ПНСТ 787-2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм оценки состояния бедствия воздушного судна. Методы испытаний

        ПНСТ 787-2022

ПРЕДВАРИТЕЛЬНЫЙ НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДЛЯ НАВИГАЦИОННЫХ СИСТЕМ ВОЗДУШНЫХ СУДОВ ГРАЖДАНСКОЙ АВИАЦИИ

Алгоритм оценки состояния бедствия воздушного судна. Методы испытаний

Artificial intelligence for navigation systems of civil aviation aircraft. Algorithm for assessing the state of distress of an aircraft. Test methods.

ОКС 35.020

Срок действия с 2024-01-01

до 2026-01-01

Предисловие

1 РАЗРАБОТАН Обществом с ограниченной ответственностью "ННК Консалтинг"

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 164 "Искусственный интеллект"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 8 ноября 2022 г. N 101-пнст

Правила применения настоящего стандарта и проведения его мониторинга установлены ГОСТ Р 1.16-2011 (разделы 5 и 6).

Федеральное агентство по техническому регулированию и метрологии собирает сведения о практическом применении настоящего стандарта. Данные сведения, а также замечания и предложения по содержанию стандарта можно направить не позднее чем за 4 мес до истечения срока его действия разработчику настоящего стандарта по адресу: [email protected] и/или в Федеральное агентство по техническому регулированию и метрологии по адресу: 123112 Москва, Пресненская набережная, д.10, стр.2.

В случае отмены настоящего стандарта соответствующая информация будет опубликована в ежемесячном информационном указателе "Национальные стандарты" и также будет размещена на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)

Введение

В полете может произойти ряд происшествий со смертельным исходом, в которых:

- аварийные радиомаяки не действовали, были уничтожены во время удара или сразу после него вследствие пожара либо были погружены в воду, что сильно снижало эффективность спасательных операций;

- для обнаружения обломков и, соответственно, для восстановления бортовых самописцев (регистраторов полетных данных) потребовалось значительное количество времени либо их нельзя было восстановить, что значительно уменьшало вероятность выяснения фактической причины таких происшествий.

Учитывая непредсказуемый характер авиационных происшествий и сложности в части надежного обеспечения сигнала бедствия при ударе воздушного судна о землю, концепция обнаружения в полете ситуации неизбежного происшествия и передачи сигнала бедствия и/или полетных данных до падения ВС рассматривается как возможность в значительной степени повысить точность определения места происшествия и эффективность спасательной операции.

Срабатывание передачи полетной информации на основе анализа бортовым оборудованием полетных параметров в реальном времени представляет собой отлаженный механизм. Такие системы уже разработаны и внедряются авиакомпаниями с целью мониторинга и контроля местоположения воздушных судов.

Развитие методов искусственного интеллекта и рост вычислительных мощностей делают возможным решение задач оценки состояния комплексных систем или подтверждения достоверности решения посредством нейронных сетей с точностью, превышающей классические аналитические и статистические методы. Это способствует применению методов искусственного интеллекта при условии проведения качественных испытаний в сферах, связанных с высоким риском для жизни и здоровья людей, в частности - навигации и гражданской авиации.

В настоящем стандарте изложены методы контроля и испытаний алгоритма оценки состояния бедствия воздушного судна.

1 Область применения

Настоящий стандарт распространяется на алгоритм оценки состояния бедствия воздушного судна, применяемый в вычислительных системах воздушных судов гражданской авиации, и устанавливает типовые методы испытаний алгоритма оценки состояния бедствия воздушного судна, реализованного с использованием искусственного интеллекта.

2 Нормативные ссылки

В настоящем стандарте использована нормативная ссылка на следующий стандарт:

ПНСТ 789-2022 Искусственный интеллект для навигационных систем воздушных судов гражданской авиации. Алгоритм оценки состояния бедствия воздушного судна. Общие требования

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю "Национальные стандарты", который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя "Национальные стандарты" за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный стандарт, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него, рекомендуется применять в части, не затрагивающей эту ссылку.

3 Сокращения

В настоящем стандарте применены следующие сокращения:

ВС - воздушное судно;

CAS - расчетная воздушная скорость;

ELT - аварийный приводной передатчик;

ICAO - международная организация гражданской авиации (ИКАО);

CVR - бортовой речевой регистратор;

EGPWS - усовершенствованная система предупреждения о приближении земли;

TAWS - система предупреждения о близости земли;

TCAS - система предупреждения столкновения самолетов;

s - секунды (с).

4 Общие положения

Данный стандарт определяет методы испытаний для подтверждения общим требованиям, изложенным в ПНСТ 789-2022.

5 Методы контроля и испытаний

5.1 Введение

Сценарии, описанные в ПНСТ 789-2022, представлены условиями, которые, если их не устранить, могут привести к происшествию. По этой причине может быть невозможно проверить полную функциональность алгоритма оценки состояния бедствия ВС, воспроизводя сценарии в условиях летных испытаний. Следовательно, необходимо будет проверить правильность работы логики срабатывания с помощью других средств.

Минимальная стратегия испытаний алгоритма оценки состояния бедствия ВС должна включать следующее:

- проверка активации на основе условий и траекторий по данным известных происшествий;

- проверка отсутствия активации на основе условий и траекторий по данным известных полетов, которые не привели к происшествиям;

- проверка автоматической отмены;

- корректная реализация гарантий разработки (в настоящем документе не рассматривается);

- анализ частоты отказов (в настоящем документе не рассматривается).

По своей природе алгоритм оценки состояния бедствия ВС взаимодействует со многими системами на ВС. Поэтому следует проявлять осторожность при модификации этих систем, чтобы гарантировать, что логика срабатывания при этом не пострадает.

5.2 Проверка характеристик алгоритма оценки состояния бедствия воздушного судна

Проверка гарантирует, что все параметры логики и критериев срабатывания соответствуют требованиям и являются надежными и устойчивыми.

При оценке надежности логики срабатывания и отмены должны учитываться следующие параметры:

- частота обнаружения событий;

- частота отвлекающих срабатываний;

- случаи отмены;

- ошибочные случаи отмены в условиях бедствия.

5.2.1 Проверка частоты обнаружения событий

Рекомендуется проводить проверку частоты обнаружения алгоритмом оценки состояния бедствия ВС событий с использованием запуска логики в соответствующей базе полетных данных по реальным происшествиям и инцидентам, приведенным в приложении А.

5.2.2 Проверка частоты отвлекающих срабатываний

Проверка частоты отвлекающих срабатываний заключается в том, чтобы запустить алгоритм оценки состояния бедствия ВС в базе данных эксплуатационно-репрезентативных полетных данных и оценить частоту возникающих отвлекающих срабатываний. Рекомендуется, чтобы база данных содержала достаточное количество полетов для адекватной оценки частоты отвлекающих срабатываний в сравнении с целевым значением.

При создании базы данных рекомендуется использовать полеты с аналогичными типами ВС. Очевидно, что оперативные данные могут быть недоступны, и, если это оправдано, могут использоваться другие типы ВС.

Заявитель при взаимодействии с регулирующими органами может определить, что испытание полного набора критериев срабатывания с базой данных нецелесообразно. В этих случаях регулирующие органы могут принять аналитический подход к проверке частоты отвлекающих срабатываний на основе моделируемых (имитируемых) данных или комбинирования результатов испытаний подмножеств этой логики.

5.2.3 Проверка случаев отмены и ошибочных случаев отмены

Проверку отмены следует выполнять методом анализа, чтобы продемонстрировать, что она в достаточной степени обнаруживает возвращение к штатному полету после события и не отменяет ошибочно какой-либо критерий срабатывания до того, как в течение некоторого времени будет выдержан стабильный режим полета.

5.2.4 Требования к базам данных

При использовании или разработке баз данных для испытаний алгоритма оценки состояния бедствия ВС, использующего искусственный интеллект, рекомендуется использовать набор данных, приведенный в таблице 1.

Характеристики формата базы данных следующие:

- формат файла - может применяться любой формат;

- частота дискретизации - 1 Гц (одна точка данных в 1 с);

- минимальная длина файла - 30 мин;

- максимальная длина файла - 1 ч.

Таблица 1 - Рекомендуемый набор данных для разработки баз данных

Приложение А

(обязательное)

Наборы данных отказных состояний воздушных судов для испытаний алгоритмов оценки состояния бедствия воздушного судна, использующего искусственный интеллект

А.1 Наборы отказных состояний воздушных судов для испытаний алгоритмов оценки состояния бедствия воздушного судна, использующего искусственный интеллект, в зависимости от события согласно таблице А.1 приведены на съемном носителе, прилагаемом к настоящему стандарту.

Таблица А.1 - Наборы отказных состояний воздушных судов для испытаний алгоритмов оценки состояния бедствия воздушного судна, использующего искусственный интеллект