Identificación del Sistema de un Sistema de Entrega Aérea con un Paracaídas de Ram-Air Usando una Red NARX
Autores: Güven, Kemal; amilolu, Andaç Töre
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Identificación del Sistema de un Sistema de Entrega Aérea con un Paracaídas de Ram-Air Usando una Red NARX
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Redes neuronales
Identificación de sistemas
Red NARX
Sistema de entrega aérea
Software de simulación
Algoritmo de entrenamiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Las redes neuronales son uno de los métodos utilizados en problemas de identificación de sistemas. En este estudio, se utilizó una red NARX con una estructura serie-paralela para identificar un sistema de entrega aérea desconocido con un paracaídas de ram-air. El conjunto de datos se creó utilizando el método de software en el bucle (Software in the loop). Se utilizó Gazebo como simulador y PX4 como software de piloto automático. El rendimiento de la red NARX varió según los parámetros utilizados, como el algoritmo de entrenamiento seleccionado, los retrasos de entrada y salida, la capa oculta y el número de neuronas. Dentro del alcance de este estudio, cada parámetro se examinó de forma independiente. Los modelos se entrenaron utilizando MATLAB 2020a. Los resultados demostraron que el modelo con una capa oculta y cinco neuronas, que fue entrenado utilizando el algoritmo de regularización bayesiana, fue suficiente para este problema.
Descripción
Las redes neuronales son uno de los métodos utilizados en problemas de identificación de sistemas. En este estudio, se utilizó una red NARX con una estructura serie-paralela para identificar un sistema de entrega aérea desconocido con un paracaídas de ram-air. El conjunto de datos se creó utilizando el método de software en el bucle (Software in the loop). Se utilizó Gazebo como simulador y PX4 como software de piloto automático. El rendimiento de la red NARX varió según los parámetros utilizados, como el algoritmo de entrenamiento seleccionado, los retrasos de entrada y salida, la capa oculta y el número de neuronas. Dentro del alcance de este estudio, cada parámetro se examinó de forma independiente. Los modelos se entrenaron utilizando MATLAB 2020a. Los resultados demostraron que el modelo con una capa oculta y cinco neuronas, que fue entrenado utilizando el algoritmo de regularización bayesiana, fue suficiente para este problema.