Resumen

El artículo presenta un controlador digital adaptativo de redes neuronales recurrentes para la supresión activa del flutter de una estructura alar en un amplio rango transónico. La idea básica del controlador es la siguiente. Al principio, los parámetros de las redes neuronales recurrentes, como el número de neuronas y la tasa de aprendizaje, se determinan inicialmente para suprimir el flutter bajo una condición de vuelo específica en el régimen transónico. A continuación, el controlador se ajusta automáticamente a una nueva condición de vuelo actualizando los pesos sinápticos de las redes en línea mediante el algoritmo de aprendizaje recurrente en tiempo real. De este modo, el controlador es capaz de suprimir la inestabilidad aeroelástica de la estructura del ala en un rango de condiciones de vuelo en el régimen transónico. Para demostrar la eficacia y robustez del controlador, se estableció el modelo aeroservoelástico de un ala de caza típica con un misil en la punta y se sintetizó un controlador de una sola entrada y una sola salida. Se realizaron simulaciones numéricas del lazo abierto/cerrado aeroservoelástico para demostrar la eficacia del controlador adaptativo con respecto al cambio de los parámetros de vuelo en el régimen transónico.

• Materias:Minería de datos Aerodinámica Cinemática Vehículo espacial Vehículo
• Subjects:Data mining Aerodynamics Kinematics Space vehicles Automobiles
• Palabras claves:régimen transónico, red neuronal recurrente, controlador, estructura del ala, amplio rango transónico, peso de la red, rango de vuelo, condiciones específicas de vuelo, cambio de vuelo, controlador adaptativo digital
• Keywords:transonic regime, recurrent neural network, controller, wing structure, wide transonic range, weight of network, range of flight, specific flight conditions, change of flight, digital adaptive controller