جستجوی مقالات مرتبط با کلیدواژه "فیلتر کالمن توسعه یافته تطبیقی" در نشریات گروه "مکانیک"
تکرار جستجوی کلیدواژه «فیلتر کالمن توسعه یافته تطبیقی» در نشریات گروه «فنی و مهندسی»-
تفکیک شرایط پروازی جهت محاسبه زمان سپری شده در هر یک از آنها، برای پایش میزان بهره برداری بالگرد ضروری است. خلبانان در حین عملیات، رژیم های پروازی مختلفی را اجرا می کنند که هر یک را با ترکیبی از پارامترها تشخیص می دهند. از این رو، رژیم های پروازی بالگرد را می توان به صورت برداشت کیفی و توصیفی خلبانان از حالت پروازی، تعریف کرد. با این وجود، رابطه بین پارامترهای پروازی و مانورها یک تابع بسیار پیچیده بوده و مدل ریاضی دقیقی برای شناسایی رژیم پروازی در دسترس نیست. در این پژوهش تلاش شده است با بهره گیری از بیان توصیفی خلبانان، ابزاری جهت شناسایی رژیم های پروازی بالگرد فراهم گردد. بدین منظور، با ایجاد یک ماتریس اتصال مبتنی بر توصیف مانور، داده های اندازه گیری شده در حالت پروازی فیلتر شده و به کمک الگوریتم شناسایی، رژیم های پروازی بالگرد شناسایی می گردند. الگوریتم شناسایی رژیم پروازی مبتنی بر روش داده کاوی، بر اساس فیلتر کالمن توسعه یافته تطبیقی (AEKF) ارایه شده است. استفاده از الگوریتم AEKF منجر به عدم نیاز به بانک داده مفصل، کاهش حساسیت به مقادیر اولیه و تغییرات و همچنین افزایش دقت تخمین با گذشت زمان، بر خلاف روش های موجود شناسایی برخط مانورهای بالگرد شده است. توانایی الگوریتم پیشنهادی، با داده های شبیه سازی پروازی حاصل از یک مدل دینامیکی بالگرد صحه گذاری شده، ارزیابی شده است.
کلید واژگان: پایش سلامتی و بهره برداری, شناسایی رژیم پروازی, طیف بهره برداری, فیلتر کالمن توسعه یافته, فیلتر کالمن توسعه یافته تطبیقیThe flight condition distinguishing is essential for calculation of elapsed time in each regime. The pilots perform different flight regimes during operation which recognize them by combination of flight parameters. Thus, the flight regimes can be defined based on the qualitative descriptions by pilots. Nevertheless, the relation between flight parameters and maneuvers is so complicated and there is no precise mathematic model for flight regime recognition. In this research, a flight regime recognition algorithm is developed based on the qualitative description of maneuvers. A connection matrix is formed using maneuver description to filter the measured flight data and the algorithm identifies the flight regimes. The proposed flight regime recognition algorithm utilized the adaptive extended Kalman filter (AEKF). Using AEKF results in no need for big flight data bank, less sensitivity to initial values and variations, and increases the accuracy during time in contrast with the exiting online regime recognition methods. The algorithm effectiveness is evaluated for the simulated flight data from a validated helicopter dynamic model.
Keywords: Health, Usage Monitoring (HUMS), Flight Regime Recognition (FRR), usage spectrum, Adaptive Extended Kalman Filter (AEKF)
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.