Общие выводы и заключение.
• Представлены различные способы классификации БЛА и выделены типы БЛА, которые являются предметом исследования. В работе рассматриваются вопросы анализа и повышения точности возвращающихся в атмосферу БЛА одноразового действия, а также атмосферные БЛА многоразового действия.
• Выделен наиболее перспективный тип СУ интеллектуализированные СУ или СУ с интеллектуальными компонентами, которые целесообразно применять для управления перспективными БР и атмосферными БЛА. Выбраны структурные схемы СУ БЛА, которые подлежат дальнейшей разработке.
• На основе анализа существующих навигационных систем и комплексов разработан каскадный метод обработки информации в навигационном комплексе перспективного БЛА.
• Каскадный метод комплексирования предполагает двухэтапную селекцию измерительной информации. Первый этап предполагает определение структуры комплекса на основе анализа трендов моделей погрешностей навигационных систем. Второй этап — прецизионное определение структуры комплекса на основе анализа нелинейных моделей ошибок навигационных систем.
• На основе анализа наиболее популярных методов построения моделей для построения прогнозирующих моделей навигационного комплекса и СУ БЛА выделены самые перспективные — алгоритм самоорганизации и генетический алгоритм.
• Для получения компактных прогнозирующих моделей в алгоритме самоорганизации в ансамбль критериев селекции включены критерии простоты модели, представляющие собой предпочтение более компактной модели при близких значениях ансамбля критериев селекции, а также критерий выделения трендов, позволяющий выделять треды различного уровня подробности.
• В генетическом алгоритме для упрощения процедуры построения модели использован ограниченный базис генов и мейоз — способ сокращения числа хромосом при делении.
• Разработан способ априорной оценки точности измерительных систем БЛА. На основе предложенного способа осуществляется вычисление точности поражения цели, а также решена обратная задача определение конфигурации навигационного комплекса, обеспечивающего заданную точность. Разработан способ оценки точности поражения цели с помощью анализа прогноза ошибок ИНС.
• Повышение точности поражения цели в процессе движения БЛА предложено осуществлять с помощью калибровки ИНС в полете и изменения сценария полета в интеллектуализированной СУ БЛА на основе периодического анализа прогноза ошибок навигационных систем БЛА.
• Результаты математического моделирования продемонстрировали работоспособность разработанных алгоритмов, которые являются составляющими алгоритмического обеспечения интеллектуализированных СУ БЛА.
• Таким образом, на основе исследования особенностей функционирования измерительных систем и комплексов БЛА, разработаны модифицированные алгоритм самоорганизации и генетический алгоритм, а также каскадный метод комплексирования измерительных систем, позволяющие повысить точность определения параметров БЛА, представлены способы априорной и динамической оценки точности измерительного комплекса БЛА, которые использованы для выбора рациональной структуры комплекса и определения возможности поражения цели.
• Разработанные алгоритмические способы позволяют повысить эффективность перспективных СУ БЛА и обеспечить выполнение поставленных задач.
1. Автономные информационные и управляющие системы: В 4 т. /Ю.М.Астапов и др.- Под ред. А. Б. Борзова. М.: ООО НИЦ «Инженер», ООО «Онико-М», 2011. — Т. 1. — 468 с.
2. Агеев В. М., Павлова Н. В. Приборные комплексы летательных аппаратов и их проектирование. М.: Машиностроение, 1990. — 375 с.
3. Анохин П. К. Биология и нейрофизиология условного рефлекса. М.: Медицина, 1968.-280 с.
4. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. -М.: Мир, 1974. Вып. 1. — 286 е.- Вып. 2.-197 с.
5. Вайс Ю. Л., Шолохов Д. О, Фам Суан Фанг. Использование гибридных нейросетей для коррекции навигационного комплекса // XXX академические чтения по космонавтике. Москва, 2006. — С.378 — 379.
6. Вайс Ю. Л., Шолохов Д. О. Модифицированный генетический алгоритм системы управления КЛА // XXXIII академические чтения по космонавтике. Москва, 2009. — С.458 — 459.
7. Головченко В. Б., Носков С. И. Комбинирование прогнозов с учётом экспертной информации // Автоматика и телемеханика. 1992. — № 11. — С.109−1177.
8. Емельянов В. В. Теория и практика эволюционного моделирования. -М: Физматлит, 2003. 264 с.
9. Жаков A.M. Управление баллистическими ракетами и космическими объектами. М.: Военное издательство министерства обороны СССР, 1974. 192 с.
10. Захаров В. Н. Интеллектуальные системы управления: основные понятия и определения // Известия РАН. Теория и системы управления. 1997. — № 3. — С.138−145.
11. Ивахненко А. Г., Мюллер Й. Я. Самоорганизация прогнозирующих моделей. Киев: Техника, 1985. — 329 с.
12. Кендэлл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. — 736 с.
13. Ким Дже Су, Шолохов Д. О. Разработка структуры и алгоритма прогноза псевдоинтеллектуальной системы управления БЛА //Интеллектуальные системы: Труды восьмого международного симпозиума. Москва, 2008. — С.335.
14. Латухин А. Н. Боевые управляемые ракеты. М.: Воениздат, 1968. -316 с.
15. Лебедев A.A., Чернобровкин Л. С. Динамика полета. М.: Машиностроение, 1973.-215 с.
16. Локк A.C. Управление снарядами. М.: Государственное издательство технико-теоретической литературы, 1957. — 429 с.
17. Лукашин Ю. П. Адаптивные методы краткосрочно прогнозирования. -М.: Статистика. 1979. — 186 с.
18. Лукьянова Н. В., Шолохов Д. О., Ким Дже Су. Некоторые особенности принятия решений в интеллектуальных системах // Интеллектуальные системы: Труды шестого международного симпозиума. -Москва, 2004. С.271−272.
19. Лукьянова Н. В., Шолохов Д. О. Один способ синтеза блока цели интеллектуальной системы летательного аппарата //Интеллектуальные системы: Труды седьмого международного симпозиума. Москва, 2006. — С.227 — 228.
20. Макарова И. М., Лохина В. М. Интеллектуальные системы автоматического управления. М.: Физматлит, 2001. — 225 с.
21. Неусыпин К. А. Современные системы и методы наведения, навигации управления летательными аппаратами. М.: Изд. МГОУ, 2009. — 500 с.
22. Неусыпин К. А., Логинова И. В. Вопросы теории и реализации интеллектуальных систем. М.: Сигналь МПУ, 1999. — С.220.
23. Неусыпин К. А., Пролетарский A.B., Цибизова Т. Ю. Системы управления летательными аппаратами и алгоритмы обработки информации. М.: Изд. МГОУ, 2006. — С.235.
24. Неусыпин К. А., Шолохов Д. О., Ким Дже Су. Псевдоинтеллектуальная система управления КЛА на атмосферном участке полета //Космонавтика. Радиоэлектроника. Геоинформатика: Материалы 4-й международной научно-технической конференции. Рязань, 2003. -С.107.
25. Неусыпин К. А., Федорова В. А., Шолохов Д. О. Разработка алгоритмов прогноза для информационной системы электроснабжения железной дороги // Автоматизация и современные технологии. 2011. — № 7. -С.10−13.
26. Неусыпин К. А., Шолохов Д. О. Некоторые алгоритмические методы компенсации погрешностей систем навигации // Авиация и космонавтика 2010: Тезисы докладов 9-й Международной конференции. — Москва, 2010. — С.245−246.
27. Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудницкого. М.: Финансы и статистика, 2004. -С.344.
28. Задача коррекции в инерциальной навигации / H.A. Парусников и др. М.: МГУ, 1982. 185 с.
29. Пролетарский A.B. Концепция системного синтеза динамических объектов // Автоматизация и современные технологии. Москва, 2007.-№ 8.-С. 19−24.
30. Пролетарский A.B. Интеллектуализированная система управления перспективных ракет космического назначения // Автоматизация и современные технологии. -2011.-№ 5.-С. 15−18.
31. Пролетарский A.B. Распределенная интеллектуализированная система управления средств выведения на основе концепции системного синтеза // Труды Восьмого международного симпозиума / Под ред. К. А. Пупкова. Москва, 2008. — С. 327−329.
32. Пупков К. А., Коньков В. Г. Интеллектуальные системы. Москва, 2003. С. 348.
33. Пупков К. А., Неусыпин К. А., Кэ Фан. Интеллектуализация измерительного комплекса летательного аппарата // Изв. Вузов. Приборостроение. 2004. — № 8. — С. 18−23.
34. Пупков К. А., Неусыпин К. А., Кэ Фан. Интеллектуальная система управления динамическим объектом // Авиакосмическая техника и технология. 2004. — № 1. — С.35−39.
35. Пупков К. А., Фалдин Н. В., Егупов Н. Д. Методы синтеза оптимальных систем автоматического управления. Москва, 2002. — 642 с.
36. Пупков К. А., Неусыпин К. А., Пролетарский A.B. Исследование факторов влияния на характеристики движения аэродинамических ДА // Интеллектуальные системы: Труды 4 Международного симпозиума. Москва, 2000. — С.172−173.
37. Синтез ансамбля критериев селекции компактного алгоритма самоорганизации для коррекции бесплатформенных навигационных систем / Д. О. Шолохов и др. // Труды ФГУП «НПЦ АП». — 2011. — № 3. С.49−56.
38. Четыркин Е. М. Статистические методы прогнозирования. М.: Статистика, 1975. — 352 с.
39. Шолохов Д. О. Алгоритм построения прогнозирующих моделей интенсивно маневрирующего объекта // XXIX академические чтения по космонавтике. Москва, 2005. — С.388 — 389.
40. Шолохов Д. О. Один из способов реализации акцептора действия интеллектуальной системы управления летательным аппаратом //Авиация и космонавтика 2009: Тезисы 8-й Международной конференции. — Москва, 2009. — С.8.
41. Шолохов Д. О. Синтез акцептора действия системы управления летательным аппаратом // Высокие технологии, фундаментальные исследования, образование. Санкт-Петербург, 2009. — Том 2. -С.235−236.
42. Шолохов Д. О. Один из методов построения моделей для алгоритмов оценивания системы управления беспилотным летательным аппаратом // Инженерные системы 2010: Тезисы докладов международной научно-практической конференции. — Москва, 2010. -С.125−126.
43. Шолохов Д. О., Худорожков П. А. Методы построения моделей для алгоритмов оценивания и прогнозирования системы управления БЛА // Интеллектуальные системы: Труды девятого международного симпозиума. Москва, 2010. — С.392−393.
44. Alliot J.M., Bosc J.F. An experimental study of ATM capacity // Proc. 1-st U.S.A. Europe Air traffic management R&D Seminar. — Saclay, 1997. -P.36.
45. Intelligent control systems: Theory and application / Eds.M.M.Gupta, N.K.Sinha. New York: IEEE Press, 1996. — P.34−41.
46. Handelman D.A., Stengel R.F. An architecture for real-time rule-based //Proc. American control conference. Minneapolis, 1987. — P. 1636−1642.
47. Koza J. R. Genetic Programming On the Programming of Computers by Means of Natural Selection. Cambridge (Massachusetts) — London (MA): MIT Press, 1972;819 p.
48. Neusipin K.A., Sholohov D.O. Modification of Neural Network by the Self-Organization Method // International Siberian Conference on Control and Communications. SIBCON-2009. Proceedings. Tomsk, 2009. -P.121−123.
49. Rauch H.E., Schaecter D.B. Neural networks for control, identification, and diagnosis // Proc. World space congress. Washington (D.C.), 1992. -P.712−719.
50. Интеллектуальное управление динамическими системами / С. Н. Васильев и др. М.: Физматлит, 2000. — 346 с.
51. Управление ракетами с использованием теории дифференциальной геометрии / Д. О. Шолохов и др. // Труды ФГУП «НПЦ АП». 2011. — № 3. — С.56−67.гГ (,.
52. И '-ЛОІ:І:*із. у:-, іііхглсікмуЦ > ¦. ': Трефом (495І 334−3^—К-.) ХЧ-У-Ж.
53. Пуісг-^і: М^жка. і ілЗо. -і і-'^І-і. ІЛНЛД-ІГІ-ІІІ: НІІЬ Дпрсар. ні.Аї^/^ґ .1. На.
54. УТВЕРЖДАЮ Первый заместитель генерального конструктора ФГУП «НПЦАП"об использовании результатов диссертационной работы Шолохова Д. О. «Разработка методов комплексирования и оценивания измерительных систембеспилотного летательного аппарата».
55. И. Е. Виноградов Д.А. Корнеев.
56. Ученый секретарь НТС ФГУП «НПЦАП». , / д.т.н, доцент ъ '-7 >
57. Начальник тематического отдела к.т.н.
58. Начальник тематической лаборатории .—.
