研究显示进化神经网络在单发飞机滑翔距离上超越人类参与者及 PID 控制器

一项比较单发失效后延长滑翔距离控制方法的研究发现，自动控制器的表现优于未经训练的人类飞行员。该研究使用了基于 Python 的二维飞行模拟器，以 Cessna 152 为建模对象，采用龙格-库塔积分法和随高度变化的空气密度，验证结果与该机型手册滑翔性能（每 1,000 英尺 1.6 海里）的误差在 0.4% 以内。

研究测试了三种方法：七名未经训练的人类参与者使用滑块界面操作、一个保持恒定飞行路径角的 PID 控制器，以及一个由遗传算法设定权重、可自行决定升降舵输入的进化神经网络（ENN）。在人类试验所采用的起始条件下，PID 控制器的滑翔距离比人类平均结果远 17.03%，而神经网络控制器的滑翔距离则远 17.77%。

随后，两种自动控制器在 400 种起始高度与空速组合下接受测试，其中 390 种此前从未在训练中出现过。在这些未见过的工况中，神经网络控制器的平均表现比 PID 控制器高出 35.73%。该研究指出了若干局限，包括模拟器仅限于二维范围、未考虑风或湍流、仅覆盖一种机型，以及试验依赖于七名使用简化界面的未经训练参与者。研究还指出，手动保持固定的最佳滑翔速度颇为困难，且在不同工况下最佳滑翔速度可能并非单一固定值。

澳大利亚运输安全局（ATSB）报告称，活塞发动机的故障率约为每万飞行小时 1 至 6 次，发动机问题仍是美国通用航空事故的常见原因之一。