Нейросетевая система снижения транспортного вертолета с грузом

• Автор: Выонг Ань Чунг
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 114 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Постановка задачи автоматического снижения транспортного вертолета при непрерывном наблюдении посадочных ориентиров.

1.1. Уравнения движения свободного вертолета.

1.2. Выбор метода решения задачи автоматического

снижения на базе нейронных сетей

1.2.1. Искусственный нейрон базовый процессорный элемент БПЭ

1.2.2. НС прямого распространения и алгоритм обучения

обратного распространения ошибки

1.2.3. Подходы к нейронному управлению.

1.3. Выводы к главе 1

Глава 2. Выбор программной траектории снижения, обеспечивающей непрерывное слежение за посадочным местом.
2.1. Анализ условий непрерывного слежения и возможностей
управления продольным движением вертолета.
2.1.1. Анализ условий непрерывного слежения
2.1.2. Анализ возможностей управления продольным
движением вертолета.
2.1.2.1. Уравнения продольного движения вертолета
2.1.2.2. Синтез оптимального управления
2.2. Предварительные расчеты участков пологого и
вертикального снижения ..
2.3. Уточнение требований к основным параметрам
телевизионной камеры
2.4. Выводы к главе 2
Глава 3. Нсйросстевой алгоритм вертикального снижения транспортного вертолета при управлении общим шагом винта.
3.1. Определение управляющего сигнала с помощью схемы
наблюдения посадочных ориентиров
3.2. Формирование управления общим шагом винта и оценка его
работоспособности с помощью моделирования на ЭВМ
3.3. Получение примеров обучения нейросетевого
регулятора и определение параметров его структуры.
3.4. Выводы к главе 3.
Глава 4. Нейросетевон алгоритм пологого снижения
при управлении автоматом перекоса.
4.1. Определение управляющего сигнала при пологом снижении
4.2. Формирование алгоритм пологого снижения при управлении автоматом перекоса и оценка
его работоспособности с помощью моделирования на ЭВМ
4.3. Синтез комбинированного управления автоматом перекоса
и общим шагом винта при пологом снижении
4.4. Примеры обучения нейронной сети, реализующей
комбинированное управление, и определение основных параметров сети.
4.5. Выводы к главе 4.
Глава 5. Нейросетевое распознавание посадочных ориентиров.
5.1. Формирование примеров обучения при классификации
посадочного места.
5.2. Обучение нейросетевого классификатора распознаванию
посадочных ориентиров и его основные параметры
5.3. Анализ возможности надежного наблюдения посадочных
ориентиров с помощью двух телевизионных камер.
5.4. Выводы к главе 5.
Глава 6. Экспериментальное моделиролвание на ЭВМ
нейросетевого контроллера
6.1. Вертикальное снижение вертолета с помощью
НС прямого распространения.
6.1.1. Создание примеров для обучения.
6.1.2. Результат обучения и архитектура НС
6.2. Пологое снижение вертолета с помощью
НС прямрго распространения.
6.3. Обнаружение посадочного места с помощью
НС прямого распространения.
6.4. Распознавание посадочных ориентиров с помощью
НС прямого распространения.
6.5. Комплексное моделирование процесса вертикального
снижения вертолета на ЭВМ
6.6. Выводы к главе 6
Заключение.
Список литературы


Найдена программная траектория посадки, состоящая из участков пологого и вертикального снижения, исходя из условия невыхода из поля зрения телевизионной камеры посадочного места. Показано, что для устранения отклонений от программы посадки при вертикальном снижении достаточно управлять общим шагом винта, а при пологом снижении необходимо комбинированное управление общим шагом винта и автоматом перекоса. Получены структуры обучаемых нейронных сетей прямого распространения, реализующих оба режима снижения вертолета. Доказана возможность построения унифицированного контроллера, реализующего в конвеерном режиме решение задач обнаружения, распознавания, вертикального и пологого снижения, что позволяет в самом полете лишь переключить наборы весовых коэффициенты нейронов и входы и выходы сети в зависимости от решаемой задачи. Кроме того, применение унифицированного нейроконтроллера на борту вертолета снижает массогабаритные характеристики и стоимость управляющего устройства в целом. Достоверность результатов работы обусловлена применением научно обоснованных методов теории оптимального управления, динамического программирования, искусственного интеллекта. Оценка эффективности предложенных алгоритмов подтверждена экспериментальными результатами цифрового моделирования на ЭВМ. Апробация работы. Результаты диссертации докладывались на 5 международных и общероссийских научно-технических конференциях: “Современные технологии в задачах управления, автоматики и обработки информации” (XIII международный научно-технический семинар, Алушта г. XIV международный научно-технический семинар Алушта г), Восьмая научная сессия “Аэрокосмические приборы и системы” (ГУАП , Санкт-Петербург), 1У-я Международная конференция “Авиация и космонавтика”( МАИ , Москва), Научный симпозиум “Неделя горняка” (МГТУ , Москва). Основные результаты диссертационной работы опубликованы в научно-техническом отчете по НИР, а также в статье в журнале “Авиакосмическое приборостроение”, , №2. Всего по результатам работе имеется 9 публикаций. Структура и объем работы. Диссертация состоит из введения, шести глав, заключения, списка литературы и приложения. Объем диссертации 3 страниц текста, включает рисунков, 5 таблиц. В работе обоснована возможность нейросетевого подхода к задачам обнаружения и распознавания посадочных ориентиров и последующего слежения за ними при управлении снижением вертолета к посадочному месту. В первой главе представлены математическая модель “свободного” вертолета. 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 на основе уравнений продольного движения вертолета, построена математическая модель вертолета, которую можно использовать для синтеза оптимального управления с помощью метода АКОР. Проведен анализ возможности управления вертолетом снижения высоты с помощью автомата перекоса и изменения общего шага винта. Определены расчеты участков пологого и вертикального снижения при условии, что посадочное место не выходит из поля зрения телевизионной камеры, жестко закрепленной к корпусу вертолета. Третья глава посвящена решению задач нейросетевого управления общим шагом винта при вертикальном снижении транспортного вертолета. Для выполнения функций обычного контроллера можно использовать НС прямого распространения. В четвертой главе решается задача нейросетевого управления автоматом перекоса при пологом снижении транспортного вертолета. Пологое снижение транспортного вертолета при управлении автоматом перекоса не может во всех случаях обеспечить надежное наблюдение ориентиров бортовой телевизионной камерой, поэтому надо добавить управление общим шагом винта. Сформированы алгоритм управления одновременно общим шагом винта и автоматом перекоса и получены структуры обучаемых нейронных сетей, реализующих пологое снижение.