Model Predictive Controller with Adaptive Neural Networks and Online State Estimation for Pitch Rate Control of the Cessna Citation X
Notice bibliographique
Résumé
This research presents a technique for designing an adaptive nonlinear controller for the pitch rate of the Cessna Citation X business jet aircraft. The proposed control algorithm includes 3 major components, namely a Model Predictive Controller (MPC), an online state estimation, and an adaptive neural network controller. The estimation of the aircraft local dynamics is performed using Recursive Least Square (RLS) method. The RLS algorithm consists of an adaptive filter suited for state approximation which only requires states and control increments. The MPC controller consists of an optimization of the control trajectory over a given control, and predicted horizons. A constrained nonlinear optimization is fulfilled to solve the optimization problem, for which a quadratic cost function with respect to the control trajectory is minimized. Finally, an adaptive neural network is added, which compensates the errors in the state estimations and improves the overall performance of the controller. The neural network component consists of a single hidden layer feedforward neural network, for which the hyperparameters are updated online using backpropagation principle on the weights of the input and output layers. The simulation results showed that the proposed control algorithm was perfectly capable of tracking a given reference signal defining a desired flight dynamic for the pitch rate control. The flight controller was tested on 63 different flight conditions across the flight envelope of the Cessna Citation X, and demonstrated good adaptation performance. The control algorithm was then tested with different parameters of the controller elements, and very good performance was obtained for given reference signals on the pitch rate.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».