cahtНаучный вестник МГТУ ГАCivil Aviation High Technologies2079-06192542-0119Moscow State Technical University of Civil Aviation (MSTU CA)caht-384Research ArticleСтатьиМоделирование продольного углового движения самолета: сопоставление теоретического, эмпирического и полуэмпирического подходовAIRCRAFT SHORT-PERIOD LONGITUDINAL MOTION MODELLING: A COMPARISON OF THEORETICAL, EMPIRICAL AND SEMI-EMPIRICAL APPROACHESЕгорчевМ. В.EgorchevM. V.noemail@neicon.ruКозловД. С.KozlovD. S.noemail@neicon.ruТюменцевЮ. В.TiumentsevYu. V.noemail@neicon.ruМАИRussian Federation201507112016211116123Copyright © Егорчев М.В., Козлов Д.С., Тюменцев Ю.В., 20162016Егорчев М.В., Козлов Д.С., Тюменцев Ю.В.Egorchev M.V., Kozlov D.S., Tiumentsev Y.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://avia.mstuca.ru/jour/article/view/384

На примере продольного углового движения самолета рассматривается проблема математического и компьютерного моделирования нелинейных динамических систем при недостаточности знаний об объекте моделирования и условиях его функционирования. Предлагаемый подход основан на объединении возможностей теоретического и нейросетевого моделирования.

A simulation approach is discussed for maneuverable aircraft longitudinal motion as nonlinear controlled dynamical system under multiple and diverse uncertainties including knowledge imperfection concerning simulated plant and its environment exposure. The suggested approach is based on a merging of theoretical knowledge for the plant with training tools of artificial neural network field.

нелинейная динамическая системасамолетпродольное угловое движениеэмпирическая модельполуэмпирическая модельнейросетевое моделированиеобучающий наборnonlinear dynamical systemaircraftshort-period longitudinal motionempirical modelsemi-empirical modelneural network based modelingtraining datasetReferencesЕгорчев М.В., Тюменцев Ю.В. Нейросетевые полуэмпирические модели управляемых динамических систем // Сб. науч. тр. XV Всероссийской науч.-техн. конф. «Нейроинформатика-2013». - М.: МИФИ, 2013. - С. 22-31. - Ч. 2.Егорчев М.В., Тюменцев Ю.В. Нейросетевые полуэмпирические модели управляемых динамических систем // Сб. науч. тр. XV Всероссийской науч.-техн. конф. «Нейроинформатика-2013». - М.: МИФИ, 2013. - С. 22-31. - Ч. 2.Егорчев М.В., Козлов Д.С., Тюменцев Ю.В., Чернышев А.В. Нейросетевые полуэмпирические модели управляемых динамических систем // Вестник информационных и компьютерных технологий. - 2013. - № 9. - С. 3-10.Егорчев М.В., Козлов Д.С., Тюменцев Ю.В., Чернышев А.В. Нейросетевые полуэмпирические модели управляемых динамических систем // Вестник информационных и компьютерных технологий. - 2013. - № 9. - С. 3-10.Егорчев М.В., Тюменцев Ю.В. Обучение полуэмпирической нейросетевой модели управляемого движения самолета // Сб. науч. тр. XVI Всероссийской науч.-техн. конф. «Нейроинформатика-2014». - М.: МИФИ, 2014. - С. 263-272. - Ч. 2.Егорчев М.В., Тюменцев Ю.В. Обучение полуэмпирической нейросетевой модели управляемого движения самолета // Сб. науч. тр. XVI Всероссийской науч.-техн. конф. «Нейроинформатика-2014». - М.: МИФИ, 2014. - С. 263-272. - Ч. 2.Льюнг Л. Идентификация систем: Теория для пользователя / пер. с англ. / под ред. Я.З. Цыпкина. - М.: Наука, 1991.Льюнг Л. Идентификация систем: Теория для пользователя / пер. с англ. / под ред. Я.З. Цыпкина. - М.: Наука, 1991.Берестов Л.М., Поплавский Б.К., Мирошниченко Л.Я. Частотные методы идентификации летательных аппаратов. - М.: Машиностроение, 1985.Берестов Л.М., Поплавский Б.К., Мирошниченко Л.Я. Частотные методы идентификации летательных аппаратов. - М.: Машиностроение, 1985.Klein V., Morelli E.A. Aircraft system identification: Theory and practice. - Reston, VA: AIAA, 2006.Klein V., Morelli E.A. Aircraft system identification: Theory and practice. - Reston, VA: AIAA, 2006.Tischler M.B., Remple R.K. Aircraft and rotorcraft system identification: Engineering methods with flight-test examples. - Reston, VA: AIAA, Inc., 2006.Tischler M.B., Remple R.K. Aircraft and rotorcraft system identification: Engineering methods with flight-test examples. - Reston, VA: AIAA, Inc., 2006.Хайкин С. Нейронные сети: полный курс / пер. с англ. - М.: Вильямс, 2006.Хайкин С. Нейронные сети: полный курс / пер. с англ. - М.: Вильямс, 2006.Кондратьев А.И., Тюменцев Ю.В. Нейросетевое моделирование управляемого движения летательных аппаратов // Вестник МАИ. - 2010. - Т. 17. - № 4. - С. 5-11.Кондратьев А.И., Тюменцев Ю.В. Нейросетевое моделирование управляемого движения летательных аппаратов // Вестник МАИ. - 2010. - Т. 17. - № 4. - С. 5-11.Dreyfus G. Neural networks: Methodology and applications. - Berlin ao.: Springer, 2005.Dreyfus G. Neural networks: Methodology and applications. - Berlin ao.: Springer, 2005.Аэромеханика самолета: Динамика полета - 2-е изд., перераб. и доп. / А.Ф. Бочкарев и др. - М.: Машиностроение, 1985.Аэромеханика самолета: Динамика полета - 2-е изд., перераб. и доп. / А.Ф. Бочкарев и др. - М.: Машиностроение, 1985.Nguyen L.T., Ogburn M.E., Gilbert W.P., Kibler K.S., Brown P.W., Deal P.L. Simulator study of stall/post-stall characteristics of a fighter airplane with relaxed longitudinal static stability. - NASA TP-1538, Dec. 1979.Nguyen L.T., Ogburn M.E., Gilbert W.P., Kibler K.S., Brown P.W., Deal P.L. Simulator study of stall/post-stall characteristics of a fighter airplane with relaxed longitudinal static stability. - NASA TP-1538, Dec. 1979.

The authors declare that there are no conflicts of interest present.