Modelling of UAV flight dynamics using perceptron artificial neural networks

• Autorzy: Manerowski J. , Rykaczewski D.

Warianty tytułu

PL

Identyfikacja modelu dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowego sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

The methodology of modelling flight dynamics of UAV using perceptron artificial neural networks has been presented. The modelling is based on experimental data recorded during flight characteristic and performance tests of UAVs that is a part of a set to give training to anti-aircraft artillery. The artificial neural network structure in quasi-static and dynamic flights have been given. The accuracy indexes also have been given.

PL

W artykule przedstawiono metodologię modelowania dynamiki lotu bezpilotowego statku powietrznego z wykorzystaniem perceptronowych sztucznych sieci neuronowych. Modelowanie oparto na wynikach eksperymentu uzyskanych podczas badań własności lotnych i osiągów bezpilotowego statku powietrznego wchodzącego w zestaw celów powietrznych do szkolenia wojsk OPL. Podano, w zagadnieniu quasi-ustalonym oraz dynamicznym, strukturę sieci neuronowej odwzorowującej własności lotne takiego obiektu oraz wskaźniki oceny dokładności.

Słowa kluczowe

EN

unmanned aerial vehicle (UAV); flight mechanics; mathematical modelling; artificial neural networks

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
• Czasopismo: Journal of Theoretical and Applied Mechanics
• Rocznik: 2005
• Tom: Vol. 43 nr 2
• Strony: 297--307
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Manerowski J.

• Air Force Institute of Technology, Warsaw

autor

Rykaczewski D.

• Air Force Institute of Technology, Warsaw

Bibliografia

• 1. BOCIEK S., GRUSZECKI J., 1999, Układy sterowania automatycznego samolotem, Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów
• 2. BOROWCZYK H., LEWITOWICZ J., LINDSTEDT P., 1998, The neutral diagnostic method and a complex system of diagnosing airframe and power plant, ICAS-98
• 3. HAZARIKA N., 1998, An invcrse design procedure for airfoils using artificial neutral networks, ICAS-98
• 4. HORN J., CALISE A., 1998, Flight envelope limiting systems using neural network, AIAA Atmospheric Flight Mechanics Conference, Boston
• 5. JAMES E., 1997, Some application of artificial neural networks in modelling of non-linear aerodynamics and flight dynamics, AIAA, Paper 97-0338
• 6. LONNBLAD L., PETERSON C, ROGNVALDSSON T., 1992, Pattern recognition in high energy physics with artificial neural natworks - JETNET 2, Computer Physics Communications, 70, Sweden
• 7. MANEROWSKI J., 1999, Identyfikacja modeli dynamiki ruchu sterowanych obiektów latających, Wydawnictwo Naukowe ASKON, Warszawa
• 8. MANEROWSKI J., 2001, Modelowanie dynamiki lotu samolotu z wykorzystaniem sztucznych sieci neuronowych, Prace Naukowe ITWL, 13, Warszawa
• 9. MANEROWSKI J., RYKACZEWSKI D., 2003, Modelowanie dynamiki lotu bezpilotowego statku latającego z zastosowaniem sztucznych sieci neuronowych, Prace Naukowe ITWL, 17, Warszawa
• 10. MARQUES F., 1998, Identification of aircraft non-linear dynamics using Volterra series, ICAS-98
• 11. OSOWSKI S., 2000, Sieci neuronowe do -przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
• 12. RUTKOWSKA D., PILIŃSKI M., RUTKOWSKI L., 1999, Sieci neuronowe, algo-rytmy genetyczne i systemy rozmyte, PWN, Warszawa