Моделирование и визуализация динамических ситуаций при контроле посадки летательных аппаратов в морских условиях

• Автор: Калюжный, Дмитрий Алексеевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Санкт-Петербург
• Количество страниц: 241 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

Глава 1. Проблема обеспечения безопасности посадки ЛА в морских условиях.

1.1. Состояние проблемы и особенности пилотирования ЛА в морских условиях.

1.2. Интеллектуальные технологии в системах обеспечения безопасности посадки ЛА в морских условиях

1.3. Аналитический обзор.

1.4. Постановка задачи исследования

1.5. Общая характеристика диссертационной работы.

Выводы по первой главе.

Глава 2. Синтез системы контроля динамики посадки ЛА

в морских условиях.

2.1.Общие принципы построения системы интеллектуальной поддержки при обеспечении посадки ЛА в морских условиях
2.2.Концептуальная модель формализации динамической базы знаний на основе конкурирующих вычислительных технологий.
2.3.Архитектура нейронечеткой системы и ее функциональные модули
2.4.Функционированис системы в рамках концепции мягких вычислений
2.5.Модель оценки риска принимаемых решений при контроле динамики
посадки ЛА в морских условиях
Выводы по второй главе.
Глава 3. Моделирование, анализ и прогноз динамики посадки ЛА в морских условиях.
3.1.Методы и модели в задачах приятия решений при контроле динамики посадки ЛА.
3.2. Моделирование и визуализация динамики взаимодействия при контроле посадки ЛА в морских условиях.
3.3. Моделирование динамики системы 1 ДО в рамках принципа конкуренции с использованием фильтра Калмана.
3.4. Тестирование динамической базы знаний при контроле динамики
посадки I.
3.5.Оценка адекватности математической модели контроля динамики посадки
ЛА в морских условиях.
Выводы но третьей главе
Глава 4. Разработка программного комплекса, обеспечивающего функционирование динамической базы знаний на основе разработанных
принципов интерпретации информации.
4.1.Общий подход к оценке поведения сложного ДО в рамках принципа
конкуренции.
4.2 Средства имитационного моделирования и визуализации процесса посадки ЛА в морских условиях
4.3. Контроль взаимодействия ДО с внешней средой и посадки I морского базирования с использованием традиционных и нейронечетких моделей .
4.4. Обучение, адаптация, настройка и тестирование БЗ
Выводы по четвертой главе.
ЗАКЛЮЧЕНИЕ.
ЛИТЕРАТУРА


Здесь содержится описание некоторых аспектов недавно завершенного проекта по улучшению качества принятия решения офицером визуального управления посадкой (Landing Signal Officer - LSO) в процессе ведения летательного аппарата при посадке на авианосец. Средства поддержки принятия решений были разработаны с использованием методов ИИ. В рамках проекта проводились исследования как по разработке методов предварительного анализа и прогноза параметров полета, так и по оптимизации пользовательского интерфейса на основе методологии проектирования в рамках когнитивной психологии. В процессе разработки определены значимые параметры при заходе на посадку и разработана «Neuro-Fuzzy» система для прогноза траектории самолета. Среди других задач следует выделить методы предварительного анализа и программное обеспечение с использованием средств доказательной аргументации (case-based reasoning) и нечеткой логики. В статье концентрируется внимание на двух областях применения методов ИИ: создание системы предварительного анализа, которая отвечает за объединение (интеграцию) данных; и прогноз траектории самолета. Широкое развитие интеллектуальных технологий в сложных задачах управления и принятия решений открывает перспективы их использования в авиационной технике. Значительный интерес вызывает практическое приложение нейронных сетей при управлении ЛА [6]. В наибольшей степени такое приложение разработано в системах управления вертолетами [7]. Это -вопросы автоматизации отдельных режимов полета, включая сложные режимы типа захода на посадку, полета по маршруту, маловысотного полета и др. Решение проблемы безопасности посадки обеспечиваются за счет разработки нейросетевых моделей, обеспечивающих точное висение и посадку вертолета при помощи отслеживания изображения земной поверхности. При этом существенно расширяются маневренные возможности и безопасность полета современных вертолетов. Особенно важна роль нейронных сетей для беспилотных вертолетов, используемых для автономного полета в зоне аварий и стихийных бедствий. Имеющиеся отечественные и зарубежные публикации, связанные с решением задач динамики полета вертолетов, свидетельствуют о больших возможностях нейросетевых технологий для достижения маневренных характеристик и обеспечения высокой степени безопасности полета. Совершенствование комплекса автоматической посадки тесно связано с созданием методики проведения и оценки результатов летных испытаний. Анализ ситуации и выработка практических рекомендаций по обеспечению безопасной посадки ведутся на основе концепции и подхода, сформулированных в работах [],[] и позволяющих развивать идеи, заложенные в патенте [7] на основе широкого использования методов анализа и интерпретации измерительной информации в рамках теоретических принципов обработки информации в мультипроцессорной вычислительной среде [9]. Функционирование ИС осуществляется на основе динамической базы знаний и бортовых программных средств обработки информации, требующих большого объема вычислительных операций. Эти операции связаны с предварительной оценкой особенностей поведения полетной палубы и возможности проведения операции посадки на основе математического моделирования возникающих ситуаций с последующей формулировкой соответствующих критериальных оценок [],[8],[2]. Прикладная технология разработки интеллектуальных средств управления и принятия решений о возможности морской посадки осуществляется на базе современных аппаратно-программных комплексов и предусматривает различные подходы к реализации моделей представления и использования знаний [],[],[7],[9]. Первый подход отдает предпочтение нечеткой системе знаний. Здесь чаще используется информация, представленная в виде моделей нечетких логических правил, отражающих особенности динамики объекта. Нейросетевые технологии в формализованной системе знаний играют вспомогательную роль, связанную с построением функций принадлежности и адаптацией правил к изменениям в динамике системы. Второй подход основан на принципах нейросетевого управления и использует преимущества моделей искусственных нейронных сетей (ИНС).