|
چهارمین همایش ملی موتورهای درونسوز
|
|
|
عنوان فارسی |
برآورد سوخت هواپیمای ایرباس A350-900 با روش ترکیبی شبکههای عصبی مصنوعی و متغیرهای تصادفی نرمال |
|
چکیده فارسی مقاله |
خلبانان براساس بازده هواپیما در فرودگاه مبدأ، وزن مجاز برخاست هواپیما، طول مسیر پرواز، شرایط آب و هوایی مسیر و مقصد و در پایان وزن مجاز نشستن، میزان سوخت دریافتی را تعیین میکنند. اینکه چه میزان سوخت در طول پرواز هواپیمای ایرباس A350-900 مصرف میشود موضوع مطالعهای است که در این رابطه از شبکههای عصبی مصنوعی که به منظور پیشبینی پاسخهای خروجی از سامانههای پیچیده در نظر گرفته میشود بهره گرفته شده است؛ با ابتکار تلفیق وزنهای حاصل از خروجی لایههای اول و دوم شبکه طراحی شده به عنوان متغیرهای تصادفی نرمال به منظور محاسبه خروجی شبکه ؛ به نحوی که توانسته تابع هدف (میزان مصرف سوخت هواپیما) را تخمین بزند. مطالعه حاضر بر اساس روش پیشنهادی دانشگاه علوم کاربردی هامبورگ که با بررسی کارآیی الگوریتمهای Bayesian Regularization، Levenberg Marquardt و Scaled Conjugate Gradient در طراحی شبکههای عصبی مصنوعی مبتنی بر Multilayer perceptron انجام شده و با وجود آنکه دقت الگوریتمهای آموزشی مورد اشاره، بسیار بالا و از میانگین مربعات خطای (MSE) پائینی برخوردار بودند اما با این حال، الگوریتم Levenberg Marquardt از دقت به مراتب بالاتری به میزان 13-6.954e در تخمین تابع هدف نسبت به سایر الگوریتمها برخوردار است. |
|
کلیدواژههای فارسی مقاله |
|
|
عنوان انگلیسی |
Fuel estimation of Airbus A350-900 airplane with the combined method of artificial neural networks and normal random variables. |
|
چکیده انگلیسی مقاله |
Pilots determine the amount of fuel received based on the efficiency of the aircraft at the airport of origin, the allowable take-off weight of the plane, the length of the flight path, the weather conditions of the route and destination, and at the end of the allowable landing weight. How much fuel is consumed during the flight of the Airbus A350-900 is the subject of a study in this regard of artificial neural networks that are considered to predict the output responses of complex systems with the initiative of combining the weights obtained from the output of the first and second layers of the network. It is designed as normal random variables to calculate the output of the network in such a way that it can estimate the objective function (airplane fuel consumption rate). has been taken In the present study, based on the method proposed by Hamburg University of Applied Sciences, which was followed by examining the efficiency of Bayesian Regularization, Levenberg Marquardt and Scaled Conjugate Gradient algorithms in the design of artificial neural networks based on Multilayer perceptron, even though the accuracy of the mentioned training algorithms is very high and above average. The squared error (MSE) was low, but despite this, the Levenberg Marquardt algorithm had a much higher accuracy of 6.954-e13 in the estimation of the objective function in relation to Other algorithms have. |
|
کلیدواژههای انگلیسی مقاله |
سوخت هواپیما, شبکههای عصبی مصنوعی, متغیرهای تصادفی نرمال, لونبرگ مارکوارت |
|
نویسندگان مقاله |
Davood Daneshpajuh - Iran Department of Environment, Khorasan Razavi Bureau, Mashhad, Iran
- Iran Department of Environment, Khorasan Razavi Bureau, Mashhad, Iran
|
|
نشانی اینترنتی |
http://engine.modares.ac.ir/browse.php?a_code=A-10-143-1&slc_lang=fa&sid=1 |
فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
کد مقاله (doi) |
|
زبان مقاله منتشر شده |
fa |
موضوعات مقاله منتشر شده |
|
نوع مقاله منتشر شده |
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|