روش های برخط جهت شناسایی مدل هواپیما: بررسی مروری و مقایسه ای

در مقاله حاضر، یک بررسی مقایسه­ای نسبتا جامع از روش­های شناسایی برخط بر روی مدل دینامیکی یک سیستم هواپیما ارائه شده است. برای این منظور ضمن معرفی انواع الگوریتم­های موجود در این زمینه از الگوریتم­های حداقل مربعات بازگشتی، حداقل مربعات تعمیم­یافته بازگشتی، متغیرهای کمکی بازگشتی، ماتریس توسعه یافته، شبکه عصبی توابع پایه شعاعی و شبکه عصبی پرسپترون چند لایه با الگوریتم یادگیری پس انتشار برای شناسایی مدل فوق استفاده می­شود. جهت انجام شبیه­­سازی­ها و نیز آموزش شبکه­های عصبی از مدل خطی شده و داده­های هواپیمای بوئینگ ۷۴۷ که توسط کنترل کننده مد لغزشی بر روی مسیر مرجع دلخواه کنترل می­شود، استفاده شده است. در نهایت نیز عملکرد روش­های شناسایی مذکور ارزیابی و با یکدیگر مقایسه می­شوند. بر اساس نتایج این مقاله، روش شبکه عصبی توابع پایه شعاعی به دلیل عدم استفاده از مدل خطی سیستم، تخمین دینامیک نویز، عدم نیاز به مدل سیستم و دقت بالاتر در عین سرعت مناسب، از برتری چشمگیری نسبت به سایر روش­ها برخوردار است.

Keywords:

شناسایی سیستم , کنترل مد لغزشی , الگوریتمهای بازگشتی , شبکه عصبی , توابع پایه شعاعی , پرسپترون چند لایه