Ứng dụng mạng nơron nhận dạng các tham số khí động kênh độ cao nhằm nâng cao hiệu qủa thiết kế thiết bị bay TT

BỘ GIÁO DỤC VÀ ĐÀO TẠO

BỘ QUỐC PHÒNG

VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ
----------------

NGUYỄN ĐỨC THÀNH

ỨNG DỤNG MẠNG NƠRON NHẬN DẠNG CÁC THAM SỐ
KHÍ ĐỘNG KÊNH ĐỘ CAO NHẰM NÂNG CAO HIỆU QUẢ
THIẾT KẾ THIẾT BỊ BAY

Chuyên ngành: Kỹ thuật điều khiển và tự động hóa
Mã số: 9.52.02.16

TĨM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

Hà Nội, 2021


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
VIỆN KHOA HỌC VÀ CƠNG NGHỆ QUÂN SỰ-BỘ QUỐC PHÒNG

Người hướng dẫn khoa học:
1. TS Trương Đăng Khoa
2. TS Hoàng Minh Đắc
Phản biện 1: GS. TS Lê Hùng Lân
Trường Đại học Giao thông Vận tải

Phản biện 2: PGS. TS Phạm Trung Dũng

Học viện Kỹ thuật quân sự

Phản biện 3: PGS. TS Trần Đức Thuận
Viện Khoa học - Công nghệ quân sự

Luận án được bảo vệ tại hội đồng đánh giá luận án tiến sĩ
họp tại Viện Khoa học và Công nghệ quân sự vào hồi ... giờ ...
phút, ngày ... tháng ... năm 20...

Có thể tìm hiểu luận án tại:
- Thư viện Viện Khoa học và Công nghệ quân sự
- Thư viện Quốc gia Việt Nam


MỞ ĐẦU
Tính cấp thiết: Việc nhận dạng các đạo hàm hệ số khí động
(ĐHHSKĐ) của thiết bị bay (TBB) từ các tập dữ liệu bay là một
nhiệm vụ cần thiết, bắt buộc, các ĐHHSKĐ nhận dạng được có ý
nghĩa quan trọng trong các giai đoạn thiết kế, chế tạo TBB.
Mục đích: Luận án tập trung nghiên cứu xây dựng các thuật toán
nhận dạng các ĐHHSKĐ trong kênh độ cao sử dụng các tập dữ liệu
bay được ghi nhận từ các chuyến bay của một lớp TBB dạng máy
bay cánh bằng, cơ cấu điều khiển khí động làm cơ sở cho việc tính
tốn thiết kế lớp máy bay này.
Nội dung nghiên cứu:
- Xây dựng được các mơ hình động học trong kênh độ cao của
một lớp máy bay cánh bằng sử dụng cho các vấn đề nhận dạng đạo
hàm hệ số khí động;
- Xây dựng cấu trúc mạng nơron hàm cơ sở xun tâm (RBF) xấp
xỉ mơ hình động học phi tuyến kênh độ cao máy bay; kết hợp mạng

RBF với thuật toán Gauss – Newton (GN) thực hiện nhận dạng các
đạo hàm hệ số khí động cho kênh độ cao của máy bay;
- Đề xuất sử dụng mạng nơron đột biến (SNN) để nhận dạng các
đạo hàm hệ số khí động.
Đối tượng và phạm vi nghiên cứu: Đối tượng nghiên cứu trong
luận án là mơ hình động học và các thuật tốn nhận dạng các đạo
hàm hệ số khí động trong kênh độ cao của một lớp thiết bị bay dạng
máy bay cánh bằng, cơ cấu điều khiển dạng khí động.
Phương pháp nghiên cứu: Luận án chọn phương pháp kết hợp
giữa nghiên cứu lý thuyết với sử dụng phần mềm Matlab - Simulink
để mô phỏng và đánh giá chất lượng các thuật toán nhận dạng.
Ý nghĩa khoa học: Phát triển thuật toán nhận dạng các ĐHHSKĐ
cho một lớp máy bay cánh cố định có độ cơ động cao theo các tập dữ
liệu nhận được từ các chuyến bay thực tế khi sử dụng ANN đóng vai
trị mơ hình động học của MB.
Ý nghĩa thực tiễn: Việc nghiên cứu nhận dạng các ĐHHSKĐ
trong kênh độ cao của máy bay từ các tập dữ liệu bay được ghi nhận
từ các chuyến bay thực tế sẽ cung cấp cơ sở lý thuyết và thực nghiệm
cho việc đánh giá các ĐHHSKĐ trong giai đoạn thiết kế TBB, nâng


cao độ chính xác và rút ngắn thời gian trong tồn bộ q trình thiết
kế một lớp TBB.
Luận án được bố cục gồm các phần: mở đầu, nội dung, kết luận,
phụ lục. Phần nội dung trình bày trong bốn chương với 112 trang:
CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DẠNG CÁC HỆ SỐ

KHÍ ĐỘNG CỦA MÁY BAY
1.1. Nhiệm vụ nhận dạng các đạo hàm hệ số khí động trong quy
trình thiết kế thiết bị bay

1.1.1. Các giai đoạn thiết kế thiết bị bay
1.1.2. Mơ hình hệ số khí động của thiết bị bay
Đối với cấu trúc máy bay dạng cánh bằng như hình 1.2.

Hình 1.2. Ký hiệu quy ước HTĐ liên kết của máy bay
trong hình 1.2:  ,  - góc tấn cơng, góc trượt; V - khơng tốc của
máy bay; X , Y , Z - các thành phần lực khí động; M x , M y , M z - các
thành phần momen khí động; Vx , Vy , Vz - các thành phần tốc độ máy
bay;  x ,  y ,  z - các thành phần tốc độ góc;  a ,  e ,  r - các góc
lệch cánh lái liệng, cánh lái độ cao và cánh lái hướng.


Phương trình động lực học
Phương trình chuyển động cơ bản của máy bay được xác định:
F  mV  ω  mV  F ( )  F  F ( V,ω,u,θ )
(1.1)
G

P

A

M  Iω  ω  Iω  M P  M A ( V,ω,u,θ )

(1.2)

trong đó:  - các góc Euler; u - véc tơ điều khiển; F - lực tác động
tổng; M  momen tác động tổng; θ - véc tơ các tham số mơ hình.
Cấu trúc mơ hình khí động xác định trong HTĐ liên kết:
X 

Cx 


FA   Y  = qS C y 
 Z 
 C z 

(1.3)

M x 
 l.mx 


M A   M y   qS bA .m y 
 M z 
 l.mz 

(1.4)

trong đó: C x , C y , C z - các thành phần hệ số lực khí động;
mx , m y , mz - các thành phần hệ số mơ men khí động; S - diện tích

đặc trưng cánh; l - sải cánh nâng; bA - cung khí động cánh nâng.
Mơ hình hệ số khí động tuyến tính trong kênh độ cao


y bA
V

y  CDe e

CD  CD0  CDV  CD  CD
2
V
0


y bA
V

y  CLe e
CL  CL0  CL V  CL   CL
2V0


 b

V

my  my 0  my V  my   my y A y  mye e
2
V

0

(a)
(b)

(1.10)

(c)

trong đó: CD0 , CL0 , my 0 - hệ số lực cản, lực nâng và momen gật khi
  e  0 ;

y

CD , CD , C D ,
e

CL , CL , CL ,
y

e

my , my , m y - các
e

z

ĐHHSKĐ của các hệ số lực cản, lực nâng và momen gật theo các
tham số, được ký hiệu bằng các chỉ số phía trên.


1.1.3. Vai trị nhận dạng các đặc tính khí động
1.2. Nhận dạng các đạo hàm hệ số khí động từ dữ liệu bay
Sơ đồ cấu trúc nhận dạng các ĐHHSKĐ của MB từ dữ liệu bay
có thể được biểu diễn trên hình 1.3.

Hình 1.3. Sơ đồ cấu trúc nhận dạng các ĐHHSKĐ từ dữ liệu bay
1.2.1. Mơ hình động học chuyển động của máy bay

1.2.2. Thử nghiệm bay, thu nhận dữ liệu
Trên hình 1.4 biểu diễn giá trị hai tập dữ liệu bay trong kênh độ
cao ghi nhận được từ các chuyến bay thực tế của máy bay Su-D sẽ
được sử dụng trong luận án để nhận dạng tham số và xác nhận mơ
hình. Các tập dữ liệu bay gồm các tham số  ,  ,  y , V ,  e , az , ax .

Hình 1.1. Hai tập dữ liệu bay trong kênh độ cao của máy bay
1.2.3. Ước lượng tham số khí động và xác định trạng thái
1.2.4. Xác nhận mơ hình


1.3. Tình hình nghiên cứu ngồi nước
1.4. Tình hình nghiên cứu trong nước
Đến nay, chưa có đề tài, cơng trình nghiên cứu trong nước nào
thực hiện nghiên cứu ứng dụng mạng nơron trong nhận dạng các
ĐHHSKĐ từ các tập dữ liệu bay ghi nhận từ những chuyến bay thực
tế của một lớp máy bay cánh bằng có người lái.
1.5. Đặt vấn đề nghiên cứu
Nhận dạng các ĐHHSKĐ cho một lớp máy bay cánh bằng sử
dụng dữ liệu bay từ các chuyến bay thực tế là một nhiệm vụ cần
thiết, bắt buộc trọng trong các giai đoạn thiết kế, thử nghiệm và chế
tạo TBB. Hiện nay, việc xấp xỉ động học phi tuyến chuyển động của
TBB được thực hiện bằng các mơ hình ANN được quan tâm nhiều
do sự phát triển mạnh của các thuật toán luyện mạng, đặc biệt là sự
phát triển mạng SNN. Vấn đề nghiên cứu mơ hình SNN áp dụng
nhận dạng ĐHHSKĐ của TBB chưa có những công bố trong nước.
1.6. Kết luận chương 1
Chương 1 luận án đã thực hiện được một số nội dung sau:
- Phân tích mơ hình động học của một lớp máy bay cánh bằng
trong khơng gian. Xác định mơ hình HSKĐ và qua đó nhận được các

ĐHHSKĐ trong kênh độ cao của máy bay. Các ĐHHSKĐ trong
kênh độ cao của máy bay sẽ là đối tượng nghiên cứu của luận án.
- Đã thực hiện xác định cấu trúc nhận dạng tham số đối với mơ
hình động học chuyển động kênh độ cao từ dữ liệu bay. Với cấu trúc
nhận dạng tham số mơ hình, đã thực hiện đánh giá tình hình nghiên
cứu trong và ngoài nước về các nội dung cơ bản cần phải giải quyết
trong lĩnh vực nhận dạng các ĐHHSKĐ trong thiết kế, chế tạo MB.
- Từ những đánh giá phân tích, nhận thấy việc sử dụng ANN
trong việc thay thế mơ hình động học phi tuyến của máy bay có rất
nhiều ưu thế và đang được quan tâm hiện nay và luận án sẽ tập trung
vào hướng nghiên cứu này phục vụ cho mục đích nhận dạng các
ĐHHSKĐ kênh độ cao máy bay.


CHƯƠNG 2: XÂY DỰNG MƠ HÌNH ĐỘNG HỌC CHO

MỘT LỚP MÁY BAY CÁNH BẰNG
2.1. Mơ hình động học của máy bay
2.2. Mơ hình động học trong kênh độ cao của máy bay
2.2.1. Mơ hình động học phi tuyến
P
qS

V  m cos  - m CD - g sin( -  )

   - P sin  - qS C  g cos( -  )
y
L

mV

mV
V
(2.25)


  y

  qSbA m
y
 y
Iy

Đối với mơ hình đầu ra, ngồi các tham số trạng thái như mơ hình
(2.25) cịn bổ sung thêm các thành phần gia tốc chuyển động thẳng:
1

 ax  m (qSC x  P )
(2.26)

 a  qSC z
 z
m
2.2.2. Mơ hình trạng thái chuyển động tuyến tính
Mơ hình trạng thái chuyển động tuyến tính kênh độ cao của MB
được xác định như sau:
   L   (1  L y ) y  L e  e
(2.36)

 y  M    M  y  y  M  e  e
Mơ hình đầu ra tuyến tính kênh độ cao của MB được xác định:



  
(2.37)
 y   y

az   V0 ( L   L  y  L  e )
y
e
g



2.3. Xác định mơ hình động học của máy bay khi ứng dụng mạng
nơron nhân tạo để nhận dạng các đạo hàm hệ số khí động
2.3.1. Mơ hình động học của máy bay khi ứng dụng mạng nơron
nhân tạo
2.3.2. Mạng nơron đột biến
Mơ hình SNN thơng dụng nhất là mơ hình đáp ứng đột biến
(SRM), có cấu trúc như trên hình 2.6, gồm 3 lớp (hình 2.6-a): lớp
đầu vào H, lớp ẩn I và lớp đầu ra J; mỗi nơron lớp trước và nơron
lớp kế tiếp có m kết nối (hình 2.6-b). Các nơron tạo các đột biến khi
biến trạng thái u  t  của nơron đạt mức ngưỡng ung .

Hình 2.6. Mơ hình SRM: a) SNN truyền thẳng, b) kết nối giữa nơron
i và nơron j lớp ra có nhiều khớp
Xét nơron j trong lớp ra J , trạng thái u j  t  được xác định::
NI

m

u j (t )   wijk yik (t )

(2.44)

i 1 k 1

2.4. Kết luận chương 2
Chương 2 của luận án đã xây dựng các mơ hình động học của một
lớp máy bay cánh bằng phục vụ mục đích nhận dạng.
Dựa trên các giả định hợp lý cho phép phân tích mơ hình chuyển
động máy bay thành chuyển động trong các kênh độc lập, từ đó xác
định được mơ hình chuyển động phi tuyến trong kênh độ cao. Thực
hiện tuyến tính hóa để xây dựng các mơ hình động học tuyến tính đối
với các ĐHHSKĐ trong kênh độ cao.
Để có thể sử dụng mơ hình động học phi tuyến trong kênh độ cao
của máy bay, chương này cũng phân tích việc sử dụng ANN và SNN
xấp xỉ các mơ hình động học phi tuyến.


CHƯƠNG 3: XÂY DỰNG THUẬT TOÁN NHẬN DẠNG

MỘT SỐ ĐẠO HÀM HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY
3.1. Thuật tốn nhận dạng theo các phương pháp truyền thống
3.1.1. Phương pháp hồi quy tuyến tính
Mơ hình tổng qt của phương pháp
(3.3)
y = Xθ
z = Xθ + ν
(3.4)

trong đó: y - véc tơ tham số đầu ra mơ hình; z - véc tơ tham số đầu
ra đo được; ν - véc tơ các sai số đo; θ - véc tơ các tham số chưa
biết; X - ma trận của các véc tơ của một và các hồi quy;
Xây dựng thuật toán nhận dạng
Mơ hình động học trong kênh độ cao của máy bay
Luận án sẽ sử dụng mơ hình đối với HSKĐ trong kênh độ cao của
máy bay (1.10), đối với các tập dữ liệu bay được ghi nhận từ các
chuyến bay tốc độ thay đổi chậm ( V  0 ), mơ hình được xác định:

 y bA

 y  CD e  e
(a)
C D  CD0  CD   CD
2
V
0


 y bA

(3.7)
 y  CL e  e
(b)
C L  CL0  CL   CL
2
V
0



 b


(c )
m y  m y 0  m y   m y y A  y  m y e  e
2
V

0
Trong mơ hình (3.7), véc tơ tham số mơ hình  xác định:


  [CD , CD , CD , CD , CL , CL , CL , CL , m y 0 , mz , mz , mz ] (3.8)
y

0

y

e

e

z

e

0

Tham số mơ hình và dữ liệu phục vụ nhận dạng

- Các tham số mơ hình được cho trong phụ lục A của luận án.
- Dữ liệu phục vụ cho bài toán nhận dạng gồm hai tập dữ liệu bay
thu nhận từ các chuyến bay thực tế như trên hình 1.4.
Nhận dạng tham số của mơ hình sử dụng thuật toán GN
Hàm giá J( θ ) được xác định:
J θ  =

1
T
 z - Xθ   z - Xθ 
2

(3.5)


Tối thiểu hóa hàm giá J  θ  theo tham số θ , ta xác định được ˆ :

ˆ  (X T X  1 X T z

(3.6)

3.1.2. Phương pháp sai số đầu ra
Mơ hình động học của phương pháp sai số đầu ra
Nhận dạng theo phương pháp sai số đầu ra (OEM), mơ hình động
học gồm có các mơ hình trạng thái, đầu ra và quan sát, như sau:

 x (t )  A   x (t )  B   u(t ), x (0)  x0

 y(t )  C   x (t )  D   u(t )
 z (i)  y (i )   (i ), i  1, 2,..., N



a)
b)

(3.26)

c)

trong đó: x (t ) - véc tơ trạng thái; u(t ) - đầu vào điều khiển; y (t ) véc tơ đầu ra mơ hình; z (i ) - các tập dữ liệu bay thực nghiệm; x0 véc tơ trạng thái ban đầu; ν  i  - nhiễu đo, có dạng tạp trắng.
Xây dựng thuật tốn nhận dạng
Mơ hình động học trong kênh độ cao của máy bay
Mơ hình hệ động học sử dụng cho OEM gồm mơ hình trạng thái
(2.36) và mơ hình đầu ra (2.37). Để nhận dạng chính xác cần bổ
xung thêm thành phần độ chệch vào các tham số đo. Ký hiệu giá trị
độ chệch đối với góc tấn cơng là  , tốc độ góc gật là  , gia tốc
y

đứng là  az . Các mơ hình (2.36) và (2.37) được viết lại như sau:
   L   (1  L y ) y  L e  e  

 y  M    M  y  y  M  e  e   y


     
 y   y

  a z   V0 ( L    L  y  L   e )   a
y
e

z

g

  [C L , CL , C L , m y , m y , m y ,  ,  , a ]T
z

e

z

e

y

z

(3.38)

(3.39)

(3.40)


Tham số mơ hình và dữ liệu phục vụ nhận dạng
- Các tham số mơ hình phục vụ nhận dạng đối với mơ hình trạng
thái (3.38) và đầu ra (3.39) được cho trong phụ lục A của luận án.
- Dữ liệu phục vụ cho bài toán nhận dạng gồm hai tập dữ liệu bay
thu nhận từ các chuyến bay thực tế như trên hình 1.4.
Nhận dạng tham số của mơ hình sử dụng thuật tốn GN

- Xác định véc tơ trạng thái ban đầu x0 , véc tơ tham số ban đầu
 0 ; xác định trạng thái và đầu ra của mơ hình;
- Đối với OEM, các tham số  (i ) , Rv , J   được xác định:

 

 

 (i )  z (i )  yˆ (i )  z (i )  C ˆ x (i )  D ˆ u(i )
1 N
Rˆ v    ( i ) T ( i )
N i 1
1 N
J      (i ) Rˆ v1 T ( i )
2 i 1

(3.27)
(3.29)
(3.30)

- Tính toán S (i) , g , M và giá trị cập nhật   sau mỗi lần lặp:
 y j (i, )  j  1, 2,..., n0
S (i)=  s jk (i)   
(3.41)

  k  k  1, 2,..., n p
g

J  


y T (i ) ˆ 1
Rv  (i )

i 1
N

 
N

M

S

T

1

(i)Rˆ v S (i)

(3.42)
(3.43)

i 1

ˆk 1  M 1 g
- Cập nhật các tham số và tính giới hạn Cramer- Rao:
ˆ  ˆ  ˆ
k 1

k

 

Cov ˆ

k 1

 M-10

(3.44)
(3.45)
(3.46)

- Lặp lại cho đến khi thỏa mãn điều kiện dừng của thuật toán:
J (ˆk 1 ) - J (ˆk )
 J
(3.47)
J (ˆ )
k

Lưu đồ thuật tốn nhận dạng theo OEM biểu diễn trên hình 3.2.


Hình 3.2. Lưu đồ nhận dạng theo phương pháp sai số đầu ra


3.2. Xây dựng thuật toán nhận dạng các đạo hàm hệ số khí động
của máy bay khi ứng dụng mạng nơron nhân tạo
Khi ứng dụng ANN cho bài toán nhận dạng các ĐHHSKĐ kênh

độ cao của MB, ANN có vai trị thay thế mơ hình chuyển động phi
tuyến (gồm mơ hình trạng thái (2.25) và mơ hình đầu ra (2.26)). Để
giải quyết bài toán nhận dạng các ĐHHSKĐ, cần thực hiện ba nhiệm
vụ: luyện mạng, nhận dạng tham số và xác nhận mơ hình.
Để phục vụ cho việc nhận dạng các tham số theo phương pháp
ANN - GN, trong luận án sử dụng hai tập dữ liệu xác định mục 1.2.2.
3.2.1. Thuật toán nhận dạng các đạo hàm hệ số khí động kết hợp
mạng nơron hàm cơ sở xuyên tâm với thuật tốn Gauss-Newton
Cấu trúc thuật tốn nhận dạng

Hình 3.3. Cấu trúc thuật toán nhận dạng kết hợp RBF - GN


Hoạt động theo sơ đồ cấu trúc như sau:
- Trong quá trình luyện mạng, mạng nơron RBF để xấp xỉ tập dữ
liệu đầu vào – đầu ra trong kênh độ cao của máy bay;
- Trong q trình nhận dạng, mơ hình RBF được sử dụng để xác
định đầu ra y  i  từ đầu vào u  i  . Đầu ra mơ hình y  i  được sử
dụng để xác định độ nhạy đầu ra Sk  i  , sau đó, cả y  i  và Sk  i 
được đưa đến tính tốn cập nhật ˆk 1 theo thuật tốn GN.
Việc tính tốn được lặp lại đến khi thỏa mãn tiêu chuẩn hội tụ.
Cấu trúc mạng RBF xấp xỉ dữ liệu bay kênh độ cao

Hình 3.4. Cấu trúc mạng RBF cho mơ hình động học kênh độ cao
Thuật toán nhận dạng các đạo hàm hệ số khí động
Phương pháp RBF – GN nhận dạng các ĐHHSKĐ theo cấu trúc
thuật tốn hình 3.3, sử dụng mơ hình HSKĐ (3.7). Thuật tốn GN
thực hiện cập nhật các tham số nhận dạng giống như OEM, chỉ khác
là véc tơ y i  xác định bởi mơ hình mạng RBF.
Ma trận độ nhạy Sk  i  tại lần lặp k được xác định:

y pk  i  - yk  i 
 y  i  
Sk  i   
 
 j
   jk

(3.54)

3.2.2. Thuật tốn nhận dạng các đạo hàm hệ số khí động kết hợp
mạng nơron đột biến với thuật toán Gauss-Newton
Thuật tốn lan truyền ngược sai số đột biến chuẩn hóa
Thuật tốn lan truyền ngược sai số đột biến chuẩn hóa (NSEBP)
để luyện SNN, dùng mơ hình đáp ứng đột biến chuẩn hóa SRM0.


Đối với mơ hình SNN hình 2.6, điện áp đầu ra nơron thứ j có dạng:
NI

u j (t )   (t - tˆoutj )   wij  j (t - tSi )  u ext ,

(3.55)

i 1

trong đó: tˆoutj - thời điểm phát đột biến; wij - trọng số liên kết, tSi - thời
điểm đột biến thứ i ,  (t - tˆoutj ) - hàm hồi phục, u e x t - điện áp ngoài;

 

j
Giả sử giữa u t out
và u ng có sai số E xác định:
j
E  ung - u (tout
)

(3.59)

Sai số E được chia thành: Ewn và Etn , được xác định:
Ewn  rE
n
t

E

 (1- r ) E

Điều chỉnh trọng số để loại bỏ E
wij 

(3.60)
(3.61)

n
w

 in Ewn
W (s )
,  in  m ind i

 j ( si )
2

W

ind

(3.62)

( sk )

k  m1

Biến động thời gian xuất hiện đột biến đầu vào
Sai số Etn phân bố tới n  1 lớp trước. Đối với đột biến đầu vào
thứ i , sai số này sẽ tương ứng với lượng thay đổi điện áp, như sau:
(3.64)
ui   tin Etn
m2

 A1  Wind  si   /   A1  Wind  sk  , khi E  0
k  m1

với  tin  
(3.65)
m2
W  s  /
Wind  sk  ,
khi E  0
 ind i k

 m1

Việc luyện mạng để đưa ui  0 tương ứng với việc thay đổi thời

điểm đột biến đầu vào thứ i một lượng tSi , được xác định:

b  b 2  4ac
)
2a
j
 a   wij exp((tSi  tout
) /  2 ); b  wij exp((tSi  tojut ) /  1 )

i
j
i
j
c  wij exp((tS  tout ) /  2 )  wij exp((tS  tout ) /  1 )  ui
tSi   1 ln(

(3.67)
(3.68)


Thuật toán NSEBP dùng để luyện SNN được minh họa qua lưu
đồ thuật tốn hình 3.9.

Hình 3.9. Lưu đồ thuật toán luyện SNN theo thuật toán NSEBP
Cấu trúc thuật toán nhận dạng kết hợp SNN – GN
Cấu trúc thuật toán nhận dạng các ĐHHSKĐ kênh độ cao của

máy bay theo phương pháp SNN – GN được đề xuất trên hình 3.10.


Hình 3.10. Cấu trúc thuật tốn nhận dạng đề xuất
Cấu trúc mơ hình SNN trong kênh độ cao

Hình 3.11. Cấu trúc mạng nơron đột biến đề xuất
3.3. Kết luận chương 3
Chương 3 thực hiện xây dựng các thuật toán nhận dạng các
ĐHHSKĐ kênh độ cao của MB từ dữ liệu bay, cụ thể là:
- Đã thực hiện nhận dạng các ĐHHSKĐ trong kênh độ cao của
MB dựa trên dữ liệu bay theo các phương pháp truyền thống.
- Xây dựng phương pháp RBF – GN để nhận dạng các ĐHHSKĐ
kênh độ cao của MB từ dữ liệu bay, trong đó, đã xây dựng được cấu
trúc mạng nơron RBF xấp xỉ tập dữ liệu kênh độ cao và triển khai
thuật toán nhận dạng các ĐHHSKĐ theo phương pháp này.


- Đề xuất ứng dụng SNN, cụ thể là cấu trúc mạng SRM kết hợp
với thuật toán GN để nhận dạng các ĐHHSKĐ trong kênh độ cao
của MB từ dữ liệu bay, ứng dụng thuật tốn NSEBP cho mơ hình
nơron SRM0 để luyện SNN, đã xây dựng được cấu trúc thuật toán
nhận dạng các ĐHHSKĐ trong kênh độ cao của máy bay.
CHƯƠNG 4: MƠ PHỎNG VÀ ĐÁNH GIÁ CÁC THUẬT

TỐN NHẬN DẠNG
4.1. Mơ phỏng và đánh giá các thuật tốn nhận dạng sử dụng các
phương pháp truyền thống
4.1.1. Nhận dạng theo phương pháp hồi quy tuyến tính
Bảng 4.1. Kết quả nhận dạng theo phương pháp hồi quy tuyến tính

4.1.2. Nhận dạng theo phương pháp sai số đầu ra
Kết quả nhận dạng theo OEM cho trong cột 2 bảng 4.4.
Bảng 4.4. Kết quả nhận dạng các các đạo hàm hệ số khí động


Bảng 4.5. Sai lệch chuẩn đối với các kết quả nhận dạng

Kiểm chứng chất lượng mơ hình nhận dạng
Với các ĐHHSKĐ nhận dạng được, thực hiện xác nhận mơ hình
khi sử dụng tập dữ liệu thứ hai. Sự phù hợp thể hiện trên hình 4.4.

Hình 4.4. Sự phù hợp giữa mơ hình và tập dữ liệu đo được
Bảng 4.6. Sai lệch chuẩn đối với kết quả xác nhận mơ hình

4.2. Mơ phỏng và đánh giá thuật tốn nhận dạng khi ứng dụng
mạng nơron nhân tạo
4.2.1. Nhận dạng kết hợp mạng nơron hàm cơ sở xuyên tâm với
thuật toán Gauss-Newton
Kết quả luyện mạng theo cấu trúc RBF trong kênh độ cao
Đối với luyện mạng RBF, độ chính xác xấp xỉ mơ hình phụ thuộc
vào số nơron lớp ẩn. Đối với tập dữ liệu luyện mạng và sai lệch
chuẩn cho trước là e0  10-3 , kết quả nhận được là 164 nơron.


Bảng 4.7. Sai lệch chuẩn đối với các kết quả luyện mạng

Kết quả nhận dạng theo phương pháp RBF – GN
Bảng 4.8. Kết quả các các đạo hàm hệ số khí động

Bảng 4.9. Sai lệch chuẩn đối với kết quả nhận dạng RBF - GN

4.2.2. Nhận dạng kết hợp SNN với thuật toán Gauss-Newton
Với cấu trúc mạng SNN kênh độ cao của máy bay như trên hình
3.11, Tập dữ liệu luyện mạng gồm 600 điểm dữ liệu được chia thành
2 tập con: tập con thứ nhất có 400 điểm dành cho việc luyện mạng và
tập con thứ hai có 200 điểm dành cho kiểm tra mạng.
Kết quả mô phỏng luyện SNN bằng thuật tốn NSEBP
Xem xét q trình luyện đối với tham số góc gật, mạng hội tụ chỉ
sau 4 epoch luyện, sự sai khác thời điểm đột biến đầu ra mơ hình so
với mong muốn qua các epoch luyện thể hiện trên hình 4.10.


Hình 4.10. Kết quả luyện SNN trong 4 epoch đối với góc gật
Đánh giá chất lượng luyện mạng SNN theo sai lệch chuẩn giữa
thời điểm đột biến đầu ra mạng với thời điểm đột biến mong muốn,
với 6 tham số đầu ra sử dụng biểu đồ so sánh hình 4.11.

Hình 4.11. Kết quả luyện mạng đối với các tham số đầu ra


Đánh giá thuật toán nhận dạng theo phương pháp SNN – GN
Sử dụng phương pháp SNN - GN (NSEBP) để nhận dạng các
ĐHHSKĐ theo cấu trúc thuật tốn hình 3.10 và cấu trúc mạng SNN
hình 3.11. Kết quả nhận dạng được cho trong cột 2 bảng 4.13.
Bảng 4.13. Kết quả nhận dạng theo phương pháp SNN-GN (NSEBP)

Bảng 4.14. Sai lệch chuẩn đối với các kết quả nhận dạng

Việc xác nhận mơ hình khi sử dụng phương pháp SNN - GN
(NSEBP) để nhận dạng các đạo hàm hệ số khí động trong kênh độ
cao của MB được xem xét khi sử dụng tập dữ liệu thứ hai để thực
hiện xác nhận chéo. Sai lệch chuẩn giữa dữ liệu đầu ra mơ hình và
tập dữ liệu bay được thể hiện bảng 4.15.
Bảng 4.15. Sai lệch chuẩn kết đối với quả xác nhận SNN - GN

Từ các kết quả nhận được theo phương pháp SNN - GN
(NSEBP), có thể so sánh với kết quả nhận dạng theo phương pháp
SNN – GN (SpikeProp) và phương pháp RBF - GN, đưa ra các nhận
xét sau:
- Kết quả nhận dạng của cả ba phương pháp đều có độ chính xác
phù hợp (sai lệch chuẩn nhỏ) nên có thể sử dụng làm phương pháp
nhận dạng các ĐHHSKĐ của máy bay.
- Nhận dạng các ĐHHSKĐ kênh độ cao của máy bay theo
phương pháp SNN – GN (NSEBP) và SNN – GN (SpikeProp) có kết
quả chính xác hơn so với phương pháp RBF - GN.
- Độ chính xác nhận dạng theo phương pháp SNN – GN (NSEBP)
không hơn nhiều so với phương pháp SNN – GN (SpikeProp), tuy
nhiên, số epoch luyện mạng nhỏ hơn nhiều, dẫn đến thời gian thực
hiện sẽ nhanh hơn.


4.3. Kết luận chương 4
Trong chương 4 đã sử dụng công cụ phần mềm Matlab-Simulink
để mô phỏng và đánh giá các thuật tốn nhận dạng các ĐHHSKĐ
cùng các mơ hình động học trong kênh độ cao của máy bay từ các
tập dữ liệu bay. Qua so sánh các kết quả nhận được, có các nhận xét
như sau:
- Nhận dạng bằng phương pháp LR có ưu điểm là đơn giản, dễ

thực hiện. Nhược điểm là sai số nhận dạng lớn đặc biệt là đối với các
bài bay có tác động của nhiễu q trình hay có sự thay đổi lớn của
các tham số chuyển động.
- Nhận dạng bằng OEM có thể thực hiện đối với các bài bay có
tác động của nhiễu quá trình. Kết quả nhận dạng các đạo hàm hệ số
khí động theo OEM được so sánh với phương pháp LR và cho thấy
có những kết quả tốt hơn. Tuy nhiên OEM cũng có nhược điểm là
khơng nhận dạng được đối với các chuyến bay có sự thay đổi lớn của
các tham số chuyển động. Những kết quả mô phỏng và đánh giá đối
với hai phương pháp LR và OEM được thể hiện trong các bài báo 2,
3 trong mục các cơng trình đã được cơng bố của tác giả.
- Phương pháp RBF - GN thực hiện nhận dạng đơn giản hơn
OEM khi khơng cần xây dựng mơ hình động học tuyến tính và
khơng cần giải phương trình đầu ra. Các kết quả nhận được đã phản
ảnh được hiệu quả hơn so với các phương pháp nhận dạng truyền
thống. Phương pháp RBF - GN có thể thực hiện nhận dạng được đối
với các chuyến bay có sự thay đổi lớn của các tham số chuyển động.
Nhưng để đạt được độ chính xác cần thiết phải xây dựng lại mơ hình
HSKĐ phù hợp. Các kết quả nhận dạng theo phương pháp RBF - GN
được thể hiện trong bài báo 4 đã cho thấy những ưu điểm so với các
phương pháp truyền thống.
- Nhận dạng các đạo hàm hệ số khí động theo phương pháp SNN
– GN cho các kết quả chính xác và tin cậy so với phương pháp RBF GN. Luyện mạng SNN theo thuật toán NSEBP đạt hiệu quả luyện
cao trong mỗi chu trình, đạt được sự hội tụ nhanh chóng chỉ sau một
số ít chu trình. Kết quả mơ phỏng cho thấy thuật tốn có nhiều ưu
điểm hơn so với thuật toán SpikeProp và các thuật toán luyện mạng
truyền thống. Các kết quả nhận dạng theo phương pháp SNN - GN
được thể hiện trong bài báo 5 trong mục các cơng trình đã được cơng
bố đã minh chứng điều này.