Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Лэ Хи Фонг

• Лэ Хи Фонг
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Лэ Хи Фонг

Введение.

Глава 1. Анализ функционирования системы управления вертолетом и общая постановка задачи.

1.1. Математическая модель системы вертолет-груз.

1.1.1. Уравнения движения "свободного" вертолета.

1.1.2. Уравнения движения вертолета с грузом.

1.2. Математическая модель системы лебедка-тележка-груз.

1.3. Введение о нейроконтроллерах.

1.3.1. Искусственный нейрон и нейронные сети (НС).

1.3.2. НС прямого распространения и алгоритм обучения обратного распространения ошибки.

1.3.3. Подходы к нейронному управлению.

1.4. Общая постановка задачи.

1.5. Выводы к главе 1.

Глава 2. Планирование разновысотного полета с помощью НС.

2.1. Решение задачи планирования разновысотного полета с помощью алгоритма "ветвей и границ".

2.1.1. Влияние высоты на рентабельность полета.

2.1.2. Алгоритм "ветвей и границ".

2.2. Решение задачи планирования разновысотного полета с помощью

2.2.1. Применение сети прямого распространения для решения задачи планирования.

2.2.2. Применение сети Хопфилда для решения задачи планирования.

2.2.3. Применение сети Кохонена в сочетании с сетью Хопфилда для решения задачи планирования.

2.3. Выводы к главе 2.

Глава 3. Демпфирование колебания груза подвешенного под вертолетом с помощью НС.

3.1. Демпфирование колебания груза с помощью системы лебедки-тележки.

3.1 Л. Демпфирование колебания груза с помощью обычного контроллера.

3.1.2. Повышение точности управления с помощью фильтра Кальмана.

3.1.3. Демпфирование колебания груза с помощью нейроконтроллера.

3.2. Демпфированием колебаний груза продольным движением вертолета.

3.2.1. Определение оптимального управления с помощью метода АКОР.

3.2.2. Оценка погрешности управления при линеаризации уравнений движения системы.

3.2.3. Выполнение оптимального управления нейронной сетью.

3.3. Выводы к главе 3.

Глава 4. Десантирование груза с вертолета на палубу судна с помощью НС.

4.1. Десантирование груза нейроконтроллером, построенным по принципу максимума Понтрягина.

4.1.1. Определение оптимального управления по принципу максимума.

4.1.2. Выполнение оптимального управления НС.

4.1.3. Конструирование нейроконтроллера при минимизировании времени и затрат на управление.

4.2. Десантирование груза нейроконтроллером, построенным по методу А.А. Колесникова.

4.2.1. Определение оптимального управления.

4.2.2. Выполнение оптимального управления НС.

4.3. Выводы к главе

Глава 5. Экспериментальное моделирование на ЭВМ работы нейросетевого контроллера.

5.1. Планирование разновысотного полета вертолета с помощью НС.

5.2. Демпфирование колебаний груза с помощью НС.

5.3. Десантирование груза с помощью НС.

5.4. Выводы к главе 5.

Введение диссертации (часть автореферата) на тему «Нейросетевая система десантирования грузов транспортного вертолета в сложных погодных условиях»

В настоящее время объем монтажных работ с помощью вертолетов и объем перевозок грузов на внешней подвеске непрерывно увеличивается. Вертолетный монтаж - один их самых сложных и зрелищных видов авиационных работ, где можно увидеть, как гигантский кран за считанные минуты собирает мачту сотовой связи, устанавливает многотонный купол храма или десантирует хрупкие вещи на палубу судна в сложных погодных условиях (см. рис. 1).

Рис. 1. Монтаж мачты сотовой связи с помощью вертолета Однако эти работы являются не только сложными, но и опасными. Предугадать все, что может произойти при их выполнении невозможно, но можно максимально снизить степень риска. По мнению экспертов [1], существенную роль в уменьшении степени риска играет человеческий фактор. Монтажные работы, выполняемые на большой высоте или в сложных погодных условиях, требуют от летчика особого внимания при управлении, что создает дополнительные психофизиологические нагрузки, кардинально отличающиеся от нагрузок, переносимых им в обычном полете. Заметно разгрузить летчика и освободить его от функций автостабилизатора углового положения вертолета позволяет дифференциальное включение автопилота в основную проводку управления. Однако, в целом, как показывает практика, управление вертолетом на режиме висения и при малых перемещениях на монтаже остается сложным процессом. Существующие бортовые системы автоматического управления вертолетом на режиме висения и над заданной точкой монтажа пока еще не в полной мере отвечают необходимому для этого вида работ уровню точности. Поэтому их применение для этой цели без совершенствования системы управления не может считаться эффективным.

Из вышесказанного следует, что разработка технического средства, позволяющего автоматически стабилизировать груз на внешней подвеске-(демпфировать его колебания) и десантировать груз на заданную точку, является весьма актуальной задачей.

Целью диссертационной работы является создание унифицированного нейроконтроллера, позволяющего управлять вертолетом или системой лебедки-тележки при демпфировании колебания груза, его' десантировании, а также определять субоптимальный маршрут разновысотного полета вертолета в конкретных условиях транспортировки грузов.

В соответствии с указанной целью определены следующие задачи исследований:

1. Проанализировать возможность использовать нейронный подход для решения задачи маршрутизации разновысотного полета вертолета при заданном составе обслуживаемых пунктов.

2. На основе уравнений движения вертолета с грузом, используя методы теории оптимального управления, определить оптимальные законы демпфирования колебаний груза при управлении продольным движением вертолета.

3. На основе уравнений движения системы лебедки - тележки определить оптимальные законы демпфирования колебаний груза при изменении положения тележки и десантирования груза с помощью лебедки.

4. На основе найденных законов управления, создать примеры для обучения нейроконтроллеров, имеющих возможность выполнения этих законов с нужным качеством.

5. На основе найденных нейроконтроллеров определить тип унифицированного нейроконтроллера, имеющего одинаковую структуру для всех перечисленных задач и проанализировать возможность его использования на практике.

Методы исследования. Решение поставленных в диссертационной работе задач проводилось на основе использования основных разделов теории автоматического и оптимального управления, теории нейронных сетей, а также методов имитационного моделирования.

Научная новизна. В результате проведенных исследований:

1. Впервые показана возможность нейросетевого подхода для маршрутизации разновысотного полета вертолета, при этом в случае расположения объектов назначения в определенной "трубе", маршрут определяется с помощью сети прямого распространения.

2. На основе построенных уравнений движения системы "вертолет-груз" и "лебедка-тележка-груз" найдены законы оптимального демпфирования колебаний груза и его десантирования на палубу судна в сложных погодных условиях.

3. Показана высокая эффективность сети прямого распространения при выполнении законов оптимального демпфирования колебаний груза и его десантирования и предложена единая структура унифицированного нейроконтроллера для последовательного решения всех транспортных задач.

Практическая значимость результатов:

1. Разработанные нейросетевые алгоритмы планирования разновысотного полета вертолета позволяют резко уменьшать время, требуемое комбинаторными алгоритмами (например, алгоритм ветвей и границ) для получения маршрута при большом числе объектов назначения.

2. Возможность решения разных задач управления унифицированным нейроконтроллером облегчает реализацию на борту и сводит к минимуму массогабаритные характеристики устройства при относительно невысокой стоимости.

3. Показана высокая эффективность нейросетевого решения транспортных задач в сложных погодных условиях, обеспечивая мягкое десантирование груза на подвижную палубу судна.

Реализация результатов. Разработанные нейросетевые процедуры демпфирования колебания груза и его десантирования внедрены в МНГТК "Авионика" при проектировании перспективных систем проведения монтажных работ с помощью транспортного вертолета, о чем имеется акт о внедрении.

Публикации. Основные результаты диссертационной работы опубликованы в 6 печатных и 2 рукописных работах, в том числе 2 статьи в журнале "Авиакосмическое приборостроение", рекомендуемом ВАК РФ при защите кандидатских диссертаций.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы. Объем диссертации 128 страниц текста, включает 57 рисунков, 14 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Лэ Хи Фонг

5.4. ВЫВОДЫ К ГЛАВЕ 5

1. Были определены общая архитектура унифицированного нейроконтроллера и его параметры для конкретных задач.

2. Результаты моделирования работы унифицированного нейроконтроллера доказывают его возможности при решении разных транспортных задач.

ЗАКЛЮЧЕНИЕ

На основании проведенных теоретических и экспериментальных исследований можно сделать следующие выводы:

1. Показана возможность применения нейросетевого подхода для сокращения времени планирования разновысотного полета.

2. На основе построенных уравнений движения систем "вертолет-груз" и "лебедка-тележка-груз" найдены законы оптимального демпфирования колебаний груза и его десантирования и получены примеры обучения НС прямого распространения для их выполнения.

3. Доказана возможность построения унифицированного нейроконтроллера для поочередного решения разных транспортных задач. Параметры НС выбраны до полета и фиксированы в процессе работы. В самом полете достаточно лишь переключать наборы весовых коэффициентов сети, хранящихся в памяти бортового вычислительного комплекса, и входы, выходы сети в зависимости от решаемой задачи. Это облегчает его реализацию на борту вертолета.

4. Результаты моделирования на ЭВМ работы нейроконтроллера, содержащего 12 нейронов, подтвердили высокую эффективность предложенного подхода с учетом реальных уровней шумов в датчиках и ветровых возмущений.

Список литературы диссертационного исследования кандидат технических наук Лэ Хи Фонг, 2004 год

1. Паршенцеп С.А. Риск можно исключить. // Вертолет, М., 2003, № 3, С. 16-19.

2. Кожевников В.А. Автоматическая стабилизация вертолета. М., "Машиностроение", 1977.

3. Демидович Б.П. Марон И.А. Основы вычислительной математики. М., "Наука", 1966.

4. Трошин И.С. Динамика вертолета. М., Издательство МАИ, 1975.

5. Добронравов В.В. Курс теоретической механики. М., "Высш. школа", 1974.

6. Терехов ЕЛ., Ефимов ДБ. Нейросетевые системы управления.

7. Сигеру Омату, Рубия Юсоф. Нейроуправление и его приложения. М.: ИПРЖР, 2000.

8. М.Т. Hagan, H.B. Demuth, М.Н. Beale. Neural Network Design. PWS Publishing Company, Boston, MA 1996.

9. Cybenko, G. Approximation by superpositions of sigmoidal funtion. // Matematics Control, Signal & system, vol. 2, pp. 303-314,1989.

10. Funahashi, K.I. On the approximate realization of continuos mappings by neural networks. // Neural Networks, vol. 2, pp. 183-192, 1989.

11. Hornik, К, M. Stinchcomb. Multilayer feedforward networks are universal approximators. //Neural Networks, vol. 2, pp. 359-366, 1989.

12. Saerens, M. And A.Soquet. A neural controller based on back propagation algorithm. // Proc. of First IEE Int. Conf. on Artificial Neural Networks, London, pp. 211-215, 1989.

13. Iiguni, H. Sakai. A non-linear regulator design in the presence of system uncertainties using multi-layered neural networks. // IEEE Trans, on Neural Networks, vol. 2, pp. 410-417, 1991.

14. Narendna, K.S. and K. Parthasarathy. Identification and control of dynamical systems using neural networks. // IEEE Trans, on Neural Networks, vol. 1, pp. 4-27, 1990.

15. Levin, E., R. Gewirtzman. Neural Network architecture for adaptive system modelling and control. // Proc. of Int. Joint Conf. on Neural Networks, Washington D.C., vol. 11, pp. 311 -316, 1989.

16. Браверман A.C., Лаписова С. В. Балансировка одновинтового вертолета. М., "Машиностроение", 1975.

17. J.J. Hopfield and D.W. Tank. "Neural" computation of decisions in optimization problems. //Biol. Cybern. vol. 52, pp. 141-152,1985.

18. G. V. Wilson and G.S. Pawley. On the stability of the traveling salesman problem algorithm of Hopfield and Tank. // Biol. Cybern. vol. 58, pp. 6370, 1988.

19. Behzad Kamgar-Parsi and Behrooz Kamgar-Parsi. On problem solving with Hopfield neural network. // Biol. Cybern. Vol. 62, pp. 415-423, 1990.

20. X.Xu and W.T. Tsai. Effective neural algorithms for the traveling salesman problem. // Neural Networks. Vol. 4, pp. 193-205, 1991.

21. Shigeo Abe and Andrew H.Gee. Global convergence of the Hopfield neural network with nonzero diagonal element. // IEEE trans. II. Vol. 42, pp. 39-45, 1995.

22. Toshio.Tanaka. Study on the Hopfield neural networks for solving combinatorial optimization problems. // Researches of the electro-technical laboratory № 987, Tokio 1999.

23. B.C. Медведев, В.Г. Потемкин. Нейронные сети. М., Изд. ДИАЛОГ-МИФИ, 2002.

24. Н.Д. Егупов. Синтез регуляторов и теория оптимизации систем автоматического управления. М.: Изд. МГТУ им. Н.Э. Баумана, 2000.

25. Grimble, M.J., Robust industrial control: Optimal design approach for polinomial systems. Prentice Hall, pp. 433-456, 1994.

26. Howard K., Itzhak В., Kennith S. Direct adaptive control algorithms: Theory and applications. Springer-Verlag 1998.

27. Лэ Xu Фонг. Демпфирование колебаний груза, подвешенного под вертолетом, при управлении его продольным движением с помощью нейронной сети. // Авиакосмическое приборостроение. -М. 2003.- №10. -С. 54-60.