文献

J-GLOBAL ID：201802254570254731   整理番号：18A1509616

厳しい故障の下での加速フォールトトレラント適応飛行制御のための深部再帰および畳込みネットワーク【JST・京大機械翻訳】

Deep Recurrent and Convolutional Networks for Accelerated Fault Tolerant Adaptive Flight Control Under Severe Failures

著者 (5件)： Eroglu Batuhan (Department of Aeronautical Engineering, Istanbul Technical University, Aerospace Research Center, Istanbul, Turkey) ,  Sahin Cagatay (Department of Aeronautical Engineering, Istanbul Technical University, Aerospace Research Center, Istanbul, Turkey) ,  Yuksek Burak (Department of Aeronautical Engineering, Istanbul Technical University, Aerospace Research Center, Istanbul, Turkey) ,  Ure N. Kemal (Department of Aeronautical Engineering, Istanbul Technical University, Aerospace Research Center, Istanbul, Turkey) ,  Inalhan Gokhan (Department of Aeronautical Engineering, Istanbul Technical University, Aerospace Research Center, Istanbul, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACC  ページ： 6559-6565  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 故障耐性システムの設計は,飛行制御システム設計におけるポピュラーな主題である。特に,適応制御手法は,広範囲の異なるアクチュエータ/センサ故障シナリオにおいて航空機を回収するのに成功している。しかしながら,航空機が厳しいアクチュエータ故障の下にあるならば,制御システムは動力学の変化に十分に適応することができないかもしれない。それは,性能劣化または航空機の損失をもたらすであろう。深い学習応用の最近の成功に触発されて,本研究では,アクチュエータ/エンジン故障の下での航空機動力学のための適応パラメータを推定するために,ハイブリッド再帰/畳込みニューラルネットワークモデルを構築した。このモデルは異なる故障シナリオのデータベースからオフラインで訓練される。アクチュエータ/エンジン故障の場合,モデルは適応パラメータを同定し,この情報を適応制御システムに供給し,制御器係数の著しく速い収束をもたらす。開発した制御システムを,非線形6自由度F-16航空機上に実装し,結果は,提案したアーキテクチャが,特に厳しい故障シナリオにおいて有益であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 適応制御 ,  自由度 ,  *ネットワーク ,  データベース ,  計算機アーキテクチャ ,  *故障 ,  *畳込み ,  *飛行制御 ,  航空機 ,  アクチュエータ ,  学習 ,  システム設計 ,  *フォールトトレランス ,  制御系
準シソーラス用語： アクチュエータ故障 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 故障 ,  加速 ,  フォールトトレラント ,  適応 ,  飛行制御 ,  深部 ,  畳込み