Modelagem aerodinâmica e controle estocástico adaptativo de aeronaves de alto desempenho por redes neurais artificiais e estimação de parâmetros / Aerodynamic modeling and stochastic adaptive control of high perfomance aircraft using artificial neural network and parameter identification

AUTOR(ES)
DATA DE PUBLICAÇÃO

2001

RESUMO

Nesta dissertação desenvolveu-se um procedimento para ser aplicado na solução de problemas de modelagem e controle estocástico adaptativo para aeronaves de alto desempenho. Neste procedimento, uma rede neural artificial (RNA)do tipo ""Functional Link Network"" (FLN)e um algoritmo de estimação de parâmetros do tipo ""Stochastic Filter Error Method"" são combinados e aplicados na solução do problema. O método utiliza a capacidade de representação da RNA para obter um modelo aerodinâmico não linear da aeronave, a partir de dados observados. No processo de modelagem as variáveis de estado e de controle da aeronave são utilizadas como entradas da rede, que é treinada, através de um estimador linear quadrático na forma recursiva de Kalman, para fornecer o modelo aerodinâmico da aeronave. As saídas da rede (coeficientes aerodinâmicos), por sua vez, são usadas em um processo de adaptação dos parâmetros (ganhos)do sistema de controle da aeronave. A estrutura da rede, número de neurônios da camada intermediária e a sua conectividade, é obtida através de uma heurística, que utiliza um algoritmo chamado ""Optimal Brain Surgeon"" (OBS)para eliminar os parâmetros menos significativos da rede, e assim obter uma estrutura que tenha boa capacidade de modelagem e de generalização. O método proposto, para a solução do problema de identificação dos parâmetros do sistema de controle (adaptação dos ganhos do controlador), utiliza uma técnica onde o problema de filtragem das variáveis de estado é desacoplado do problema estimação de parâmetros. Assim, o problema de adaptação do controle se transforma em dois problemas paralelos: um de filtragem de estado e outro identificação de parâmetros, com dimensões reduzidas (cada um)e menos suscetíveis à dificuldades numéricas. Essa técnica permite dispensar a filtragem das variáveis de estado, quando os valores medidos forem precisos o suficiente. A combinação de redes neurais e estimação de parâmetros, na solução do problema de controle, resulta em simplificação e aumento de robustez no processo. A simplificação se dá através do uso de uma RNA, no lugar de um banco de dados em forma de tabelas e de algoritmos de busca e interpolação. A robustez é resultado da utilização de uma RNA em esquema ""online"", como fonte de informação precisa a respeito dos coeficientes aerodinâmicos que são utilizados no processo de identificação dos parâmetros do controlador. O uso da RNA ""online"" confere as características de adaptação a essa técnica. A adaptação dos parâmetros é efetuada de forma contínua, eliminando-se a necessidade de esquemas complicados do tipo escalonamento de ganhos (""gain scheduling""). Resultados obtidos a partir de simulações, segundo condições representativas de manobras de uma aeronave de alto desempenho, confirmam a efetividade e a boa precisão do método desenvolvido.

ASSUNTO(S)

identificação de parâmetros adaptive control parameter identification redes neurais kalman filters filtro de kalman controle adaptativo engenharia e tecnologia espacial neural nets modelagem aerodinâmica

ACESSO AO ARTIGO

Documentos Relacionados