004.89 Моделирование и параметрическая идентификация аэродинамических характеристик самолета транспортной категории с использованием нейросетей в среде Тensorflow
Крееренко С. С. (ПАО «ТАНТК им. Г.М. Бериева»), Крееренко О. Д. (ПАО «ТАНТК им. Г.М. Бериева»)
ДИНАМИКА, САМОЛЕТ, ИДЕНТИФИКАЦИЯ, ПОЛУЭМПИРИЧЕСКАЯ, НЕЙРОСЕТЬ, РЕКУРРЕНТНЫЕ, TENSORFLOW, KERAS, ОБУЧЕНИЕ
doi: 10.18698/2309-3684-2024-3-8199
Рассматривается задача моделирования продольного движения самолета транспортной категории и параметрическая идентификация аэродинамических характеристик продольного движения: составляющих безразмерных коэффициентов аэродинамической подъемной силы и момента тангажа. Задача решается в классе модульных полуэмпирических динамических моделей, созданных объединением теоретического и нейросетевого моделирования. Работоспособность и практическая значимость моделей подтверждается результатами вычислительных экспериментов. Разработка нейросетевой модели продольного движения самолета выполнена на языке Python с использованием открытой программной библиотеки Tensorflow для машинного обучения и высокоуровневого API Keras в составе Tensorflow.
[1] Васильченко К.К., Леонов В.А., Пашковский И.М., Поплавский Б.К. Летное испытания самолетов. Москва, Машиностроение,1996, 719 с.
[2] Васильченко К.К., Кочетков Ю.А., Леонов В.А., Поплавский Б.К. Структурная идентификация математической модели движения самолета. Москва, Машиностроение, 1993, 352 с.
[3] Линник Ю.В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. Москва, Физматгиз, 1962, 333 с.
[4] Льюнг Л. Идентификация систем: теория для пользователя. Москва, Наука, 1991, 432 с.
[5] Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. Москва, Наука, 1978, 352 с.
[6] Эйкхофф П. Основы идентификации систем управления. Москва, Мир, 1975, 685 c.
[7] Кулифеев Ю.Б. Дискретно-непрерывный метод идентификации непрерывных систем. Известия АН СССР. Механика твердого тела, 1981, № 5, с. 47–55.
[8] Белоцерковский А.С., Качанов Б.О., Кулифеев Ю.Б., Морозов В.И. Создание и применение математических моделей самолетов. Москва, Наука, 1984, 143 с.
[9] Dreyfus G. Neural networks : methodology and applications. Berlin, New York, Springer, 2005, 497 p.
[10] Dreyfus G., Idan Y. The Canonical Form of Nonlinear Discrete-Time Models. Neural Computation, 1998, vol. 10, no. 1, pp. 133–164. DOI: 10.1162/089976698300017926
[11] Nerrand O., Roussel-Ragot P., Personnaz L., Dreyfus G., Marcos S. Neural networks and nonlinear adaptive filtering: unifying concepts and new algorithms. Neural Computation, 1993, vol. 5, no. 2, pp. 165–199. DOI: 10.1162/neco.1993.5.2.165
[12] Oussar Y., Dreyfus G. How to be a gray box: dynamic semi-physical modeling. Neural Computation, 2001, vol. 14, no. 9, pp. 1161–1172. DOI: 10.1016/S0893-6080(01)00096-X
[13] Егорчев М.В., Козлов Д.С., Тюменцев Ю.В. Моделирование продольного углового движения самолета: сопоставление теоретического, эмпирического и полуэмпирического подходов. Научный вестник Московского государственного технического университета гражданской авиации, 2015, № 211 (1), c. 116–123.
[14] Егорчев М.В., Тюменцев Ю.В. Нейросетевые полуэмпирические модели управляемых динамических систем. Сборник научных трудов XV Всероссийской научно-технической конференции «Нейроинформатика-2013», Ч. 2, Москва, Изд-во МИФИ, 2013, с. 22–31.
[15] Егорчев М.В., Козлов Д.С., Тюменцев Ю.В., Чернышев А.В. Нейросетевые полуэмпирические модели управляемых динамических систем. Вестник компьютерных и информационных технологий, 2013, № 9 (111), c. 3–10.
[16] Егорчев М.В., Тюменцев Ю.В. Обучение полуэмпирической нейросетевой модели управляемого движения самолета. Сборник научных трудов XVI Всероссийской научно-технической конференции «Нейроинформатика-2014», Ч. 2, Москва, Изд-во МИФИ, 2014, с. 363–272.
Крееренко С.С., Крееренко О.Д. Моделирование и параметрическая идентификация аэродинамических характеристик самолета транспортной категории с использованием нейросетей в среде Тensorflow. Математическое моделирование и численные методы, 2024, № 3, с. 81–99.
Исследование выполнено без финансирования со стороны каких-либо организаций.
Скачать статью
Количество скачиваний: 39