대표어
한국학술지인용색인(NRF)
권호기사보기
| 기사명 | 저자명 | 페이지 | 원문 | 기사목차 |
|---|
국회도서관 홈으로
정보검색
소장정보 검색
결과 내 검색
동의어 포함
초록보기
오랜기간 비행선의 이착륙은 사람에 의한 수동으로 이루어졌으나, 자동제어시스템의 개발과 함께 이를 비행선에 적용하여 보다 정확한 이착륙의 필요성이 대두되었으며, 많은 알고리즘이 개발되고 있다. 본 논문에서는 기낭의 압력제어에 의한 비행선의 이착륙제어를 다룬다. 비행선의 운동방정식은 비선형 방정식으로 매우 복잡하여 우선 간단한 PID제어기에 의한 해법을 제시하였다. 그러나, 운항시 대기조건이 빠르게 변하므로 변하는 예측 불가능한 외란에 대해서는 만족스런 성능을 보이지 못하였다. 따라서, 본지에서는 인공 신경망을 이용한 학습알고리즘을 토대로 원하는 궤적에 빠르게 추종하도록 설계하였다. 일반적으로 인공신경망은 복잡한 문제에 있어서 많은 수의 은닉층과 뉴런이 필요하고 또한 훈련시간이 많이 걸리는 단점이 있기에 이를 해결하기 위해 비행선 이착륙 문제에 대한 일반적인 인공신경망 적용에 대해 연구하였다. 본지에서는 RBFN(radial basis function network)제어기를 설계하였고, 신경 회로망의 가중치는 외란이 인가되거나 부하특성이 비선형적으로 변화되는 것을 고려하도록 기준입력과 실제 비행선 모델의 출력사이의 오차를 최소화하는 방향으로 학습을 진행하였다. 그 결과 최대 15m의 오차를 보이는 PID제어기보다 양호한 결과를 얻었다.
For long time, the takeoff and landing control of airship was worked by human handling. With the development of the autonomous control system, the exact controls during the takeoff and landing were required and lots of methods and algorithms were suggested. This paper presents the result of airship take-off and landing by buoyancy control using air ballonet volume change and performance control of pitch angle for stable flight within the desired altitude. For the complexity of airship's dynamics, firstly, simple PID controller was applied. Due to the various atmospheric conditions, this controller didn't give satisfactory results. Therefore, new control method was designed to reduce rapidly the error between designed trajectory and actual trajectory by learning algorithm using an artificial neural network. Generally, ANN has various weaknesses such as large training time, selection of neuron and hidden layer numbers required to deal with complex problem. To overcome these drawbacks, in this paper, the RBFN (radial basis function network) controller developed. The weight value of RBFN is acquired by learning which to reduce the error between desired input output through and airship dynamics to impress the disturbance. As a result of simulation, the controller using the RBFN is superior to PID controller which maximum error is 15M.
For long time, the takeoff and landing control of airship was worked by human handling. With the development of the autonomous control system, the exact controls during the takeoff and landing were required and lots of methods and algorithms were suggested. This paper presents the result of airship take-off and landing by buoyancy control using air ballonet volume change and performance control of pitch angle for stable flight within the desired altitude. For the complexity of airship's dynamics, firstly, simple PID controller was applied. Due to the various atmospheric conditions, this controller didn't give satisfactory results. Therefore, new control method was designed to reduce rapidly the error between designed trajectory and actual trajectory by learning algorithm using an artificial neural network. Generally, ANN has various weaknesses such as large training time, selection of neuron and hidden layer numbers required to deal with complex problem. To overcome these drawbacks, in this paper, the RBFN (radial basis function network) controller developed. The weight value of RBFN is acquired by learning which to reduce the error between desired input output through and airship dynamics to impress the disturbance. As a result of simulation, the controller using the RBFN is superior to PID controller which maximum error is 15M.
권호기사
참고문헌 (7건) : 자료제공( 네이버학술정보 )
| 번호 | 참고문헌 | 국회도서관 소장유무 |
|---|---|---|
| 1 | A six-degree of freedom heavy lift airship flight simulation Institute for Aerospace Studies University of Toronto., | 미소장 |
| 2 | (no2) Flight Dynamics Simulation of a Heavy Lift Airship, | 미소장 |
| 3 | (cranfield) An Investigation of the Flight Dynamics of Airship with Application to the YEZ-2A, | 미소장 |
| 4 | Automatic Tuning of PID Controllers, | 미소장 |
| 5 | (2002.) Application of generalized neural network for aircraft landing control system, | 미소장 |
| 6 | (2003.) Application of neural network for airship take-off and landing system by buoyancy control, Yongjin Chang | 미소장 |
| 7 | (1995.) Applications of Neural Networks, Kluwer Academic Publishers | 미소장 |
MARC 보기
오류 데이터 정정요청
*표시는 필수 입력사항입니다.
알림톡 발송
| 전화번호 |
|---|
개인정보 수정 바로가기
연속간행물 권호 선택
우편복사 안내
- ◾ 도서관을 방문하지 못할 경우 인터넷, 팩스 등으로 자료 복사를 신청하고, 복사물을 우편·팩스 등으로 제공받는 서비스
- ◾ 대상자료: 일반도서, 연속간행물 및 학위논문
- ※ 고서, 고잡지, 훼손될 우려가 있는 자료, 마이크로폼 자료 및 신문 등 제외
- ◾ 신청 책수: 1인 5책 이하(1일 기준)
- ◾ 신청 절차: 자료 검색 → 우편복사 목록담기 → 복사 범위 입력 → 우편복사 주문서 입력 → 접수 및 확인
- ※ 저작권법에 의거하여 부분 복사(전체 페이지 수의 1/3 범위 이내)만 가능
- ◾ 복사 범위 입력 예시: (연속 페이지) 1-30, (부분 페이지) 25, 30-40
| 번호 | 발행일자 | 권호명 | 제본정보 | 자료실 | 원문 | 신청 페이지 |
|---|
도서위치안내(서울관)
도서위치안내: 정기간행물실(524호) / 서가번호: 국내14
2021년 이전 정기간행물은 온라인 신청(원문 구축 자료는 원문 이용)
0
확인
우편복사 목록담기를 완료하였습니다.
내서재에 담기
새로운 서재
*표시는 필수 입력사항입니다.
저장
저장 되었습니다.