CHƯƠNG I: TỔNG QUAN VỀ NHẬN DẠNG CÁC HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY
CHƯƠNG 4: MÔ PHỎNG VÀ ĐÁNH GIÁ CÁC THUẬT TOÁN NHẬN DẠNG CÁC ĐẠO HÀM HỆ SỐ KHÍ ĐỘNG CỦA MÁY BAY
4.2. Mô phỏng và đánh giá thuật toán nhận dạng đạo hàm hệ số khí động ứng dụng mạng nơron nhân tạo
4.2.1. Mô phỏng và đánh giá thuật toán nhận dạng đạo hàm hệ số khí động ứng dụng mạng RBF
4.2.1.1 Mô phỏng và đánh giá kết quả luyện mạng RBF
Với cấu trúc mạng RBF kênh độ cao như trên hình 3.4, tiến hành luyện được thực hiện đối với tập dữ liệu thứ nhất. Tập dữ liệu gồm 600 điểm được chia thành 3 tập con, được sử dụng như sau: tập thứ nhất có 60% điểm dùng để luyện mạng (training), tập thứ hai có 20% điểm dùng để xác nhận mô hình (validation) và tập thứ ba có 20% điểm dùng để kiểm tra mạng trong và sau quá trình luyện mạng (test).
Đối với mạng RBF, độ chính xác xấp xỉ mô hình của mạng phụ thuộc vào số nơron lớp ẩn. Đối với tập dữ liệu luyện mạng và sai lệch chuẩn khi xấp xỉ mạng cho trước là e0 = 10-3 , kết quả nhận được là 164 nơron. Kết quả kiểm tra mạng sau khi luyện với tập dữ liệu kiểm tra (test) thể hiện trên hình 4.5.
Hình 4.5. Kết quả sai số đối với tập kiểm tra khi luyện mạng RBF
Sai lệch chuẩn đối với tập dữ liệu kiểm tra trong quá trình luyện mạng được cho trong bảng 4.7.
Bảng 4.7. Sai lệch chuẩn đối với kết quả kiểm tra khi luyện mạng nơron RBF Tham số σ
Sai lệch chuẩn
Với các sai lệch chuẩn nhận được, mạng RBF có độ chính xác cần thiết để thay thế cho mô hình chuyển động kênh độ cao của máy bay. Mạng RBF sẽ được kết hợp với thuật toán Gauss-Newton để nhận dạng các ĐHHSKĐ.
4.2.1.2 Đánh giá kết quả nhận dạng các hệ số khí động kết hợp RBF - GN Việc kết hợp mạng RBF thuật toán Gauss-Newton để nhận dạng các ĐHHSKĐ được thực hiện trên tập dữ liệu thứ nhất theo sơ đồ hình 3.3 và lưu đồ thuật toán hình 3.5. Kết quả tính toán theo thuật toán cho thấy các ĐHHSKĐ hội tụ sau 43 lần lặp. Hình 4.6 biểu diễn giá trị theo các lần lặp của một số ĐHHSKĐ theo điều kiện hội tụ (3.47).
Hình 4.6. Giá trị các đạo hàm hệ số khí động phụ thuộc bước lặp khi nhận dạng theo phương pháp RBF - GN
Quá trình nhận dạng các ĐHHSKĐ kênh độ cao của MB theo phương pháp RBF - GN sẽ dừng khi điều kiện hội tụ (3.47) được thỏa mãn. Giá trị các ĐHHSKĐ được nhận dạng cho trong cột 2 bảng 4.8. Để thuận tiện cho việc so sánh, đánh giá kết quả nhận dạng với các phương pháp truyền thống, các kết quả nhận dạng theo phương pháp hồi quy tuyến tính (LR) và phương pháp sai số đầu ra (OEM) cũng được đưa ra trong cột 3 và cột 4 của bảng 4.8.
Bảng 4.8. Kết quả nhận dạng các ĐHHSKĐ theo phương pháp RBF - GN
Tham số ˆ C
D0
CD CDy CDe C
L0
CL
C L y
CLe
m
y 0
m y
m yy
mye
Các giá trị ĐHHSKĐ được nhận dạng theo phương pháp RBF - GN trong cột 2 bảng 4.8 được thay vào mô hình HSKĐ kênh độ cao của MB (3.7), kết hợp với dữ liệu bay (các gia tốc thẳng và gia tốc góc gật) để xác định các HSKĐ. Các
và được so sánh với dữ liệu bay thực tế (đường liền nét) đối với các tham
số chuyển động trong kênh độ cao tương ứng. Kết quả phù hợp giữa dữ liệu bay và mô hình mạng RBF được thể hiện trên hình 4.7.
Hình 4.7. Sự phù hợp giữa dữ liệu và mô hình khi nhận dạng theo RBF - GN Sai lệch chuẩn đối với kết quả nhận dạng thực hiện trên tập dữ liệu thứ nhất được xác định trên bảng 4.9.
Bảng 4.9. Sai lệch chuẩn đối với nhận dạng theo phương pháp RBF - GN
Tham số Sai lệch chuẩn
σ
α
4.2.1.3 Xác nhận mô hình
Việc xác nhận mô hình nhận dạng khi ứng dụng phương pháp RBF – GN được thực hiện trên tập dữ liệu thực tế thứ hai. Trước tiên, các ĐHHSKĐ được nhận dạng bằng phương pháp RBF - GN. Các mô hình HSKĐ được xây dựng bằng cách thay các ĐHHSKĐ được nhận dạng vào mô hình HSKĐ (3.7). Mô
hình HSKĐ ước lượng cùng với các điều kiện ban đầu, các giá trị đầu vào trạng thái và điều khiển được sử dụng để tạo véc tơ tín hiệu đầu vào mạng RBF. Mạng RBF dự báo véc tơ các giá trị đầu ra sau đó được so sánh với tập dữ liệu bay tương ứng. Sai lệch chuẩn giữa hai tập dữ liệu này thể hiện trên bảng 4.10.
Bảng 4.10. Sai lệch chuẩn xác nhận mô hình theo phương pháp RBF- GN
Tham số σ
Sai lệch
0.0613 0.0365 0.0791 0.0588 0.0305 0.0257
chuẩn
Từ các kết quả trên, có thể đưa ra các nhận xét sau:
- Giá trị hội tụ các ĐHHSKĐ theo phương pháp RBF -GN gần với phương pháp OEM. Chất lượng của phương pháp này phụ thuộc việc chọn và luyện mạng với số nơron lớp ẩn phù hợp với biến thiên của dữ liệu;
- Đối với ĐHHSKĐ CL0 , CD0 sẽ hội tụ khá nhanh đến giá trị ổn định, các tham số CL , CLe hội tụ đến các giá trị thỏa mãn tiêu chuẩn chậm hơn;
- Đối với các ĐHHSKĐ CDy , CLy , myy quá trình hội tụ mang tính chất dao động. Tiêu chuẩn hội tụ phụ thuộc chủ yếu vào sự hội tụ ba tham số này;
- Việc xác nhận mô hình bằng phương pháp RBF - GN sau đó cũng được thực hiện trên các tập dữ liệu 3, 4, 5, 6. Các kết quả cho thấy sự phù hợp giữa dữ liệu bay với đầu ra của mô hình cho tất cả các tập dữ liệu bay;
- Khác với OEM, các ĐHHSKĐ được nhận dạng bằng phương pháp RBF
- GN không phụ thuộc vào độ lớn hoặc dấu của các giá trị tham số ĐHHSKĐ ban đầu. Điều này có được là do phương pháp RBF - GN đề xuất không yêu cầu giải phương trình trạng thái chuyển động;
- Phương pháp RBF - GN tiếp tục được áp dụng cho tất cả sáu tập dữ liệu còn lại (các tập dữ liệu thu thập từ các chuyến bay cơ động) để ước lượng các tham số khí động. Có thể thấy rằng các tham số chuyển động của các tập
dữ liệu này có sự thay đổi khá lớn nên các điều kiện giả định khi xây dựng mô hình đối với hệ số khí động tuyến tính không còn đảm bảo. Kết quả nhận dạng các ĐHHSKĐ được không chính xác (sai lệch chuẩn lớn) bởi vì mô hình mô tả đối với HSKĐ lúc này đã không còn chính xác. Mặc dù kết quả nhận dạng các ĐHHSKĐ không chính xác, nhưng qua đó cho thấy phương pháp RBF - GN được đề xuất có thể ước lượng thành công tất cả các tập dữ liệu bay thực tế.