شناسایی مدل دینامیکی هواپیما با استفاده از شبکه های عصبی مصنوعی

نویسندگان

محمد رضا مرتضوی

مهدی مرتضوی

چکیده

در این مقاله ، روشی جهت شناسایی مدل دینامیکی هواپیما در حالت 6 درجه آزادی ، با استفاده از شبکه ی عصبی ارائه می شود . برای مدلسازی با شبکه های عصبی ، آگاهی قبلی نسبت به ویژگی های سیستم چندان مورد نیاز نیست و می توان با بکارگیری مجموعه ای از ورودی ها و خروجی های ثبت شده ی سیستم ، عملیات شناسایی را انجام داد . لذا این شیوه برای هواپیما که تعیین مقادیر دقیق جرم ، ممانهای اینرسی ، مشتقات پایداری و کنترل و... دشوار است ، مناسب می باشد . برای آموزش شبکه ها ، از داده های به دست آمده از پرواز هواپیما استفاده می گردد و پس از آن ، این شبکه ها جایگزین معادلات دینامیکی حاکم بر حرکت هواپیما می شوند . این مدل، فرضیات ساده کننده ی موجود در روابط تحلیلی و عدم قطعیت ها را حذف کرده و تست های گوناگون انجام گرفته ، صحت عملکرد و تعمیم دهی مناسب آن را نشان می دهد .

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شناسایی مدل دینامیکی هواپیما با استفاده از شبکه‌های عصبی مصنوعی

در این مقاله‌، روشی جهت شناسایی مدل دینامیکی هواپیما در حالت 6 درجه آزادی‌، با استفاده از شبکه‌ی عصبی ارائه می‌شود‌. برای مدلسازی با شبکه‌های عصبی‌، آگاهی قبلی نسبت به ویژگی‌های سیستم چندان مورد نیاز نیست و می‌توان با بکارگیری مجموعه‌ای از ورودی‌ها و خروجی‌های ثبت شده‌ی سیستم‌، عملیات شناسایی را انجام داد‌. لذا این شیوه برای هواپیما که تعیین مقادیر دقیق جرم‌، ممانهای اینرسی‌، مشتقات پایداری و ک...

متن کامل

شناسایی خسارت در سازه با استفاده از پردازش سیگنال و شبکه های عصبی مصنوعی

در طول دو دهه اخیر بحث شناسایی خرابی و پایش سلامت سازه ها با هدف کاهش هزینه نگهداری و بهبود ایمنی و قابلیت اطمینان سازه مورد توجه قرار گرفته است. پس از وقوع زلزله با توجه به وضعیت بحرانی موجود و تعداد زیاد سازه های بلند مرتبه امکان مراجعه حضوری به تک تک سازه ها وجود ندارد. این موضوع اهمیت توسعه روش هایی که بتوانند تنها با استفاده از سیگنال های پاسخ ثبت شده در مدت زمان زلزله، خسارت ایجاد شده در ...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

استفاده از مدل جایگزین شبکه عصبی مصنوعی به‌منظور کاهش محاسبات شناسایی نشت در شبکه‌های آبرسانی

دست‌یابی به پارامترهای نشت در روش تحلیل معکوس جریان گذرا (ITA) به صورت معکوس و با حل یک مسئله برنامه‌ریزی غیرخطی توسط الگوریتم‌های فراکاوشی همچون الگوریتم ژنتیک (GA) انجام می‌شود. با وجود توانایی بالای روش ITA در یافتن پارامترهای نشت، استفاده از الگوریتم GA در این روش سبب می‌شود تا از نظر کارایی محاسباتی، نیازمند صرف هزینه و زمان محاسباتی زیادی باشد. دلیل این امر را می‌توان ماهیت حرکات تصادفی و...

متن کامل

برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی

زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
دانش و فناوری هوافضا

ناشر: دانشگاه صنعتی مالک اشتر

ISSN 2322-1070

دوره 1

شماره 2 2013

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023