Knowledge base: Warsaw University of Technology

Settings and your account

Back

Autopilot system based on artificial neural networks

Paweł Kicman

Abstract

In the following thesis project set of simulation was performed in Simulink program, which is part of computing environment Matlab. Their goal was to develop longitudal autopilot system for 30-seat, two-engine jet aircraft in which pitch angle is controlled by a neural network. First part of the paper contains theoretical introduction, where information about autopilots and neural networks were gathered – history, architectures, operating rules and basic structures that are in practical use. Additionally for neural networks the number of possible applications in aviation were listed, mostly concerned on control issues. After explaining and justifying methods used to solve the problem the development process was described. First of all autopilot based on standard PI and PID controllers was designed (PID for pitch and speed control and PI for height control). This system was point of reference and basis for further experiments with neural networks. Its scheme is presented on rysunek 2. Next, using direct inverse control method (general training version), was performed experiment which aim was to create neural network that can be used as a controller of pitch angle for considered model (PID1 on rysunek 2). Using Levenberg-Marquardt algorithm 420 networks were trained – 4 structures of input signal, 3 values of feedback signal delay and different sizes of networks hidden layer. Unfortunately this experiment gave no satisfying results and the best of created networks was unable to perform the task in proper way. In order to check the methodology that was used additional network was trained – their goal was to model created previously pitch PID controller. In this case much better results were achieved. After analysis of results the following conclusions and possible reasons for failure were listed: • Training set prepared in wrong way; • Δt delay not sufficiently adjusted to controlled object; • Author’s lack of experience in field of neural network; Despite the failure it is possible to successfully complete task and to develop properly working neural controller using presented methods after allowing for suggestions that were made.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Paweł Kicman (FPAE/IAAM) Paweł Kicman,, The Institute of Aeronautics and Applied Mechanics (FPAE/IAAM)Faculty of Power and Aeronautical Engineering (FPAE)
Title in Polish
Układ autopilota oparty na sieciach neuronowych
Supervisor
Robert Głębocki (FPAE/IAAM) Robert Głębocki,, The Institute of Aeronautics and Applied Mechanics (FPAE/IAAM)Faculty of Power and Aeronautical Engineering (FPAE)
Certifying unit
Faculty of Power and Aeronautical Engineering (FPAE)
Affiliation unit
The Institute of Aeronautics and Applied Mechanics (FPAE/IAAM)
Study subject / specialization
, Lotnictwo i Kosmonautyka
Language
(pl) Polish
Status
Finished
Defense Date
15-09-2009
Issue date (year)
2009
Pages
58
Internal identifier
MEL; PD-913
Reviewers
Krzysztof Kędzior (FPAE/IAAM) Krzysztof Kędzior,, The Institute of Aeronautics and Applied Mechanics (FPAE/IAAM)Faculty of Power and Aeronautical Engineering (FPAE) Robert Głębocki (FPAE/IAAM) Robert Głębocki,, The Institute of Aeronautics and Applied Mechanics (FPAE/IAAM)Faculty of Power and Aeronautical Engineering (FPAE)
Keywords in Polish
SIECI NEURONOWE, STEROWANIE, AUTOPILOTY, LOTNICTWO I KOSMONAUTYKA
Keywords in English
xxx
Abstract in Polish
W pracy wykonany został szereg symulacji w programie Simulink, który jest częścią symulacyjną pakietu obliczeniowego Matlab. Ich celem było utworzenie autopilota kanału podłużnego dla 30-miejscowego, dwusilnikowego samolotu odrzutowego, w którym kąt pochylenia sterowany jest przez sieć neuronową. Pierwsza część pracy zawiera wstęp teoretyczny, w którym zebrane zostały podstawowe informacje dotyczące autopilotów oraz sieci neuronowych - rys historyczny, budowa i zasada działania oraz podstawowe wykorzystywane struktury. Dodatkowo dla sieci neuronowych opisano szereg możliwych zastosowań w lotnictwie ze szczególnym uwzględnieniem zagadnień sterowania. Po uzasadnieniu przyjętych rozwiązań opisany został przebieg przeprowadzonego eksperymentu. W pierwszej kolejności utworzono autopilota opartego na standardowych regulatorach typu PI oraz PID (PID dla sterowania pochyleniem oraz prędkością, PI dla sterowania wysokością), który był punktem odniesienia oraz bazą do dalszych prób z sieciami neuronowymi. Schemat wykonanego układu przedstawiono na rysunku 1. Następnie, wykorzystując metodę odwrotnego modelowania obiektu sterowanego (ang. Direct Inverse Control), przeprowadzono eksperyment, którego celem było utworzenie sieci mogącej posłużyć za regulator kąta pochylenia dla rozpatrywanego modelu (PID1 na rysunku 1). Przy użyciu algorytmu Levenberga-Marquardta wytrenowanych zostało 420 sieci o 4 różnych strukturach sygnału wejściowego, różnym rozmiarze warstwy ukrytej, oraz dla 3 wartości opóźnień sygnału zwrotnego. Eksperyment ten nie przyniósł zamierzonego rezultatu, a najlepsza z wykonanych sieci została uznana za niewystarczającą do poprawnego wykonania powierzonego zadania. W celu sprawdzenia poprawności przyjętej systematyki nauczono dodatkowo sieć, której zadaniem było modelowanie stworzonego uprzednio regulatora typu PID sterującego kątem pochylenia. W tej części uzyskano wyraźnie lepsze wyniki co potwierdziło prawidłowość przyjętej metodyki. Po porównaniu i przeanalizowaniu otrzymanych wyników wysunięto następujące wnioski oraz podano możliwe przyczyny niepowodzenia projektu: • Nieprawidłowo dobrana seria ucząca; • Opóźnienie Δt niedostatecznie dostosowane do właściwości obiektu sterowanego; • Zbyt małe doświadczenie autora w pracy nad sieciami neuronowymi; Jednak pomimo niepowodzenia wydaje się, iż możliwe jest osiągnięcie sukcesu w tworzeniu regulatora neuronowego korzystając z zastosowanych metod po uwzględnieniu poczynionych sugestii.
File
  • File: 1
    dyplom_inz_pk.doc
Request a WCAG compliant version

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTcf988c3d31b64d63aa986cd960efaf5e/
URN
urn:pw-repo:WUTcf988c3d31b64d63aa986cd960efaf5e

Confirmation
Are you sure?
Report incorrect data on this page