¿Cuáles son las limitaciones del modelado aerodinámico utilizado en los simuladores de vuelo?

El tamaño importa aquí. Los aviones grandes tienen más inercia y tardan mucho más en responder, pero pueden igualar mejor las turbulencias a pequeña escala. Su idea de dron para entrenamiento no será representativa del avión grande en absoluto.

La turbulencia se puede modelar con bastante fidelidad: solo necesita volar una vez a través del aire agitado, recopilar todos los datos y reproducirlos en el simulador. Los cambios debidos a las diferentes respuestas del piloto se pueden agregar encima sin mucha pérdida de precisión en comparación con un vuelo real.

Donde los modelos para el entrenamiento de la tripulación de un avión se rompen es cuando se deja el rango lineal de la aerodinámica. Lo más probable es que su comportamiento posterior a la pérdida y al giro no sea adecuado para el entrenamiento, pero no es para eso para lo que están diseñados. Los simuladores de aeronaves militares pueden incluso modelar bien el régimen posterior a la pérdida, pero necesitan una gran cantidad de datos aerodinámicos, y la mayoría de esos datos provienen de modelos de túnel de viento y no de pruebas de vuelo reales.

Lo que hace la simulación es conectar los valores reales de ángulo de ataque, ángulo de deslizamiento lateral, velocidad aerodinámica, ángulo de nivel de potencia y desviaciones de control en matrices de coeficientes y calcular el resultado de la suma lineal. Eso funciona bien siempre que las fuerzas varíen linealmente de los ángulos de flujo, y los factores de corrección le darán un buen acuerdo con la realidad hasta bien entrada la parada. Los coeficientes son una mezcla de CFD , datos de túnel de viento y datos de pruebas de vuelo. Las cargas de ráfagas se pueden modelar con matrices de Markov que producen una distribución realista de las intensidades de las ráfagas, por lo que incluso los factores estocásticos externos se pueden modelar fielmente.

Tengo menos conocimiento de los simuladores de helicópteros, y asumiría que volar cerca de edificios altos solo se puede modelar en términos generales, pero no lo suficientemente bien como para entrenar a un piloto para una ubicación y condiciones climáticas específicas.

Hay dos aspectos del error de simulación: el error del modelo aerodinámico y, menos conocido, el error numérico del algoritmo de integración.

Los modelos aerodinámicos tienden a fallar en el régimen de vuelo transónico y posterior a la pérdida por dos razones: falta de datos debido a la seguridad o el costo, y poca previsibilidad creada por la respuesta no lineal en la formación de ondas de choque/flujo turbulento. Es decir, el riesgo de la recompensa prohibiría la realización de un programa completo de prueba posterior a la pérdida (spin) en un avión de pasajeros de fuselaje ancho. No existe una razón justificable para hacerlo en relación con la función de la aeronave o los requisitos de certificación. Compare esto con un avión de combate que podría requerir esto.

Las sacudidas, el efecto de suelo, la turbulencia externa y la estela turbulenta se pueden simular con una precisión razonable de acuerdo con los requisitos y la complejidad del simulador, que está dictado por el rol de la aeronave. Tenga en cuenta que el buffet puede ocurrir antes del estancamiento. A pesar de las dificultades para predecir las cualidades de manejo posteriores a la pérdida utilizando herramientas como el análisis CFD, es posible recopilar datos razonables en relación con las características de manejo con pruebas de vuelo detalladas y exhaustivas.

Los simuladores suelen verse obstaculizados por la complejidad del modelo y la potencia informática en tiempo real. Por esa razón, los algoritmos de integración se eligen para adaptarse mejor a la aplicación de simulación. Los simuladores de aviones de pasajeros tienden a utilizar algoritmos predictivos avanzados, como los predictores de Adams-Bashforth-Moulton, ya que la envolvente de vuelo se limita a regiones donde existe una fuerte linealidad. Por el contrario, este algoritmo induciría errores significativos incluso si existieran datos aerodinámicos razonables en el vuelo de giro posterior a la pérdida. Existen otros algoritmos y son más adecuados para esta aplicación. La fuerza bruta también puede ser una opción.

El uso de un dron podría ser beneficioso, sin embargo, sería difícil imitar con precisión los momentos de las características de inercia y el manejo posterior a la pérdida debido a los efectos de Reynolds. Está bien para la simulación genérica, pero no está bien cuando se replican aeronaves a mayor escala.

Los simuladores de movimiento completo no tienen problemas para reproducir efectos de vuelo turbulento: no necesitan calcular la turbulencia en tiempo real como en CFD, solo reproducen una de varias variantes de ráfagas de viento pregrabadas y la reacción del modelo de vuelo del simulador en este pre -la grabación es solo una cuestión de modelado de física mecánica.

Es decir, siempre que variables como el ángulo de ataque se mantengan dentro de los límites normales de vuelo y no entren en territorio de pérdida completamente establecido. Eso debe modelarse de una manera diferente, de hecho, como dice Peter a partir de los datos del túnel de viento, combinados (desafortunadamente) con los datos de los registradores de vuelo de los aviones estrellados. Esto enlaza con un sitio que describe la adición de simulación de pérdida completa, certificado por la FAA. (Durante mucho tiempo he dudado en vincularlo debido a que es un producto comercial y he hecho negocios con el fabricante).

Xplane crea cierta confusión al utilizar CFD laminar en tiempo real. El CFD turbulento en tiempo real tiene todo tipo de desafíos, entre otros, la estabilidad del bucle en tiempo real como menciona @busdrivingtupperware. Los simuladores de entrenamiento de vuelo no utilizan CFD en tiempo real para calcular la dinámica de vuelo, porque las computadoras aún no son lo suficientemente poderosas. Solo es cuestión de tiempo: el código que solía ejecutarse a 30 Hz en una supercomputadora hace 25 años, ahora se ejecuta a 3000 Hz en una computadora portátil. Y la estabilidad del modelo no suele ser un problema a altas tasas de iteración.