempenho do algoritmo baseado em redes neural calibrado.
22. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que o dito algoritmo baseado em rede neural inclui uma arquitetura neural de quatro camadas, em que a referida camada compreende uma camada de entrada, uma primeira camada oculta, uma segunda camada oculta e uma camada de saída.
23. Método, de acordo com a reivindicação 22, caracterizado pelo fato de que a camada de entrada é composta por 100 neurônios, em que a dita primeira camada oculta compreende 50 neurônios, na qual a segunda camada oculta compreende 25 neurônios e em que a camada de saída compreende 1 neurônio.
24. Método, de acordo com a reivindicação 22, caracterizado pelo fato de que a dita arquitetura neural de quatro camadas é uma configuração de conectividade total.
25. Método, de acordo com a reivindicação 22, caracterizado pelo fato de que a referida camada de entrada utiliza uma função de transferência sigmóide de logaritmo, a primeira camada oculta usa uma função de transferência sigmóide de tangente, a segunda camada oculta usa uma função de transferência sigmóide de logaritmo e a camada de saída usa uma função de transferência linear.
26. Método, de acordo com a reivindicação 16, caracterizado pelo fato de que o procedimento de calibração do algoritmo baseado em rede neural compreende os sub-processos de: produção de uma pluralidade de casos de validação de parâmetros de voo, e definição de uma regra de parada.
27. Método para evitação de terreno de observação adiante (FLTA) em uma aeronave, o método caracterizado pelo fato de que compreende os procedimentos de, dividir o envelope de desempenho de aeronave em regimes de vôo predefinidos, para cada regime de vôo predefinidos, definir e armazenar um tipo de envelope de proteção adequado, monitorar uma pluralidade de parâmetros de vôo da aeronave compreendendo um primeiro conjunto de parâmetros de vôo e um segundo parâmetros de vôo, usar um algoritmo baseado em redes neurais,

Petição 870190037885, de 22/04/2019, pág. 11/14

5/5 determinar um regime de vôo estimado da referida aeronave com base no citado primeiro conjunto de parâmetros de vôo, selecionar um tipo de envelope de proteção adequado respectivo para a aeronave com base no referido regime de vôo estimado sem utilizar uma velocidade da dita aeronave; e modificar pelo 5 menos uma dimensão do dito tipo de envelope de proteção adequado para a referida aeronave com base no segundo conjunto de parâmetros de vôo.
28. Método, de acordo com a reivindicação 27, caracterizado pelo fato de que o dito segundo conjunto de parâmetros de vôo é selecionado a partir da lista composta por: velocidade vertical; peso; altitude; regime de vôo estimado; tipo de 10 aeronave; e marca da aeronave.