基于神经网络控制的飞机导航系统应用

段中梁

段中梁

湖南省衡阳市衡南县衡阳南岳机场湖南衡阳421100

摘要：飞机的导航系统是引领飞机飞行方向，并让其可以根据事先规划的飞行路线在预期的时间内到达目的地，达到预定的飞行工作。本文基于神经网络控制，针对飞机导航系统的某些问题实施优化，力争获取好的解决方案，并且还给飞机导航系统的算法深入发展探索方向。

关键词：神经网络控制；飞机导航系统；

1人工神经网络技术概述

人工神经网络是一种通过模仿人类的思考方式来进行计算的数学模型，它们的结构是极为复杂的，可以通过节点之间的相互连接来进行信息的处理与传递，人工神经网络对于新事物可以进行学习和自适应，通过之前的训练数据，来对于新事物进行分类识别，对于被训练的对象以及需要计算的对象进行分析，判断两者之间的差距，同时，根据权值来对于输出结果进行计算，神经网络是一种极为重要的运算模型，主要有非常多的神经元来进行构成的，每个输出函数都和一个节点相连接，叫做激励函数，两个节点间的连接权值反映了信号的传输强度，这和人类自身的细胞是类似的，同时网络的输出和连接方式有着极为重要的关系，并且也会受到激励函数和权重的影响，网络自身的计算和逼近方法可以对于最优策略进行有效的计算和表达。人脑的运行处理机制是极为复杂的，它主要是通过140亿个神经细胞来进行分析和运算的，每一个神经细胞的工作效能是有限的，但是它通过并行处理就可以让人脑进行大规模信息的处理，同时对于人脑进行研究，有利于改善我国现在的飞机导航技术情况，我们应当对人脑进行研究，让智能化思维在计算机中大量的使用，这也是人工智能的意义，人脑主要是靠神经细胞来进行工作的，它可以有效的对神经信号进行处理和传递，每个神经元主要是由细胞体和轴突树突组成的，轴突和树突进行信号的传递，细胞体可以对于这些信号进行处理，每个神经细胞都可以传送兴奋或者抑制的信息，在计算机中可以将其抽象为0和1的信号。在神经细胞之间，可以由突触相连接，在信息的传递过程中，一个细胞的树突，可以接受其他细胞的信号来传输相应的兴奋或者抑制功能，细胞体可以对这些信号进行处理，如果在某些时间段内，细胞中的兴奋信号足够大，这个细胞就可能会产生一个相应的脉冲，来把这个信号传输出去，这样就形成了神经网络的结构。

2人工神经网络运行方式

人们能够经过人脑神经系统的构造来实施人工智能层面的训练和学习，把人们的智慧赋予电脑，让电脑来模拟人的思维模式来实施计算，如此能够改善计算机的性能，还可以对人类大脑的信息处理方法具有一定的了解，人工智能已经发展了较长时间，获取了许多数学模型，还取得了良好的理论成果，其网络构造是不一样的，然而都是模拟人们的基础构造来实施运行的，它们关键是运用对人类神经元的部分仿真来实施数据的分析，故而许多时候被称之为人工神经网络，它们经过针对人们大脑细胞当中最基础的特点来实施模拟方案，如此就能够让人工神经类似人类细胞分析信息相同，实施对应的数据体现，人工神经关键能够实施信号的输入及输出的处理，假设将上述人工神经实施对接，就构成了人工神经网络，经过不一样的对接方法能够构成不一样形式的神经网络，然而它们的主要理念是经过神经网络的思维方法实施计算，它们能够经由改变运用权值的方法，来针对信息的处理和传输水平进行提高和调整，在人工神经网络里神经元能够处理特别多的真实物体。比如文字、字母以及许多其它的物体。

人工神经网络在网络当中处理的单元组合有三种：包括输入、输出与隐单元。输入信号，重点能够经由接收外部信号来实施计算，输出单元重要达到计算成果的输出，隐单元就是在飞机导航系统外部不能观察的单元，然而它能够科学合理的实施数据的处理，神经单元当中的对接权值大小能够反应各个单元的对接力度，并且针对信息的处理水平还能够实行运转，人工神经网络的处理方法与大脑是类比的，并且这些还是能够经由具体的方法来实施编程的，针对学习与训练的对象应当通过仔细的挑选，不然可能会针对资源造成浪费，飞机导航系统可能会不能够工作，故而如此做的劣势在于飞机导航系统应当有对应的学习模型才可以实施科学合理的工作，假设直接用来工作，那么运行结果是不能够预测的。

3基于神经网络技术的飞机导航系统应用

飞机导航算法在自适应方面的表现极为图，因此在只能环境系统中可以引入此种算法。考虑使用以时间为基础的飞机导航算法（time-basedQ-learning，TBQL）来得到对于路径的最佳控制。TBQL是一种以时间作为前提，通过创建最佳Q函数与时间t的微积分关系，通过精确计算进而得到最优函数以及最优控制规律，最终得到飞机航行的最佳路径的一种飞机导航算法。在之前的TBQL算法当中规定时间t趋向于正无穷进而得到最佳Q函数，由此可见，在t趋近于无限大时，最优函数等属于恒定函数，但是路径函数则会受到时间因素的影响，在此条件下，时间因素会对最优函数等产生影响。除此之外，在系统性能等系统性指标方面，TBQL算法也存在一定的缺陷。所以必须要对飞机导航算法的研究予以重视，并对其性能等方面进行深入调研。对环境感知等方面进行有效的利用，是强化学习的关键所在，而通过此项学习可以达到最佳控制的目。可以这样简单进行解释：将飞机视为机器人，而机器人所具备的特性之一就是可以进行学习。同时，可以将最优控制的制定过程，想象成为将机器人放置到一个建筑物的房间当中，并让其自行寻找到最佳的行走路线。将各个房间视为各种不同的状态，而机器人在不同房间之间的移动，也可以视为不同状态之间的切换。最初，机器人在路线选取方面存在困难，它不知道如何从一个房间移动到其他房间，它也并不知道哪一扇门能够走出该建筑。因此，我们加入一种“奖励”值赋给每一条线路，选取正确的线路奖励数值大，但是选取错误的线路奖励数值为零甚至为负，对于那些能够直接走出该建筑的线路“奖励”值为100。而飞机导航算法的最终目标也就是实现奖励数值的最佳状态。所以，如果机器人达到目标房间之后将会始终停在那里，该种目标也称之为“吸收目标”。机器人从经验当中开展自我学习，每一个自我学习的过程都是对它的训练，机器人借助训练完善对外界的认知，并对来自于外界的奖励进行接收，并以此为基础不断向目标状态进行演变。训练的最终目的就是要增强机器人的“大脑”（用Q表示），Q会伴随着训练的递增而不断得以完善和强化。为此，可以创建与状态和行为相关的“奖励”矩阵R。同理，我们也可以创建一个矩阵Q，用以体现机器人从训练当中学到的知识，Q跟R是同级的，其中行和列分别代表状态和行为。在初始状态下，机器人对外界的认知为零，因此Q以零矩阵作为初始矩阵，随后借助相关算法对矩阵不断进行完善。随着Q的不断完善，机器人就比较容易找到最佳最快的路径了。然而我们并没有对于每一个过程开展修正，而是从另外一个初始数值持续迭代开展修正与改进的，因为我们利用网络训练，能够让总体误差得以降低，随着统一处理等相关工作的完成，可以有效提升结果的精确度。

总结：飞机智能导航系统的使用对于现代科技发展运行意义重大，我们在实际工作中应多应用现代化的方法，结合实际的经验将基于神经网络控制技术应用在飞机导航系统中。

参考文献：

[1]韩春永，井哲.飞机导航系统接收卫星信号断续问题分析与排查[J].电子测试，2015（7）.

[2]王尔申，佟刚，庞涛.低空空域通用航空飞机机载引路监视终端设计[J].电讯技巧，2015（5）．

[3]尚琳.基于GIS与GPS飞机故障在线检修技术[J].科技经济市场，2014（12）.