Разработка искусственной нейронной сети для управления характеристиками амортизационных стоек шасси самолетов
Авторы: Брусов В.А., Мерзликин Ю.Ю., Меньшиков А.С.
Опубликовано в выпуске: #12(96)/2019
DOI: 10.18698/2308-6033-2019-12-1939
Раздел: Механика | Рубрика: Динамика, прочность машин, приборов и аппаратуры
Рассмотрена искусственная нейронная сеть, содержащая три слоя, с помощью которой возможно реализовать адаптивный контур системы управления, подстраивающий упруго-демпфирующие параметры амортизационных стоек самолета под конкретные условия взлетно-посадочных полос (ВПП): длина и высота неровности, удельная твердость. Для снижения перегрузок самолетов на этапах взлета-посадки (разбег-пробег по ВПП) при рулении применяются амортизационные стойки с изменяемыми упруго-демпфирующими характеристиками. В связи с тем, что параметры неровностей ВПП находятся в широком диапазоне значений, необходимо использовать адаптивную систему управления коэффициентами жесткости и демпфирования амортизационных стоек, построенную с использованием искусственной нейронной сети. Для обучения искусственной нейронной сети использовался метод скоростного градиента. В качестве целевого критерия, подлежащего минимизации, применялась половина квадрата сигнала рассогласования. Проведенные расчетные исследования разбега и пробега самолета типа Ил-114 по грунтовой ВПП показали возможность снижения вертикальных перегрузок до 15 % при оснащении системой управления упруго-демпфирующими характеристиками с нейронной сетью. Сравнение проводилось с самолетом, оснащенным «классической» (неадаптивной) системой управления параметрами стоек шасси.
Литература
[1] Брусов В.А., Меньшиков А.С., Мерзликин Ю.Ю., Чижов Д.А. Разработка регулируемой амортизационной стойки шасси ближнемагистрального самолета с целью снижения динамической нагруженности планера на разбеге и пробеге по грунтовым ВПП. Сб. докл. XXVIII науч.-техн. конф. по аэродинамике. Москва, Изд-во ЦАГИ имени Н.Е. Жуковского, 2017, с. 65–66.
[2] Крееренко О.Д. Метод совмещенного синтеза законов управления движением летательных аппаратов по взлетно-посадочной полосе в режиме посадки. Автореф. дис. … канд. техн. наук. Таганрог, 2012, 25 с.
[3] Fradkov A.L., Stotsky A.A. Speed gradient adaptive algorithms for mechanical system. International journal of adaptive control and signal processing, 1992, vol. 6, pp. 211–220.
[4] Гаврилов А.И. Перспективы применения нейросетевых технологий в системах автоматического управления. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение, 1998, № 1, с. 119–126.
[5] Geman S., Bienenstock E., Doursat R. Neural networks and the bias / variance dilemma. Neural Computation, 1992, vol. 4, pp. 1–58.
[6] Pederson M.W., Hansen L.K. Recurrent networks: second order properties and pruning. Neural Information Processing Systems: Proc. of the 7th Conference, 1995, vol. 611, pp. 18–31.
[7] Кутелев М.М. Математическая модель системы самолет — шасси — взлетно-посадочная полоса. Методы исследования при создании современных самолетов, 1986, № 2, c. 51–58.
[8] Брусов В.А., Наумов В.Н., Чижов Д.А., Долгополов А.А., Мерзликин Ю.Ю., Меньшиков А.С. Снижение вертикальной нагрузки самолета при движении по неровным взлетно-посадочным полосам управлением характеристиками амортизационных стоек шасси. Инженерный журнал: наука и инновации, 2014, вып. 9. DOI: 10.18698/2308-6033-2014-9-1304
[9] Наумов В.Н., Брусов В.А., Чижов Д.А. Задача оптимального управления параметрами амортизационных стоек самолета при взлете и посадке. Инженерный журнал: наука и инновации, 2013, вып. 10. DOI: 10.18698/2308-6033-2013-10-979
[10] Бондарец А.Я., Крееренко О.Д. Опыт применения искусственных нейронных сетей для оценки фактических параметров математической модели движения самолета. Нелинейный мир, 2009, т. 7, № 8, с. 593–604.
[11] Мышляев Ю.И. Об одном подходе к синтезу систем с переменной структурой в условиях параметрической неопределенности. Труды МГТУ им. Н.Э. Баумана № 575. Москва, 1999, с. 68–73.