Автореферат (785776), страница 6
Текст из файла (страница 6)
В первом из примеров рассматриваетсяпродольное угловое движение маневренного самолета. Формируемая в этом примере полуэмпирическая НС-модель включает два элемента-модуля типа «черный ящик», описывающих зависимости коэффициентов подъемной силы и момента тангажа от переменных состояния (угла атаки , угловой скорости тангажа !z и угла отклонения управляемого стабилизатора 'ст ),подлежащие восстановлению на основе имеющихся экспериментальных данных для наблюдаемых переменных динамической системы. Структура полуэмпирической НС-модели, полученной для данного примера с использованием разностной схемы Эйлера, показана рис.
3.Точность получаемых моделей оценивалась в серии вычислительных экспериментов, сравнивалась также эффективность различных тестовых воздействий на ЛА, были получены оцен-ωz (k + 1)α(k + 1)1∆tgVφ(k + 1)ψ(k + 1)11∆t1∆t∆t1qS− mVqSbAJzz1T2−1q −11−2T ζα(k)ωz (k)φ(k)ψ(k)φact (k)РИС. 3. Полуэмпирическая НС-модель продольного углового движения самолета (на основесхемы дискретизации Эйлера)21ки значений погрешности моделирования.
Типичные значения СКО в этих экспериментах:для полуэмпирической НС-модели СКО= 0:0491, СКО!z = 0:1169; для NARX-модели= 1:3293, СКО!z = 2:7445. При этом типичные значения текущей погрешности моделирования лежат в диапазонах 0:005Æ 6 E 6 0:010Æ для полуэмпирической НС-модели и2:5Æ 6 E 6 2:7Æ для NARX-модели.СКОЗадача моделирования продольного углового движения самолета относительно проставследствие ее невысокой размерности, а также в силу использования единственный органа управления. Вторая задача, рассмотренная в главе 6, существенно сложнее: формирование НС-модели полного углового движения (с тремя используемыми одновременно органамиуправления — цельноповоротным стабилизатором, рулем направления и элеронами), а также идентификации пяти из шести коэффициентов сил и моментов.
Вектор состояния в дан-x = (; ; #; !x; !y ; !z ; ; ; Æв; Æэ ; Æн; Æ_в ; Æ_э; Æ_н ), а векторуправления — 3 компоненты u = (Æвat ; Æэat ; Æнat ): Факторы неопределенности в данной задаче — коэффициенты аэродинамических сил и моментов Cx (; ; Æв ; !z ), Cy (; ; Æв; !z ),Cz (; ; Æн; Æэ; !x; !y ), mx (; ; Æв; Æн; Æэ ; !x; !y ), my (; ; Æв; Æн ; Æэ; !x ; !y ), mz (; ; Æв; !z ),ной задаче включает 14 компонентпредставляющие собой нелинейные функции. Формируемая полуэмпирическая НС-модельвключает пять элементов-модулей типа «черный ящик», описывающих коэффициенты подъемной и боковой силы (Cy иCz ), коэффициенты момента тангажа mz , рыскания my и кренаmx . Эти пять зависимостей требуется найти (восстановить) на основе имеющихся экспериментальных данных для наблюдаемых переменных , , !x , !y , !z , т.
е. решить задачу идентификации аэродинамических характеристик (АДХ) самолета.Реализованный в диссертации подход к идентификации АДХ самолета существенно отличается от традиционно принятого при решении задач данного класса. А именно, при традиционном подходе используется линеаризованное представление зависимостей для аэродинамических сил и моментов, действующих на ЛА. Решение задачи идентификации сводитсяпри этом к нахождению по экспериментальным данным зависимостей, описывающих коэффициенты данного разложения, определяющими в которых являются частные производныебезразмерных коэффициентов аэродинамических сил и моментов по различным параметрамдвижения ЛА (Cy ,Cz , mz , m!z z и т.
п.). В отличие от этого, полуэмпирический подход реализует восстановление соотношений для коэффициентов сил Cx , Cy , Cz и моментов mx , my ,mz как целостных нелинейных зависимостей, не прибегая к разложению их в ряд и линеаризации. Как и в предыдущем примере, целевое значение ошибки моделирования равно 0:01.22Gɜ ɝɪɚɞGɷ ɝɪɚɞ, tacGɧ ɝɪɚɞ, tac, tacɝɪɚɞ ɫ/, xZEɝɪɚɞ ɫ/, yZEɝɪɚɞ ɫ/Z, zɝɪɚɞEɝɪɚɞDE ,EE ,56780101 2025101520253035405101520253035405101520253035405101520253035405101520253035405101520253035405101520253035405101520t, ɫ253035400 200.200.200.0500.0500.100.100.0500.0500.0200.020РИС. 4. Оценка обобщающей способности НС-модели после завершающегоэтапа обучения:E , E , E!x , E!y , E!z1000-шагового— погрешность воспроизведения соответствующихнаблюдаемых величин; прямыми линиями на трех верхних графиках показаны значенияуправляющих величин, соответствующие тестовому маневруPОбучение проводилось на выборке fhui ; yi igNi=1 , полученной с помощью исходной теоретиче-ской модели на интервале времени в 20 с.
Искомые зависимости реализуются как НС-модулитипа «черный ящик», встроенные в полуэмпирическую модель, по одному на каждый изкоэффициентовCy , Cz , mx , my , mz . Для данной модели был успешно применен алгоритмсегментированного обучения. Текущие значения погрешностей моделирования представленына рис. 4, типичные значения СКО по всем наблюдаемым переменным лежат в пределах от0.015 до 0.035. Для моделей типа NARX данная задача лежит вне пределов их возможностей.Успешно решенная задача идентификации должна, во-первых, обеспечить получение требуемой точности моделирования на всей области определения модели и, во-вторых, обеспечить восстановление с заданной точностью АДХ ЛА как соответствующих нелинейных функ230.02%0,E C y0 .0205101520253035405101520253035405101520253035405101520253035405101520t, ɫ253035400 .1%0,E C z0 .1035 x 10%%,0E m x5 1000.01%,E m y00 .0 100.02%,E m z0.0100 .0 10РИС.
5. Значения ошибки воспроизведения величинCy , Cz , mx , my , mzсогласно вос-становленным зависимостям для них в процессе тестирования полуэмпирической модели(отнесены к диапазонам изменения этих величин, полученным при тестировании)циональных зависимостей. Что касается первой из этих задач, из рис. 4 видно, во-первых, чтоошибки по всем наблюдаемым переменным незначительны и, во-вторых, что эти ошибки стечением времени практически не растут, что свидетельствует о хороших обобщающих свойствах полученной НС-модели — модель не «разваливается» при достаточно долгом прогоне.При этом тестирование модели осуществлялось в весьма жестком режиме: из рис. 4 видно,что реализуется очень активная работа органами управления ЛА.
Точность формируемой НСмодели определяется тем, как восстановлены функции, описывающие АДХ ЛА. На рис. 4показано интегральное влияние точности восстановления функций на точность НС-модели вцелом, которую следует признать вполне удовлетворительной. Чтобы ответить на вопрос, какпри этом решена задача идентификации АДХ ЛА, можно извлечь из полуэмпирической модели НС-модули, отвечающие функциям дляCy , Cz , mx , my , mz , а затем сравнить выдаваемыеими значения с имеющимися экспериментальными данными.
При этом типичные значения24СКО воспроизведения каждой из функций Cy , Cz , mx , my , mz соответствующим НС-модулем= 9:2759 10 4 , СКОCz = 5:4257 10 4 ,= 1:3873 10 5 , СКОmz = 1:4952 10 4 . Это интегральнаяв проведенных экспериментах составляют: СКОCyСКОmx= 2:1496 10 5 , СКОmyоценка точности восстановления упомянутых зависимостей. Кроме нее, представляет интерестакже динамика изменения текущих значений ошибки воспроизведения величинCy , Cz , mx ,my , mz в процессе тестирования модели.
Эти данные (рис. 5) показывают, что уровень ошибки по времени изменяется незначительно, существенных изменений в нем, которые могли быотрицательно повлиять на адекватность полуэмпирической НС-модели, не обнаруживается.Основные выводы по работеКак следует из полученных результатов, аппарат, основанный на концепции искусственной нейронной сети, представляет собой эффективный инструмент для решения задач анализаповедения и синтеза законов управления адаптивных ДС. В то же время, НС-модели традиционного типа (в частности, NARX) для ДС, реализующие концепцию «черный ящик», существенно ограничены в своих возможностях и не позволяют решать задачи анализа и синтезадля ДС даже умеренной размерности.
Задачи идентификации характеристик ДС (например,АДХ ЛА) они не позволяют решать вообще в силу своей архитектуры.Вариантом, альтернативным по отношению к традиционным НС-моделям, являются гибридные полуэмпирические НС-модели, объединяющие теоретические знания о ДС с эмпирическими данными о ее поведении. Такие модели представляют собой высокоэффективноесредство, позволяющее решать для адаптивных ДС задачи анализа поведения, синтеза управления и идентификации их характеристик. В частности, полуэмпирические НС-модели позволяют эффективно решать задачу идентификации АДХ ЛА.Публикации, в которых отражено содержание диссертацииМонография:1.
Брусов В. С., Тюменцев Ю. В. Нейросетевое моделирование движения летательных аппаратов. – М.:Изд-во МАИ, 2016. – 192 с. ISBN 978–5–4316–0315–0.Статьи в рецензируемых журналах из перечня ВАК РФ:2. Морозов Н. И., Тюменцев Ю. В., Яковенко А. В. Корректировка динамических свойств объектауправления с использованием искусственных нейронных сетей // Вестник Московского авиационного института. – 2002, том 9, № 1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
