Artificial neural network model for estimation of relative airplane altitude
Artykuł w czasopiśmie
MNiSW
70
Lista 2024
| Status: | |
| Warianty tytułu: |
Model sztucznej sieci neuronowej do szacowania względnej wysokości samolotu
|
| Autorzy: | Tomiło Paweł, Michałowska Joanna, Laskowski Maciej, Pytka Jarosław, Kochan Orest, Gnapowski Ernest, Laskowski Jan |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2025 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Numer czasopisma: | 2 |
| Wolumen/Tom: | 101 |
| Strony: | 116 - 119 |
| Impact Factor: | 0,4 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte czasopismo |
| Wersja tekstu: | Ostateczna wersja autorska |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 1 lutego 2025 |
| Abstrakty: | angielski | polski |
| The main purpose of the publication is to develop an artificial neural network model capable of estimating aircraft altitude based on accelerometer and gyroscope readings. The developed network structure uses LSTM, SE and transform encoder layers. Measurement data for training, validation and testing of the neural network were obtained from tests using an original measurement system developed. The developed device set was placed on the Koliber 150 aircraft. In order to verify the correctness of the model, the values estimated by the model were compared with those estimated by the Kalman filter algorithm using the double integration algorithm. The developed artificial neural network model has an overall estimation error of 7.43m, while the error for the Kalman filter was 20.27m. It has been shown that the use of the proposed model allows achieving satisfactory accuracy in aircraft altitude estimation due to the model's ability to adapt to the drift in the Inertial Measurement Unit (IMU). | |
| Głównym celem publikacji jest opracowanie modelu sztucznej sieci neuronowej, który będzie w stanie oszacować wysokość samolotu na podstawie wskazań akcelerometru i żyroskopu. Opracowana struktura sieci wykorzystuje warstwy LSTM, SE i enkodera transformatorowego. Dane pomiarowe do uczenia, walidacji i testowania sieci neuronowej uzyskano z badan za pomocą opracowanego autorskiego system pomiarowego. Opracowane urządzenie umieszczono na samolocie Koliber 150. W celu weryfikacji poprawności modelu wartości oszacowane zostały porównane z wartościami, które oszacowano na podstawie algorytmu filtrem Kalmana z zastosowaniem algorytmu podwójnego całkowania. Opracowany model sztucznej sieci neuronowej charakteryzuje się ogólnym błędem estymacji wynoszącym 7.43m, zaś błąd dla filtru Kalmana wyniósł 20.27m. Wykazano że zastosowanie zaproponowanego modelu pozwala na osiągnięcie zadowalającej dokładności przy estymacji wysokości samolotu dzięki zdolności modelu do adaptacji do dryftu w Inercyjnej jednostce pomiarowej (IMU). |
