شناسایی مدل دینامیکی هواپیما با استفاده از شبکه‌های عصبی مصنوعی

در این مقاله‌، روشی جهت شناسایی مدل دینامیکی هواپیما در حالت 6 درجه آزادی‌، با استفاده از شبکه‌ی عصبی ارائه می‌شود‌. برای مدلسازی با شبکه‌های عصبی‌، آگاهی قبلی نسبت به ویژگی‌های سیستم چندان مورد نیاز نیست و می‌توان با بکارگیری مجموعه‌ای از ورودی‌ها و خروجی‌های ثبت شده‌ی سیستم‌، عملیات شناسایی را انجام داد‌. لذا این شیوه برای هواپیما که تعیین مقادیر دقیق جرم‌، ممانهای اینرسی‌، مشتقات پایداری و کنترل و... دشوار است‌، مناسب می‌باشد‌. برای آموزش شبکه‌ها‌، از داده‌های به‌دست آمده از پرواز هواپیما استفاده می‌گردد و پس از آن‌، این شبکه‌ها جایگزین معادلات دینامیکی حاکم بر حرکت هواپیما می‌شوند‌. این مدل، فرضیات ساده کننده‌ی موجود در روابط تحلیلی و عدم قطعیت‌ها را حذف کرده و تست‌های گوناگون انجام گرفته‌، صحت عملکرد و تعمیم ‌دهی مناسب آن را نشان می‌دهد‌.

Identification of Aircraft Dynamic Model Using Artificial Neural Networks

A method for identification of aircraft 6DOF dynamic model based on neural network is presented. In modeling via neural networks, there is not too much need to prior knowledge about system and identification procedure can be applied just by using a recorded set of system inputs and outputs. Thus this method is an appropriate technique for building aircraft model because it’s often very hard to exactly determine the value of aircraft mass, inertial moments, stability and control derivatives and so on. To train networks‌, data obtained from aircraft flight is used. After training, these networks can replace dynamic equations of motion and in this way remove uncertainties and simplifications of analytical expressions. Various tests on model confirm good performance and generalization of it.