Modelowanie dynamiki lotu bezpilotowego aparatu latającego z wykorzystaniem sztucznych sieci neuronowych

• Autorzy: Manerowski J. , Rykaczewski D.

Warianty tytułu

EN

Modelling UAV flight dynamis using artificial neural networks

• Konferencja: Międzynarodowa Konferencja. Nowe Aspekty Bezpilotowych Aparatów Latających (19-21.05.2004; Kielce-Cedzyna, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodologię modelowania dynamiki lotu bezpilotowego aparatu latającego (BAL) z wykorzystaniem perceptronowych sztucznych sieci neuronowych. Modelowanie oparto o wyniki eksperymentu uzyskane podczas badań własności lotnych i osiągów BAL "CHRABĄSZCZ", wchodzącego w zestaw celów powietrznych do szkolenia wojsk OPL. Podano strukturę sieci neuronowej, w zagadnieniu quasi-ustalonym oraz dynamicznym, odwzorowującej własności lotne takiego obiektu oraz wskaźniki oceny dokładności.

EN

Methodology of modelling UAV flight dynamics using perceptron artificial neural network has been presented. Modelling is based on experimental data recorded during the flight characteristic and performance tests of UAV "CHRABĄSZCZ" which is the part of set to give training to anti-aircraft artillery. The artificial neural network structure in quasi-static and dynamic flight has been given. The accurancy indexes also has been given.

Słowa kluczowe

PL

dynamika lotu BAL; sieci neuronowe; wskaźnik oceny dokładności

EN

UAV flight dynamics; artificial neural networks; index accuracy

• Wydawca: Wydawnictwo Politechniki Świętokrzyskiej
• Czasopismo: Zeszyty Naukowe Politechniki Świętokrzyskiej. Mechanika
• Rocznik: 2004
• Tom: Z. 80
• Strony: 317--329
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Manerowski J.

• Instytut Techniczny Wojsk Lotniczych, Warszawa

autor

Rykaczewski D.

• Instytut Techniczny Wojsk Lotniczych, Warszawa

Bibliografia

• 1. Bociek S., Gruszecki J., Układy sterowania automatycznego samolotem. Oficyna Wydawnicza Politechniki Rzeszowskiej, Rzeszów 1999.
• 2. Borowczyk H., Lewkowicz J., Lindstedt P., The neural diagnostic method and a complex system of diagnosing airframe and power plant. ICAS-98.
• 3. Calise A., Flight envelope cueing on a tilt-rotor aircraft using neural network limit prediction. American Helicopter Society, 1998.
• 4. Hazarika N., An inverse design procedure for airfoils using artificial neural networks. ICAS-98.
• 5. Horn J., Calise A., Flight envelope limiting systems using neural network. AIAA Atmospheric Flight Mechanics Conference, Boston 1998.
• 6. James E., Some application of artificial neural networks in modelling of non-linear aerodynamics and flight dynamics. AIAA, Paper 97-0338, 1997.
• 7. Lonnblad L., Peterson C., Rognvaldsson T., Pattern recognition in high energy physics with artificial neural networks - JETNET 2. Computer Physics Communications 70, 1992.
• 8. Manerowski J., Identyfikacja modeli dynamiki ruchu sterowanych obiektów latających. Wydawnictwo Naukowe ASKON, Warszawa 1999.
• 9. Manerowski J., Modelowanie dynamiki lotu samolotu z wykorzystaniem sztucznych sieci neuronowych. Prace Naukowe ITWL, z. 13, Warszawa 2001.
• 10. Manerowski J., Rykaczewski D., Modelowanie dynamiki lotu bezpilotowego statku latającego z zastosowaniem sztucznych sieci neuronowych. Prace Naukowe ITWL, z. 17, Warszawa 2003.
• 11. Marques F., Identification of aircraft non-linear dynamics using Volterra series. ICAS-98.
• 12. Osowski S., Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• 13. Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa 1999.
• 14. Sutherland C., Online genetic re-training of a neural network control system for wind tunnels. AIAA 2000.