온라인 학습 신경망 조직을 이용한 내고장성 제어계의 설계

A Design of a Fault Tolerant Control System Using On-Line Learning Neural Networks

본 연구에서는 신경조직망을 이용한 항공제어계의 내고장성 성능에 대해 관점을 두었다. 이 내고장성 제어계는 감지기와 작동기의 고장 발견. 확인 그리고 보완으로 이루어진다 SFDIA는 주 신경조직망과 n개의 국소 신경조직망으로 이루어지는데, 여분의 감지기 없이 n개의 감지기로 내고장성 능력을 성취함을 목적으로 한다. 또한, AFDIA는 같은 주 신경조직망과 세개의 신경조직망 제어기들로 구성되며. 이 제어기들은 평형을 유지하는 역할을 하며 고장으로 인한 pitching. rolling. 그리고 yawing moment를 상쇄하는 기능을 한다. 본 연구에서는 특히 잘못된 경보와 고장 확인의 성능이 떨어짐이 없이 SFDIA와 AFDIA의 효과적인 통합 기능을 수행하는데 중점을 두었으며 여러 가지 작동기와 감지기의 고장에 대한 연구 결과가 제시되었다.

This paper describes the performance of a full-authority neural network-based fault tolerant system within a flight control system. This fault tolerant flight control system integrates sensor and actuator failure detection, identification, and accommodation (SFDIA and AFDIA), The first task is achieved by incorporating a main neural network (MNN) and a set of n decentralized neural networks (DNNs) to create a system for achieving fault tolerant capabilities for a system with n sensors assumed to be without physical redundancy The second scheme implements the same main neural network integrated with three neural network controllers (NNCs). The function of NNCs is to regain equilibrium and to compensate for the pitching, rolling. and yawing moments induced by the failure. Particular emphasis is placed in this study toward achieving an efficient integration between SFDIA and AFDIA without degradation of performance in terms of false alarm rates and incorrect failure identification. The results of the simulation with different actuator and sensor failures are presented and discussed.