基于演化智能系统的 ATTAS 飞机气动特性捕获
系统与控制
2025-04-29 v1 人工智能
系统与控制
摘要
精确建模气动系数对于理解和优化现代飞机系统性能至关重要。本文提出了一种 novel 方法，将 Evolving Type-2 Quantum Fuzzy Neural Network(eT2QFNN) 应用于 ATTAS 飞机气动系数的建模，以表达气动特性。eT2QFNN 通过增量学习策略而非传统批量学习方法，创建多个线性子模型，其基于规则的结构能够表示非线性飞机模型。此外，它通过量子成员函数以及自动规则学习和参数调优能力提高了对不确定性和数据噪声的鲁棒性。在对 ATTAS 飞行数据进行气动系数估计时，训练阶段进行了两种不同的研究：一种使用大量数据，另一种使用有限数据。结果表明，eT2QFNN 的建模性能优于基准方法。此外，eT2QFNN 使用的规则数少于 Type-1 模糊方法。通过应用 Delta 方法，本文还分析了飞机的稳定性和控制导数。结果证明了 eT2QFNN 在表示气动系数方面的优越性。
引用
@article{arxiv.2504.19949,
title = {Capturing Aerodynamic Characteristics of ATTAS Aircraft with Evolving Intelligent System},
author = {Aydoğan Soylu and Tufan Kumbasar},
journal= {arXiv preprint arXiv:2504.19949},
year = {2025}
}
备注
in International Congress on Human-Computer Interaction, Optimization and Robotic Applications, 2025