کنترل تطبیقی مبتنی بر شبکه عصبی برای هواپیما در زاویه حمله بالا
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی هوافضا
- author حسین ساداتی
- adviser مهدی سبزه پرور
- Number of pages: First 15 pages
- publication year 1387
abstract
زمانیکه هواپیمای جنگنده پیشرفته در زوایای حمله بالا پرواز می کند، کوپلینگ اینرسی، تاثیرات آیرودینامیک ناپایا، لرزش بال(wing rock) و اشباع سطوح کنترل آیرودینامیکی منجر به اشکال در کنترل و مانورپذیری می شوند. هواپیماهای مدرن مستلزم مانورپذیری بالا هستند. دینامیک غیرخطی پیچیده بیان شده به سادگی توسط مدلهای خطی نمی تواند تخمین زده شود. همچنین از آنجایی که کنترلرهای خطی برای رسیدن به عملکرد و پایداری مطلوب، برای دینامیک خطی شده در نقاط عملکردی طراحی می شوند، استفاده از تیوری کنترل غیرخطی انگیزه ای جهت پاسخ به ملزومات پایداری و عملکرد با وجود دینامیک غیرخطی پیچیده می باشد. در طراحی کنترلر با استفاده از پسخوراندخطی ساز، مدل دقیق غیرخطی لازم می باشد، لذا مقاوم بودن را با وجود نامعینی تضمین نمی کند. سیستم های با نامعینی را می توان با کنترل مقاوم بررسی کرد. از ملزومات طراحی با کنترل مقاوم، معلوم بودن کران بالا روی خطای مدل سازی، مشخص بودن برخی خصوصیات نامعینی مدل و مدل نامی می باشد. روش دیگر برای بررسی این گونه مسایل استفاده از کنترل تطبیقی است. کنترل تطبیقی دارای این مزیت است که محدویت روی نامعینی لازم نیست شناخته شده باشد، همچنین نامعینی بطور همزمان حذف و سازگار می شود. کنترل تطبیقی برای دستگاههای که پارامترهای نامشخص بطور خطی در آن ظاهر می شوند، دارای عملکرد موفقی بوده است. روشهای طراحی کنترل تطبیقی استاندارد با فرض پارامتریزه کردن خطی نامعینی، دارای محدودیت می باشند. شبکه عصبی قدرت غلبه بر مشکلات مربوط به بکار بردن کنترل تطبیقی برای سیستم های نامعین غیرخطی را داراست. کاربرد شبکه عصبی در ساختار کنترل پرواز بر اساس پسخوراند خطی ساز و گام به عقب دینامیک هواپیما بعنوان ابزار مناسب برای این مسیله مد نظر می باشد. لذا از نقطه نظر تیوری ساختار تعقیب کنترل مستقیم با استفاده از شبکه عصبی بیان می شود. شبکه عصبی برای تبدیل معکوس غیرخطی که برای پسخوراند خطی ساز و گام به عقب لازم است استفاده می گردد. علاوه بر آن شبکه عصبی قادر به یادگیری همزمان جهت خطای معکوس که ممکن است از مدلسازی ناقص، تخمین معکوس یا تغییرات ناگهانی در دینامیک و ضرایب آیرودینامیکی هواپیما ناشی شود، می باشد. برای حصول اطمینان از سازگاری الگوریتم از فرضیات متعارف در مورد غیرخطی سازی که حاکی از خطای معکوس می باشد، استفاده می شود. از طریق تیوری پایداری لیاپانوف نشان داده می شود که خطاهای تعقیب و وزن های شبکه های عصبی بطور نمایی به یک مجموعه متراکم همگرا می شوند. هدف اصلی طراحی کنترلر نشان دادن تطبیق نامعینی آیرودینامیکی در شکل متغیرات پارامتریک و دینامیک مدل نشده می باشد که در طراحی کنترل معکوس نامی دیده نمی شود. در راستای مطالب گفته شده برای تایید سیستم کنترل پیشنهادی، شبیه سازیهایی با استفاده از دینامیک هواپیما اجرا و نتایج با پسخوراندخطی ساز مقایسه می گردد.
similar resources
کنترل زاویه فراز ماهوارهبر انعطافپذیر به کمک کنترلکننده مدل پیشبین مبتنی بر شبکه عصبی
در این مقاله به منظور کنترل زاویه فراز یک ماهوارهبر انعطافپذیر، روش کنترل مدل پیشبین که مبتنی بر شبکه عصبی است، ارائه میَشود. بدین منظور ابتدا معادلات حرکت ماهوارهبر با در نظر گرفتن اثرات انعطافپذیری در صفحه فراز بدست میآید. اثرات آیروالاستیسیته با اضافه کردن ترم های الاستیک سازه به معادلات حالت کنترل، در نظر گرفته میشود و مدلسازی سیستم ماهوارهبر تکمیل می گردد. برای سامانه کنترل ماهوارهبر ک...
full textکنترل زاویه فراز ماهواره بر انعطاف پذیر به کمک کنترل کننده مدل پیش بین مبتنی بر شبکه عصبی
در این مقاله به منظور کنترل زاویه فراز یک ماهواره بر انعطاف پذیر، روش کنترل مدل پیش بین که مبتنی بر شبکه عصبی است، ارائه میَشود. بدین منظور ابتدا معادلات حرکت ماهوارهبر با در نظر گرفتن اثرات انعطاف پذیری در صفحه فراز بدست میآید. اثرات آیروالاستیسیته با اضافه کردن ترم های الاستیک سازه به معادلات حالت کنترل، در نظر گرفته میشود و مدلسازی سیستم ماهوارهبر تکمیل می گردد. برای سامانه کنترل ماهوارهبر ک...
full textتعیین گونه سفر مبتنی بر پویشگر شبکه وای-فای با استفاده از شبکه فازی-عصبی تطبیقی
آگاهی از گونه سفر و الگوی حرکت شهروندان همواره مورد توجه مدیران شهری در حوزه مدیریت حمل و نقل و ترافیکبوده است. بهنگام نبودن و هزینه اجرایی روش های سنتی جمع آوری اطلاعات مانند استفاده از پرسشنامه و ظهور فنآوری های جدید موجب شده است تا از ابزارهای ارتباطی همچون تلفن همراه جهت جمعآوری و تحلیل دادههای ترافیکی استفاده شود. در این میان قابلیت های شبکه های وای-فای ت...
full textمدلی برای پیش بینی آسیب پذیری تحصیلی در مقطع کارشناسی مبتنی بر شبکه عصبی
هدف پژوهش حاضر، توسعه مدلی برای پیشبینی شرایط اخراج آموزشی دانشجویان مقطع کارشناسی رشتههای مهندسی بوده که به روش دادهکاوی و با استفاده از الگوریتم شبکه عصبی به اجرا درآمده است. جامعه آماری، دربرگیرنده کلیه پذیرفتهشدگان سالهای 1387 لغایت 1390 در سه مورد از دانشگاههای فنی و مهندسی کشور بوده است. دادههای پژوهش با بهرهبرداری مستقیم از سیستمهای آموزش هر سه دانشگاه در مدلسازی وارد شدند. نت...
full textکنترل پرواز مبتنی بر واروندینامیک تطبیقی
در این مقاله کنترل پرواز براساس واروندینامیک تطبیقی با جداسازی مقیاس زمانی برای هواپیما ارائه شده است. بهدلیل رفتار غیرخطی دینامیک وسیلة پرنده، مسئلة کنترل پرواز در طراحی اجسام پرنده موضوعی نسبتاً پیچیده و مهم محسوب میشود. علاوه بر روشهای سنتی، روشهای واروندینامیک، فازی، تطبیقی و روشهای مبتنی بر شبکة عصبی نیز در این زمینه بهکار رفتهاند. بعد از بررسی آنها، روش ترکیبی واروندینامیک تطبیقی...
full textشبکه عصبی فازی خودکار مبتنی بر جمعیت برای یادگیری آنلاین مبتنی بر دانش
در این مقاله، یک سیستم پیوندگرای فازی جدید برای یادگیری آنلاین تدریجی و کشف دانش، به نام شبکه عصبی فازی خودکار مبتنی بر جمعیت (pafunn) با جزئیات نشان داده است. pafunn از طریق یادگیری تدریجی تکامل پیدا می کند. اتصالات و نرون های جدید، بر اساس جمعیت نمونه ها ایجاد می شوند، در حالی که در سیستمی عمل می کنند که مزیت کنترل تعدادی از نرون های درگیر در آن را داشته و منجر به پیچیدگی کمتر شبکه می شوند. ا...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران) - دانشکده مهندسی هوافضا
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023