Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do ITA |
Texto Completo: | http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1062 |
Resumo: | A determinação do componente horizontal da velocidade aerodinâmica no regime de baixas velocidades, tipicamente abaixo de 40 kt, tem sido um grande desafio para a engenharia de asas rotativas. Dentro desse contexto, este trabalho desenvolve um equacionamento matemático, em formato de redes neurais, para estimar o componente horizontal da velocidade aerodinâmica da aeronave AS 355 F2, por meio de programas computacionais elaborados em Matlab. Por meio de instrumentação embarcada existente na aeronave AS 355 F2, matrícula FAB 8816, são registrados parâmetros de voo tais como posições de comandos, velocidades angulares e atitudes. Essas medidas, obtidas em condições estabilizadas e em acelerações niveladas, são utilizadas como entradas e referências para as redes tipo backpropagation com aprendizagem supervisionada. São projetados dois tipos de redes: uma para estimação do componente horizontal longitudinal da velocidade aerodinâmica, u, e outra para a estimação do componente lateral, v. O treinamento das redes é realizado, por tentativa e erro, alterando-se o conjunto de parâmetros de entradas, o número de camadas escondidas, o número de neurônios por camadas e as funções de transferências por camada (função de ativação). Para tanto, é implementado o algoritmo de Levenberg-Marquardt na otimização dos pesos e biases. Após esse procedimento, um novo conjunto de dados de entradas é aplicado às redes que forneceram melhores resultados na etapa de treinamento, verificando-se uma associação de redes longitudinal e lateral contendo 11 parâmetros de entrada (as deflexões de comando do cíclico lateral, do cíclico longitudinal, de pedal, do comando de coletivo, ângulo de atitude longitudinal, ângulo de atitude lateral, razão de rolamento, razão de arfagem, razão de guinada, torque dos motores e peso do helicóptero) e duas camadas escondidas de 25 neurônios cada, como capaz de fornecer resultados satisfatórios de estimação dos componentes horizontais da velocidade aerodinâmica, em condições estabilizadas, com incerteza de 3,4 kt e 16, e resultados insatisfatórios de estimação da variação temporal em manobras de acelerações niveladas. Ainda, a contribuição do presente trabalho consiste na implementação, em ambiente Matlab, do modelo matemático em forma de redes neurais na telemetria do Grupo Especial de Ensaios em Voo (GEEV), comprovando sua viabilidade como ferramenta de ensaios em voo em tempo real. |
id |
ITA_9e1cee3c07b8fe265c0feb0b82637dfc |
---|---|
oai_identifier_str |
oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1062 |
network_acronym_str |
ITA |
network_name_str |
Biblioteca Digital de Teses e Dissertações do ITA |
spelling |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais.Controle de helicópterosRedes neuraisOrientação horizontalVelocidade de fluxoBaixa velocidadePropagação retroativa (inteligência artificial)Ensaios em vôoDesempenho de aeronavesAeronaves de asas rotativasAerodinâmicaEngenharia aeronáuticaA determinação do componente horizontal da velocidade aerodinâmica no regime de baixas velocidades, tipicamente abaixo de 40 kt, tem sido um grande desafio para a engenharia de asas rotativas. Dentro desse contexto, este trabalho desenvolve um equacionamento matemático, em formato de redes neurais, para estimar o componente horizontal da velocidade aerodinâmica da aeronave AS 355 F2, por meio de programas computacionais elaborados em Matlab. Por meio de instrumentação embarcada existente na aeronave AS 355 F2, matrícula FAB 8816, são registrados parâmetros de voo tais como posições de comandos, velocidades angulares e atitudes. Essas medidas, obtidas em condições estabilizadas e em acelerações niveladas, são utilizadas como entradas e referências para as redes tipo backpropagation com aprendizagem supervisionada. São projetados dois tipos de redes: uma para estimação do componente horizontal longitudinal da velocidade aerodinâmica, u, e outra para a estimação do componente lateral, v. O treinamento das redes é realizado, por tentativa e erro, alterando-se o conjunto de parâmetros de entradas, o número de camadas escondidas, o número de neurônios por camadas e as funções de transferências por camada (função de ativação). Para tanto, é implementado o algoritmo de Levenberg-Marquardt na otimização dos pesos e biases. Após esse procedimento, um novo conjunto de dados de entradas é aplicado às redes que forneceram melhores resultados na etapa de treinamento, verificando-se uma associação de redes longitudinal e lateral contendo 11 parâmetros de entrada (as deflexões de comando do cíclico lateral, do cíclico longitudinal, de pedal, do comando de coletivo, ângulo de atitude longitudinal, ângulo de atitude lateral, razão de rolamento, razão de arfagem, razão de guinada, torque dos motores e peso do helicóptero) e duas camadas escondidas de 25 neurônios cada, como capaz de fornecer resultados satisfatórios de estimação dos componentes horizontais da velocidade aerodinâmica, em condições estabilizadas, com incerteza de 3,4 kt e 16, e resultados insatisfatórios de estimação da variação temporal em manobras de acelerações niveladas. Ainda, a contribuição do presente trabalho consiste na implementação, em ambiente Matlab, do modelo matemático em forma de redes neurais na telemetria do Grupo Especial de Ensaios em Voo (GEEV), comprovando sua viabilidade como ferramenta de ensaios em voo em tempo real.Instituto Tecnológico de AeronáuticaDonizeti de AndradeJosé Márcio Pereira Figueira2010-09-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1062reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:02:03Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:1062http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:35:13.062Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue |
dc.title.none.fl_str_mv |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
title |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
spellingShingle |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. José Márcio Pereira Figueira Controle de helicópteros Redes neurais Orientação horizontal Velocidade de fluxo Baixa velocidade Propagação retroativa (inteligência artificial) Ensaios em vôo Desempenho de aeronaves Aeronaves de asas rotativas Aerodinâmica Engenharia aeronáutica |
title_short |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
title_full |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
title_fullStr |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
title_full_unstemmed |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
title_sort |
Estimação do componente horizontal da velocidade aerodinâmica do AS 355 F2 em baixas velocidades por meio de redes neurais. |
author |
José Márcio Pereira Figueira |
author_facet |
José Márcio Pereira Figueira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Donizeti de Andrade |
dc.contributor.author.fl_str_mv |
José Márcio Pereira Figueira |
dc.subject.por.fl_str_mv |
Controle de helicópteros Redes neurais Orientação horizontal Velocidade de fluxo Baixa velocidade Propagação retroativa (inteligência artificial) Ensaios em vôo Desempenho de aeronaves Aeronaves de asas rotativas Aerodinâmica Engenharia aeronáutica |
topic |
Controle de helicópteros Redes neurais Orientação horizontal Velocidade de fluxo Baixa velocidade Propagação retroativa (inteligência artificial) Ensaios em vôo Desempenho de aeronaves Aeronaves de asas rotativas Aerodinâmica Engenharia aeronáutica |
dc.description.none.fl_txt_mv |
A determinação do componente horizontal da velocidade aerodinâmica no regime de baixas velocidades, tipicamente abaixo de 40 kt, tem sido um grande desafio para a engenharia de asas rotativas. Dentro desse contexto, este trabalho desenvolve um equacionamento matemático, em formato de redes neurais, para estimar o componente horizontal da velocidade aerodinâmica da aeronave AS 355 F2, por meio de programas computacionais elaborados em Matlab. Por meio de instrumentação embarcada existente na aeronave AS 355 F2, matrícula FAB 8816, são registrados parâmetros de voo tais como posições de comandos, velocidades angulares e atitudes. Essas medidas, obtidas em condições estabilizadas e em acelerações niveladas, são utilizadas como entradas e referências para as redes tipo backpropagation com aprendizagem supervisionada. São projetados dois tipos de redes: uma para estimação do componente horizontal longitudinal da velocidade aerodinâmica, u, e outra para a estimação do componente lateral, v. O treinamento das redes é realizado, por tentativa e erro, alterando-se o conjunto de parâmetros de entradas, o número de camadas escondidas, o número de neurônios por camadas e as funções de transferências por camada (função de ativação). Para tanto, é implementado o algoritmo de Levenberg-Marquardt na otimização dos pesos e biases. Após esse procedimento, um novo conjunto de dados de entradas é aplicado às redes que forneceram melhores resultados na etapa de treinamento, verificando-se uma associação de redes longitudinal e lateral contendo 11 parâmetros de entrada (as deflexões de comando do cíclico lateral, do cíclico longitudinal, de pedal, do comando de coletivo, ângulo de atitude longitudinal, ângulo de atitude lateral, razão de rolamento, razão de arfagem, razão de guinada, torque dos motores e peso do helicóptero) e duas camadas escondidas de 25 neurônios cada, como capaz de fornecer resultados satisfatórios de estimação dos componentes horizontais da velocidade aerodinâmica, em condições estabilizadas, com incerteza de 3,4 kt e 16, e resultados insatisfatórios de estimação da variação temporal em manobras de acelerações niveladas. Ainda, a contribuição do presente trabalho consiste na implementação, em ambiente Matlab, do modelo matemático em forma de redes neurais na telemetria do Grupo Especial de Ensaios em Voo (GEEV), comprovando sua viabilidade como ferramenta de ensaios em voo em tempo real. |
description |
A determinação do componente horizontal da velocidade aerodinâmica no regime de baixas velocidades, tipicamente abaixo de 40 kt, tem sido um grande desafio para a engenharia de asas rotativas. Dentro desse contexto, este trabalho desenvolve um equacionamento matemático, em formato de redes neurais, para estimar o componente horizontal da velocidade aerodinâmica da aeronave AS 355 F2, por meio de programas computacionais elaborados em Matlab. Por meio de instrumentação embarcada existente na aeronave AS 355 F2, matrícula FAB 8816, são registrados parâmetros de voo tais como posições de comandos, velocidades angulares e atitudes. Essas medidas, obtidas em condições estabilizadas e em acelerações niveladas, são utilizadas como entradas e referências para as redes tipo backpropagation com aprendizagem supervisionada. São projetados dois tipos de redes: uma para estimação do componente horizontal longitudinal da velocidade aerodinâmica, u, e outra para a estimação do componente lateral, v. O treinamento das redes é realizado, por tentativa e erro, alterando-se o conjunto de parâmetros de entradas, o número de camadas escondidas, o número de neurônios por camadas e as funções de transferências por camada (função de ativação). Para tanto, é implementado o algoritmo de Levenberg-Marquardt na otimização dos pesos e biases. Após esse procedimento, um novo conjunto de dados de entradas é aplicado às redes que forneceram melhores resultados na etapa de treinamento, verificando-se uma associação de redes longitudinal e lateral contendo 11 parâmetros de entrada (as deflexões de comando do cíclico lateral, do cíclico longitudinal, de pedal, do comando de coletivo, ângulo de atitude longitudinal, ângulo de atitude lateral, razão de rolamento, razão de arfagem, razão de guinada, torque dos motores e peso do helicóptero) e duas camadas escondidas de 25 neurônios cada, como capaz de fornecer resultados satisfatórios de estimação dos componentes horizontais da velocidade aerodinâmica, em condições estabilizadas, com incerteza de 3,4 kt e 16, e resultados insatisfatórios de estimação da variação temporal em manobras de acelerações niveladas. Ainda, a contribuição do presente trabalho consiste na implementação, em ambiente Matlab, do modelo matemático em forma de redes neurais na telemetria do Grupo Especial de Ensaios em Voo (GEEV), comprovando sua viabilidade como ferramenta de ensaios em voo em tempo real. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-09-16 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1062 |
url |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=1062 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do ITA instname:Instituto Tecnológico de Aeronáutica instacron:ITA |
reponame_str |
Biblioteca Digital de Teses e Dissertações do ITA |
collection |
Biblioteca Digital de Teses e Dissertações do ITA |
instname_str |
Instituto Tecnológico de Aeronáutica |
instacron_str |
ITA |
institution |
ITA |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica |
repository.mail.fl_str_mv |
|
subject_por_txtF_mv |
Controle de helicópteros Redes neurais Orientação horizontal Velocidade de fluxo Baixa velocidade Propagação retroativa (inteligência artificial) Ensaios em vôo Desempenho de aeronaves Aeronaves de asas rotativas Aerodinâmica Engenharia aeronáutica |
_version_ |
1706809265697587200 |