Найти

Результаты поиска

• ОПРЕДЕЛЕНИЕ ОТКАЗОВ ДАТЧИКОВОЙ ГРУППЫ СИСТЕМЫ ВОЗДУШНЫХ СИГНАЛОВ ПУТЕМ ОРГАНИЗАЦИИ ПЕРЕКРЕСТНОГО КОНТРОЛЯ ПАРАМЕТРОВ

  А.А. Задорожний

  2022-03-02

  Аннотация ▼

  Приводится описание типовых методов реализации кворум-контроля параметров
  воздушных данных, и анализ их возможностей по определению параметрических отказов,
  возникающих в системе воздушных сигналов. Для выполнения расчетов были выбраны наи-
  более часто встречаемые виды отказов тракта восприятия и измерения воздушных давле-
  ний системы воздушных сигналов, вызывающие катастрофические последствия, описаны
  физические принципы их возникновения, реализация которых позволила построить мате-
  матические модели искажения сигналов. По результатам моделирования работы типовых
  методов кворум-контроля, и их реакции на искусственно введённых в систему отказов
  определены достоинства и недостатки используемых методов. С целью устранения обна-
  руженных в результате анализа недостатков предложен альтернативный метод опреде-
  ления отказов датчиковой группы системы воздушных сигналов путем реализации пере-
  крестного контроля параметров, полученных от пневматической и флюгерной датчиковой группы системы. Для предложенного метода приведены результаты моделирования, про-
  веденного на основе реальных полетных данных магистрального самолета с искусственно
  введенными в них параметрическими отказами. Оценена возможность использования ал-
  горитма перекрестного контроля в одноканальных системах воздушных сигналах малораз-
  мерных летательных аппаратов. Постановка задачи исследования формулируется сле-
  дующим образом: с целью обеспечения безопасности полетов летательного аппарата при
  использовании в контуре управления информации от одноканальной системы воздушных
  сигналов необходимо обеспечить обнаружение и исключение недостоверных данных из
  массива информации, выдаваемой системой потребителям информации. При этом задачу
  обнаружения и исключения данных необходимо решить собственными средствами самой
  системы воздушных сигналов, без использования дополнительных данных от других систем
  самолета. Математический анализ, численное моделирование, определение корректирую-
  щих коэффициентов и подготовка исходных данных проводились в программно-
  математическом комплексе MathCAD. Анализ результатов исследования алгоритма пере-
  крестного контроля, реализованного в ПМК MathCAD, показал, что задача определения
  достоверности информации может быть решена автономно и при реализации в лета-
  тельном аппарате одноканальной системе воздушных сигналов.

• МОДУЛЬ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРЕОБРАЗОВАТЕЛЕЙ ПО ЗАДАННЫМ АМПЛИТУДНО-ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ

  В.И. Шлаев

  93-103

  2025-11-10

  Аннотация ▼

  Рассматривается решение задачи разработки преобразователей по заданным амплитудно-частотным характеристикам. Основная проблема заключается в проведении большого количества измерительных мероприятий с изменением параметров преобразователей для достижения необходимых амплитудно-частотных характеристик, что приводит к большим временным и ресурсным затратам на разработку. Проводится анализ основных параметров преобразователей, влияющих на заданные амплитудно-частотные характеристики. Анализируются существующие подходы, методы и алгоритмы при создании преобразователей требуемых характеристик. Описывается разработка модуля прогнозирования параметров электромеханических преобразователей, основанного на заданных амплитудно-частотных характеристиках. Задачи исследования включают создание структурно-параметрической и математической моделей для расчета характеристик преобразователей на стадии проектирования. Описывается алгоритм обучения модели на основе экспериментальных данных, полученных в ходе проведения измерений. Использование методов машинного обучения для предсказания параметров приводит к минимизации количества проводимых экспериментов и снижению затрат на разработку преобразователей. Предложенный подход основывается на использовании зависимости между конструктивными параметрами преобразователей и их частотными характеристиками. Для повышения точности прогнозирования применяется алгоритм градиентного бустинга. Представлены этапы подготовки данных для обучения модели. Описывается процесс обучения модели. Результаты демонстрируют значительное сокращение времени моделирования преобразователей: применение модуля позволяет ускорить процесс в несколько раз по сравнению с экспериментальным подходом. Прогнозирование характеристик на основе модели обеспечивает сопоставимую точность при большем объеме данных. Выводы исследования подтверждают эффективность предлагаемого подхода в разработке преобразователей, снижая временные и финансовые затраты, повышая точность моделирования и применимость в условиях ограниченных ресурсов