CC BY
59
жества КМ и с компонентом поддержки. При взаимодействии с компонентом поддержки, с одной стороны, учитывается, что владелец КМ является стандартным пользователем общего портала (login, пароль, личный профиль и т.д.), с другой, что он отвечает за конкретный конструктор моделей (или несколько) и, кроме того, может выступать в качестве разработчика нового конструктора моделей.
Компонент администрирования позволяет администратору помогать и контролировать работу среды разработки в целом и ее частей, всех пользователей, хранилищ информации и т.п. Администрирование компонента поддержки позволяет на высоком (прикладном) уровне следить за средой, пользователями, ресурсами, доступом. Администрирование базы данных осуществляет те же задачи, но на низком уровне (системном). Администрирование базы знаний позволяет контролировать целостность множества конструкторов моделей и непротиворечивость знаний . -делей. Его задача опубликование конструктора модели (видимость КМ разработ-) ( ) .
Интерфейс администратора предоставляет администратору графические средства для работы с компонентами поддержки и администрирования.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Драгныш Н.В. Требования к среде разработки сложных программных систем / Современные проблемы информатизации в моделировании и программировании: сб. трудов. Вып.11 / Под редакцией О.Я. Кравца. - Воронеж: Изд-во “Научная книга”, 2006.
2. Астанин С.В., Драгныш НМ. Базовые принципы построения среды проектирования сложных систем / Труды XI Всероссийской науч.-мет. конф. «Телематика-2004». - СПб, 2004. т.1.
3. Астанин С.В., Драгныш НМ. Математические основы построения среды проектирования сложных программных систем / Труды Международных научно-технических конференций “Интеллектуальные системы” (AIS’05) и “Интеллектуальные САПР” (CAD-2005). Научное издание в 4-х томах. - М.: ФИЗМАТЛИТ, 2005, т.4.
4. Драгныш НМ. Язык запросов среды разработки сложных программных систем / Современные проблемы информатизации в моделировании и программировании: сб. трудов. Вып.11 / Под редвкцией О.Я. Кравца. - Воронеж: Изд-во “Научная книга”, 2006.
В.В. Щербинин, ПЛ. Кравченко, Н.Ш. Хусаинов
МЕТОДОЛОГИЯ РАЗРАБОТКИ ИНФОРМАЦИОННОАЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПЕРСПЕКТИВНЫХ СИСТЕМ ОПРЕДЕЛЕНИЯ МЕСТОПОЛОЖЕНИЯ ЛА ПО ИНФОРМАЦИИ ОТ АВТОНОМНОЙ СИСТЕМЫ БЛИЖНЕЙ РАДИОНАВИГАЦИИ
К решению задач позиционирования современных летательных аппаратов ( ) , -деляют состав и структуру бортового пилотажно-навигационного комплекса ( ). -димой точности и надежности определения пилотажно-навигационных параметров, при условии выдерживания заданных ограничений на время подготовки системы к работе, массогабаритные характеристики, энергопотребление, вычисли, .
По критерию точности решения навигационной задачи навигационные комплексы могут быть условно разделены на ПНК высокой точности (используемые для обеспечения взлета, автоматического самолетовождения по маршруту и посад-
ки по 1-3 категориям ICAO), средней точности (обеспечивающие приемлемую точность самолетовождения для самолетов бизнес-класса, крылатых ракет и вертолетов при жестких ограничениях на массогабаритные характеристики, стоимость, время готовности и обеспечения навигации при высокой маневренности ЛА) и низкой точности (для легких самолетов и беспилотных или дистанционно-( ), ).
В соответствии с требованиями к радионавигационным системам, предъявляемым организацией ИКАО и приведенными в Межгосударственной радионавигационной программе стран-участниц СНГ, точности определения координат ЛА при выполнении полетов специального назначения (аэрофотосъемка, разведка и т.п.) и посадки ЛА составляют 1а=0,5-10м. Однако кроме точности решения навигационной задачи к системе навигации предъявляются следующие требования:
♦ доступность (готовность), мерой которой является вероятность работоспособности радионавигационных систем перед выполнением той или иной задачи и в процессе ее выполнения;
♦ целостность, мерой которой является вероятность выявления отказа в
, ;
♦ непрерывность обслуживания, мерой которой служит вероятность работоспособности системы в течение наиболее важных отрезков времени движения ЛА.
Спутниковые навигационные системы (СНС) типа NAVSTAR (GPS) и ГЛОНАСС признаны наиболее перспективными и экономически эффективными в большинстве авиационно-космических применений. Вместе с тем, по ряду причин и, прежде всего, из-за возможности кратковременной потери сигналов спутников (в том числе вследствие использования средств радиоэлектронного противодейст-), , системы не всегда могут обеспечить требуемый уровень надежности навигационных измерений по показателям целостности, доступности и непрерывности.
Решение данной проблемы применительно к пилотируемым ЛА (для посадки) возможно при использовании радионавигационных систем дальней навигации (СДРН) типа "Лоран", "Омега", "Чайка" и "Альфа" (анштоги американской системы "Лоран") и ближней навигации (СБРН) типа "ГРАС", "Крабик", а также систем посадки типа ИЛС (ILS) и MLS. Данный подход характеризуется высокой стоимостью получения информации о координатах ЛА, складывающейся из затрат на оборудование посадочных площадок, диспетчерского пункта, бортовой аппаратуры ЛА.
Для беспилотных ЛА (БИЛА) более экономически обоснован вариант ком-плексирования СНС и инерциальной навигационной системы (ИНС). В то же время в некоторых случаях невозможность коррекции координат БИЛА вследствие отмеченных выше недостатков спутниковых навигационных систем может иметь катастрофические последствия (например, при большой ошибке наведения на цель крылатой ракеты или авиабомбы). Поэтому актуальной является разработка авто-
( ),
( ), -ределять координаты ЛА с достаточной точностью, характеризуясь при этом высокой надежностью и низкой стоимостью. Возможность коррекции координат по информации от АСБРН на завершающем участке движения ЛА представляет несомненный интерес не только для повышения точности наведения средств поражения, но и для решения "гражданских" задач, связанных с предотвращением сти-, , -
толетов на малооборудованные и необорудованные взлетные полосы, обеспечения судоходства, а также решения ряда других задач.
Целью определения и коррекции координат ЛА на завершающем участке траектории является повышение точности его наведения на точку касания с поверхностью земли ТО (точку цели). Автономная бесплатформенная инерциальная навигационная система (БИНС) обеспечивает вывод ЛА в точку (область) первого контакта с группой радиомаяков (РМ) с определенной точностью. В момент прохождения этой точки включается автономная система коррекции траектории движения по данным, получаемым от установленных датчиков (радиомаяков, РМ). Продолжительность работы системы коррекции, заключающейся в реализации однократного или многократных контактов (периодического измерения расстояний от ЛА ), . осуществляется коррекция траектории его движения для обеспечения максимальной точности попадания в цель. По окончании каждого из контактов с маяками движение ЛА вновь происходит под управлением БИНС.
-
посадки приведен на рис.1.
Рис.1. Состав пилотажно-навигационного комплекса
Одной из проблем, стоящих при разработке ПНК, является организация рационального взаимодействия входящих в его состав навигационных подсистем, в частности разработка методов и алгоритмов коррекции БИНС по информации от АСБРН. Можно выделить, например, следующие возможные варианты использования этой информации:
1. Периодический "сброс" (обнуление) ошибок ИНС в вычислении составляющих положения и скорости ракеты, например, с использованием компенсации рассогласования фактической и заданной траекторий движения ЛА.
2. Оценивание на основе информации от АСБРН всех основных параметров, характеризующих ошибки ИНС, и использование полученных оценок для динамической компенсации ошибок в пределах интервала автономности. Введение попра-
вок целесообразно осуществлять не физически (с помощью прецессии гироскопов и т.д.), а математическим путем в вычислителе ИНС. В этом случае, если оказывается возможным оценить эти параметры, адекватность модели ошибок ИНС реальным процессам позволяет получить более высокую точность функционирования ИНС в промежутках между коррекциями. Заметим, что в данном случае смысл коррекции сводится к операциям, аналогичным начальной выставке ИНС.
При выборе схемы взаимодействия подсистем в ПНК ЛА необходимо учитывать требования по обеспечению высокой точности, помехозащищенности и надежности. Анализ показывает, что наиболее полно указанным требованиям удовлетворяет второй вариант комплексирования навигационных подсистем, обеспечивающий более высокую точность.
, -алгоритмического обеспечения АСБРН, являются:
1)
конкретной местности;
2) -групп маяков и алгоритмов решения навигационной задачи с точки зрения сле-:
♦ обеспечение максимально возможной точности определения координат (X, У, 7) ЛА в точках контакта;
♦ возможность решения навигацио нной задачи с максимальными показателями надежности и достоверности при минимальных требованиях к
( );
3) подготовка полетного задания;
4) (
);
5) возможность автономного автоматического выбора другой субоптималь-ной подгруппы маяков и алгоритма решения навигационной задачи при обнаруже-
( );
6) управление движением ЛА на завершающем участке траектории с компенсацией вычисленного отклонения ЛА по результатам коррекции.
В соответствии с поставленными задачами и требованиями можно разделить структуру АСБРН на две части со следующими решаемыми задачами, требованиями и ограничениями:
Наземная часть АСБРН ("земля"). Выполняет решение задач № 1-3. Работа наземной части возможна в автоматизированном режиме (с участием операто-).
маяков с учетом оценок ошибок их позиционирования и измерения расстояний, моделирование работы бортовой системы навигации и наведения ЛА и оценка вероятностных точностных характеристик решения навигационной задачи. Функционирование программного обеспечения наземной части АСБРН предполагается при наличии достаточных вычислительных ресурсов в масштабе времени, опреде-
( ).
работы наземной части АСБРН являются статистические оценки ошибок навигации в рассматриваемых зонах коррекции, по величине которых может быть принято решение на запуск ЛА, выбрана боевая часть (дая систем поражения) и т.п. В случае принятия решения на пуск беспилотного ЛА наземная часть АСБРН гене-
( ).
Бортовая часть АСБРН ("борт"). Выполняет решение задач № 4-6. Работа выполняется в автономном и автоматическом режиме. Задачами функционирова-
" " , " " ,
решение навигационной задачи (с учетом возможных "отказов") и коррекция координат ЛА по результатам решения. Функционирование программного обеспечения бортовой части АСБРН осуществляется в режиме жесткого реального времени в условиях ограниченности вычислительных ресурсов. Основными функциональными модулями бортовой части АСБРН являются модуль решения навигационной задачи и модуль управления движением ЛА.
Точностные характеристики наведения ЛА оцениваются по рассеиванию точек касания ЛА на поверхности земли. В рамках рассматриваемой в данной работе модели функционирования АСБРН итоговая ошибка наведения складывается из
:
)
участке автономного управления движением по сигналам БИНС, вызванные погрешностями при интегрировании координат ЛА и не учитываемыми (или трудно ) ,
;
) -
ционном модуле вследствие погрешностей привязки РМ относительно расчетной точки касания земли и ошибок измерения расстояний от ЛА до группы РМ в точке
;
в) ошибки системы автоматического управления (САУ) ЛА (поскольку система наведения ЛА не имеет установившихся состояний вследствие постоянно действующего входного воздействия, обусловленного продольным движением ЛА, то ошибки управления складываются из динамических ошибок при отработке про).
В рамках разрабатываемых моделей не рассматриваются инструментальные ошибки и случайные помехи, поскольку их величины связаны с характеристиками конкретных бортовых измерительных и вычислительных устройств.
С учетом приведенных выше рассуждений фактическая ошибка наведения ЛА в рамках данного отчета будет формироваться на основе двух составляющих ошибок:
♦ ошибки решения навигационной задачи в модели бортового навигаци-
;
♦ динамические ошибки САУ ЛА.
В рамках проведенных исследований рассмотрены и проанализированы известные прямые и итерационные алгоритмы решения навигационной задачи. Выполнен анализ возможных областей их неработоспособности и предложен ряд новых модифицированных алгоритмов решения навигационной задачи, нацеленных, - , -ми, и, во-вторых, на снижение трудоемкости итерационных алгоритмов.
Исходными данными для алгоритмов вычисления координат ЛА являются:
♦ количество маяков, которые используются в алгоритме расчета;
♦ координаты маяков в локальной системе координат (ЛСК) (при проведении экспериментальных исследований предполагалось, что центр
( ), , , применяемый в алгоритмах способ расчета координат ЛА относительно ( ),
);
♦ измеренные расстояния Д- от каждого маяка до ЛА (в процессе движе-
).
Результатами расчета являются координаты (Х,У,7) ЛА в ЛСК.
При выполнении работ по созданию информационно-адгоритмического обеспечения АСБРН рассмотрены, программно реализованы и экспериментально исследованы (с использованием компьютерных моделей и статистического модели) .
1) , уравнений или на анализе взаимного расположения в пространстве прямых, соединяющих ЛА и каждый из РМ. Данный класс алгоритмов ориентирован на использование дальностей до трех РМ (в этом случае возможна неоднозначность решения по одной из координат, которая может быть устранена, например, за счет исполь-) ( -). , на повышение точности решения навигационной задачи, для некоторых "экстремальных" ситуаций (расположение маяков вблизи одной линии или одной плоскости, низкая высота ЛА относительно группы РМ и т.п.).
2) , использования для вычисления координат ЛА дальностей одновременно до всех "дос^пных" РМ, что в ряде случаев позволяет повысить точность определения координат ЛА за счет дополнительного повышения трудоемкости вычислений ( ).
3) .
построения для заданного расположения радиомаяков для всех возможных мест нахождения ЛА в некоторой области решений функции (X, У, 7) = ^(Дь Д2, ..., Д). По измерениям дальностей от ЛА до радиомаяков однозначно определяются координаты ЛА в ЛСК. Существует несколько способов построения прямой решающей функции, основными из которых являются корреляционно-экстремальный и с ис. -ваниями к вычислительным ресурсам и объемам памяти вычислителя, либо длительной процедурой обучения нейросети, поэтому их реализация в реальном масштабе времени возможна только при их аппаратной реализации на базе спецвы-.
Как показали исследования, сложность конфигурации радиомаяков и ее влияние на точность решения навигационной задачи, особенно в условиях избыточной , -лиза конфигурации аналитическими методами. В этом случае единственно возможным вариантом анализа конфигурации РМ, оценки точности решения навига-,
является статистическое моделирование.
Разработано программное обеспечение, позволяющее выполнять моделирование работы наземной и бортовой частей АСБРН, управление движением ЛА на завершающем участке траектории с коррекцией координат, а также визуализировать результаты точностных оценок определения координат ЛА на базе рассмот-.
По результатам исследований отмечено, что на точность решения навигационной задачи количество радиомаяков влияет в меньшей степени, чем их конфигурация, например, точность решения навигационной задачи при 9 маяках, расположенных практически на одной прямой, будет ниже, чем при 3 маяках, расположенных в углах равностороннего треугольника. Возможность повышения точности вычисления координат ЛА при увеличении избыточности связано, в первую очередь, с вероятностью появления более "удобных" конфигураций подгрупп маяков, которые и должны выбираться для решения навигационной задачи.
Предложенная методика решения навигационной задачи, основанная на возможностях независимого вычисления каждой из координат ЛА, выборе оптимальных подгрупп радиомаяков и алгоритмов для каждой из областей коррекции, позволила получить по результатам моделирования точностные характеристики, соответствующие требованиям определения координат для современных беспилотных маневренных ЛА при выполнении требований по надежности, доступности и непрерывности функционирования АСБРН.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Управление и наведение беспилотных летательных аппаратов на основе современных информационных технологий / Под редакцией М.Н.Красилыцикова и Г.Г.Серебрякова -М.: ФИЗМАТЛИТ, 2005.
2. Глобальная спутниковая радионавигационная система ГЛОНАСС / Под редакцией В.Н.Харисова, А.И.Перова, В.А.Болдина. - М.: ИПРЖР, 1999.
3. Яценков B.C. Основы спутниковой навигации. Системы GPS NAVSTAR и ГЛОНАСС. -М.: Горячая линия-Телеком, 2005.
4. Основы теории систем управления высокоточных ракетных комплексов Сухопутных войск / Б.Г.Гурский, М.А.Лющанов, Э.П.Спирин; Под редакцией В.Л.Солунина. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2001.
Dina Yu. Vishnyakova1 ADAPTIVE RESONANCE THEORY
Computational intelligence models or learning algorithms for data mining have traditionally focused on classification accuracy as a measure of their efficiency. An algorithm that tests with a higher percentage of correctly classified instances is deemed better suited than another to the bias of the application domain. The use of this measure is appropriate in some application domain e.g. pattern recognition where predictive accuracy is the main is the main focus. However in data mining it is very important to understand the underlying decision making process of the computational intelligence models.
This theory passed three stages of evolution: ART1, ART2 and ART3. ART1 model is connected with the binary input signals; ART2 model is for the case with the continuous signal and ART3 theory allows considering actions of global factors.
ART1 - model of neural network, which realizes adaptive resonance theory approaches and consist of two layers F1 and F2/ Input information (in binary mode) enter F1 layer. Neurons of this layer activated and depending on values of initialization status, threshold function determines output value of each neuron, passed through direct couplings on the input of the neurons’ layer F2. Herewith, summary of the corresponding neurons’ output values of the layer F1 balanced by weights of couplings enters on the input of each neuron of the F2 layer. After the neurons initialization of the F2 layer, neuron - winner is determined which has maximal value of the initialization status. Its output value is delivering through the neurons’ feedback couplings of the F1 layer. This output weighted by the weight of the feedback couplings, it transforms into neurons of the F1 layer initialization status. Threshold function determines output values of these neurons as the output of Neural Network.
Neural Network learns is self-teaching by learning examples for several periods with a help of weights changing of couplings depending on power of the level achieve-
1 master student of "Information and Media Technologies"Technical University Hamburg Har-burg [email protected]
