Nästa generations beräkningsplattform för sensorsignalbehandling och avionikfunktion
Diarienummer | |
Koordinator | Saab AB - SAAB Aktiebolag Aeronautics |
Bidrag från Vinnova | 4 200 000 kronor |
Projektets löptid | november 2017 - september 2022 |
Status | Avslutat |
Utlysning | Nationella flygtekniska forsknings programmet 7 |
Ansökningsomgång | NFFP7: Forskningsprojekt inom flygteknik |
Viktiga resultat som projektet gav
Det finns behov av en ny typ av hårdvaruplattformsarkitektur för att möta framtida krav på mer beräkningsprestanda, möjlighet att samlokalisera olika typer av beräkningar, samt skapa skalbara och framtidssäkra avioniksystem som stöder teknologiskiften. Projektet har tagit ett första steg mot möjliga lösningar för framtida distribuerade hierarkiska nätverksbaserade beräkningsplattformar för att möta trender inom systemdesign som går mot omkonfigurerbara plattformar för alla typer av beräkningar, där plattformarna ska kunna skalas för ökad funktionalitet och prestanda.
Långsiktiga effekter som förväntas
Projektet har skapat metodik för tidig bedömning och utvärdering av egenskaper för ett hierarkiskt nätverk med beräkningsnoder baserat på System-on-Chip teknologi. Projektet har utvecklat en beräkningsnod samt ADC och DAC chips som utgör delar i en distribuerad beräkningsplattform och demonstrerat metodens tillämpbarhet i ett framtida användningsfall med en säkerherskritisk flygdata funktion och en högprestanda aktiv elektroniskt skannad array (AESA) radar. Resultaten är lovande, men det behövs mer forskning för att nå en högre mognadsgrad för att användas i industrin.
Upplägg och genomförande
Projektet har haft sin hemvist inom klustret Avionikplattformteknologi som adresserar framtida system och deras behov av beräkningskraft, robusthet, säkerhet och utvecklingskostnad. Två parallella projekt inom klustret har stöttat detta projekt. Projekten har demonstrerat nya designmetoder för framtida flygplansutveckling inom två områden: avionikfunktioner, krävande sensorfunktioner av typen AESA radar, och tagit ett steg mot införande maskininlärning i framtida autonomifunktioner med omfattande databearbetningsbehov genom att definiera ett användningsfall.