فهرست نشریات علمی دسترسی آزاد ایران

خطاهای سیستم که معمولاً منجر به تغییر در پارامترهای حیاتی سیستم یا حتی دینامیک سیستم می‌شوند، ممکن است منجر به کاهش عملکرد و شرایط عملیاتی ناایمن شود. تشخیص خطا نقش مهمی در تضمین ایمنی و قابلیت اطمینان سیستم برای وسایل نقلیه هوایی بدون سرنشین ایفا می‌کند. شبکه‌های عصبی مصنوعی پتانسیل خوبی برای تشخیص و جدا‌سازی خطا در فرایندهای پیچیده را دارند. در این مقاله یک مشاهده‌گر مبتنی بر شبکه عصبی تطبیقی ارائه شده است که در این مطالعه، شبکه عصبی تطبیقی به‌عنوان یک سیستم یادگیری هوشمند برای تشخیص و جداسازی خطای حسگر و عملگر در یک مدل دینامیکی غیرخطی وسیله نقلیه هوایی بدون سرنشین طراحی شده است. به دلیل غیرخطی‌بودن سیستم، پارامترهای وزن شبکه عصبی با استفاده از کالمن فیلتر توسعه‌یافته به‌روز می‌شوند که این کار باعث افزایش نرخ همگرایی شبکه عصبی می‌شود. مجموعه‌ای از خطاهای ناگهانی، متناوب و اولیه برای ارزیابی روش پیشنهادی به یک مدل دینامیکی غیرخطی مالتی روتور تمایل یابنده اعمال می‌شود. به دلیل نرخ بالای بروزرسانی وزن‌های شبکه عصبی، روش پیشنهادی قادر است خطاهای ناگهانی، متناوب و اولیه را بادقت و سرعت مناسب تشخیص دهد. نتایج شبیه‌سازی عددی نیز برای نشان‌دادن عملکرد روش پیشنهادی آورده شده است که نشان از عملکرد مناسب روش پیشنهادی دارد.