Разработка интеллектуальной системы оценки состояния беспилотного летательного аппарата на основе нейросетевых технологий


https://doi.org/10.24108/rdeng.0218.0000134

Полный текст:


Аннотация

В настоящее время сфера применения беспилотных летательных аппаратов (БЛА) непрерывно расширяется. Растущий спрос на них обусловлен экономическими соображениями, а также связан с возможностью выполнять задачи повышенного риска. Одной из важнейших задач, возникающих при создании беспилотной техники, является детектирование нештатных ситуаций, причиной которых может служить выход из строя бортовых систем. В настоящий момент времени данная проблема решается преимущественно многократным резервированием. Благодаря развитию вычислительной техники, наряду с традиционными подходами все большее применение находят средства интеллектуального анализа данных, в частности, – искусственные нейронные сети. Применение нейросетевых средств анализа многомерных данных может позволить сократить уровень резервирования, а также решать широкий круг разноплановых задач в режиме реального времени. В работе предложен новый подход к разработке комплексной системы оценки состояния БЛА, основанный на анализе многомерных данных с помощью нейросетевых моделей. Данная система предназначена для решения широкого круга задач, таких как детектирование неисправностей бортовой аппаратуры на основе комплексного анализа измерений, резервирование неисправных датчиков, оценка состояния летательного аппарата, прогнозирование и предотвращение опасных ситуаций. Также данная система позволяет определять неисправность системы управления и обеспечивает возможность завершить маневр, взяв управления на себя. Еще одной важной задачей является ведение журнала измерений и оценка состояния летательного аппарата с использованием нейросетевого прогнозирования. Не менее важной задачей является определение достоверности модели беспилотного летательного аппарата самолетного типа на основе его полетных данных. Данная система позволяет не только определять ее расхождение с объектом, но также локализовывать ошибку и вырабатывать рекомендации по корректировке. В работе предоставляется решение этих задач как на основе результатов моделирования, так и реальных полетных данных.


Об авторах

К. В. Парфентьев
НИИ ИСУ МГТУ имени Н.Э. Баумана, Москва
Россия

Парфентьев Кирилл Викторович.

Младший научный сотрудник



А. И. Жильцов
НИИ ИСУ МГТУ имени Н.Э. Баумана, Москва
Россия

Жильцов Александр Иванович

Начальник отдела



Список литературы

1. Клочков В.В., Никитова А.К. Методы прогнозирования спроса на беспилотные летательные аппараты и работы по воздушному патрулированию // Проблемы прогнозирования. 2007. № 6. С. 144-152.

2. Каримов А.Х. Цели и задачи, решаемые беспилотными авиационными комплексами нового поколения // Тр. МАИ: электрон. журн. 2011. № 47. С.5. Режим доступа: http://trudymai.ru/upload/iblock/65b/tseli-i-zadachi_-reshaemye-bespilotnymi-aviatsionnymi-kompleksami-novogo-pokoleniya.pdf (дата обращения 19.10.2017).

3. Галеев Э.И. Применение беспилотных летательных аппаратов в землеустройстве и в кадастровой деятельности // Аграрная наука в инновационном развитии АПК: Междунар. науч.- практ. конф. в рамках XXVI Междунар. специализиров. выставки "Агрокомплекс - 2016". Ч. 1: Инновационные технологии в агрономии и лесном хозяйстве. Землеустройство и природообустройство в современных условиях: Сб. тр. Уфа: Изд-во Башкир. гос. аграр. ун-та, 2016. С. 281 – 285.

4. Воропаев Н.П. Применение беспилотных летательных аппаратов в интересах МЧС России // Вестник Санкт-Петербург. ун-та гос. противопожарной службы МЧС России. 2014. № 4. С. 13-17.

5. Хлопков Ю.И., Дорофеев Е.А., Зея Мьо Мьинт, Поляков М.С., Хлопков А.Ю., Агаева И. Разработка нейронных сетей для расчета аэродинамических характеристик высокоскоростных летательных аппаратов // Фундаментальные исследования. 2013. № 11 (ч. 9). С. 1834-1840.

6. Бецков А.В., Прокопьев И.В. Анализ живучести беспилотного летательного аппарата // Надежность и качество сложных систем. 2014. № 2(6). С. 3–6.

7. Прокопьев И.В. Автоматизация системы автономного управления беспилотным летательным аппаратом // Междунар. симпозиум «Надежность и качество» (Пенза, Россия, 24-31 мая 2010 г.): Тр. Т. 1. Пенза: Изд-во Пензен. гос. ун-та, 2010. С. 420-422.

8. Moriarty P., Sheehy R., Doody P. Neural networks to aid the autonomous landing of a UAV on a ship // 28th Irish signals and systems conf.: ISSC 2017 (Killarney, Ireland, June 20-21, 2017): Proc. N.Y.: IEEE, 2017. Pp. 1-4. DOI: 10.1109/ISSC.2017.7983613

9. Yimin Zhou, Jiao Wan, Zhifei Li, Zhibin Song. GPS/INS integrated navigation with BP neural network and Kalman filter // IEEE intern. conf. on robotics and biomimetics: ROBIO 2017 (Macau, China, December 5-8, 2017): Proc. N.Y.: IEEE, 2017. Pp. 2521-2526. DOI: 10.1109/ROBIO.2017.8324798

10. Гущин С.В., Полонский А.П. Использование искусственных нейронных сетей системы SIMULINK/MATLAB в технической диагностике двигателей летательных аппаратов // Вестник Иркут. гос. техн. ун-та. 2011. № 11(58). С. 124–127.

11. Ефимов В.Г., Карпачев Ю.Н. Нейросетевое устройство контроля бортовых систем беспилотного летательного аппарата // Науч. вестник Моск. гос. техн. ун-та гражданской авиации. 2012. № 185. С. 27–32.

12. Говоренко Г.С. Обеспечение показателей надежности и качества бортовых систем управления летательных аппаратов на этапах жизненного цикла // Междунар. симпозиум «Надежность и качество» (Пенза, Россия, 23 мая – 2 июня 2011 г.): Тр. Т. 1. Пенза: Изд-во Пензен. гос. ун-та, 2011. С. 14–18.

13. Alireza Abbaspour, Payam Aboutalebi, Kang K. Yen, Sargolzaei A. Neural adaptive observer-based sensor and actuator fault detection in nonlinear systems: Application in UAV // ISA Trans. 2017. Vol. 67. Pp. 317-329. DOI: 10.1016/j.isatra.2016.11.005

14. Yuepeng Chen, Cong Zhang, Qingyong Zhang, Xia Hu. UAV fault detection based on GA-BP neural network // 32nd youth academic annual conf. of Chinese Association of Automation: YAC 2017 (Hefei, China, May 19-21, 2017): Proc. N.Y.: IEEE, 2017. Pp. 806-811. DOI: 10.1109/YAC.2017.7967520

15. Парфентьев К.В. Разработка системы распознавания изображений с использованием самоорганизующихся карт Кохонена // Молодежный науч.-техн. вестник. МГТУ им. Н.Э. Баумана. Электрон. журн. 2013. № 11. Режим доступа: http://sntbul.bmstu.ru/file/out/635661 (дата обращения 19.10.2017).


Дополнительные файлы

Для цитирования: Парфентьев К.В., Жильцов А.И. Разработка интеллектуальной системы оценки состояния беспилотного летательного аппарата на основе нейросетевых технологий. Радиостроение. 2018;(2):13-28. https://doi.org/10.24108/rdeng.0218.0000134

For citation: Parfentyev K.V., Zhiltsov A.I. Intelligent System Development for Assessing the Unmanned Aerial Vehicle State Based on Neural Network Technologies. Radio Engineering. 2018;(2):13-28. (In Russ.) https://doi.org/10.24108/rdeng.0218.0000134

Просмотров: 88

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-926X (Online)