Modelowanie i badanie dynamiki procesów naprowadzania i lotu sterowanej rakiety przeciwlotniczej z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Karczmarz D. , Manerowski J.

Warianty tytułu

EN

Neural model of antiaircraft missile flight control

• Konferencja: Transcomp - XIV International Conference Computer Systems Aided Science, Industry and Transport
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zastosowanie sztucznych sieci neuronowych w modelowaniu dynamiki procesu naprowadzania i lotu przeciwlotniczej rakiety. Wykorzystano wyniki ze strzelań bojowych rakietami zestawu przeciwlotniczego. Zamieszczono wyniki badań umożliwiające ocenę dokładności odwzorowania obiektu przez wyznaczony model.

EN

Artificial neural networks application into the modeling of the antiaircraft missile flight and guidance dynamics were presented in the paper. The real antiaircraft missile unit combat firings have been used. The achieved model coefficients evaluating the simulated object imitation quality were included.

Słowa kluczowe

PL

modelowanie matematyczne; sztuczne sieci neuronowe; kierowana rakieta przeciwlotnicza

EN

neural model; flight control

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2010
• Tom: nr 6
• Opis fizyczny: Pełny tekst na CD, Bibliogr. 12 poz., rys.

Twórcy

autor

Karczmarz D.

autor

Manerowski J.

• Instytut Techniczny Wojsk Lotniczych, 01-494 Warszawa, ul. Księcia Bolesława 6; tel: [phone], fax: [phone],

Bibliografia

• [1] Borowczyk H., Lewitowicz J., Lindstedt P.: The neural diagnostic method and a complex system of diagnosing airframe and powerplant. ICAS-98-6,6,4
• [2] Gacek J. Baranowski L.: Numeryczne badania dynamiki lotu rakiety niekierowanej rakiety z uszkodzoną głowicą. ML-X 2002, 257-274
• [3] Golański P., Rymaszewski S.: Identyfikacja modelu dynamiki procesów naprowadzania i lotu sterowanej rakiety. Rozprawa doktorska, ITWL, Warszawa 2001
• [4] Goraj Z.: Danamika i aerodynamika samolotów manewrowych z elementami obliczeń. IL BNIL, Warszawa 2001
• [5] Hazarika N., Tuncer I. H., Lowe D.: An inverse design procedure for airfoils using artificial neural networks. ICAS-98-2,2,1
• [6] Lonnblad L., Peterson C., Rognvaldsson T. Pattern recognition in high energy physics with artificial neural networks – JETNET 2.0. Computer Physics Communications 70, 1992
• [7] Manerowski J.: Identyfikacja modelu dynamiki lotu poddźwiękowego samolotu. MTiS, 1.30.1992, 51-69.
• [8] Manerowski J.: The model of a helicopter’s powerplant dynamics as constructed with a stochastic-approximation method for a pilot-training simulator. Metrologia i Systemy Pomiarowe, VI, 1-2, 1999, 97¸105.
• [9] Manerowski J.: Identyfikacja modeli dynamiki ruchu sterowanych obiektów latających. Wydawnictwo Naukowe ASKON, Warszawa 1999
• [10] Manerowski J., Rykaczewski D.: Modeling of UAV flight dynamics using perceptron artificial neural networks. Journal of Theoretical And Applied Mechanics 43, 2, Warszawa 2005,297-307
• [11] Marques F.D., Belo M.: Identification of aircraft non-linear dynamics using Voltera series. ICAS-98-1,10,5
• [12] Sybilski K.: Metody analizy niekonwencjonalnych stanów lotu. ML-X 2002, 307-320