基于神经网络的直升机建模

合集下载

基于神经网络的航空器故障诊断与预测方法研究

基于神经网络的航空器故障诊断与预测方法研究

基于神经网络的航空器故障诊断与预测方法研究航空器故障诊断与预测一直是航空工程领域中的重要研究方向之一。

如何准确、快速地诊断和预测航空器可能出现的故障,对于航空安全、运行效率和成本控制具有重要意义。

近年来,随着神经网络技术的发展和应用,基于神经网络的航空器故障诊断与预测方法逐渐受到研究者的关注。

本文将对基于神经网络的航空器故障诊断与预测方法进行研究与探讨。

首先,我们对神经网络技术进行简要介绍。

神经网络是一种模拟大脑神经结构和功能的计算模型,具有自适应学习能力和非线性映射能力。

神经网络可以通过学习大量的数据样本,自动调整网络参数,进而实现对未知数据的识别和预测。

在航空领域,神经网络已经成功应用于故障诊断、预测和控制等方面。

针对航空器故障诊断与预测问题,基于神经网络的方法主要包括以下几个方面的研究。

首先是神经网络模型的选择。

航空器故障诊断与预测涉及到大量的故障数据和工作状态数据,而不同类型的神经网络模型对数据的表达和处理方式不尽相同。

研究者可以选择传统的前馈神经网络模型,也可以选择具有记忆能力的循环神经网络模型或者用于序列数据处理的长短期记忆网络模型。

模型的选择需要考虑到故障诊断与预测的具体问题和数据特点。

接下来是数据的预处理和特征提取。

在实际应用中,航空器的故障数据往往包含了大量的噪声和冗余信息,而神经网络对数据质量和特征的敏感性较高。

因此,在进行故障诊断与预测之前,需要对数据进行预处理和特征提取。

这包括数据清洗、降噪、特征选择等步骤,以提高神经网络模型的性能和鲁棒性。

然后是神经网络的训练和优化。

通过大量的故障样本和工作状态样本,可以对神经网络模型进行训练和优化。

常用的训练算法包括反向传播算法、遗传算法和粒子群优化算法等。

在训练过程中,需要注意选择合适的损失函数和优化目标,以及避免过拟合和欠拟合等问题。

最后是故障诊断与预测的实现和评估。

通过进行故障诊断与预测实验,可以验证基于神经网络的方法在航空器故障诊断与预测方面的效果和性能。

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断廖文峰;高亚东【摘要】提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型.基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取.采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比.结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力.【期刊名称】《南京航空航天大学学报》【年(卷),期】2015(047)002【总页数】5页(P285-289)【关键词】直升机旋翼;故障诊断;模糊RBF神经网络;累计贡献率【作者】廖文峰;高亚东【作者单位】南京航空航天大学直升机旋翼动力学国家级重点实验室,南京,210016;南京航空航天大学直升机旋翼动力学国家级重点实验室,南京,210016【正文语种】中文【中图分类】V211.52旋翼是直升机主要的振源之一, 也是直升机故障高发区。

因此, 作为直升机的关键部件, 对旋翼进行常见故障监测与诊断是非常必要的。

国外Chopra 等人提出了基于人工神经网络的诊断方法[1-5]。

文献[1]使用有限元法分析了SH-60直升机的旋翼,通过仿真计算得到旋翼分别发生桨叶吸潮、减摆器故障、变距拉杆操纵线系故障的情况下桨毂中心所受的载荷及桨尖位移。

旋翼故障分类和故障程度的识别模型使用了两个 BP 神经网络,并把桨尖位移、桨毂中心六力素各谐波分量作为这两个BP网络的输入,研究结果表明带有一个隐层的BP网络能实现故障分类和程度识别。

直升机飞行控制系统动态建模与仿真

直升机飞行控制系统动态建模与仿真

直升机飞行控制系统动态建模与仿真一、引言直升机是一种垂直起降的飞行器,在现代社会中扮演着重要的角色,广泛应用于军事、民用、医疗、物流等领域。

其飞行控制系统的设计和开发具有十分重要的意义。

直升机的飞行控制系统包括机械设计部分和电子控制部分。

机械设计部分主要包括主旋翼叶片、尾旋翼、机身结构等,而电子控制部分则主要包括传感器、执行器、控制器等。

其中,飞行控制系统的设计不仅需要考虑直升机的稳定性、可靠性和飞行性能等问题,还需要考虑到其复杂的结构和多变的工作环境。

本文旨在通过动态建模和仿真的方法,分析直升机飞行控制系统的工作原理和控制机理,进而提高其稳定性和可靠性,为直升机的应用提供技术支撑。

二、直升机的基本结构直升机是一种可以垂直起降的旋翼飞行器,它具有以下基本结构:(1)旋翼系统旋翼系统是直升机的主要部分,包括主旋翼和尾旋翼。

主旋翼通过旋转产生升力和推力,使直升机获得升力和前进动力。

尾旋翼主要用于平衡机身的姿态和控制机身的方向。

(2)机身结构机身结构是直升机的框架,承担着旋翼系统和发动机的重量。

机身结构的主要材料是铝合金、钛合金、复合材料等。

(3)发动机发动机是直升机的动力系统,一般采用燃气轮机或柴油机。

发动机的功率主要决定着直升机的飞行性能和载荷能力。

(4)电子控制装置电子控制装置是直升机的核心部件,主要负责控制旋翼系统的运动和控制机身的姿态。

电子控制装置包括传感器、执行器和控制器等。

三、直升机控制系统的组成直升机的控制系统由传感器、执行器和控制器三部分组成。

(1)传感器传感器是直升机控制系统的输入部分,可以测量飞机的姿态、速度、位置和加速度等参数。

传感器的主要类型包括角速度陀螺仪、加速度计、地磁传感器、气压计等。

(2)执行器执行器是直升机控制系统的输出部分,根据控制器的指令对飞机进行姿态控制和位置控制。

执行器的主要类型包括电动舵机、平衡阀、电动水平面和液压阀等。

(3)控制器控制器是直升机控制系统的核心部件,它接收传感器的信号,计算控制指令,并将其发送给执行器进行控制。

基于神经网络的飞行器故障预测技术研究

基于神经网络的飞行器故障预测技术研究

基于神经网络的飞行器故障预测技术研究随着现代社会科技的不断进步,飞行器在人们生活和经济中的重要性与日俱增。

然而航空事故带来的剧痛仍不时发生,如何预测故障并及时进行维修保养,成为了一个重要课题。

目前,基于神经网络的飞行器故障预测技术越来越成熟和应用到实际中。

本文旨在介绍这一领域的研究现状、相关理论和具体应用。

一、神经网络神经网络是一种模仿人的神经系统的学习算法。

它是通过训练算法,使得神经元之间的连接权重得到优化,从而实现输入和输出的映射。

神经网络具有学习、自适应、众多输入和输出和非线性等优点,在飞行器故障预测中得到广泛应用。

二、飞行器故障预测的神经网络模型1、多层感知器模型多层感知器模型是神经网络中最常见的一种结构,由多个神经元和多层隐藏层组成,可以对非线性数据进行建模预测,因此被应用于飞行器故障的预测研究中。

该模型可以通过输入的数据进行训练,并输出飞行器的状态,将多个输入信号拟合成多个输出值。

同时还可以对当前输入状态做出预测,进而预测飞行器的故障情况,降低飞行安全风险。

2、递归神经网络模型递归神经网络模型是一种可以处理时间序列数据的模型,该模型在最近邻模型的基础上设计,主要应用于飞行器的故障预测、诊断和控制。

通过学习时间序列数据中的反馈信号,该模型能够对未来的故障进行预测,为飞行器诊断和维护提供科学保障。

三、应用实例1、飞行器故障预测模型的设计与分析针对飞行器故障预测的需求,科学家们提出了基于神经网络的故障预测模型,并将其实际应用于飞机的诊断和维护中。

该模型可以对不同类型的飞行器进行预测,包括大型客机、直升飞机等不同种类的机型。

模型的实现需要大量的飞行、传感器和温度等数据,通过学习这些数据的相互关系,模型能够对飞行器的运行状态进行预测,并为飞机维修和保养提供指导。

2、飞行器故障预测模型在实际使用中的应用飞行器故障预测模型在实际使用中能够帮助飞行器进行动态监测,及时发现问题,减少故障发生。

目前,该模型被广泛应用于大型航空公司、军事、民用飞机中,如:空中客车A380、波音787梦想飞机等。

基于机器学习的飞行器动态建模技术研究

基于机器学习的飞行器动态建模技术研究

基于机器学习的飞行器动态建模技术研究随着航空工业的快速发展,越来越多的飞行器被研制成功并广泛应用在各个领域。

然而,用来驱动飞行器的线性化模型无法完全描述复杂的非线性运动。

因此,动态建模成为了飞行器控制领域研究的重点之一。

基于机器学习的飞行器动态建模技术,成为了当今航空工业较为热门和前沿的研究方向之一。

一、机器学习在动态建模中的应用机器学习在动态建模中的应用,主要基于其具有良好的自主和自适应能力。

通过训练模型,机器学习能够将模型的精度不断提高,并实现更准确的预测和控制。

相比于传统的建模方法,机器学习可以从大量的实际数据中自动学习建模方式,并生成更准确的模型。

在飞行器的动态建模中,机器学习主要应用于以下三个方面:1、基于模型的学习:即依据先前获得的模型和数据,通过学习新数据来提高模型的准确性。

这种学习方法既可以是在线学习,也可以是离线学习;2、数据驱动的学习:此方法直接对数据进行学习,并忽视模型的先验知识。

利用机器学习的非线性建模能力,直接学习可有效解释数据的训练模型;3、在线学习:通过不断地从飞行过程中获取的实时数据中学习模型,进而改善现有的模型。

二、基于机器学习的动态建模技术研究1、循环神经网络(RNN)RNN作为一种特殊的神经网络结构,在时间序列的建模中能够保存前一时刻的信息,进而建立与时间有关的模型。

在飞行器的动态建模中,RNN可实现基于时间的动态建模,依据当前状态来预测下一状态,并能够从历史数据中快速学习模型。

2、支持向量机(SVM)SVM主要用于将线性不可分的数据集映射到高维空间中,使其变得可分。

在飞行器的动态建模中,SVM可以将飞行器状态映射到高维特征空间,并用于建立非线性的动态模型。

SVM在非线性问题中的表现良好,能够适用于对多维数据集的建模,并在实时控制系统中广泛应用。

3、深度学习深度学习是一种可以使用多层神经网络来学习数据表示的机器学习方法。

其主要思想是通过逐层将多维数据进行变换和降维,进而在高维特征空间中建立动态模型。

基于DCNN的无人直升机自转过程建模

基于DCNN的无人直升机自转过程建模

基于DCNN的无人直升机自转过程建模
傅春啸;屈天祥;滕飞;盛守照
【期刊名称】《机械与电子》
【年(卷),期】2022(40)3
【摘要】针对小型无人直升机自转着陆过程,在已有的加速度预测模型的基础上,提出了利用深度卷积神经网络来表示系统自转飞行过程中的隐藏状态(气流以及直升机的抖动的影响)。

通过与实际自转着陆飞行数据进行对比测试,改进后的模型可以更好地预测各个状态的变化,精度得到了明显提升。

【总页数】5页(P8-12)
【作者】傅春啸;屈天祥;滕飞;盛守照
【作者单位】南京航空航天大学自动化学院
【正文语种】中文
【中图分类】TP391;V275.1
【相关文献】
1.无人直升机自转着陆控制设计与仿真验证
2.武装直升机拦截反辐射无人机过程建模及效能评估
3.武装直升机拦截反辐射无人机过程建模及效能评估
4.基于无人直升机的舵机建模与控制律设计
5.小型无人直升机自转建模与控制策略研究
因版权原因,仅展示原文概要,查看原文内容请购买。

基于神经网络的舰载直升机反潜武器系统作战效能评估


2 0 第 5期 07年
舰 船 电 子 工 程
5 1
反潜 直升机 武器 系 统 中 这个 指 标 的 等级 及 对 应 的
数量关 系 , 如表 1所示 。
直升机反潜作战效能
Cl C2
() 2
搜潜效能 l
I攻潜效能 l l平台水平
搜 索 宽 度
蒌茎堇机 l 霎I 械 兀 茎 l 垂好 障 保
1 引言
舰载 直升 机是海 军反潜 作 战的主要 突击 力量 。
与其它 反潜兵 力相 比 , 以快 速反 应 能 力强 、 它 搜攻
主要 是搜索 和攻 击阶段 , 且这 两个 过程具有 严格 的 先后 顺序 , 于 串联 关 系 。在 此过 程 中 , 属 直升 机反
潜 作 战能力 通常指 直升机 的反 潜作 战效能 , 特别是 在特定 的 战术 背 景 下可 以看 成直 升 机 在反 潜 作 战 整 个过 程 中对 敌 潜 艇 的实 施 攻击 的成 功 概率 。这
C 12

图 2 三层 B P神 经 网络 图
3 1 样本 的归 一化 处理 .
本文 采 用 线性 变 换 的方 法 将原 始 指标 值 进 行
图 1 舰 载 直 升 机 反 潜 作 战效 能 评 估 指 标 体 系
归一 化处 理 ( 指 标 在 [ , ] 各 0 1 问取 值 ) 分 两 种 情 ,
之一就是要做好 武器系统 的作战效能评估工作 。 有关 武器效 能分析 理论 已较 为成熟 , 相关 的论述 文
献也 比较 多 , 由于 有些 因素 存在 不 确 定 成分 , 但 建 立既完 整 又精 确 的评 估 模 型 尚存 在 一 定 的 困难 。

神经网络模型在无人机飞行中的应用

神经网络模型在无人机飞行中的应用随着科技的不断发展,无人机在各个领域的应用逐渐普及。

作为人工智能技术的重要组成部分,神经网络模型在无人机飞行中的应用正逐渐成为研究热点。

神经网络是一种模仿生物神经系统信息处理机制而产生的计算模型,通过学习和归纳总结获取知识,具备处理大量数据和进行复杂计算的能力。

在无人机飞行中,神经网络模型的应用不仅可以提高飞行控制的精确度和稳定性,还可以实现更智能化的飞行路径规划和目标识别。

首先,神经网络模型在无人机飞行中的应用可以增强飞行控制的精确度和稳定性。

无人机的飞行控制对于空气动力学、飞行稳定性和定位导航等方面要求非常高,而神经网络模型可以通过对大量实际飞行数据的学习,不断调整和优化无人机的控制参数,提高飞行控制的精确度和稳定性,从而使无人机在复杂环境下能够更加灵活地进行悬停、起降、飞行路径规划等动作。

其次,神经网络模型在无人机飞行中的应用可以实现更智能化的飞行路径规划。

传统的飞行路径规划往往依赖于预先设定的路线和固定的遥控指令,受限于人的主观判断和经验。

而神经网络模型通过对大量各种飞行环境和飞行动作的学习和归纳总结,可以智能地生成适应不同环境的飞行路径规划,使无人机能够更好地适应复杂多变的环境条件,提高飞行的安全性和效率。

另外,神经网络模型在无人机飞行中的应用还可以实现目标识别和跟踪。

无人机的目标识别和跟踪是实现无人机智能作业的重要一环,而神经网络模型具备对大量图像数据进行学习和识别的能力。

通过对不同目标特征的学习和训练,神经网络模型可以实现对不同目标的自动识别和跟踪,从而有效地提高无人机的智能作业能力,如巡航导航、检测监控等。

然而,神经网络模型在无人机飞行中的应用也面临一些挑战和限制。

首先,神经网络模型的训练需要大量的数据和计算资源,对于一些实时性要求较高的应用场景可能具备一定的局限。

其次,神经网络模型的算法较为复杂,需要专业的知识和技能进行设计和优化,对于普通用户来说可能较为困难。

基于神经网络的直升机智能故障检测与主动容错技术综述

基于神经网络的直升机智能故障检测与主动容错技术综述1.引言随着现代飞控系统对其各部件的可靠性、准确性的要求越来越高,故障诊断和容错控制技术的研究引起了相关研究领域的重视。

在控制领域,故障诊断的目的在于及时检测并识别故障,而容错控制的目的在于通过控制器的调节使得故障系统仍能保持满意的性能或者至少达到可以接受的性能指标。

容错控制技术取得应用成果最多的对象是飞机,飞控系统容错控制技术经过数十年的发展,取得了丰硕的成果,针对不同的飞机模型和故障类型,提出了相应的容错控制设计方法。

旋翼飞行器(直升机)具有任意方向飞行,可悬停对预定目标进行定点监视,也可定点做360°回转;外形尺寸小,雷达发射面积小,飞行安全性高;起飞着陆场地要求低;地面设备简单,架设和撤收时问短等优点,因而在军事和民用方面已广泛应用。

旋翼飞行器是一种稳定性差、不易控制的飞行器,具有多变量、非线性耦合、柔性结构等多种动力学特性 ,在飞行过程中会遇到风扰、发动机振动等多种扰动,其机械部件和控制系统极易出现故障,如果故障不能被有效检测出来或者在有限的控制周期内没有及时对控制器进行处理,旋翼飞行器就会因其静不稳定的特点失去控制,导致重大的损失甚至地面人员伤亡。

由此,对于旋翼飞行器的故障诊断与容错控制技术的研究就成为了提高其安全性和可靠性的迫切研究任务。

本文首先介绍了控制系统的故障检测技术和容错控制技术,然后介绍了直升机故障诊断与容错控制的特点,紧接着对基于神经网络的直升机故障诊断和容错技术进行了分析,最后总结了直升机故障诊断和容错技术中存在的问题及发展方向。

2. 控制系统的故障检测技术概述控制系统的故障检测与诊断技术( FDD ,fault detection and diagnosis) 从上世纪70 年代产生到现在已取得了迅速发展,它是一门综合性技术,涉及现代控制理论、信号处理、模式识别、人工智能、电子技术、数理统计、模糊逻辑等学科理论,与容错控制、鲁棒控制、自适应控制、智能控制有着密切的联系。

基于神经网络的直升机舰面系统效能评估


系统制造 因素主要包括以下指标 : () 1 资金 投 人 指 标 。该 指 标 反 映 的是 研 制 此
系统所 需 的资金 投入 量 。 () 2 制造 时 间 指 标 。是 指 方 案 从 研 制 开 发 到
收稿 日期 :06年 1 20 0月 1 1日, 回日期 :0 6年 1 月 2 修 20 1 0日
及随着技术进步和作战要求 的提高 系统进行功能 扩 张和 改进 的难 易程度 。主要 包括 系统 互连度 、 信 息互通能力 、 可扩充性等。
2 2 系统 制造 因素 分析 .
分别进行分析 2 1 效 能 因素分 析 . 效能 因素 主要 包括 以下 指标 :
() 1 性能优 劣指标。表示 研制方案满足 功能
维普资讯
20 0 7年第 3期
舰 船 电 子 工 程
4 9
交付 部 队使用 所需 的时间 。 ( ) 术 风 险 指 标 。 是 指 方 案 涉 及 的技 术 的 3技 成熟 程度 以及 这些 技术 被研 制 单位所 掌 握 的程 度 。 主要 包括 试 验成 功 概 率 、 造 危 险 程 度 、 术 创 新 建 技 风 险等 。
确、 客观 的关 键 因素之 一 。
() 4 系统生命 力指标。主要指 系统 重新 组装 能力 、 抗碰撞能力、 防电磁干扰能力、 以及信息保密 强度等。
( ) 统兼 容性 及 可 扩 展 性 指 标 。此 指 标 是 5系 指 本 系统 与舰上 其他 系统 相互 连通 兼容 的程度 , 以
手 段种 类 、 操作 界 面友 好 性 、 操作 响应 时 间等 指 标 来 描述 。 () 3 系统稳 定 性 指 标 。主 要 指 系 统 平 均 无 故 障 时 间、 系统 平均 修复 时 间等 。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

天津工业大学 毕业设计(论文)

基于神经网络的直升机建模

姓 名 何凯 学 院 电气工程与自动化 专 业 自动化 指导教师 王书舟 职 称 讲师

2010年6月19日 天津工业大学毕业设计(论文)任务书 题目 基于神经网络的直升机建模 学生姓名 何凯 学院名称 电气工程与自动化 专业班级 自动化063 课题类型 实际课题

课题意义 直升机以其独特的运动方式和机动能力,在军用和民用方面有着其它机种不可替代的作用。近年来,随着直升机飞行建模与仿真需求的增加,对直升机飞行动力学仿真模型的研究也具有了非常重要的地位。 用传统的机理建模方法建立直升机的仿真模型是可行的,但是这种方法需要空气动力学知识,需要大量的气动数据来建立气动系数、气动导数模型。神经网络具有良好的非线性映射能力,可以用于建立直升机的仿真模型,这种模型需要较少的机理分析,避免了辨识大量的气动参数。本课题主要内容包括神经网络类型的选取、基于MATLAB的飞行实验数据预处理(滤波、微分平滑等)、直升机神经网络仿真模型的建立,以及基于MATLAB的机动飞行仿真等四部分。 本课题完成后,可了解直升机和神经网络的原理,熟悉对实际信号的滤波等预处理,熟练使用MATLAB软件,从而既掌握基础理论,又具备实际工程经验。

任务与进度要求

2010.3.15——2010.4.4 了解课题任务,查阅资料,撰写开题报告; 2010.4.5——2010.4.25 熟悉直升机原理,确定所用神经网络的类型; 2010.4.26——2010.5.16 熟悉MATLAB软件,完成基于MATLAB的实际飞行数据的预处理; 2010.5.17——2010.6.6 完成直升机神经网络仿真模型的建立; 2010.6.7——2010.6.30 撰写毕业论文,准备答辩。

主要参考文献

[1] 李士勇.模糊控制·神经控制和智能控制论[M].哈尔滨:哈尔滨工业大学出版社,1998. [2] 侯媛彬,杜京义,汪梅.神经网络[M].西安:西安电子科技大学出版社,2007. [3] 蔡金狮.动力学系统辨识与建模[M].北京:国防工业出版社,1991. [4] 飞思科技产品研发中心.MATLAB 6.5辅助神经网络分析与设计[M].北京:电子工业出版社,2003. [5] 蔡文澜.基于增强学习的小型无人直升机控制方法研究[D].长沙:国防科学技术大学,2007.

起止日期 2010年3月15日至2010年6月30日

备注 院长 教研室主任 指导教师 毕业设计(论文)开题报告表 2010年3月26日 姓名 何凯 学院 电气工程与自动化 专业 自动化 班级 063班 题目 基于神经网络的直升机建模 指导教师 王书舟 一、与本课题有关的国内外研究情况、课题研究的主要内容、目的和意义: 1. 国内外研究情况:直升机以其独特的运动方式和机动能力,在军用和民用方面有着其它机种不可替代的作用。近年来,随着直升机飞行建模与仿真需求的增加,对直升机飞行动力学仿真模型的研究也具有了非常重要的地位。 2. 主要内容:○1神经网络类型的选取;○2基于Matlab的飞行实验数据预处理(滤波、微分平滑等);○3直升机神经网络仿真模型的建立;○4基于Matlab的机动飞行仿真。 3. 目的和意义:用传统的机理建模方法建立直升机的仿真模型是可行的,但是这种方法需要空气动力学知识,需要大量的气动数据来建立气动系数、气动导数模型。神经网络具有良好的非线性映射能力,可以用于建立直升机的仿真模型,这种模型需要较少的机理分析,避免了辨识大量的气动参数。本课题完成后,可了解直升机和神经网络的原理,熟悉对实际信号的滤波等预处理,熟练使用Matlab软件,从而既掌握基础理论,又具备实际工程经验。

二、进度及预期结果: 起止日期 主要内容 预期结果 3.15—4.4 4.5—4.25 4.26—5.16 5.17—6.6 6.7—6.30 了解课题任务,查阅资料,撰写开题报告; 熟悉直升机原理,确定所用的神经网络的类型; 熟悉Matlab软件,完成实际飞行数据的预处理; 完成直升机神经网络仿真模型的建立; 撰写毕业论文,准备答辩。 完成开题报告;

理解一个神经网络模型; 获得预处理后的飞行数据; 建立直升机神经网络模型; 完成毕业论文。 完成课题的现有条件 计算机,Matlab 7.0软件,相关书籍与材料

审查意见 指导教师: 年 月 日 学院意见 主管领导: 年 月 日 天津工业大学本科毕业设计(论文)评阅表 (论文类) 题目 基于神经网络的直升机建模 学生姓名 何凯 学生班级 自动化063班 指导教师姓名 王书舟 评审项目 指标 满分 评分

选题 能体现本专业培养目标,使学生得到较全面训练。题目大小、难度适中,学生工作量饱满,经努力能完成。 10

题目与生产、科研等实际问题结合紧密。 10 课题调研、 文献检索

能独立查阅文献以及从事其他形式的调研,能较好地理

解课题任务并提出实施方案;有分析整理各类信息,从中获取新知识的能力。 15

论文撰写 结构严谨,理论、观点、概念表达准确、清晰。 10 文字通顺,用语正确,基本无错别字和病句,图表清楚,书写格式符合规范。 10

外文应用 能正确引用外文文献,翻译准确,文字流畅。 5

论文水平 论文论点正确,论点与论据协调一致,论据充分支持论点,论证过程有说服力。 15

有必要的数据、资料支持,数据、资料翔实可靠,得出的结论有可验性。 15

论文有独到见解或有一定实用价值。 10 合计 100 意见及建议:

评阅人签名: 年 月 日 天津工业大学毕业设计(论文)成绩考核表 学生姓名 何凯 学院名称 电气工程与自动化 专业班级 自动化063班 题目 基于神经网络的直升机建模 1.毕业设计(论文)指导教师评语及成绩:

指导教师签字: 年 月 日 2.毕业设计(论文)答辩委员会评语及成绩:

答辩主席(或组长)签字: 年 月 日 3.毕业设计(论文)总成绩:

a.指导教师 给定成绩 b.评阅教师 给定成绩 c.毕业答辩成绩 总成绩 (a×0.5+b×0.2+c×0.3)

成绩: 成绩: 摘 要 直升机以其独特的运动方式和机动能力,在军用和民用方面有着其它机种不可替代的作用。近年来,随着直升机飞行建模与仿真需求的增加,对直升机飞行动力学仿真模型的研究也具有了非常重要的地位。 用传统的机理建模方法建立直升机的仿真模型是可行的,但是这种方法需要空气动力学知识,需要大量的气动数据来建立气动系数、气动导数模型。神经网络具有良好的非线性映射能力,可以用于建立直升机的仿真模型,这种模型需要较少的机理分析,避免了辨识大量的气动参数。 本文介绍了两种直升机的模型结构,即直升机的运动方程(全量方程)和纵向模型,选取了BP神经网络和正则化正交最小二乘(ROLS)法,并基于MATLAB对飞行实验数据进行预处理,包括野值剔除、高频滤波、微分平滑等,建立了直升机神经网络仿真模型,最后用MATLAB对模型进行机动飞行仿真。

关键词:直升机;数据预处理;神经网络;机动飞行仿真 ABSTRACT Helicopters with its unique mode of motion and mobility, have played an irreplaceable role in the civil and military field. In recent years, with the increase of modeling and simulating demand, the research of the model based on flight dynamics of helicopter has a very important position. Using traditional mechanism modeling method to establish the simulation model of the helicopter that is feasible, but the knowledge of aerodynamics and a large number of data that establish the model of aerodynamic coefficients and aerodynamic derivatives is needed by using this method. The simulation model of helicopter can be established by using neural network that has a nonlinear mapping capability. This method need less mechanism analysis and avoid identifying a mass of aerodynamic parameters. This paper introduces two kinds of model structures, that is the motion equation and longitudinal model. BP neural network and regularized orthogonal least squares(ROLS) has been selected. Flight experimental data has been pretreated based on MATLAB by the method of wild value elimination, high frequency filtering and differential smooth. Finally, the neural network simulation model of helicopter has been established and simulated by using MATLAB.

Key words:Helicopter;Data Preparation;Neural Network;Maneuver Simulation

相关文档
最新文档