Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System

要約

空力係数の正確なモデリングは、最新の航空機システムのパフォーマンスを理解し、最適化するために重要です。
このホワイトペーパーでは、ATTAS航空機の空力係数をモデル化するために空力特性を表現するための進化するタイプ2量子ファジーニューラルネットワーク（ET2QFNN）の新しい展開を提示します。
ET2QFNNは、従来のバッチ学習アプローチではなく、増分学習戦略を通じて、ルールベースの構造を備えた複数の線形サブモデルを作成することにより、非線形航空機モデルを表すことができます。
さらに、量子メンバーシップ機能、および自動ルール学習およびパラメーター調整機能を介して、不確実性とデータノイズに対する堅牢性を高めます。
ATTASの飛行データを介した空力係数の推定中に、トレーニングフェーズで2つの異なる研究が行われます。1つは大量のデータを使用し、もう1つは限られた量のデータです。
結果は、ET2QFNNのモデリングパフォーマンスがベースラインの対応物と比較して優れていることを示しています。
さらに、ET2QFNNは、タイプ1ファジーの対応物と比較して、規則が少ない空力モデルを推定しました。
さらに、提案されたアプローチにDeltaメソッドを適用することにより、航空機の安定性と制御誘導体が分析されます。
結果は、空力係数を表す際に提案されたET2QFNNの優位性を証明しています。

要約(オリジナル)

Accurate modeling of aerodynamic coefficients is crucial for understanding and optimizing the performance of modern aircraft systems. This paper presents the novel deployment of an Evolving Type-2 Quantum Fuzzy Neural Network (eT2QFNN) for modeling the aerodynamic coefficients of the ATTAS aircraft to express the aerodynamic characteristics. eT2QFNN can represent the nonlinear aircraft model by creating multiple linear submodels with its rule-based structure through an incremental learning strategy rather than a traditional batch learning approach. Moreover, it enhances robustness to uncertainties and data noise through its quantum membership functions, as well as its automatic rule-learning and parameter-tuning capabilities. During the estimation of the aerodynamic coefficients via the flight data of the ATTAS, two different studies are conducted in the training phase: one with a large amount of data and the other with a limited amount of data. The results show that the modeling performance of the eT2QFNN is superior in comparison to baseline counterparts. Furthermore, eT2QFNN estimated the aerodynamic model with fewer rules compared to Type-1 fuzzy counterparts. In addition, by applying the Delta method to the proposed approach, the stability and control derivatives of the aircraft are analyzed. The results prove the superiority of the proposed eT2QFNN in representing aerodynamic coefficients.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google