ỨNG DỤNG MẠNG NƠ RON TRONG XÂY DỰNG MÔ HÌNH  VÀ PHÂN LOẠI CÁC LỖI CẢM BIẾN TRÊN MÁY BAY

Vương Anh Trung; Trần Lê Thăng Đồng; Trần Thuận Hoàng

doi:10.34238/tnu-jst.12037

ỨNG DỤNG MẠNG NƠ RON TRONG XÂY DỰNG MÔ HÌNH VÀ PHÂN LOẠI CÁC LỖI CẢM BIẾN TRÊN MÁY BAY

Thông tin bài báo

Ngày nhận bài: 12/02/25 Ngày hoàn thiện: 14/04/25 Ngày đăng: 15/04/25

Các tác giả

1. Vương Anh Trung, Học viện Phòng không – Không quân
2. Trần Lê Thăng Đồng, Trung tâm Điện Điện tử - Đại học Duy Tân
3. Trần Thuận Hoàng , Trung tâm Điện Điện tử - Đại học Duy Tân

Tóm tắt

Việc phân loại lỗi cảm biến và bộ truyền động của máy bay rất quan trọng để đảm bảo an toàn bay, độ tin cậy của hệ thống và hiệu quả hoạt động. Bài báo trình bày mô hình hóa và phân loại các lỗi cảm biến và cơ cấu chấp hành của máy bay bằng mạng nơ-ron nhân tạo. Dựa trên phương pháp Runge-Kutta bậc bốn với mạng nơ-ron hồi quy phi tuyến có đầu vào ngoại sinh, mô hình đề xuất có thể phát hiện và phân loại các lỗi của máy bay. Mô hình này được kiểm tra trong môi trường mô phỏng Matlab để đánh giá hiệu suất phân loại lỗi dựa trên các phương pháp mạng nơ-ron. Các thí nghiệm mô phỏng được thực hiện với các tập hợp thông số khác nhau liên quan đến R(ω_x, ω_y), R(ω_z, ω_y), và R(ω_x, ω_z) trong cùng khoảng thời gian t = 50 giây. Kết quả mô phỏng chứng minh khả năng hiệu quả của việc phân loại lỗi cảm biến và cơ cấu chấp hành, hỗ trợ các hệ thống điều khiển thích nghi chịu lỗi của máy bay trong tương lai.

Từ khóa

Phát hiện lỗi; Nhận diện; Máy bay; Mạng nơ-ron; Điều khiển chịu lỗi

Toàn văn:

PDF (English)

Tài liệu tham khảo

[1] W. Yonggang and L. Honglang, “Summary and Analysis of the Aging Aircrafts’ Failure,” Procedia Engineering, vol. 17, pp. 303–309, Jan. 2011, doi: 10.1016/j.proeng.2011.10.033.

[2] A. Varga, “Monitoring actuator failures for a large transport aircraft – the nominal case,” IFAC Proceedings Volumes, vol. 42, no. 8, pp. 627–632, Jan. 2009, doi: 10.3182/20090630-4-ES-2003.00104.

[3] C. T. Vo, N. A. Q. Nguyen, D. T. L. Tran, H. T. Tran, and M. T. Nguyen, “Fusion of Inertial and Magnetic Sensors for Autonomous Vehicle Navigation and Freight in Distinctive Environment,” in Advances in Engineering Research and Application, vol. 366, D. C. Nguyen, N. P. Vu, B. T. Long, H. Puta, and K.-U. Sattler, Eds., Cham: Springer International Publishing, 2022, pp. 431–439.

[4] G. K. Fourlas and G. C. Karras, “A Survey on Fault Diagnosis and Fault-Tolerant Control Methods for Unmanned Aerial Vehicles,” Machines, vol. 9, no. 9, Sep. 2021, Art. no. 9, doi: 10.3390/machines9090197.

[5] D. T. L. Tran, H. T. Do, H. T. Tran, T. Hoang, and M. T. Nguyen, “A Design and Implement of Fuzzy Controller for Taking-off and Landing for Unmanned Aerial Vehicles,” in Advances in Engineering Research and Application, D. C. Nguyen, N. P. Vu, B. T. Long, H. Puta, and K.-U. Sattler, Eds., in Lecture Notes in Networks and Systems. Cham: Springer International Publishing, 2022, pp. 13–22. doi: 10.1007/978-3-031-22200-9_2.

[6] T. A. Vuong, S. Tay, and V. T. Nguyen, “Active fault-tolerance of the unmanned aerial vehicle automatic control systems,” IJAAA, 2020, doi: 10.15394/ijaaa.2020.1538.

[7] A. Abbaspour, K. K. Yen, P. Forouzannezhad, and A. Sargolzaei, “A Neural Adaptive Approach for Active Fault-Tolerant Control Design in UAV,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 50, no. 9, pp. 3401–3411, Sep. 2020, doi: 10.1109/TSMC.2018.2850701.

[8] A. T. Vuong, T. S. Pham, T. T. Tran, L. T. D.Tran, and T. H. Tran, “Learning-Inspired Fuzzy Logic Algorithms for Enhanced Control of Oscillatory Systems,” presented at the 10th IEEE/ACIS International Conference on Big Data, Cloud Computing, and Data Science (BCD 2024-Winter), Da Nang, Feb. 6-8, 2025, doi: 10.48550/arXiv.2504.06706

[9] J. Marzat, H. Piet-Lahanier, F. Damongeot, and E. Walter, “Model-based fault diagnosis for aerospace systems: a survey,” Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, vol. 226, no. 10, pp. 1329–1360, Oct. 2012, doi: 10.1177/0954410011421717.

[10] M. R. Napolitano, C. Neppach, V. Casdorph, S. Naylor, M. Innocenti, and G. Silvestri, “Neural-network-based scheme for sensor failure detection, identification, and accommodation,” Journal of Guidance, Control, and Dynamics, vol. 18, no. 6, pp. 1280–1286, Nov. 1995, doi: 10.2514/3.21542.

[11] Y. Ochi and K. Kanai, “Application of restructurable flight control system to large transport aircraft,” Journal of Guidance, Control, and Dynamics, vol. 18, no. 2, pp. 365–370, 1995, doi: 10.2514/3.21393.

[12] Y. M. Chen and M. L. Lee, “Neural networks-based scheme for system failure detection and diagnosis,” Mathematics and Computers in Simulation, vol. 58, no. 2, pp. 101–109, Jan. 2002.

[13] M. R. Napolitano, Y. An, and B. A. Seanor, “A fault tolerant flight control system for sensor and actuator failures using neural networks,” Aircraft Design, vol. 3, no. 2, pp. 103–128, Jun. 2000.

[14] M.-A. Massoumnia, G. C. Verghese, and A. S. Willsky, “Failure detection and identification,” IEEE Transactions on Automatic Control, vol. 34, no. 3, pp. 316–321, Mar. 1989, doi: 10.1109/9.16422.

[15] D. I. Ignatyev, H.-S. Shin, and A. Tsourdos, “Two-layer Fault Detection for Incremental Flight Control of Fixed-wing UAV,” in 2019 Workshop on Research, Education and Development of Unmanned Aerial Systems (RED UAS), Oct. 2019, pp. 227–236, doi: 10.1109/REDUAS47371.2019.8999692.

[16] Sutrisno, S. B. Wibowo, S. Iswahyudi, and T. A. Rohmat, “Computational study of modified sukhoi Su-30 fighter-like with gripen-wing to improve performance,” IJMET, vol. 10, no. 5 pp. 495-505, May 2019.

[17] M. A. B. Altaf and J. Yoo, “A 1.83 μJ/Classification, 8-Channel, Patient-Specific Epileptic Seizure Classification SoC Using a Non-Linear Support Vector Machine,” IEEE Transactions on Biomedical Circuits and Systems, vol. 10, no. 1, pp. 49–60, Feb. 2016, doi: 10.1109/TBCAS.2014.2386891.

[18] T. A. Vuong, D. L. T. Tran, T. C. Vo, M. T. Nguyen, and H. T. Tran, “A novel framework of building operation algorithm for the block of technical diagnostics of aircraft’s automatic control system,” Bulletin of Electrical Engineering and Informatics, vol. 13, no. 4, pp. 2340–2347, Aug. 2024.

[19] T. A. Vuong and T. V. Nguyen, “Approach to Spacecraft Functional Stability in Changes in Moments of Inertia,” Procedia Computer Science, vol. 103, pp. 549–555, Jan. 2017, doi: 10.1016/j.procs.2017.01.056.

[20] C. Favre, “Fly-by-wire for commercial aircraft: the Airbus experience,” International Journal of Control, vol. 59, no. 1, pp. 139–157, Jan. 1994, doi: 10.1080/00207179408923072.

[21] D. I. Ignatyev, H.-S. Shin, and A. Tsourdos, “Two-Layer On-line Parameter Estimation for Adaptive Incremental Backstepping Flight Control for a Transport Aircraft in Uncertain Conditions,” IFAC-PapersOnLine, vol. 52, no. 12, pp. 411–416, Jan. 2019, doi: 10.1016/j.ifacol.2019.11.278.

[22] R. A. Cordeiro, J. R. Azinheira, and A. Moutinho, “Actuation Failure Detection in Fixed-Wing Aircraft Combining a Pair of Two-Stage Kalman Filters,” IFAC-PapersOnLine, vol. 53, no. 2, pp. 744–749, Jan. 2020, doi: 10.1016/j.ifacol.2020.12.825.

[23] S. S. Tayarani-Bathaie, Z. N. S. Vanini, and K. Khorasani, “Dynamic neural network-based fault diagnosis of gas turbine engines,” Neurocomputing, vol. 125, pp. 153–165, Feb. 2014.

[24] D. An, N. H. Kim, and J.-H. Choi, “Practical options for selecting data-driven or physics-based prognostics algorithms with reviews,” Reliability Engineering & System Safety, vol. 133, pp. 223–236, Jan. 2015.

[25] J.-D. Wu and C.-H. Liu, “An expert system for fault diagnosis in internal combustion engines using wavelet packet transform and neural network,” Expert Systems with Applications, vol. 36, no. 3, Part 1, pp. 4278–4286, Apr. 2009, doi: 10.1016/j.eswa.2008.03.008.

[26] B. Safarinejadian and E. Kowsari, “Fault detection in non-linear systems based on GP-EKF and GP-UKF algorithms,” Systems Science & Control Engineering, vol. 2, no. 1, pp. 610–620, Dec. 2014.

[27] C. M. Bishop, "Pattern Recognition and Machine Learning," 2016. [Online]. Available: https://link.springer.com/book/9780387310732. [Accessed Jan. 12, 2025].

[28] M. Bronz, E. Baskaya, D. Delahaye, and S. Puechmore, “Real-time Fault Detection on Small Fixed-Wing UAVs using Machine Learning,” in 2020 AIAA/IEEE 39th Digital Avionics Systems Conference (DASC), Oct. 2020, pp. 1–10, doi: 10.1109/DASC50938.2020.9256800.

[29] H. S. Tran, T. Nguyen, A. Vuong, D. Nguyen, O. Alharasees, and U. Kale, “Improving efficiency of angular velocity sensors on aircraft,” IJAST, vol. 03, no. 02, Dec. 2022, doi: 10.23890/IJAST.vm03is02.0205.

[30] R. Isermann and P. Ballé, “Trends in the application of model-based fault detection and diagnosis of technical processes,” Control Engineering Practice, vol. 5, no. 5, pp. 709–719, May 1997, doi: 10.1016/S0967-0661(97)00053-1.

DOI: https://doi.org/10.34238/tnu-jst.12037

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ