Luận án: Ứng dụng mạng nơron nhận dạng tham số khí động lực học nâng cao hiệu quả thiết kế máy bay

Luận án: Luận án tiến sĩ ứng dụng mạng nơron nhận dạng các tham số khí động kênh độ cao nhằm nâng cao hiệu quả thiết kế thiết bị bay. Xem tóm tắt và tải về tại

Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

161

Thời gian đọc

25 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

50 Point

Tổng quan nhanh

Chủ đề:
Tổng quan về ứng dụng Mạng nơron trong nhận dạng tham số khí động.
Số trang:
161 trang
Trường:
Viện Khoa học và Công nghệ Quân sự
Chuyên ngành:
Kỹ thuật Điều khiển và Tự động hóa
Năm:

Tóm tắt nội dung luận án

I.

Luận án tập trung vào việc ứng dụng mạng nơron để nhận dạng các tham số khí động học của thiết bị bay. Việc nhận dạng chính xác các hệ số khí động là nhiệm vụ thiết yếu trong quá trình thiết kế, phát triển thiết bị bay. Các phương pháp truyền thống thường đối mặt với thách thức từ dữ liệu phức tạp và phi tuyến. Mạng nơron cung cấp giải pháp mạnh mẽ hơn. Công nghệ này có khả năng học hỏi từ dữ liệu bay thực tế. Điều này giúp cải thiện đáng kể độ chính xác của quá trình ước lượng tham số. Mạng nơron là một lĩnh vực quan trọng của học máy và trí tuệ nhân tạo. Nó hứa hẹn nâng cao hiệu quả và độ tin cậy của mô hình hóa khí động, đặc biệt cho máy bay không người lái (UAV).

1.1. Nhiệm vụ nhận dạng đạo hàm hệ số khí động thiết bị bay.

Việc nhận dạng đạo hàm hệ số khí động đóng vai trò then chốt. Nó đảm bảo hiệu quả thiết kế và điều khiển thiết bị bay. Các tham số khí động chính xác giúp dự đoán hành vi bay. Dữ liệu này hỗ trợ tối ưu hóa cấu trúc và hệ thống điều khiển.

1.2. Vai trò của mạng nơron trong ước lượng tham số khí động.

Mạng nơron mang đến khả năng ước lượng tham số khí động vượt trội. Nó xử lý tốt dữ liệu phi tuyến, phức tạp. Đây là bước tiến lớn trong học sâu và trí tuệ nhân tạo. Mạng nơron nâng cao độ tin cậy của các mô hình khí động học.

1.3. Thách thức trong việc nhận dạng tham số khí động học.

Nhận dạng tham số khí động đối mặt với nhiều khó khăn. Dữ liệu bay thường nhiễu, không hoàn chỉnh. Mô hình hóa khí động phức tạp đòi hỏi phương pháp tinh vi. Cần thuật toán mạnh mẽ để giải quyết những thách thức này.

II.

Việc xây dựng mô hình động học chính xác là nền tảng cho quá trình nhận dạng tham số khí động. Các mô hình này mô tả chuyển động của thiết bị bay, bao gồm cả máy bay không người lái (UAV). Luận án phát triển các mô hình phi tuyến và tuyến tính, tập trung vào kênh độ cao. Mô hình kênh độ cao đặc biệt quan trọng cho việc điều khiển và ổn định bay. Đồng thời, luận án cũng xây dựng mô hình động học tương thích với mạng nơron nhân tạo. Điều này tối ưu hóa khả năng học hỏi và nhận dạng từ dữ liệu. Mô hình hóa khí động chính xác giúp cung cấp dữ liệu đầu vào chất lượng cho các thuật toán học máy, từ đó cải thiện hiệu suất ước lượng tham số khí động.

2.1. Xây dựng mô hình động học phi tuyến tuyến tính thiết bị bay.

Mô hình động học phi tuyến mô tả đầy đủ chuyển động của thiết bị bay. Mô hình tuyến tính đơn giản hóa phục vụ phân tích. Cả hai đều cần thiết cho việc nhận dạng tham số khí động. Chúng tạo cơ sở cho các thuật toán ước lượng tham số.

2.2. Mô hình động học kênh độ cao cho nhận dạng hiệu quả.

Kênh độ cao là thành phần quan trọng của động học bay. Xây dựng mô hình riêng giúp tập trung vào các hệ số khí động liên quan. Điều này tối ưu hóa quá trình nhận dạng. Nó nâng cao độ chính xác cho điều khiển độ cao.

2.3. Mô hình động học thiết bị bay tương thích mạng nơron.

Thiết kế mô hình động học đặc biệt để tích hợp mạng nơron nhân tạo. Điều này tối ưu hóa dữ liệu đầu vào cho mạng. Mạng nơron có thể học và nhận dạng tham số khí động hiệu quả hơn. Đây là yếu tố then chốt trong ứng dụng học máy.

III.

Luận án đề xuất các thuật toán tiên tiến để nhận dạng các đạo hàm hệ số khí động. Các phương pháp truyền thống như hồi quy tuyến tính (LR) và sai số đầu ra (OEM) được xem xét. Tuy nhiên, trọng tâm là phát triển thuật toán dựa trên mạng nơron nhân tạo. Mạng RBF (Radial Basis Function) được áp dụng để xử lý các quan hệ phi tuyến phức tạp. Đặc biệt, luận án còn khám phá mạng nơron đột biến (Spiking Neural Network). Mạng này mô phỏng hoạt động của não bộ, hứa hẹn độ chính xác và hiệu quả cao hơn. Việc ứng dụng mạng nơron đột biến thể hiện một hướng đi mới trong học sâu và trí tuệ nhân tạo, nâng cao khả năng ước lượng tham số khí động cho các thiết bị bay hiện đại.

3.1. Thuật toán nhận dạng tham số khí động truyền thống.

Phương pháp hồi quy tuyến tính (LR) và sai số đầu ra (OEM) là các công cụ cơ bản. Chúng cung cấp cái nhìn ban đầu về tham số khí động. Các thuật toán này là nền tảng so sánh cho các phương pháp tiên tiến hơn. Chúng vẫn có giá trị trong một số trường hợp.

3.2. Ứng dụng mạng nơron RBF trong nhận dạng hệ số khí động.

Mạng nơron RBF có khả năng xử lý dữ liệu phi tuyến mạnh mẽ. Nó được ứng dụng hiệu quả trong nhận dạng hệ số khí động. Mạng này cải thiện độ chính xác, linh hoạt trong mô hình hóa khí động. Đây là công cụ hữu ích trong học máy.

3.3. Thuật toán nhận dạng tham số khí động sử dụng mạng nơron đột biến.

Mạng nơron đột biến là công nghệ mới nổi. Nó có tiềm năng vượt trội trong việc học và nhận dạng. Ứng dụng mạng này vào tham số khí động mang lại kết quả đầy hứa hẹn. Đây là bước tiến quan trọng của học sâu trong lĩnh vực này.

IV.

Quá trình mô phỏng và đánh giá là bước không thể thiếu để xác định hiệu quả của các thuật toán nhận dạng. Luận án tiến hành mô phỏng kỹ lưỡng, so sánh hiệu suất giữa các phương pháp truyền thống và các thuật toán dựa trên mạng nơron nhân tạo. Các kết quả mô phỏng cho thấy sự cải thiện đáng kể về độ chính xác khi sử dụng mạng nơron RBF và đặc biệt là mạng nơron đột biến. Đánh giá này không chỉ xác nhận tính đúng đắn của các thuật toán mà còn chỉ ra tiềm năng ứng dụng thực tế trong việc thiết kế và điều khiển thiết bị bay, bao gồm cả máy bay không người lái (UAV). Việc phân tích chi tiết giúp định hướng cho các nghiên cứu và phát triển tiếp theo trong lĩnh vực ước lượng tham số khí động.

4.1. Mô phỏng đánh giá thuật toán nhận dạng truyền thống.

Các thuật toán LR và OEM được mô phỏng chi tiết. Kết quả này cung cấp cơ sở để so sánh. Đánh giá giúp xác định giới hạn, ưu điểm của phương pháp truyền thống. Đây là bước đầu để hiểu rõ hơn về nhận dạng tham số khí động.

4.2. Kiểm tra hiệu quả thuật toán nhận dạng bằng mạng RBF.

Mô phỏng cho thấy mạng RBF cải thiện đáng kể kết quả. Nó xử lý tốt dữ liệu phi tuyến. Mạng RBF mang lại độ chính xác cao hơn trong nhận dạng hệ số khí động. Điều này quan trọng cho các ứng dụng thực tế.

4.3. Đánh giá hiệu suất thuật toán sử dụng mạng nơron đột biến.

Mạng nơron đột biến được chứng minh hiệu quả qua mô phỏng. Mạng này thể hiện khả năng vượt trội. Nó đạt độ chính xác cao trong các kịch bản phức tạp. Đây là bước tiến mạnh mẽ trong học máy cho thiết bị bay.

V.

Mạng nơron và học sâu đã mở ra kỷ nguyên mới trong lĩnh vực nhận dạng tham số khí động. Các phương pháp dựa trên trí tuệ nhân tạo này không chỉ cải thiện độ chính xác mà còn nâng cao khả năng xử lý dữ liệu phức tạp, nhiễu. Tiềm năng của mạng nơron là rất lớn, đặc biệt trong việc tối ưu hóa thiết kế thiết bị bay và phát triển các hệ thống điều khiển tự động cho máy bay không người lái (UAV). Hướng nghiên cứu này sẽ tiếp tục phát triển, tích hợp các kỹ thuật học máy tiên tiến hơn để giải quyết những thách thức còn tồn tại, từ đó tạo ra các thế hệ thiết bị bay thông minh, hiệu quả và an toàn hơn trong tương lai. Việc ước lượng tham số hiệu quả là chìa khóa cho sự đổi mới trong hàng không.

5.1. Cải thiện độ chính xác nhận dạng hệ số khí động.

Mạng nơron giúp đạt được độ chính xác cao hơn. Điều này cực kỳ quan trọng cho thiết kế thiết bị bay. Khả năng học hỏi từ dữ liệu lớn là ưu điểm nổi bật. Nó nâng cao độ tin cậy của các mô hình khí động.

5.2. Hướng phát triển Học sâu Trí tuệ nhân tạo trong hàng không.

Học sâu và trí tuệ nhân tạo đang định hình tương lai. Ứng dụng chúng trong mô hình hóa và điều khiển máy bay là xu hướng. Tiềm năng cho các máy bay không người lái (UAV) là rất lớn. Ngành hàng không đang chuyển mình mạnh mẽ.

5.3. Tối ưu hóa thiết kế thiết bị bay nhờ ước lượng tham số hiệu quả.

Ước lượng tham số khí động chính xác giúp tối ưu hóa thiết kế. Điều này dẫn đến hiệu suất bay tốt hơn, an toàn cao hơn. Mạng nơron là công cụ mạnh mẽ để đạt được mục tiêu này. Nó đẩy nhanh quá trình phát triển sản phẩm.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ ứng dụng mạng nơron nhận dạng các tham số khí động kênh độ cao nhằm nâng cao hiệu quả thiết kế thiết bị bay

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (161 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ----------------------- NGUYỄN ĐỨC THÀNH ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG CÁC THAM SỐ KHÍ ĐỘNG KÊNH ĐỘ CAO NHẰM NÂNG CAO HIỆU QUẢ THIẾT KẾ THIẾT BỊ BAY LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội – 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ----------------------- NGUYỄN ĐỨC THÀNH ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG CÁC THAM SỐ KHÍ ĐỘNG KÊNH ĐỘ CAO NHẰM NÂNG CAO HIỆU QUẢ THIẾT KẾ THIẾT BỊ BAY Chuyên ngành: Kỹ thuật điều khiển và tự động hóa Mã số: 9.16 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Trương Đăng Khoa 2. Hoàng Minh Đắc Hà Nội - 2021 i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Những nội dung, số liệu và kết quả trình bày trong luận án là hoàn toàn trung thực và chưa có tác giả nào công bố trong bất cứ một công trình nào khác.

Các dữ liệu tham khảo được trích dẫn đầy đủ. Tác giả luận án Nguyễn Đức Thành ii LỜI CẢM ƠN Công trình nghiên cứu này được thực hiện tại Viện Tên lửa, Viện Tự động hoá kỹ thuật quân sự thuộc Viện Khoa học và Công nghệ quân sự - Bộ Quốc phòng. Tác giả xin bày tỏ sự biết ơn sâu sắc tới TS. Trương Đăng Khoa và TS.

Hoàng Minh Đắc đã định hướng nghiên cứu và tận tình hướng dẫn, giúp đỡ trong suốt quá trình thực hiện luận án. Tác giả luận án xin chân thành cảm ơn thủ trưởng Viện Khoa học và Công nghệ quân sự, Phòng Đào tạo/ Viện Khoa học và Công nghệ quân sự, Viện Tên lửa, Viện Tự động hoá kỹ thuật quân sự Viện Khoa học và Công nghệ quân sự, khoa KTĐK Học viện KTQS và các đồng nghiệp đã luôn động viên, quan tâm và giúp đỡ để tác giả hoàn thành luận án. Xin chân thành cám ơn các Thầy giáo, các nhà Khoa học và gia đình, người thân cùng bạn bè đã quan tâm giúp đỡ, đóng góp nhiều ý kiến quý báu, cổ vũ và động viên tác giả hoàn thành công trình khoa học này. NCS Nguyễn Đức Thành iii MỤC LỤC LỜI CAM ĐOAN.

ii MỤC LỤC. iii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT. vi DANH MỤC CÁC BẢNG. x DANH MỤC CÁC HÌNH VẼ.

xi MỞ ĐẦU. 1 CHƯƠNG I: TỔNG QUAN VỀ NHẬN DẠNG CÁC HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY. Nhiệm vụ nhận dạng các đạo hàm hệ số khí động trong quy trình thiết kế thiết bị bay. Các giai đoạn thiết kế thiết bị bay.

Mô hình khí động của thiết bị bay. Vai trò nhận dạng các đặc tính khí động. Nhận dạng các đạo hàm hệ số khí động từ dữ liệu bay. Mô hình động học chuyển động của máy bay.

Thử nghiệm bay, thu nhận dữ liệu. Ước lượng tham số khí động và xác định trạng thái. Xác nhận mô hình. Tình hình nghiên cứu ngoài nước.

Tình hình nghiên cứu trong nước. Đặt vấn đề nghiên cứu. Những vấn đề còn tồn tại. Xây dựng hướng nghiên cứu của luận án.

Kết luận chương 1. 37 iv CHƯƠNG 2: XÂY DỰNG MÔ HÌNH ĐỘNG HỌC CHO MỘT LỚP MÁY BAY CÁNH BẰNG. Mô hình động học máy bay. Các hệ tọa độ sử dụng trong mô tả chuyển động của máy bay.

Các quy ước về chiều và dấu các tác động điều khiển. Mô hình động học phi tuyến. Mô hình động học máy bay trong kênh độ cao. Mô hình trạng thái chuyển động phi tuyến.

Mô hình trạng thái chuyển động tuyến tính kênh độ cao. Mô hình động học dùng cho nhận dạng các đạo hàm hệ số khí động của thiết bị bay khi ứng dụng mạng nơron nhân tạo. Mô hình động học thiết bị bay dùng cho mạng nơron nhân tạo. Mạng nơron đột biến.

Kết luận chương 2. 63 CHƯƠNG 3: XÂY DỰNG THUẬT TOÁN NHẬN DẠNG MỘT SỐ ĐẠO HÀM HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY. Thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay theo các phương pháp truyền thống. Thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay theo phương pháp hồi quy tuyến tính.

Thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay theo phương pháp sai số đầu ra. Xây dựng thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay sử dụng mạng nơron nhân tạo. Xây dựng thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay sử dụng mạng RBF. Xây dựng thuật toán nhận dạng đạo hàm hệ số khí động của máy bay ứng dụng mạng nơron đột biến.

Kết luận chương 3. 95 CHƯƠNG 4: MÔ PHỎNG VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN NHẬN DẠNG CÁC ĐẠO HÀM HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY. Mô phỏng và đánh giá các thuật toán nhận dạng các đạo hàm hệ số khí động của máy bay sử dụng phương pháp truyền thống. Mô phỏng và đánh giá thuật toán nhận dạng các đạo hàm hệ số khí động theo phương pháp LR.

Mô phỏng và đánh giá thuật toán nhận dạng đạo hàm hệ số khí động theo phương pháp OEM. Mô phỏng và đánh giá thuật toán nhận dạng đạo hàm hệ số khí động ứng dụng mạng nơron nhân tạo. Mô phỏng và đánh giá thuật toán nhận dạng đạo hàm hệ số khí động ứng dụng mạng RBF. Mô phỏng và đánh giá thuật toán nhận dạng các đạo hàm hệ số khí động ứng dụng mạng nơron đột biến.

Kết luận chương 4. 116 KẾT LUẬN VÀ KIẾN NGHỊ. 118 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ. 120 TÀI LIỆU THAM KHẢO .a vi DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT 1.

Danh mục các ký hiệu ,  Góc tấn công, góc trượt  0  0 Góc tấn công đảm bảo cho máy bay ở chế độ bay bằng ,  ,  Góc gật, góc liệng, góc hướng  0  δe , δr , δa Góc lệch cánh lái độ cao, cánh lái hướng, cánh lái liệng  0  δe0 Góc lệch cánh lái độ cao đảm bảo máy bay ở chế độ bay bằng  Mật độ không khí  kg / m3   Sai lệch chuẩn  Véc tơ các tham số mô hình  x ,  y ,  z Các thành phần tốc độ góc trong hệ tọa độ liên kết  0 /s 2    A, B, C, D Ma trận hệ thống tuyến tính ax , ay , az Các thành phần gia tốc trong hệ tọa độ liên kết  m / s 2  bA , bAe Cung khí động trung bình cánh nâng, cánh lái độ cao  m  CL , CD Hệ số lực nâng và hệ số lực cản trong hệ tọa độ tốc độ CD , CL , m y Đạo hàm hệ số lực cản, hệ số lực nâng, hệ số mô men gật theo góc tấn công 1 / 0  CD , CL , my Đạo hàm hệ số lực cản, hệ số lực nâng, hệ số mô men gật theo y y z tốc độ góc gật  s / 0  CD , CL , my e e e Đạo hàm hệ số lực cản, hệ số lực nâng, hệ số mô men gật theo góc lệch cánh lái độ cao 1 / 0  Cx , C y , Cz Các thành phần hệ số lực khí động trong hệ tọa độ liên kết vii F Véc tơ lực tác động lên thiết bị bay  N  FA Véc tơ lực khí động tác động lên thiết bị bay  N  FG Véc tơ trọng lực tác động lên thiết bị bay  N  FP Véc tơ lực đẩy động cơ tác động lên thiết bị bay  N  g Gia tốc trọng trường  m / s 2  H Độ cao thiết bị bay  m  I Ma trận mô men quán tính  kg.m2  Ix, I y , Iz Các mô men quán tính trong hệ tọa độ liên kết  kg.m2  l , le Sải cánh nâng, cánh lái độ cao  m  L, D Lực nâng và lực cản trong hệ tọa độ tốc độ  N  m Khối lượng của thiết bị bay  kg  M Véc tơ mô men tác động lên thiết bị bay  Nm  MA Véc tơ mô men khí động tác động lên thiết bị bay  Nm  MP Véc tơ mô men lực đẩy động cơ tác động lên thiết bị bay  Nm  Mx, M y, Mz Các thành phần mô men khí động trong hệ tọa độ liên kết  Nm  mx , my , mz Các thành phần hệ số mô men khí động trong hệ tọa độ liên kết N Số điểm dữ liệu bay ghi nhận được Oxyz Hệ tọa độ liên kết Oxa ya za Hệ tọa độ tốc độ OxE y E z E Hệ tọa độ mặt đất Oxg yg zg Hệ tọa độ mặt đất di động P Lực đẩy động cơ  N  viii q Áp suất khí động  N / m3  R Ma trận hiệp phương sai sai số S Diện tích đặc trưng cánh  m 2  x Véc tơ tham số trạng thái X, Y, Z Các thành phần lực khí động trong hệ tọa độ liên kết  N  y, z Véc tơ tham số đầu ra mô hình và tập dữ liệu bay V Không tốc của thiết bị bay  m / s  Vx , Vy , Vz Các thành phần tốc độ trong hệ tọa độ liên kết  m / s  2. Danh mục các chữ viết tắt 2.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Nguyễn Đức Thành (2021). Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay [Luận án tiến sĩ, Viện Khoa học và Công nghệ quân sự]. LuanAn.net. https://luanan.net/tai-lieu-khac/ung-dung-mang-non-nhan-dang-tham-so-khi-dong-thiet-bi-bay

Câu hỏi thường gặp

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" nghiên cứu về vấn đề gì?

Luận án: Luận án tiến sĩ ứng dụng mạng nơron nhận dạng các tham số khí động kênh độ cao nhằm nâng cao hiệu quả thiết kế thiết bị bay. Xem tóm tắt và tải về tại

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Viện Khoa học và Công nghệ quân sự. Năm bảo vệ: 2021.

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" thuộc chuyên ngành gì?

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" thuộc chuyên ngành Kỹ thuật điều khiển và tự động hóa. Danh mục: Tài liệu khác.

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" có bao nhiêu trang?

Luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" có 161 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Ứng dụng mạng nơron nhận dạng tham số khí động lực học máy bay" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter