Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях

Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях

Автор: Лэ Хи Фонг

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2004

Место защиты: Москва

Количество страниц: 128 с. ил.

Артикул: 2623239

Автор: Лэ Хи Фонг

Стоимость: 250 руб.

Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях  Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях 

ОГЛАВЛЕНИЕ
Глава 1. Анализ функционирования системы управления вертолетом и общая постановка задачи
1.1. Математическая модель системы вертолетгруз.
1.1.1. Уравнения движения свободного вертолета.
1.1.2. Уравнения движения вертолета с грузом.
1.2. Математическая модель системы лебедкатележкагруз
1.3. Введение о нейроконтроллерах
1.3.1. Искусственный нейрон и нейронные сети НС
1.3.2. НС прямого распространения и алгоритм обучения обратного распространения ошибки.
1.3.3. Подходы к нейронному управлению.
1.4. Общая постановка задачи.
1.5. Выводы к главе 1
Глава 2. Планирование разновысотного полета с помощью НС.
2.1. Решение задачи планирования разновысотного полета с помощью алгоритма ветвей и границ
2.1.1. Влияние высоты на рентабельность полета.
2.1.2. Алгоритм ветвей и границ
2.2. Решение задачи планирования разновысотного полета с помощью
2.2.1. Применение сети прямого распространения для решения задачи планирования.
2.2.2. Применение сети Хопфилда для решения задачи планирования
2.2.3. Применение сети Кохонена в сочетании с сетыо Хопфилда для решения задачи планирования
2.3. Выводы к главе 2
Глава 3. Демпфирование колебания груза подвешенного под вертолетом с помощью НС.
3.1. Демпфирование колебания груза с помощью системы лебедкитележки.
3.1.1. Демпфирование колебания груза с помощью обычного контроллера.
3.1.2. Повышение точности управления с помощью фильтра Кальмана.
3.1.3. Демпфирование колебания груза с помощью нейроконтроллера.
3.2. Демпфированием колебаний груза продольным движением
вертолета.
3.2.1. Определение оптимального управления с помощью метода ЛКОР.
3.2.2. Оценка погрешности управления при линеаризации уравнений движения системы
3.2.3. Выполнение оптимального управления нейронной сетью.
3.3. Выводы к главе 3.
Глава 4. Десантирование груза с вертолета на палубу судна с помощью НС
4.1. Десантирование груза нейроконтроллером, построенным по принципу максимума Понтрягина.
4.1.1. Определение оптимального управления по принципу максимума.
4.1.2. Выполнение оптимального управления НС
4.1.3. Конструирование нейроконтроллера при минимизировании времени и затрат на управление
4.2. Десантирование груза нейроконтроллером, построенным по методу .. Колесникова.
4.2.1. Определение оптимального управления
4.2.2. Выполнение оптимального управления НС
4.3. Выводы к главе 4
с
ч
Глава 5. Экспериментальное моделирование на ЭВМ работы нейросетевого контроллера
5.1. Планирование разновысотного полета вертолета с помощью НС.
5.2. Демпфирование колебаний груза с помощью НС
5.3. Десантирование груза с помощью НС
5.4. Выводы к главе 5
Заключение.
Список литературы


Разработанные нейросстевые алгоритмы планирования разновысотного полета вертолета позволяют резко уменьшать время, требуемое комбинаторными алгоритмами (например, алгоритм ветвей и границ) для получения маршрута при большом числе объектов назначения. Возможность решения разных задач управления унифицированным нейроконтроллером облетает реализацию на борту и сводит к минимуму массогабаритные характеристики устройства при относительно невысокой стоимости. Показана высокая эффективность нейросетевого решения транспортных задач в сложных погодных условиях, обеспечивая мягкое десантирование груза на подвижную палубу судна. Реализация результатов. Разработанные нейросстевые процедуры демпфирования колебания груза и его десантирования внедрены в МНПК “Авионика” при проектировании перспективных систем проведения монтажных работ с помощью транспортного вертолета, о чем имеется акт о внедрении. Публикации. Основные результаты диссертационной работы опубликованы в 6 печатных и 2 рукописных работах, в том числе 2 статьи в журнале “Авиакосмическое приборостроение”, рекомендуемом ВАК РФ при защите кандидатских диссертаций. Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы. Объем диссертации 8 страниц текста, включает рисунков, таблиц. В первой главе представлены математическая модель “свободного” вертолета, вертолета с грузом и математическая модель системы лебедки-тележки с грузом. В этой главе также приведены некоторые подходы к нейроуправлению, включая нейронные сети (НС) прямого распространения и алгоритмы прямого распространения ошибки, а также обоснована целесообразность применения унифицированной НС для решения разных транспортных задач. В завершении главы сформулированы задачи диссертационной работы. Во второй главе приведена формула определения влияния высоты на рентабельность полета. Для решения задачи планирования разновысотного полета сначала представлен алгоритм ветвей и границ. Было показано, что с помощью этого алгоритма можно получить достаточно хорошие маршруты. Однако время его выполнения быстро возрастает при увеличении числа пунктов назначения. Поэтому, необходимо использовать другие подходы в' том числе - нейронный подход. При случайном расположении пукнтов маршрут может быть определен с помощью сетьи Кохонена в сочетании с сетью Хопфилда, а при расположении пунктов в определенной трубе - с помощью отдельной сети прямого распространения. Третья глава посвящена решению задач нейросетевого' управления демпфированием колебания груза, подвешенного под вертолетом, путем перемещения верхнего конца троса либо с помощью системы лебедки-тележки, либо непосредственным управлением положением центра масс вертолета. Для конструирования нейроконтроллера была предложена процедура с двумя этапами. На первом этапе законы управления определены с помощью метода ЛКОР. На втором этапе эти законы используются для создания примеров обучения НС с определенной архитектурой. Законы управления определены с помощью принципа максимума Понтрягина или метода Л. Л. Колесникова. В простых погодных условиях нейроконтроллер, построенный с помощью принципа максимума Понтрягина, позволяет минимизировать либо время, либо время и затрату управления. В сложных погодных условиях нейроконтроллер, построенный с помощью метода Л. Л. Колесникова, позволяет мягко десантировать груз в независимости от колебаний высоты вертолета и палубы. В завершении четвертой главы рассмотрена процедура конструирования НС с учетом возможности самоторможения лебедки и приведен порог переключения управления. В пятой главе представлена унифицированная архитектура нейроконтроллсра в виде НС прямого распространения, позволяющая поочередно решать задачи планирования полета вертолета, демпфирования колебания груза и его десантирования. Для этих задач были приведены соответствующие параметры НС и результаты моделирования ее работы. Эти результаты подтверждают работоспособность полученного унифицированного нейроконтоллера. В заключении приведены основные выводы по результатам диссертационной работы.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.238, запросов: 244