Modified neural network method for stabilizing multi-rotor unmanned aerial vehicles
Вантажиться...
Дата
2023
DOI
Науковий ступінь
Рівень дисертації
Шифр та назва спеціальності
Рада захисту
Установа захисту
Науковий керівник
Члени комітету
Видавець
COLINS-2023 : 7th International Conference on Computational Linguistics and Intelligent Systems (Kharkiv, Ukraine, 20-21 April 2023)
Анотація
Робота присвячена розробці нейромережевого методу стабілізації багатогвинтових безпілотних літальних апаратів за трьома кутами стабілізації (крену, повороту, тангажу), який базується на гібридній нейросхемі керування з емулятором і контролером. Відмінною особливістю розробленого методу від існуючого є використання рекурентного багатошарового персептрона RMLP, що дає змогу розв’язувати задачу в умовах польоту безпілотного літального апарату.
The work is devoted to the development of a neural network method for stabilizing multirotor unmanned aerial vehicles in three stabilization angles (roll, yaw, pitch), which is based on a hybrid neural control scheme with an emulator and a controller. A distinctive feature of the developed method from the existing one is the use of a recurrent multilayer perceptron RMLP, which makes it possible to solve the problem under the conditions of an unmanned aerial vehicle flight. To train the neuroemulator, which is based on the ecurrent multilayer perceptron RMLP, a gradient training algorithm is applied. The results of training the neural network showed that the use of the recurrent multilayer perceptron RMLP made it possible to reduce the learning process of the neuroemulator, as well as to reduce the error to the level of 10–2…10–3, which is sufficient to solve the problem of stabilizing multirotor unmanned aerial vehicles. The results of the studies showed a significant reduction in the transition process time, which is less than 1 s, and overshoot of the stabilization angles (roll, yaw, pitch) less than 3...5º, which are acceptable parameters for the flight of multirotor unmanned aerial vehicles. Prospects for further research is a more in-depth study of the influence of random perturbations on the behavior of the RMLP neural network in the stabilization task for multirotor unmanned aerial vehicles.
Работа посвящена разработке нейросетевого метода стабилизации многороторных беспилотных летательных аппаратов по трем углам стабилизации (крен, рыскание, тангаж), в основе которого лежит гибридная нейронная схема управления с эмулятором и контроллером. Отличительной особенностью разработанного метода от существующего является использование рекуррентного многослойного перцептрона РМЛП, что позволяет решать задачу в условиях полета беспилотного летательного аппарата.
The work is devoted to the development of a neural network method for stabilizing multirotor unmanned aerial vehicles in three stabilization angles (roll, yaw, pitch), which is based on a hybrid neural control scheme with an emulator and a controller. A distinctive feature of the developed method from the existing one is the use of a recurrent multilayer perceptron RMLP, which makes it possible to solve the problem under the conditions of an unmanned aerial vehicle flight. To train the neuroemulator, which is based on the ecurrent multilayer perceptron RMLP, a gradient training algorithm is applied. The results of training the neural network showed that the use of the recurrent multilayer perceptron RMLP made it possible to reduce the learning process of the neuroemulator, as well as to reduce the error to the level of 10–2…10–3, which is sufficient to solve the problem of stabilizing multirotor unmanned aerial vehicles. The results of the studies showed a significant reduction in the transition process time, which is less than 1 s, and overshoot of the stabilization angles (roll, yaw, pitch) less than 3...5º, which are acceptable parameters for the flight of multirotor unmanned aerial vehicles. Prospects for further research is a more in-depth study of the influence of random perturbations on the behavior of the RMLP neural network in the stabilization task for multirotor unmanned aerial vehicles.
Работа посвящена разработке нейросетевого метода стабилизации многороторных беспилотных летательных аппаратов по трем углам стабилизации (крен, рыскание, тангаж), в основе которого лежит гибридная нейронная схема управления с эмулятором и контроллером. Отличительной особенностью разработанного метода от существующего является использование рекуррентного многослойного перцептрона РМЛП, что позволяет решать задачу в условиях полета беспилотного летательного аппарата.
Опис
Ключові слова
Техніка. Технічні науки. Machinery. Engineering. Техника. Технические науки, unmanned aerial vehicles, multirotor, neuroemulator, recurrent multilayer perceptron RMLP, training, gradient method, error, stabilization angles, roll, yaw, pitch, RMLP, безпілотні літальні апарати, мультиротор, нейроемулятор, тренування, градієнтний метод, похибка, кути стабілізації, крен, поворот, тангаж, беспилотные летательные аппараты, углы стабилизации
Бібліографічний опис
Modified neural network method for stabilizing multi-rotor unmanned aerial vehicles [Electronic resource] / Serhii Vladov, Yurii Shmelov, Ruslan Yakovliev, Alona Khebda, Oksana Brusakova // COLINS-2023 : 7th International Conference on Computational Linguistics and Intelligent Systems (Kharkiv, Ukraine, 20-21 April 2023). – Access mode: https://ceur-ws.org/Vol-3403/paper19.pdf.