Rozmyty system kontroli prędkości holownika lotniczego

• Autorzy: Grzesik Norbert , Malewicz Michał

Warianty tytułu

EN

The speed of tow-plane fuzzy controller

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono projekt systemu wspomagającego proces holowania samolotów, wykorzystujący teorię zbiorów rozmytych. W obecnych czasach stosowanie systemów opierających się na logice rozmytej jest coraz powszechniejsze i to w bardzo wielu dziedzinach. Badania wykonano z wykorzystaniem autorskich programów napisanych w środowisku Matlab/Simulink® (wykorzystano Fuzzy Logic Toolbox). Przykładowym obiektem badań był samolot klasy Boeing 737. Projekt systemu kontroli prędkości holownika lotniczego przeznaczony jest do usprawnienia pracy oraz zwiększenia poziomu bezpieczeństwa podczas wykonywania procedury holowania samolotów przy użyciu holowników lotniskowych. Zadaniem tego systemu jest kontrola, i w uzasadnionych przypadkach, ograniczenie maksymalnej prędkości holowania w zależności od kątów odchylenia przedniego podwozia samolotu oraz kół sterujących holownika. Dodatkowo system wypracowuje ostrzeżenia dla kierowcy holownika w przypadku niebezpiecznego, granicznego położenia osi przedniego podwozia samolotu, poprzez wprowadzenie ograniczenia prędkości. Przekroczenie zakresu ruchu podwozia może prowadzić do uszkodzenia podwozia lub holownika. W najgorszym przypadku może również dojść do wypadku i zagrożenia życia ludzkiego. Zaproponowane rozwiązanie, mimo, iż jest to na razie analiza wstępna, może zwiększyć bezpieczeństwo kierowców holowników oraz całego środowiska w jakim wykonują swoją pracę, jak również usprawnić proces holowania poprzez optymalizację prędkości holownika. Przedstawiono rozwiązanie dla przykładowych wartości danych, które w przypadku uzyskania akceptowalnych rezultatów może być zaadoptowane do konkretnych rozwiązań.

EN

The speed of tow-plane fuzzy controller project was the primary goal. Nowadays, use of systems based on fuzzy logic in many fields is very common. The authors’ research were made with use of Matlab/Simulink® software and Fuzzy Logic Toolbox. Boeing 737 aircraft was scientific research object. The speed of tow-plane fuzzy controller project is dedicated to improve the towing car work and to increase a safety during aircraft towing procedures. The main system task is to control the towing speed (limit the maximum towing speed in specific conditions) dependent on aircraft front main landing gear angle of deflection and tow car control wheels. Additionally, system generates warnings for tow car driver (limiting towing speed) when aircraft main landing gear axis reach the safety position (limiting position). Reaching this safety position may cause the aircraft front main landing gear and tow car damage or, in the worst cases, accidents and human life danger. Despite the fact that the proposed solution is only initial analysis, it may increase towing cars drivers and all airfield environment safety. What is more, also aircraft towing process may be optimized by towing car speed control. Sample data values were used to present the system work. If the research results will be accepted, the project may be adapted to specific aviation solutions.

Słowa kluczowe

PL

holowanie samolotu; rozmyty system kontroli

EN

hauling transport; fuzzy control system

• Wydawca: Instytut Naukowo-Wydawniczy "TTS" Sp. z o.o
• Czasopismo: TTS Technika Transportu Szynowego
• Rocznik: 2015
• Tom: R. 22, nr 12
• Strony: 1896--1900, CD
• Opis fizyczny: Bibliogr. 20 poz., rys.

Twórcy

autor

Grzesik Norbert

• Katedra Taktyki i Uzbrojenia, Wydział Lotnictwa, Wyższa Szkoła Oficerska Sił Powietrznych w Dęblinie

autor

Malewicz Michał

• Wydział Lotnictwa, Wyższa Szkoła Oficerska Sił Powietrznych w Dęblinie

Bibliografia

• 1. Adamski M., Wpływ wybranych parametrów technicznotaktycznych działek lotniczych na efektywność niszczenia celów naziemnych. IV Konferencja Naukowa „Kierowanie ogniem systemu obrony powietrznej (OPL)”. Koszalin, 2006.
• 2. Azadeh A., Ebrahimipour V., Bavar P., A fuzzy inference system for pump failure diagnosis to improve maintenance process: The case of a petrochemical industry. Expert Systems with Applications 37 (2010) 627-639.
• 3. Ćwiklak J., Bezpieczeństwo lotów w aspekcie ryzyka kolizji statków powietrznych z ptakami WSOSP, Dęblin 2009.
• 4. Grzesik N., Wykorzystanie sterowników rozmytych w badaniu efektywności systemów sterowania bronią strzelecką samolotów wielozadaniowych. WSOSP. Dęblin, 2004.
• 5. Grzesik N., Podstawy sterowania rozmytego. Dęblin, Wyższa Szkoła Oficerska Sił Powietrznych, 2012.
• 6. Idziaszek Z., Grzesik N., Object characteristics deterioration effect on task realizability – outline method of estimation and prognosis. Eksploatacja i Niezawodnosc – Maintennance and Reliability Vol.16, No. 3, 2014.
• 7. Jasztal M., Żurek J., Tomaszek H., A method of evaluating fatigue life of some selected structural components at a given spectrum of loads – an outline. Eksploatacja i Niezawodnosc, Nr 3(35)/2007, str.69-71.
• 8. Jasztal M., Ważny M., Zarys metody określania prawdopodobieństwa zdatnej pracy urządzenia w aspekcie zmian wartości parametru diagnostycznego. Eksploatacja i Niezawodnosc - Maintenance and Reliability, Nr 2(34)/2007, str.44-50.
• 9. Kacprzyk J., Yager R. R., Emergency-Oriented expert systems: A fuzzy approach. Information Sciences, Volume 37, Issues 1– 3, December 1985, Pages 143–155.
• 10. Maintenance book Boeing 737.
• 11. Mauer, G.F., A fuzzy logic controller for an ABS braking system. Fuzzy Systems, IEEE Transactions on Fuzzy Systems (Volume:3, Issue: 4), Page(s): 381 – 388, 1995. ISSN: 10636706.
• 12. Mrozek B.; Mrozek Z., Matlab 5.x Simulink 2.x - Poradnik użytkowania. Warszawa: Wydawnictwo PLJ 1998.
• 13. Sergaki A., Kalaitzakis K., A fuzzy knowledge based method for maintenance planning in a power system. Reliability Engineering and System Safety, 77 (2002) 19-30.
• 14. Tomaszek H., Jasztal M., Zieja M., A simplified method to assess fatigue life of selected structural components of an aircraft for a variable load spectrum. Eksploatacja i Niezawodnosc - Maintenance and Reliability; 4: 29-34. 2011.
• 15. Yager R. R., Uncertainty modeling and decision suport, Reliability Engineering & System Safety, Volume 85, Issues 1–3, July–September 2004.: Pages 341–354.
• 16. Zadeh L., Fuzzy Sets. Information and Control Vol.8. 1965.
• 17. Zieja M., Wazny M., A model for service life control of selected device systems. Polish Maritime Research 2(82) 2014 Vol 21; p. 45-49.
• 18. Zio E., Reliability engineering: Old problems and new challenges. Reliability Engineering & System Safety. Volume 94, Issue 2, February 2009: Pages 125–141.
• 19. Żurek J., Grzesik N., Fuzzy expert aircraft onboard control systems assistant. Safety reliability and risk analysis: Beyond the horizon. ESREL conference proceedings, 2014. London: Taylor & Francis Group: Pages 250-251.
• 20. https://www.faa.gov/regulations_policies/handbooks_manuals/ aircraft/amt_airframe_handbook/media/ama_Ch13.pdf 21. http://www.megmar.pl