Поиск по всему репозиторию:

Применение нейросетей для оценки фактических параметров торможения колес самолета на взлетной полосе покрытой осадками

Thumbnail
Открыть/скачать файлы документа
Автор
Дата издания
2008
Издательство
БрГТУ
УДК
621.039.623
Библиографическое описание
Бондарец, А. Я. Применение нейросетей для оценки фактических параметров торможения колес самолета на взлетной полосе покрытой осадками / А. Я. Бондарец, О. Д. Крееренко // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2008. – № 5. – С. 52–56.
Аннотация
Представлен опыт применения искусственных нейронных сетей (ИНС) для определения фактических коэффициентов сопротивления от колес при движении самолета на ВПП. Для решения задачи выбрана нейронная сеть DCSL (Dynamic Cell Structure) из библиотеки адаптивных нейронных сетей «Adaptive Neural Network Library». Задача реализована с использованием программных средств пакета Matlab Simulink. Программа включает математическую модель движения самолета по ВПП, где учтены аэродинамические характеристики самолета, высотно-скоростные характеристики двигателя, градиенты (уклоны) поверхности ВПП. В качестве исходных данных для идентификации использованы параметры движения самолета на ВПП, полученные в летных испытаниях. В процессе «обучения» ИНС идентифицированы фактические параметры трения качения, сопротивления слоя осадков и торможения. Показаны полученные идентификацией параметры торможения колес, а также сходимость результатов расчетов с данными летных испытаний.
Аннотация на другом языке
The experience of neural network application for determination of airplane’s wheels drag actual coefficient on the runway covered with precipitations is introduced. DCSL (Dynamic Cell Structure) neural network from “Adaptive Neural Network Library” was selected as a tool of identification. The task is solved in Matlab Simulink environment. The programm includes math model of aircraft motion along runway. Available aerodynamic and altitudeairspeed performances of engines are used. Runway surface gradients (slopes), which correspond to the experimental data, are taken into account. The data from airplane runs during flight tests in actual conditions are used to create a samples for neural networks traning. The obtained by identification wheels drag parameters (braking, rolling resistance and contamination drag) and the convergence between the results received in test modeling and the experimental data are shown.
URI документа
https://rep.bstu.by/handle/data/12743
Документ расположен в коллекции