1. Введение

На сегодняшний день проектирование любого вертолета требует проведения огромного количества всевозможных расчетов, без которых создание ЛА просто немыслимо. Необходимо проведение массовых расчетов, расчетов силовой установки, прочностных, аэродинамических расчетов, расчетов балансировки и динамических характеристик вертолета и т.д. Каждый из этих расчетов довольно сложен и требует больших вычислительных и временных затрат. Большинство из этих расчетов требует знания аэродинамических характеристик несущего винта (НВ). Так, например, при расчете балансировки, динамических характеристик и прочности вертолета необходимо знать какие силы и моменты образуются на НВ в тех или иных условиях (скорости полета, высоте полета, расположении органов управления и т.д.). Расчет аэродинамических характеристик НВ, в свою очередь, также является сложной и ресурсоемкой задачей.

В настоящее время для проведения этих расчетов широко применяются ЭВМ. Существует множество программ, рассчитывающих аэродинамические характеристики НВ при помощи аналитических и численных методов. Результаты этих расчетов обладают высокой точностью, однако они по-прежнему требуют больших вычислительных и временных затрат. В этой связи создание модели, позволяющей с достаточной точностью вычислять аэродинамические характеристики НВ при низких вычислительных и временных затратах, весьма актуально.

В последние годы бурное развитие получили так называемые нейросетевые технологии. Результатом этого развития стало появление искусственных нейронных сетей – моделей, имитирующих процессы проходящие в коре головного мозга. Сегодня искусственные нейронные сети применяются для решения широкого круга задач и это обусловлено огромными потенциальными возможностями, этих технологий. Существуют задачи, решение которых просто невозможно аналитическими методами, а нейросети успешно с ними справляются. Даже в том случае, если можно найти решение при помощи уже изученных алгоритмов, нейронные сети порой позволяют сделать то же самое быстрее и так же эффективно. На настоящий момент нейронные сети успешно применяются для распознавания и классификации образов (графических, звуковых, и др.), для прогнозирования процессов, для решения задач управления и аппроксимации и т.д. (Более подробно смотрите в разделе 2.«Основные положения теории искусственных нейронных сетей»). Возможно, применение нейросетевых технологий для определения аэродинамических характеристик НВ также будет эффективным и позволит снизить вычислительные и временные затраты, сохранив при этом точность результата. Для проверки этого предположения и была проведена настоящая работа.

Основная цель настоящей работы состоит в исследовании возможности применения аппарата нейронных сетей для моделирования аэродинамических характеристик несущего винта вертолета и сравнении эффективности такого решения с исходной математической моделью. В процессе выполнения настоящей работы будут моделироваться: коэффициент подъемной силы С_у, коэффициент силы сопротивления С_х, коэффициент крутящего момента m_k, коэффициент момента тангажа m_z. Для этого необходимо, во-первых, разработать платформу для моделирования самих ИНС, позволяющую создавать сети произвольной конфигурации, обучать их, выполнять с их помощью расчеты, а также проводить необходимые исследования. Во-вторых, нужно изучить поведение ИНС, определить факторы, влияющие на эффективность ее работы, такие как конфигурация сети, предварительная обработка данных, оптимизация процесса обучения. В-третьих, нужно создать и обучить ИНС с учетом всех результатов проведенных исследований. Только после этого мы сможем провести расчеты аэродинамических характеристик посредством ИНС и сравнить их с результатами расчетов, проведенных при помощи исходной математической модели. Этот сравнительный анализ и позволит нам ответить на вопрос, возможно ли применение аппарата ИНС для решения задачи моделирования аэродинамических характеристик НВ и насколько это решение эффективно.

Следующие разделы настоящей работы посвящены:

Второй раздел посвящен описанию основных положений теории искусственных нейронных сетей (ИНС), математическому обоснованию их работоспособности. В нем описывается устройство ИНС; принципы их функционирования; различные архитектуры; рассматриваются задачи, решаемые при помощи нейронных сетей. Также в нем описывается процесс обучения ИНС методом обратного распространения ошибки.

Третий раздел посвящен рассмотрению основных положений исходной математической модели аэроупругого несущего винта и методике моделирования аэродинамических характеристик НВ при помощи аппарата ИНС. В подразделе, посвященном исходной математической модели, описывается способ определения упругих деформаций лопасти, уравнение движения лопасти, а также определение аэродинамической нагрузки. В подразделе, посвященном алгоритму нейросетевого моделирования рассматриваются основные этапы моделирования процессов при помощи ИНС.

В четвертом разделе рассматривается процесс создания нейросетевой модели. А именно: создание необходимого ПО, моделирующего нейронные сети; проведение необходимых исследований (исследование влияния конфигурации на эффективность работы ИНС, влияния предварительной обработки данных, а также методов оптимизации обучения); создание и обучение ИНС на основе результатов проведенных исследований.

В пятом разделе проводится расчет аэродинамических характеристик НВ при помощи построенной ИНС и сравнение их с расчетными результатами исходной математической модели.

В шестом разделе изложены основные результаты и выводы проведенного исследования, а также представлены рекомендации по направлению дальнейших исследований в применении нейронных сетей для решения поставленной задачи.

Седьмой раздел посвящен расчету себестоимости создания нейросетевой математической модели и необходимого ПО.

Восьмой раздел посвящен безопасности жизнедеятельности. В нем рассматриваются основные опасные факторы, воздействующие на оператора ЭВМ, а также проводится расчет коэффициента безвредности.

Приложение содержит описание и руководство по использованию разработанного ПО, а именно «Искусственные Нейронные Сети 1.0» и «Искусственные Нейронные Сети 1.1»