طراحی و شناسایی کنترلر عصبی بهینه تقرب در حضور مدل و پیشرانش الاستیک

در راستای طراحی و ارایه شناساگر عصبی بهینه به منظور اجرای فرمان های کنترلی در فاز تقرب، نخست مدل الاستیک بال هواپیما با در نظر گرفتن تاثیراتی که در تغییر راستای بردار پیشرانش موتورهای نصب شده روی بال و تغییر ضرایب آیرودینامیکی دارد، استخراج می شود. این تغییرات برآمده از تاثیرات متقابل بارهای وارد به بال و ویژگی انعطاف پذیری آن می باشد. در ادامه با توجه به این مدل کشسان به دست آمده برای بال هواپیما، کنترل بر مسیر بهینه تقرب در زاویه مسیر منهای سه درجه به کمک الگوریتم بهینه سازی SQP طراحی می گردد؛ در نهایت با توجه به الگوها و داده های ورودی کنترلی و خروجی هواپیما، شبکه عصبی پرسپترون بر مبنای شناسایی الگوی کنترلی، آموزش می شود. نتایج به دست آمده از عملکرد شبکه عصبی در مقایسه با الگوی تئوری بهینه شده، نشان دهنده ی کارایی بالای شبکه مورد نظر در شناسایی رفتار و بکارگیری کنترل مناسبِ وسیله ی پرنده است و این در حالی است که افزودن ملاحظات برآمده از کشسانش بال، کارایی فرآیند انجام گرفته را تایید می نماید، به ویژه آن که موارد یاد شده در شرایط حساس پروازی مانند نشست هواپیما، بسیار مطلوب به نظر می رسد.

Keywords:

شناساگر عصبی بهینه , فاز تقرب , آئروالاستیسیته , مدل الاستیک بال , بهینه سازی SQP , شبکه پرسپترون