امین حبیبی - دانشجوی دکتری مهندسی هوافضا دانشکده علوم و فنون نوین دانشگاه تهران

در این مقاله از یک شبکه عصبی پرسپترون چند لایه (MLP) برای پیش بینی اثر سطحی بر روی ضریب لیفت ایروفویل های متقارن NACA استفاده شده است. ورودی های شبکه فاصله لبه فرار ایروفویل از سطح، زاویه حمله و ضخامت ایروفویل است و خروجی شبکه نیز ضریب لیفت ایروفویل تحت اثر سطح می باشد. آموزش شبکه توسط الگوریتم پس انتشار خطا صورت گرفته و تعداد 1050 نمونه آزمایش برای آموزش شبکه استفاده شده است. مجموع مربعات خطا یک شبکه بعد از 1800 دور به اندازه کافی کوچک می شود و آموزش شبکه پایان می یابد. سپس شبکه آموزش دیده با 385 نمونه آزمون تست می شود و موافقت خوبی بین جواب های شبکیه آموزش دیده با مقادیر هدف مجموعه آزمون مشاهده می شود. شبکه عصبی ارائه شده در این مقاله قادر است در زمان بسیار کوتاه یک تقریب با دقت قابل قبول از ایرودینامیک تأثیر سطح به کنترلر پرنده های اثر سطحی ارائه کند.

اثر سطح،الگوریتم پس انتشار خطا،ایرفویل های متقارن NACA، شبکه های عصبی،ضریب لیفت