Нейросетевое решение задачи оперативного планирования маршрутного полета беспилотных летательных аппаратов и назначение времени наблюдения наземных объектов с помощью нечеткой логики при отображении этих результатов на экране компьютера до вылета

Системный анализ, управление и обработка информации


Авторы

Ивашова Н. Д.1*, Михайлин Д. А.2**, Чернякова М. Е.3***, Шаныгин С. В.4****

1. Государственный научно-исследовательский институт приборостроения, проспект Мира, 125, Москва, 129226, Россия
2. Главный научно-исследовательский испытательный центр робототехники Министерства обороны Российской Федерации, ул. Серегина, 5, Москва, 125167, Россия
3. Московский авиационный институт (национальный исследовательский университет), 125993, г. Москва, Волоколамское шоссе, д. 4
4. Московский государственный технический университет им. Н.Э. Баумана, 2-я Бауманская ул., 5, стр. 1, Москва, 105005, Россия

*e-mail: nati2405@mail.ru
**e-mail: tau_301@mail.ru
***e-mail: kaf301@mai.ru
****e-mail: sg78dec@mail.ru

Аннотация

Рассматривается возможность нейросетевой реализации оперативного планирования маршрутного полета группы беспилотных летательных аппаратов при наблюдении наземных объектов, когда необходимо скорректировать сформированное полетное задание. Предложено решение задачи с помощью двух трёхслойных нейронных сетей последовательного распространения с сигмоидальной функцией активации в первых двух слоях и релейной в последнем слое. Показано, что обучение этих нейронных сетей потребовало незначительного количества примеров. Сформирована адаптивная экспертная система нечеткой логики, определяющая момент прекращения наблюдения в зависимости от текущих параметров динамической обстановки.

Ключевые слова

оперативное планирование, беспилотный летательный аппарат, маршрутный полет, нейронные сети, нечеткая логика

Библиографический список

  1. Marc D. Richards, Darrell Whitley, J. Ross Beveridge. Evolving cooperative strategies for UAV teams, GECCO 2005, Washington, D.C. USA. pp. 1 – 8.

  2. He P., Dai S. Stealth Real-time Paths Planning for Heterogeneous UAV Formation Based on Parallel Niche Genetic Algorithm // Journal of Computational Information Systems, 2014, no. 10(15), pp. 6731 – 6740.

  3. Lebedev G., Goncharenko V., Mikhaylin D., Rumakina A. Aircraft group coordinated flight route optimization using branch-and-bound procedure in resolving the problem of environmental monitoring // ITM Web of Conferences 10, 01003 (2017), Seminar on Systems Analysis, 2017, vol. 10, pp. 1 – 3.

  4. Михайлин Д.А., Аллилуева Н.В., Руденко Э.М. Сравнительный анализ эффективности генетических алгоритмов маршрутизации полета с учетом их различной вычислительной трудоемкости и многокритериальности решаемых задач // Труды МАИ. 2018. № 98. URL: http://trudymai.ru/published.php?ID=90386

  5. Горбань А.Н. Обучение нейронных сетей. – М.: ПараГраф, 1991. – 160 c.

  6. Горбань А.Н., Дунин-Барковский В.Л., Кардин А.Н. и др. Нейроинформатика. – Новосибирск: Наука, 1998. – 321 c.

  7. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика. – М.: Мир. 1992. – 184 c.

  8. Лебедев Г.Н., Мирзоян Л.А. Нейросетевое планирование действий по облету наземных объектов группой летательных аппаратов // Авиакосмическое приборостроение. 2005. № 12. C. 51 – 57.

  9. Лебедев Г.Н., Румакина А.В. Нейросетевое планирование маршрута разновысотного полета беспилотного летательного аппарата // Авиакосмическое приборостроение. 2014. № 5. С. 3 – 8.

  10. Кузин А.В., Курмаков Д.В., Лукьянов А.В., Михайлин Д.А. Нейросетевая реализация автоматического управления безопасной посадкой беспилотного летательного аппарата // Труды МАИ. 2013. № 70. URL: http://trudymai.ru/published.php?ID=44540

  11. Михайлин Д.А. Нейросетевой алгоритм безопасного облета воздушных препятствий и запрещенных наземных зон // Научный вестник МГТУ ГА. 2017. Т. 20. № 4. С. 18 – 24.

  12. Лебедев Г.Н., Мирзоян Л.А., Ефимов А.В. Нейросетевое планирование групповых действий ЛА при наблюдении заданной группы подвижных объектов // Мехатроника, автоматизация, управление. 2009. № 11. С. 60 – 65.

  13. Лебедев Г.Н., Малыгин В.Б. Неросетевая система выбора трасс захода на посадку воздушных судов при изменении направления ветра // Научный вестник МГТУ ГА. 2015. № 221. С. 138 – 143.

  14. Лебедев Г.Н., Гончаренко В.И., Румакина А.В. Нейросетевая двумерная маршрутизация полета летательных аппаратов с помощью модифицированного метода ветвей и границ // Нейрокомпьютеры: разработка, применение. 2017. № 7. С. 49 – 57.

  15. Widrow B., Hoff M.E. Adaptive switching circuits, 1960 IRE WESCON Convention Record, New York IRE, 1960, pp. 96 – 104.

  16. Widrow B., Sterns S.D. Adaptive Signal Processing, New York, Prentice Hall, 1985, 247 p.

  17. Haykin S. Neural Networks: A Comprehensive Foundation, New York, Prentice Hall, 1998, 842 p.

  18. Christopher M. Bishop. Neural Networks for Pattern Recognition, Oxford Univ. Press, 1995, 498 p.

  19. Swingler K. Applying Neural Networks. A Practical Guide, Academic Press, 1996, 303 p.

  20. Brian D. Ripley. Pattern recognition and Neural Networks, Cambridge University Press, 1996, 416 p.

  21. Zadeh S.M., Powers D., Sammut K. Optimal Route Planning with Prioritized Task Scheduling for AUV Missions Article, University, Adelaide, SA 5042, Australia, 2016. pp. 1 – 8.

  22. Стефанов В.А., Федунов Б.Е. Бортовые оперативно-советующие экспертные системы (БОСЭС) типовых ситуаций функционирования антропоцентрических (технических) объектов. – М.: Изд-во МАИ, 2006. – 191 с.

  23. Подлипьян П.Е., Максимов А.Н. Многофазный алгоритм решения задачи планирования полета группы беспилотных летательных аппаратов // Труды МАИ. 2011. № 43. URL: http://trudymai.ru/published.php?ID=24769


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

Вход