Интернет конференция по проблемам теории и практики управленияНазвание: Идентификация параметров модели БПЛА нейросетевыми методами
Автор: Максим Евгеньевич Крайнов
Соавторы:
Славеснов Леонид Александрович, Кустов Аркадий Юрьевич
Аннотация:
В работе рассматривается задача идентификации параметров математической модели беспилотного летательного аппарата (БПЛА) в условиях их изменчивости в процессе эксплуатации. В качестве исходных данных
использовались сгенерированные данные и признаки, полученные на их основе. После формирования обучающей выборки была реализована нейросетевая модель на основе многослойного перцептрона для оценки параметров динамической модели. Качество идентификации оценивалось
с использованием метрик MAE, RMSE и коэффициента детерминации
𝑅^2. Для сравнительного анализа была построена модель градиентного бустинга, обученная на тех же данных. Проведено сопоставление точности и устойчивости обеих моделей. Полученные результаты демонстрируют применимость нейросетевого подхода для адаптивной идентификации
параметров БПЛА и позволяют оценить его преимущества и ограничения по сравнению с методами ансамблевого обучения.
Ключевые слова:
идентификация параметров, математическое моделирование, градиентный бустинг, глубокое обучение
Автор: Максим Евгеньевич Крайнов
Соавторы:
Славеснов Леонид Александрович, Кустов Аркадий Юрьевич
Аннотация:
В работе рассматривается задача идентификации параметров математической модели беспилотного летательного аппарата (БПЛА) в условиях их изменчивости в процессе эксплуатации. В качестве исходных данных
использовались сгенерированные данные и признаки, полученные на их основе. После формирования обучающей выборки была реализована нейросетевая модель на основе многослойного перцептрона для оценки параметров динамической модели. Качество идентификации оценивалось
с использованием метрик MAE, RMSE и коэффициента детерминации
𝑅^2. Для сравнительного анализа была построена модель градиентного бустинга, обученная на тех же данных. Проведено сопоставление точности и устойчивости обеих моделей. Полученные результаты демонстрируют применимость нейросетевого подхода для адаптивной идентификации
параметров БПЛА и позволяют оценить его преимущества и ограничения по сравнению с методами ансамблевого обучения.
Ключевые слова:
идентификация параметров, математическое моделирование, градиентный бустинг, глубокое обучение