Detalhes bibliográficos
| Ano de defesa: |
2008 |
| Autor(a) principal: |
Wilson Rios Neto |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Instituto Tecnológico de Aeronáutica
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=711
|
Resumo: |
Este trabalho desenvolve um método adaptativo estocástico aplicado ao treinamento de uma arquitetura neural conhecida como Functional Link Network - FLN para a determinação dos coeficientes aerodinâmicos e de controle de uma aeronave de alto desempenho. Esta arquitetura neural possui dois aspectos importantes: permite o uso de uma infinidade de alternativas de tipos de funções (exponenciais, polinomiais, etc) como funções de base e o uso de regras de treinamento lineares. Quando o treinamento é feito usando um algoritmo de estimação linear ótimo, ou seja, um algoritmo como o filtro de Kalman, tem-se um comportamento numérico ruim, causando assim problemas de divergência quando conjuntos grandes de dados de treinamento são processados. Este problema ocorre devido ao fato de que o algoritmo perde a capacidade de treinamento quando novos conjuntos de dados são processados. Para evitar este mau comportamento e tentar manter uma capacidade de aprendizado distribuída e uniforme, se propõe o uso de um procedimento adaptativo baseado em um critério de consistência estatística, para contrabalançar a prioridade das informações a priori com as novas informações de treinamento. A arquitetura neural Functional Link Network - FLN e o procedimento adaptativo formam a Adaptive Functional Link Network - AFLN que permite a identificação dos parâmetros aerodinâmicos e de controle, mesmo quando os valores iniciais dos parâmetros estiverem distantes dos valores reais. Para se obter uma arquitetura que tenha boa capacidade de modelagem e de generalização, utiliza-se também uma heurística de poda (Optimal Brain Surgeon - OBS), para eliminar os parâmetros (funções) menos significativos. Para testar e validar o método desenvolvido, utilizam-se dados fornecidos por um simulador em FORTRAN da aeronave F16 e se compara com os dados obtidos via a aplicação da AFLN, tanto para os coeficientes do movimento longitudinal quanto para os do movimento látero-direcional. Os resultados são promissores e indicam a possibilidade do uso da ferramenta na identificação, em tempo quase real, dos coeficientes dentro do envelope de vôo da aeronave. |
