Нейросетевая система управления посадкой дистанционно-пилотируемого летательного аппарата

• Автор: Фирсов, Сергей Павлович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 124 с. : ил.

Введение.

Глава 1. Анализ функционировании системы управления ДПЛА в

режиме посадки и общая постановка задачи

1.1. Математическая модель движения ДПЛА

1.2. Разделение пространственного движения ДПЛА на продольное и боковое

1.3. Анализ известных ДПЛА и методов их посадки ДПЛА

1.4. Общая схема ДПЛА и его основные характеристики.

1.5. Технологии искусственного интеллекта.

1.6. Общая постановка задачи

1.7. Выводы к главе 1.

Глава 2. Решение задачи посадки ДПЛА при помощи сигнальных

ориентиров
2.1. Описание функционирования системы управления ДПЛА в режиме его посадки.
2.2. Выбор источников излучения ловушки.
2.3. Система навигационного оборудования захода на посадку ДПЛА
2.4. Светодальномер для линейноугловых измерений положения ДПЛА в пространстве
2.4.1. Теоретическое обоснование предлагаемого свстодальномсра для линейноуглового измерения положения ДПЛА в решаемой задаче
2.4.2. Алгоритм коррекции отклонения рулей управления.
2.4.3. Выбор параметров импульса излучения и компонент входного вектора НС для вычисления полезного сигнала, при помощи которого происходит корректировка курса ДПЛА.
2.4.4. Предлагаемая практическая реализация светодальномера для линейноугловых измерения положения ДПЛА в пространстве.
2.5. Определение линейноугловых координат ДПЛА в данной задаче с помощью светодальномера.

2.5.1. Движение ДПЛА в вертикальной плоскости.
2.5.2. Движение ДПЛА в горизонтальной плоскости.
2.6. Вычисление угла тангажа при помощи с вето дальномера, разработанного в данной работе
2.7. Вычисление угла курса при помощи светодальномера, разработанного в данной работе.
2.8. Выводы к главе 2.
Глава 3. Искусственные нейронные сети и их применение в системе
управлении ДПЛА. Выбор сети для решения задачи
3.1. Искусственные нейронные сети.
3.2. Алгоритм обучения НС, основанный на комбинации градиентного метода и метода Холтона.
3.3. Решение задачи посадки ДПЛА с использованием в его системе управления НС.
3.4. Сегментация изображения
3.4.1. Сегментация изображения с помощью нейронных сетей
3.4.2. Предобработка выходных данных
3.4.3. Растущий нейронный газ СЫв для группирования данных по цвету.
3.4.4. Иерархическая нейронная сеть на соревновательных нейронах для формирования кластеров в пятимерном пространстве НС
3.4.5. Дополнительные возможности обработки
3.5. Выводы к главе
Глава 4. Решение задачи посадки ДПЛА с помощью нейронной сети в
ловушку
4.1. Моделирование движения ДПЛА в вертикальной плоскости при его посадки в ловушку по сигнальным ориентирам.
4.2. Моделирование движения ДПЛА в горизонтальной плоскости при его посадки в ловушку по сигнальным ориентирам.
4.3. Выводы к главе
Заключение Список литературы
ВВЕДЕНИЕ


На основе характеристик реального ДПЛА проведены оценочные расчеты передаточных коэффициентов для продольного и бокового движения ДПЛА, используемые в дальнейшем при расчете углов отклонения рулей высоты и направления. На основании проведенного исследования в области технологий ИИ сделан краткий обзор его направлений, приведены некоторые их преимущества, а также предложено применение одного из этих направлений для решения задачи посадки ДПЛА. В завершении главы сформулированы задачи диссертационной работы. Во второй главе дано описание функционирования системы управления СУ ДПЛА в режиме его посадки. Предложен метод посадки ДПЛА на основе нейронной сети при помощи сигнальных ориентиров, установленных на ловушке и алгоритм данного метода. Рассмотрены существующие на данный момент источники излучения. На основе проведенного анализа выбраны импульсные полупроводниковые лазеры, для использования их в качестве сигнальных ориентиров, а так же произведен выбор компонент входного вектора нейронной сети для вычисления полезного сигнала, посредством которого происходит корректировка курса ДПЛА. На основании проведнного обзора существующих светодальномеров сделан вывод о технически сложной реализации их в классе работ решаемых в настоящей диссертации. Предложен новый путь построения светодальномсра и приведены теоретические обоснования такого светодальномера. Предложена схема практической реализации этого светодальномсра с использованием основных узлов и деталей, выпускаемых промышленностью. Показано практическое применение светодальномсра при определении линейноугловых координат ДПЛА. Предложен новый метод измерения углов тангажа и курса при помощи разработанного в данной работе светодальномсра. В третьей главе проведен анализ состояния нейронных сетей на сегодняшний день и рассмотрены некоторые способы решения задачи классификации с помощью нейронной сети. На основании проведенного анализа произведен выбор однослойной нейронной сети и сети Кохонена для решения задачи посадки ДПЛА. Предложен алгоритм обучения НС, основанный на комбинации градиентного метода и метода Холтона. Предложен алгоритм сегментации изображения на основе сочетания двух нейронных сетей Растущий нейронный газ и иерархической сети на соревновательных нейронах, для распознавания сильно зашумленных сигнальных ориентиров. Благодаря данному методу выявлены дополнительные, зашумленные ориентиры, и за счет этого увеличена точность наведения ДПЛА. В четвертой главе представлена разработанная в данной работе структурная схема алгоритма функционирования СУ ДПЛА в режиме его посадки. В результате проведнной работы предложена блоксхема движения ДПЛА в режиме его посадки, и на ее основе проведено моделирование процесса посадки ДПЛА в вертикальной и горизонтальной плоскостях. Результаты моделирования показывают возможность применения нейронной сети и эффективность ее работы при решении задачи посадки ДПЛА. В заключении приведены основные выводы по результатам диссертационной работы. В данной главе на основе анализа функционирования системы управления посадкой дистанционно пилотируемого летательного аппарата в реальных условиях сформулирована задача посадки ДПЛА в ловушку с применением в СУ самообучающейся нейронной сети. Формулируется общая постановка задачи, рассматриваются существующие на данный момент виды ДПЛА, а так же математическая модель движения ДПЛА, анализируется возможность применения в данной задаче методов искусственного интеллекта. Математическая модель движения летательного аппарата представляет собой упрощенное описание его реального движения. ДПЛА представляется в виде материальной точки, расположенной в центре масс 0 с моментами инерции относительно связанных осей ОУЙ. В данном случае предполагается, что конструкция ДПЛА является недеформируемой, т. Не учитывается также вращение Земли. Рассматриваемый полет ДПЛА происходит на относительно небольшой дальности, поэтому Землю можно считать плоской, а местные географические оси перемещаются поступательно относительно земных осей.