Разработка алгоритмов с высокой степенью управляемости и наблюдаемости для систем управления летательными аппаратами

Система управления современных летателных аппаратов (ЛА) должна обеспечивать высокую точность движения, эффективное маневрирование и др. Для этого необходимо обеспечивать высокую управляемость и хорошую наблюдаемость параметров навигационных систем, системы управления и ЛА. Поэтому разработка компактного алгоритма построения прогнозирующего модели с высокой степенью управляемости и наблюдаемости является важной и актуальной задачей, при синтезе-систем управления современными ЛА.

Одним из перспективных направлений синтеза современных систем управления ЛА является создание интеллектуальных систем (ИС) или систем управления с интеллектуальными компонентами. В последнее время все большую популярность приобретают ИС, которые представляют собой симбиоз экспертных систем, методов самоорганизации, алгоритмов подготовки и принятия решений, адаптивного управления, а также алгоритмов формирования цели, объединенных в рамках функциональной структуры И. К. Анохина.

Современная ИС ЛА представляет собой объединенную информационным процессом совокупность технических средств и програмнного обеспечения, работающая во взаимосвязи с человеком или автономно, способная на основе априорной информации и текущих измерений при наличии мотивации синтезировать цель, вырабатывать решение о действии и находить рациональные способы достижения цели [49].

Основными недостатками при использовании ИС в практических приложениях являются сложность реализации всего комплекса функциональных систем, а также проблемы, связанные с реализацией механизма синтеза цели. В связи с этим при управлении современными ЛА целесообразно использовать системы управления с интеллектуальными компонентами, для управления перспективными ЛА разрабатывать ИС, включающие эти компоненты.

Современные системы управления ЛА снабжены алгоритмическим обеспечением, включающим разнообразные алгоритмы оценивания, управленияидентификации и прогноза. Наиболее популярная интеллектуальная компонента систем управления ЛА представляет собой акцептор действия, который реализуется посредством алгоритма самоорганизации, позволяющий построить прогнозирующую модель в условиях минимума априорной информации. Исследуемое и разработанное алгоритмическое обеспечение систем управления ЛА, систем с интеллектуальными компонентами может быть использовано для управления ЛА 4-го и 5-го поколения, БЛА класса Х-45, ЛА типа Р-22 (Раптор).

С учетом жестких требований по быстродействию и объему памяти БЦВМ, которое отводится для алгоритмического обеспечения ИС ЛА, реализовать его в полном объеме не представляется возможным. В связи с этим в практических приложениях для управления1 ЛА используются различные редуцированные модификации алгоритмического обеспечения ИС илисистемы, управления с интеллектуальными компонентами.

Редуцированные модификации алгоритмического обеспечения ИС управления предполагают реализацию концепции системного синтеза, которая заключается в выделении и последующем управлении ЛА только по ключевым параметрам. Определение параметров системы управления ЛА, являющихся ключевыми или определяющими исследуемые процессы является актуальной задачей, что обусловлено отсутствием универсальных критериев выбора этих параметров.

В системе управления ЛА обычно используются математические модели. Встречаются случаи, когда переменные состояния модели являются слабоуправляемыми и осуществлять управление такими переменными нецелесообразно. Поэтому удачный выбор моделей с высокой степенью управляемости является актуальной задачей при синтезе систем управления ЛА.

Классический алгоритм самоорганизации требует значительных вычислительных затрат и его реализация на борту ЛА в БЦВМ затруднительна. Поэтому разработка компактного алгоритма построения прогнозирующих моделей является важной и актуальной задачей при синтезе систем управления современными ЛА.

Современные системы управления ЛА с интеллектуальными компонентами обычно в качестве такой компоненты используют акцептор действия.

Акцептор действия, предсказывающий параметры будущего результата. Поэтому слущить для сличения этого и реально результата: Акцептор действия включает алгоритм построения прогнозирующей модели, алгоритм прогноза и механизм сличения результата. Наиболее сложной составляющей акцептора действия является алгоритм построения прогнозирующей модели, который, как правило, реализуется на основе метода самоорганизации.

Учитывая, что первоисточником ошибок системы управления ЛА является неточность измерительной информации, повышение точности измерительной системы ЛА алгоритмическим путем также представляет собой важную задачу. Наиболее популярный алгоритмический способ коррекции измерительных систем в выходном сигнале предполагает использование алгоритмов оценивания.

Математические модели, используемые в алгоритмах самоорганизации и оценивания должны включать хорошо наблюдаемые параметры, так как слабонаблюдаемые могут быть эффективно оценены и прогнозированы только на длительных временных интервалах.

Решение всех перечисленные задач позволяет повысить точность функционирования ЛА алгоритмическим путем. Повышение точности конструкторским путем связано с длительным временем, созданием новой технологической базы и большими финансовыми затратами. Поэтому алгоритмический путь достаточно перспективен, но необходимо учитывать ограничения связанные с реализацией сложных алгоритмов в БЦВМ.

Целью диссертацииявляется разработка алгоритмического обеспечения* систем управления ЛА, включающего модели с высокими степенями управляемости и наблюдаемости.

На защиту выносятся:

• способ выделения ключевых параметров перспективной системы управления ЛА, основанный на концепции системного синтеза и критерии степени управляемости;

• результаты анализа критериев степени управляемости и наблюдаемости компонент вектора состояния;

• численный критерий степени управляемости конкретных переменных состояния динамических систем;

• компактный алгоритм самоорганизации с резервированием трендов, позволяющий резервировать, модели с максимальными степенями наблюдаемости;

• I скалярный алгоритм оценивания слабонаблюдаемой азимутальной скорости дрейфа инерциальной навигационной системы (ИНС);

• способ формирования сценария полета ЛА с учетом степеней управляемости компонент вектора состояния, позволяющий выделять интервалы наиболее благоприятные для совершения маневров.

Научная новизна.

Научная новизна проведенных исследований заключается в разработке структуры системы управления ЛА, проведенной в рамках концепции системного синтеза с использованием критерия степени управляемости, разработке численного критерия степени управляемости конкретной переменной состояния, формировании ансамбля критериев селекции алгоритма самоорганизации с резервированием трендов, позволяющем отбирать модели с максимальными степенями наблюдаемости, а также формировании измерений для скалярного алгоритма оценивания азимутальной скорости дрейфа ИНС, позволяющих повысить степень наблюдаемости исследуемого параметра.

Для исследований применялись методы математической статистики, теории самоорганизации, оптимального управления и оценивания, а также методы программирования и компьютерного моделирования: Общей методологической основой всех исследований является системный подход.

Предложен способ оптимизации параметров приведенных измерений скалярного алгоритма оценивания, позволяющий повысить степень наблюдаемости оцениваемых переменных состояния:

Достоверность полученных теоретических и практических результатов подтверждается четкими математическими выводами при построении моделей и алгоритмов, результатами математического моделирования, а также согласованностью полученных результатов с известными данными в этой области, опубликованными в печати.

Практическая ценность и реализация результатов работы.

Результаты математического моделирования продемонстрировали работоспособность и эффективность разработанных алгоритмовдостаточно высокая точность.

Разработанный способ системного синтеза с использованием численного критерия степени управляемости позволяет создать компактную систему управления современным ЛА. Алгоритмы самоорганизации с резервированием трендов с высокой степенью наблюдаемости и алгоритм оценивания слабонаблюдаемой азимутальной скорости дрейфа ИНС позволяют повысить точность определения исследуемых параметров и легко реализуемы в БЦВМ. Даны рекомендации по выбору динамических параметров ЛА для осуществления маневров и выделены интервалы с максимальными степенями управляемости каждого параметра, где целесообразно осуществление маневров по той или иной компоненте вектора состояния ЛА. Основной алгоритм управления ЛА остается без изменения, что является важным для серийных ЛА. Результаты диссертационной работы докладывались на конференциях и семинарах, в том числе на:

1) «ХУЛ Международная Интернет-Конференция Молодых Ученых и Студентов, по проблемам машинноведения МИКМУС-2005», г. Москва, 2005 г.;

2) «ХОТ Актуальные Проблемы Российской Космонавтики», г. Москва, 2006 г.;

3) «ХЫ1 Всероссийская конференция по проблемами математики, информатики, физики и химики», г. Москва, 2006 г.;

4) «УП международный сумпозиум интелекгуальные системы», г. Москва, 2006 г.;

5) «XXXII Актуальные Проблемы Российской Космонавтики», г. Москва, 2006 г.

По теме диссертационной работы опубликовано 9 печатных работ, 3 работы из них входят в список рекомендованных ВАК.

Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и приложения.

Выводы и заключения.

Современные и перспективные ЛА предполагают использование интелектуальных СУ или СУ с интелектуальной компонентой. На современном этапе реализовать ИСУ ЛА в полном объеме затруднительно, поэтому целесообразно для управления ЛА использовать СУ с интелектуальной компонентой.

На основе проведенного анализа наиболее перспективной СУ ЛА была выбрана ИСУ, построемая на основе теорифункциональных систем Анохина и метода самоорганизации.

Для современных ЛА в качестве интелектуальной компоненты (в исследуемом типе СУ) используется применением алгоритма самоорганизации для построения прогнозирующей модели.

Точность функционирования СУ с интелектуальной компонентой напрямую зависит от адекватности прогнозирующей модели. В практических приложениях время принятия решений системной управления обычно жестко ограничено. Поэтому часто приходится ограничиваться построением прогнозирующих трендов.

Управление высокоманевренными ЛА предполагает осуществление различных маневров. От современных ЛА требуется выполнение все более сложных меневров. Возможность осуществления этих маневров зависит от аэродинамических свойств ЛА, качественных характеристик систем управления. Повысить управляемость ЛА путем изменения его аэродинамических свойств требует серьезных конструктивных изменений, длительного времени и больших финансовых затрат. Увеличение управляемости за счет изменения параметров системы управления позволяет повысить качество серийных ЛА за короткое время без существенных финансовых затрат.

Управление ЛА осуществляется на основе информации с различных навигационных систем. Навигационные системы имеют погрешности, обусловленные особенностями их конструкций, влиянием внешней среды. Погрешности информационных сигналов, проникая в систему управления ЛА, вызывают ошибки управления. Ошибки управления ЛА приводят к увеличению потребления энергоресурсов при реализации заданного маршрута, увеличению времени пребывания в полете. Особенно опасно появление ошибок управления при маневрировании ЛА.

В связи с этим задача повышения точности навигационной информации является важной и актуальной задачей при управлении ЛА. Анализ точностных характеристик навигационных систем показал, что наиболее точными являются спутниковые системы и ИНС. Однако встречаются ситуации, когда погрешности этих систем достигают неприемлемых величин. Поэтому в практических приложениях навигационные системы комплексируют с другими датчиками навигационной информации.

Комплексирование навигационных систем обычно осуществляется с помощью разнообразных алгоритмов управления, оценивания и прогнозирования. Обработка информации навигационных систем посредством алгоритмов управления и оценивания предполагает наличие устойчивых выходных сигналов как минимум от двух измерительных систем. В процессе эксплуатации часто встречаются случаи, когда сигнал от одной из навигационных систем отсутствует на коротких интервалах времени. В этом случае необходимо использовать в качестве алгоритмического обеспечения алгоритмы прогноза. Для осуществления подобного прогноза часто используется априорная математическая модель. В практических приложениях априорная модель позволяет получить низкую точность прогноза, а часто вообще неадекватна исследуемому процессу.

Комплекс задач исследования сформулированы следующим образом. Необходимо разработать элементы алгоритмического обеспечения высокоманевренных ЛА, позволяющие повысить управляемость и наблюдаемость его параметров. Под элементами алгоритмического обеспечения понимаются алгоритмы управления ЛА, алгоритмы компенсации ошибок в определении навигационной информации и алгоритмы построения прогнозирующих моделей.

Поставленные задачи решены путем разработки алгоритмов обработки информации с использованием моделей, которые обладают высокой степенью наблюдаемости и управляемости.

Путем решения поставленных задач в значительной степени достигнута глобальная цель настоящей работы — повышение точности функционирования современных серийных высокоманевренных ЛА алгоритмическим путем.

Повышение точности функционирования ЛА путем применения в системе управления моделей с высокой степенью управляемости обеспечивается за счет осуществления маневров за более короткое время, на более благоприятных временных интервалах, требующих меньших энергетических затрат.

Повышение точности функционирования ЛА путем использования моделей с высокой степенью наблюдаемости осуществляется за счет повышения точности информационных сигналов, которые используются в системе управления ЛА. Наблюдаемые компоненты вектора состояния хоть и являются формально наблюдаемыми на практике не подвергаются обработке посредством алгоритмов оценивания, так как получить их оценку возможно лишь на достаточно больших интервалах функционирования системы. Поэтому целесообразно подразделять наблюдаемые компоненты вектора состояния системы на эффективно наблюдаемые, которые подлежат оцениванию, и слабонаблюдаемые компоненты. Помимо различия во временных интервалах, необходимых для удовлетворительного оценивания ошибок ИНС, различны и относительные погрешности оценивания по отношению к оцениваемому номиналу. В связи с этим встает вопрос о степени наблюдаемости различных ошибок ИНС.

Таким образом, анализ степеней управляемости и наблюдаемости параметров ЛА дает возможность сформировать математические модели, использование которых в системе управления ЛА позволяет эффективно осуществлять маневры, принять решение о целесообразности использования тех или иных приборов для определения интересующих параметров, а также выбрать оптимальные характеристики систем.

1. Одним из способов повышения управляемости ЛА является разработка высокоэффективной системы управления. Система управления ЛА осуществляет изменение его параметров в соответствие с выбранным алгоритмом, который реализует цель управления.

Предложен простой подход, который заключается в оптимизации параметров алгоритма управления с помощью критерия степени управляемости.

Определение степени управляемости с помощью предложенного критерия позволяет провести оптимизацию параметров Л А. Критерием оптимальности является максимум степени управляемости ЛА.

• !

2. В практических приложениях, как правило, конструктивные параметры ЛА жестко заданы. Поэтому оптимизации (в смысле критерия степени управляемости) подлежат динамические параметры ЛА. Даны рекомендации повыбору динамических параметров ЛА для совершения маневра: Основной алгоритм управление ЛА остается без изменения, что является важным для серийных ЛА.

3. Предложен численный критерий степени управляемости, который используется, в рамках концепции системного синтеза СУ для выбора, доминирующих параметров, а также в ансамбле критериев селекции алгоритма самоорганизации для построения моделей с высокой степенью управляемости.

4. Критерии степени наблюдаемости предложено использовать в алгоритмах оценивания и в ансамбле критериев селекции алгоритма самоорганизации для построения прогнозирующих моделей.

Реализация алгоритмов оценивания осуществляется в БЦВМ ЛА, поэтому к ним предъявляются специфические требования. Приведены способы сокращения вычислительных затрат, представлен скалярный алгоритм оценивания.

5. Предложен способ оптимизации параметров приведенных измерений скалярного алгоритма оценивания, позволяющий повысить степень наблюдаемости оцениваемых переменных состояния. Применение предложенного подхода продемонстрировано на примере оценивания слабонаблюдаемой азимутальной скорости дрейфа ГСП ИНС.

6. При функционировании ИНС предполагается, что автономному режиму работы предшествовал период работы системы в режиме коррекции от спутниковой системы. Для коррекции автономных ИНС используются прогнозирующие модели, построенные методом самоорганизации. Реализация алгоритма самоорганизации предполагается на борту динамического объекта. Обычно в качестве модели оптимальной сложности выбирается модель с меньшим числом аргументов при более простой опорной функции.

7. Редуцирование модели является одним из алгоритмических методов сокращения вычислительных затрат. При построении прогнозирующих моделей методом самоорганизации предложено проводить резервирование трендов на начальных рядах селекции. Селекцию резервируемых трендов предложено осуществлять с помощью критериев степени наблюдаемости и управляемости. Такая модификация алгоритмов самоорганизации позволяет сократить вычислительные затраты при реализации алгоритма в БЦВМ при изменении условий функционирования ЛА, повысить точность прогноза и формировать модели с высокими степенями наблюдаемости и управляемости СУ ЛА, которые лежат в основе концепции системного синтеза.

8. Результаты математического моделирования продемонстрировали работоспособность и эффективность разработанных алгоритмов. Полученные в диссертации научные результаты использованы в учебном процессе кафедры «Системы автоматического управления» МГТУ им. Н. Э. Баумана.