Маршрутизація літального апарату з використанням Gool Map і штучної нейромережі

Abstract

Моделі продуктивності, які використовуються в процесі розробки літальних апаратів, залежать від припущень і наближень, пов’язаних з інженерними рівняннями, які використовуються для їх створення. Розробка та реалізація цих дуже складних інженерних моделей зазвичай пов’язані з більш тривалим процесом розробки. У цьому дослідженні пропонується недетермінований підхід, коли методи машинного навчання з використанням штучних нейронних мереж використовуються для прогнозування конкретних параметрів літака з використанням доступних даних. Цей підхід дає результати, які не залежать від рівнянь, що використовуються в звичайних методах моделювання характеристик літальних апаратів, і покладаються на стохастичні дані та їх розподіл для вилучення корисних моделей. Щоб перевірити життєздатність підходу, виконується тематичне дослідження, яке порівнює звичайну модель продуктивності, що описує дистанцію крену при зльоті, зі значеннями, згенерованими нейронною мережею з використанням легкодоступних даних польоту. Нейронна мережа отримує як вхідні дані та навчається з використанням параметрів характеристик літака, включаючи атмосферні умови (температура повітря, тиск повітря, щільність повітря), робочі характеристики (конфігурація закрилків, налаштування тяги, MTOW тощо) та умови злітно-посадкової смуги (мокра, суха). , кут нахилу тощо). Дана робота складається зі вступу, 4 розділів, висновка, 30 джерел використаної літератури, додатка, 29 рисунків, 12 таблиць.