- •1. Введение
- •2. Основные положения теории искусственных нейронных сетей
- •2.1. Введение.
- •2.2. Задачи, решаемые при помощи инс
- •2.3. Устройство инс
- •2.3.1. Искусственный нейрон
- •2.3.2. Искусственная нейронная сеть.
- •2.4. Архитектуры инс
- •2.5. Математическое обоснование работоспособности инс.
- •2.6. Обучение инс
- •2.6.1. Метод обратного распространения ошибки
- •3. Моделирование аэродинамических характеристик несущего винта вертолета
- •3.1 Основные положения аэроупругой математической модели несущего винта
- •3.1.1. Моделирование упругих деформаций лопасти.
- •3.1.2. Уравнение движения лопасти.
- •3.1.3. Аэродинамическая нагрузка на несущем винте.
- •3.1.4 Расчет аэродинамических характеристик нв
- •3.2 Алгоритм моделирования аэродинамических характеристик несущего винта при помощи многослойного персептрона
- •4. Разработка и обучение нейронной сети, моделирующей аэродинамические характеристики несущего винта вертолета.
- •4.1 Разработка программного обеспечения, моделирующего искусственные нейронные сети.
- •4.1.1. Требования к по
- •4.1.2. Разработка по
- •4.1.2.1. Функции выполняемые программой «Искусственные Нейронные Сети 1.1»
- •4.1.2.2Принципиальная схема функционирования «Искусственные Нейронные Сети 1.1»
- •4.2 Исследование влияния конфигурации нейронной сети на эффективность ее работы
- •3.3.1.1. Оценка сходимости по числу нейронов в слое и количеству циклов обучения
- •3.3.1.2. Оценка сходимости по числу слоев сети и количеству циклов обучения
- •3.3.1.2. Оценка влияния числа входов/выходов нейросети.
- •4.3 Формирование предпроцессора и постпроцессора сети
- •3.3.2.1. Информативность параметров
- •3.3.2.2. Нормирование входных и выходных данных.
- •3.3.2.3. Дискретизация входных данных.
- •4.4 Оптимизация процесса обучения нейронной сети
- •3.3.3.1. Усовершенствование метода обратного распространения ошибки
- •3.3.3.2. Метод коррекции ошибки
- •4.5 Обучение нейронной сети с учетом результатов исследований.
- •5. Расчет характеристик несущего винта и сравнение с исходной расчетной моделью
- •5.1. Расчет коэффициента подъемной силы
- •5.2. Расчет коэффициента силы сопротивления
- •5.3. Расчет коэффициента крутящего момента
- •5.3. Расчет коэффициента момента тангажа
- •6. Основные результаты и выводы.
- •7. Расчет себестоимости создания нейросетевой математической модели нв и необходимого по.
- •7.1. Введение
- •7.2. Основные гипотезы и допущения
- •7.4.3. Заработная плата исполнителей.
- •7.4.3.1. Основная заработная плата.
- •7.4.4 Отчисления единого социального налога.
- •7.4.5 Расчет стоимости машинного времени
- •7.4.6 Материалы и комплектующие
- •7.6.6 Накладные расходы.
- •7.6.7 Суммарная себестоимость разработки по.
- •7.5 Расчет рентабельности
- •7.6 Итог
- •8. Безопасности жизнедеятельности. Рабочее место инженера расчетчика и оператора эвм
- •8.1 Введение
- •8.2 Объект экспертизы
- •8.3 Факторы влияющие на работу оператора эвм
- •8.3.1 Электромагнитное излучение
- •8.3.2 Статическое электричество
- •8.3.3 Вентиляция помещения
- •8.3.4 Микроклимат
- •Температуры и относительной влажности воздуха в помещениях с эвм
- •8.3.5 Освещение помещения
- •8.3.7 Электробезопасность
- •8.4 Эргономическая проработка рабочего места.
- •Моторные поля
- •8.5. Расчет показателей, характеризующих охрану и условия труда при работе за эвм.
- •8.5.1 Определение показателей степени автоматизации и механизации труда.
- •8.5.2 Определение показателей травмобезопастности труда.
- •Безопасные операции
- •8.5.3 Определение коэффициента безвредности труда.
- •8.5.4 Определение интегральных показателей.
- •8.6 Пожарная профилактика
- •Профилактика
- •Тушение пожара
- •8.7 Дерево отказов.
- •8.8 Охрана окружающей среды
- •Приложение «Искусственные Нейронные Сети 1.0»
- •Возможности программы
- •Руководство пользователя Загрузка обучающей выборки
- •Создание инс
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство программы
- •«Искусственные Нейронные Сети 1.1»
- •Выполняемые программой функции
- •Основные изменения
- •Создание новой инс
- •Загрузка обучающей выборки.
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство «Искусственные Нейронные сети 1.1»
- •Использованная литература
3. Моделирование аэродинамических характеристик несущего винта вертолета
3.1 Основные положения аэроупругой математической модели несущего винта
В настоящей работе для получения необходимых исходных аэродинамических характеристик несущего винта (Су, mk, Сх, mz), использовалась его аэроупругая модель. Данная модель НВ применяется на ОАО КВЗ с 2000 года при расчетном сопровождении летных испытаний и сертификации вертолета «АНСАТ».
Известно, что математическая модель винта вертолета состоит из нескольких важнейших составляющих: аэродинамики, механики и прочности (упругости). Рассмотрим каждую из этих составляющих.
3.1.1. Моделирование упругих деформаций лопасти.
Моделирование упругих деформаций лопасти в пространстве проводится при помощи геометрически нелинейной теории пространственно-деформированных стержней крыльевого профиля.(работы В.А. Павлова и его учеников) В этой теории принято, что упругие перемещения оси стержня после нагрузки могут быть настолько большими, что формы осевой линии в первом и втором состояниях могут значительно различаться друг от друга при условии, что материал лопасти работает в пределах закона Гука.
При изгибе в двух плоскостях применяется гипотеза плоских сечений, а контур сечения не изменяется. Размеры поперечного сечения считаются малыми по сравнению с длиной лопасти и радиусом ее кривизны, то есть лопасть моделируется тонким упругим стержнем. В сечениях лопасти оси жесткости, растяжения и центров масс могут не совпадать.
Согласно теории выражения для кривизны деформированного стержня записываются в виде:
(3.1)
где
,
,
– компоненты вектора кривизны;
– компоненты вектора кривизны исходного
состояния;
– угол взмаха каждого элемента лопасти;
– угол отставания каждого элемента
лопасти;
– угол закручивания каждого элемента
лопасти.
В качестве физических соотношений, определяющих зависимости между обобщенными деформациями и внешним нагружением, используются известные соотношения Кирхгофа–Клебша. Они основаны на гипотезе Бернулли – Эйлера о том, что для бесконечно малого элемента стержня изгибающие моменты относительно главных центральных осей сечения пропорциональны компонентам вектора кривизны стержня.
(3.2)
где
– изгибающие и закручивающий моменты.
Изгибные и крутильные колебания лопасти раскладываются в тригонометрический ряд Фурье. Главная особенность и преимущество данной методики состоит в установлении зависимостей между прогибами, скоростями и ускорениями. Таким образом, задав в первом приближении коэффициенты разложения, принятые в качестве неизвестных параметров, в ряд Фурье, нам известно распределение всех остальных параметров, характеризующих движение лопасти за полный оборот несущего винта, включая скорости и ускорения.
(3.3)
где:
– коэффициенты разложения;
– азимут лопасти;
– угловая скорость вращения винта;
t – время;
k – ая гармоника разложения.
Положение упругой линии лопасти с учетом принятой модели определяется при помощи угловых функций 1(r,); 2(r,); 3(r,). При известных величинах коэффициентов разложения можно также вычислить прогибы в любой точке лопасти.
Скорости и ускорения узловых точек в инерциальной системе координат запишутся следующим образом:
(3.4)
(3.5)
Записанные соотношения позволяют определить все параметры пространственного движения лопасти, если известны коэффициенты разложения. Таким образом, основными неизвестными являются коэффициенты разложения, которые необходимо найти для решения системы уравнений.
Далее производим только уточнение коэффициентов разложения в ряд Фурье, используя любой из известных методов численного решения нелинейных уравнений.
