文献

J-GLOBAL ID：202202268943215296   整理番号：22A0479866

精密エアドロップ軌道計画のニューラルネットワークベースシミュレーションと予測【JST・京大機械翻訳】

Neural network-based simulation and prediction of precise airdrop trajectory planning

著者 (3件)： Wang Yi (School of Aeronautical Science and Engineering, Beihang University, Beijing, 100191, China) ,  Yang Chunxin (School of Aeronautical Science and Engineering, Beihang University, Beijing, 100191, China) ,  Yang Han (School of Aeronautical Science and Engineering, Beihang University, Beijing, 100191, China)
資料名： Aerospace Science and Technology  (Aerospace Science and Technology)
巻： 120  ページ： Null  発行年： 2022年 
JST資料番号： W1580A  ISSN： 1270-9638  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 安定かつ正確な着陸を達成するために制御できるラム-空気パラフォイルは,精密エアドロップの分野で重要な役割を果たす。本論文の全体的目標は,軌道計画における3つの方法の有効性を議論して,それらを特定のランダム条件の下でシミュレーションおよび予測に適用して,それによって,着陸精度を改良して,伝統的動力学における複雑な誘導を避けることであった。逆伝搬ニューラルネットワーク(BPNN)に基づく軌道計画モデルを提案した。見かけの質量とランダム風場の影響を考慮して,遺伝的アルゴリズム(GA)は,BPNNが訓練され,検証され,テストされたKane方程式(KE)モデルによって検証されたデータベースを提供する着陸点精度最適化アルゴリズムである。BPNNは,訓練後の多数のエアドロップ着陸点データを予測するモデルである。同時に,パラフォイルの動特性に及ぼす異なる制御法とランダム風速の影響を分析した。KE,GAおよびBPNNにおいて,BPNNモデルは,3つの方法の中で最も高い着陸点精度を特徴とした。95%の着陸点がBPNNの中にある半径は6.30mに達し,それはGAの77.0%と従来のKEモデルの54.6%である。さらに,着陸点誤差に及ぼす切削角度と遷移半径の影響を解析した。著者らの結果は,精度のエアドロップの分野におけるGAとBPNNの重要な潜在的応用を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  風速 ,  データベース ,  最適化手法 ,  着陸 ,  *ニューラルネットワーク ,  風の場 ,  制御方式 ,  有効性 ,  遺伝的アルゴリズム
準シソーラス用語： ドロップ ,  *軌道計画 ,  パラフォイル ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ラム-エアパラフォイル ,  軌道計画 ,  遺伝的アルゴリズム ,  ニューラルネットワーク ,  Kane方程式

分類 (2件)： 運航技術  (QK05030K) ,  電子航法一般  (ND14010O)

タイトルに関連する用語 (4件)： エア ,  ドロップ ,  軌道計画 ,  予測