Методика выбора параметров нелинейной системы управления самолетом с использованием искусственной нейронной сети для оптимизации пилотажных характеристик

• Автор: Каргопольцев, Алексей Владимирович
• Шифр специальности: 05.07.09
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Жуковский
• Количество страниц: 202 с. : ил.

Аннотация
Рассматривается задача рационального выбора параметров нелинейной системы управления (СУ) летательным аппаратом (ЛА) в продольном канале с использованием искусственной нейронной сети для оценки уровня пилотажных характеристик.
Рассмотрены существующие критерии оценки уровня пилотажных характеристик ЛА в продольном канале и произведена оценка их достоверности. Предложена методика выработки обобщенной оценки системы критериев с использованием искусственной нейронной сети (ИНС). Произведена оценка эффективности набора критериев, используемого при формировании обобщенной оценки.
Произведено уточнение методики оценки необходимой скорости перекладки привода стабилизатора из условия парирования ветровых возмущений, действующих на самолет, и обеспечения необходимого качества переходных процессов. Показана взаимосвязь максимальной скорости перекладки и основных компоновочных параметров ЛА. Приведены примеры оценки необходимой максимальной скорости перекладки привода стабилизатора на примере двух самолетов различной размерности.
Предложена методика оценки устойчивости контура «самолет-летчик» в продольном канале с учетом нелинейных характеристик привода стабилизатора и выбора ограничения скорости нелинейного префильтра.
Проведен выбор параметров нелинейной системы управления ЛА заданной структуры в продольном канале с использованием предлагаемых методик. Проведено исследование уровня пилотажных характеристик самолета с СУ с использованием пилотажного стенда ПС-ЮМ.

Аннотация
1 Использование систем с элементами искусственного интеллекта в задачах оценки уровня пилотажных характеристик самолета с системой управления
1.1 Методика выработки обобщенной оценки системы критериев с помощью ИНС
1.1.1 Теоретические основы искусственных нейронных сетей
1.1.2 Обучение нейронной сети
1.1.3 Алгоритмы обучения
1.1.4 Применение искусственных нейронных сетей для оценки пилотажных
характеристик ЛА
1.1.5 Программный комплекс для оценки пилотажных характеристик самолета с
системой управления по 15 критериям
1.1.6 Использование ИНС для выработки обобщенной оценки
1.2 Использование ИНС для определения эффективности существующих критериев и рациональных направлений создания новых критериев
1.3 Методика применения искусственных нейронных сетей в качестве единого критерия оценки пилотажных характеристик при синтезе системы управления самолета
1.4 Выводы
2 Оценка скорости перекладки привода стабилизатора из условия парирования ветровых возмущений, действующих на самолет и обеспечения необходимого качества переходных процессов
2.1 Оценка необходимой скорости перекладки привода из условия парирования
ветровых возмущений
2.1.1 Постановка задачи
2.1.2 Определение (фтах)тш
2.1.3 Оценка С2тах и фтах
2.2 Оценка необходимой скорости перекладки привода из условия ограничения
на время срабатывания
2.3 Сравнение требований к фтах для двух самолетов разной размерности
2.4 Выводы
3 Исследование устойчивости контура «самолет-летчик» в продольном канале при выходе привода на ограничение по максимальной скорости отклонения
3.1 Исследование устойчивости замкнутого контура ««устойчивый самолет с
СУ - летчик» при насыщении привода по скорости
3.2 Исследование влияния эффектов срыва колебаний и гистерезиса на
устойчивость контура «самолет-летчик»

3.3 Рациональный выбор ограничения скорости нелинейного прсфильтра из
условия обеспечения устойчивости контура «самолет-летчик»
3.4 Рациональный выбор ограничения скорости нелинейного прсфильтра из
условия обеспечения устойчивости контура «самолет-летчик» для статически
неустойчивого самолета
3.5 Выводы
4 Основные результаты
5 Литература
Приложение А
Приложение Б
Приложение В

отличными от тех, которые использовались при обучении ИНС. Данный вопрос подробно рассмотрен в Разделе 1.3.
1.2 Использование ИНС для определения эффективности существующих критериев и рациональных направлений создания новых критериев
В Разделе 1.1 было показано что ИНС, настроенная с использованием имеющихся экспериментальных данных, позволяет выработать обобщенную оценку системы критериев и достоверность такой обобщенной оценки значительно превышает достоверности отдельных использованных критериев. Однако существенным недостатком такого подхода является сложность или даже невозможность определения внутреннего набора правил (internai rules), которыми руководствуется ИНС при формировании обобщенной оценки. В Разделе 1.1 показана сложность непосредственной оценки коэффициентов достоверности отдельных критериев (которые как раз и являются в рассматриваемом случае внутренними правилами ИНС) даже в случае простейшей нейронной сети.
С учетом сложности определения внутренних правил ИНС в явном виде можно попробовать приближенно оценить значимость отдельных критериев при формировании обобщенной оценки. Поскольку сам по себе термин «значимость» не имеет точного, общепринятого значения, то следует уточнить, что именно мы будем иметь в виду в данном контексте.
Согласно [44], когда речь идет о значимости отдельного входа ИНС, то можно определить репрезентативную значимость (prédictive importance) и весовую значимость (causal importance). Репрезентативная значимость отдельного входа ИНС есть увеличение обобщающей ошибки ИНС при удалении данного входа. Весовая значимость - это изменение значения целевой функции (ошибка ИНС) при заданном изменении параметра, взятое в первом приближении. Т.е. используется разложение в ряд Тейлора, а показателем значимости служит значение первой производной целевой