страница 10. Сборник тезисов докладов
 Скачать 3.87 Mb.
|
|
g F и нечеткой модели GF ,g G . В силу этого оператор P F может быть рассмотрен уже не как оператор в пространстве изображений, а как оператор в пространстве мозаичных форм. В такой схеме нечеткая мозаичная модель G F автоматически возникает как проекция мозаичной модели на другую четкую мозаичную модель: GF = P F G G F = P F G. Это стало формально возможно в связи с тем, что мы описали саму мозаичную модель G как векторное изображение (двумерную векторную карту) G . Этот прием позволяет построить диффузную версию стандартных инструментов морфологии Пытьева, предназначенных для сравнения уже не изображения с формой, а мозаичных форм между собой: - карту морфологических отличий между мозаичными формами G F = G – P F G = G (x,y) – GF (x,y), (2) - морфологическое квазирасстояние между формами d M (G,F) = || G – P F G || = || G (x,y) – GF (x,y) ||, - морфологический коэффициент корреляции форм (МККФ): K M (G,F) = || P F G || / || G || = || GF (x,y) || / || G (x,y) ||. (3) Более, того, подставив (1) в (3), можно получить явное выражение для K M (G,F) через ресурсные параметры S ij (площади областей пересечения для областей разбиения F i и G j ): K M 2 (G,F) = || GF (x,y) || 2 / || G (x,y) || 2 = = j=1,..,m i=1,..,n S ij 2 / (S S Fi ) = j=1,..,m i=1,..,n p ij 2 / p Fi , (4) 113 где p ij = S ij / S, p Fi = S Fi / S. Заметим, что выражение (4) было ранее получено нами из совершенно иных соображений – на основе статистического усреднения проецируемых изображений [2, 3]. Тогда было предложено называть среднеквадратичным эффективным коэффициентом морфологической корреляции (СКМК) форм F и G корень из отношения среднего квадрата нормы проекции изображения из F на форму G к среднему квадрату нормы проецируемого изображения. Формула для СКМК, выведенная в предположении о взаимной независимости и нормальном распределении яркостей областей на G, оказалась в точности такой же, как полученное нами здесь выражение для МККФ (4). Практически полезно может быть также вместо (2) использовать карту размаха морфологических отличий между мозаичными формами |G| F = ( G (x,y), G (x,y)) – ( GF (x,y), GF (x,y)) = 1 – ( GF (x,y), GF (x,y), вид которой схож с картой размаха морфологических отличий вида |g| F = |g(x,y) – P F g(x,y)|. Чем сильнее отличается G (x,y) от GF (x,y) в точке (x,y), тем больше скалярное значение |G| F в этой точке. Для мозаичных форм это приводит к «подсвечиванию» тех областей G, форма которых сильно не совпадает с формой соответствующих областей из F. Работа выполнена при поддержке гранта РФФИ 18-07-0127-а. ЛИТЕРАТУРА 1. Пытьев Ю.П., Чуличков А.И. Методы морфологического анализа изображений. М.: Физматлит, 2010. 336 с. 2. Vizilter, Y. V. and Zheltov, S. Y.: Geometrical Correlation and Matching of 2D Image Shapes, ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., I-3, 191- 196, doi:10.5194/isprsannals-I-3-191-2012, 2012. 3. Визильтер Ю.В., Выголов О.В., Рубис А.Ю. Экспериментальное исследование морфологических методов сравнения форм изображений в задачах комплексирования многоспектральной видеоинформации // Вестник компьютерных и информационных технологий, N8, 2013, с.3-9. СПОСОБ ОБНАРУЖЕНИЯ И КЛАССИФИКАЦИИ МАЛОГАБАРИТНЫХ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ К. Д. Ермошин (ЗАО «МНИТИ») Малогабаритные беспилотные летательные аппараты (БЛА) (например, квадрокоптеры), с развитием технологий, стали доступны на массовом рынке. Такие аппараты могут служить как благим целям (исследование недоступных 114 участков местности), так и предоставлять опасность (столкновение с самолетом при его взлете или заходе на посадку). В этой связи предлагается способ автоматического обнаружения и классификации БЛА на изображение, формируемого многоканальной телевизионной (ТВ) системой. Процесс обнаружения объекта разбит на насколько этапов: 1. На основе порогового преобразования принимается решение об использование на следующем этапе либо исходного ТВ изображения, либо разностного изображения текущего и предыдущего кадров. 2. Посредством детектора границ Кенни определяется область изображения, в которой находится объект для классификации. Область ТВ изображения с шириной и длиной, превышающей 140 пикселей, классифицируется сверточной нейронной сетью. Нейронная сеть содержит 4 сверточных слоя и 2 полносвязных слоя. Классифицируются следующие виды БЛА: DJI Inspire, DJI Phantom или неопознанный БЛА. Набор из 53 изображений каждого вида БЛА использовался для тренировки нейронной сети. Тестовый набор состоял из 10 изображений для каждого вида БЛА. В итоге достигнута точность порядка 95% для тренировочного и тестового наборов данных. По результатам полунатурных испытаний на процессоре Intel Core i7-7700 получены следующие результаты времени выполнения анализа: обнаружение объекта – около 30 миллисекунд; классификация обнаруженного объекта – около 120 миллисекунд. Предложенный способ обнаружения объекта, используя детектор границ Кенни, и его классификации с помощью сверточной нейронной сети может быть использован в интеллектуальной системе визуального наблюдения. ВОЗДЕЙСТВИЕ ПОМЕХ НА ПРИЕМНОЕ УСТРОЙСТВО С ПОЛЯРИЗАЦИОННОЙ СЕЛЕКЦИЕЙ СИГНАЛОВ П.В. Аникин, А.В. Власюк, Д.Н. Яманов (ФГБОУ ВО «МГТУ ГА») Одним из путей решения проблемы энергетической эффективности систем передачи данных, является использование поляризационно- манипулированных сигналов с непрерывным изменением параметров поляризации (ПМН) и методов их поляризационно-временной обработки [1]. Приемным устройством с поляризационной селекцией сигналов в данном случае является двухканальный поляризационный селектор [2]. Селекция ПМН сигналов поляризационным приемником осуществляется в самом приемном устройстве. На вход такого приемника поступают все сигналы, лежащие в полосе приема. Избирательность полезного сигнала 115 осуществляется оптимизацией параметров двухканального поляризационного селектора. Поляризационными помехами являются такие, которые снижают возможности поляризационной селекции сигналов. Поляризационными помехами следует считать: - помехи от посторонних передатчиков, работающих на различных видах поляризации электромагнитных волн (ЭМВ); - помехи за счет деполяризации ЭМВ, вызванные препятствием на пути их распространения; - помехи атмосферного и космического происхождения. Для выяснения характера воздействия поляризационных помех на приемное устройство проведено математическое моделирование. Эффективность воздействия оценивалась с помощью поляризационного коэффициента приема [2]. Результаты работы использованы в процессе синтеза оптимальных приемников ПМН сигналов, работающих в сложной помеховой обстановке. ЛИТЕРАТУРА 1. Яманов Д.Н., Жаворонков С.С. Энергетическая эффективность поляризационно-манипулированных сигналов с непрерывным изменением параметров поляризации // Наукоемкие технологии. 2010. №8. Т.11. с.16-19 2. Гусев К.Г., Филатов А.Д., Сополев А.П. Поляризационная модуляция.- М: Сов.радио, 1974, С 288 116 Секция «ОПЕРАЦИОННОЕ МОДЕЛИРОВАНИЕ ФУНКЦИОНИРОВАНИЯ АВИАЦИОННЫХ СИСТЕМ» МЕТОД РЕШЕНИЯ ЗАДАЧИ ВЫБОРА МЕСТ СТОЯНОК НА АЭРОДРОМЕ С УЧЕТОМ БУКСИРОВОК И КОНФЛИКТНОСТИ МАРШРУТОВ ДВИЖЕНИЯ А.В.Петрова ( ФГУП «ГосНИИАС») Эффективное использование ресурсов, в том числе мест стоянок, играет важную роль для нормального функционирования аэродрома. Решение этой задачи экспертным путём затруднено на крупных аэродромов, целесообразно использовать для её решения методы имитационного моделирования. В настоящей работе предлагается метод расстановки воздушных судов (ВС) по местам стоянок на аэродроме на этапе суточного планирования [1, 2]. При расстановке учитываются условия приоритетности мест стоянок для каждой группы ВС, снижение числа буксировок, а также учёт конфликтности маршрутов на перроне. Рассматривается метод разделения мест стоянок на группы по конфликтности маршрутов к ним с использованием алгоритмов кластеризации. Рассматриваемые методы реализованы в составе Комплекса Имитационного Моделирования Организации Воздушного Движения (КИМ ОрВД) [3, 4]. ЛИТЕРАТУРА 1. Егоркина А.В., Вересов К.А. Оптимизация назначения диспетчерскими службами аэродрома мест стоянок прибывающему потоку воздушных судов в составе исследовательского стенда КИС УВД. // Сборник тезисов докладов научно-технической конференции «Авиационные системы в ХХI веке». –М: ГосНИИАС, 2016, с.263 2. Егоркина А.В., Вересов К.А. Метод оптимизации расстановки воздушных судов по местам стоянок на поверхности аэродрома и его реализация в рамках Комплексного Исследовательского Стенда. // Труды ГосНИИАС. Вопросы Авионики. –М: ГосНИИАС, 2018, с.54-64. 3. Егоркина А.В., Вересов К.А. Модель регулирования движения воздушных судов на поверхности аэродрома. // Сборник тезисов докладов научно-технической конференции «Моделирование авиационных систем». –М: ГосНИИАС, 2018, с.199. 4. Вишнякова Л.В., Дегтярев О.В., Попов А.С. Комплекс имитационного моделирования организации воздушного движения (КИМ ОрВД) // Всероссийская научно-практическая конференция по имитационному моделированию социально-экономических систем (ВКИМСЭС). ГОУ ВПО ВЗФЭИ. Труды конференции 15 мая 2012 г., Москва: ОО «Принт-Сервис», 2012. – с.59-67. 117 ОСОБЕННОСТИ ПОСТРОЕНИЯ ГРАФА СЕТИ ЛИНИЙ РУЛЕНИЯ (ASRN) ПРИ СОЗДАНИИ ЦИФРОВОЙ МОДЕЛИ АЭРОДРОМА И.В. Новомлинский, В.А.Топин (ФГУП «ГосНИИАС») Проектирование аэродромов является сложным процессом, одной из составляющих которого должно являться создание информационной цифровой модели аэродрома. Одним из методов оценки эффективности проекта является математическое моделирование, которое может использоваться как для апробации новых технических решений, так и для оценки инфраструктуры. Моделирование основано на имитации движения воздушных судов и наземных транспортных средств по поверхности аэродрома. Одним из этапов создания имитационной модели аэродрома является построение цифровой модели. Она представлена набором из нескольких десятков классов объектов, содержащих различные элементы аэродрома, каждый из которых имеет пространственные и семантические характеристики. Часть объектов может быть использована для задач построения маршрута. Построение маршрута является важной частью моделирования движения воздушных судов и требует обеспечения связанности данных, что, в свою очередь, может быть решено с использованием графа сети линий руления Aerodrome Surface Routing Networks (ASRN). ASRN представляет собой связанную сеть, определяемую характеристиками узлов и рёбер, и поддерживающую функции построения маршрутов руления, а также другие приложения, которые повышают ситуационную осведомленность, безопасность и производительность операций. При создании графа ASRN в качестве входных данных подаются элементы разных классов объектов: линии руления на РД, линии руления на стоянках, элементы РД и др. Эти данные обрабатываются в соответствии с требованиями стандартов RTCA DO-272D и DO-291C, и на выходе получается связанный граф в виде набора узлов и дуг. Ввиду того, что процесс генерации может быть осложнён ошибками в исходных данных, а стандарт допускает различную интерпретацию, для получения требуемого результата используются специальные алгоритмы. В докладе будет изложен подход к генерации графа ASRN, проблемы, возникшие в процессе разработки, результаты, получаемые при использовании графа для задач моделирования, так же будут рассмотрены вопросы валидации графа и произведённая работа в области построения единого валидатора для графа ASRN. ЛИТЕРАТУРА 1. User Requirements for Aerodrome Mapping Information, RTCA DO-272D September 22, 2015 2. В.Б. Борзов, К.А. Вересов. Оптимизация правил использования маршрутной сети на аэродроме с использованием генетических алгоритмов. 118 III Всероссийская научно-техническая конференция "МОДЕЛИРОВАНИЕ АВИАЦИОННЫХ СИСТЕМ" Сборник тезисов докладов. 2018 год, Москва 119 ПОСТАНОВКА ЗАДАЧИ МОДЕЛИРОВАНИЯ НАВИГАЦИОННЫХ ПОГРЕШНОСТЕЙ ПРИ ВЫПОЛНЕНИИ ПОЛЕТОВ В РАЙОНЕ АЭРОДРОМА А. Э. Файзрахманов, Ю. В.Обухов (ФГУП «ГосНИИАС») Безопасность и экономичность полетов в значительной степени зависят от качества навигации ВС, одной из важнейших характеристик которой является точность. Во время полёта экипаж пользуется различными геотехническими и радиотехническими средствами. Эти средства также широко используются в качестве датчиков навигационной информации в автоматизированных и неавтоматизированных навигационных комплексах всех самолетов и вертолетов. Геотехнические средства можно упрощенно разделить на курсовые приборы и системы, приборы и системы для измерения физических параметров воздушной среды, инерциальные системы. Радиотехнические средства, в свою очередь упрощенно делятся на радиовысотомеры, радиомаяки, радиокомпасы, радионавигационные системы. У каждой из этих систем имеются свои инструментальные и методические погрешности. При выполнении полетов в зоне аэродрома происходит интенсивное маневрирование воздушных судов, поэтому одной из важнейших навигационных характеристик ВС в этой зоне является точность определения высоты полета. Статистика по авиационным происшествиям с самолетами коммерческой авиации за 2001-2018 гг. показывает, что 28% таких событий относятся к таким типам как «столкновение с землей в управляемом полете», «недолет/перелет», «столкновение с препятствиями в зоне взлета/посадки», которые так или иначе связаны с неправильным определением высоты полета. Актуальными проблемами в России остаются: применение стандарта QFE при заходе на посадку, что отличается от общепринятой нормы захода по QNH, а также отсутствие информации о местах и высотах линий электропередач, опасных для полетов. Таким образом, при проведении исследований эффективности и безопасности полетов с применением математического моделирования, актуальной является задача по моделированию рисков, связанных с определением высоты полета. ЛИТЕРАТУРА 1. Кузьмин Н.А. Воздушная навигация и аэронавигационное обеспечение полетов: Курс лекций: учеб. пособие. В 2 ч. Ч.1 / Н.А. Кузьмин. – Ульяновск: УВАУ ГА, 2004. – 111 с. 2. Анализ состояния безопасности полетов в гражданской авиации Российской Федерации в 2018 году, Федеральное агентство воздушного транспорта, Москва, 2019. 120 3. Обухов Ю.В., Вишнякова Л.В. Решение задачи оценки безопасности полетов с помощью метода имитационного моделирования // Изв. РАН. ТиСУ, №6, 2018. 121 МОДЕЛЬ РЕГУЛИРОВАНИЯ ПОТОКОВ ВОЗДУШНОГО ДВИЖЕНИЯ НА ЭТАПЕ ТАКТИЧЕСКОГО ПЛАНИРОВАНИЯ В.М. Пименов, А.С. Попов (ФГУП «ГосНИИАС») Централизованное планирование использования воздушного (ИВП) пространства является одной из составляющих системы организации воздушного движения (ОрВД). Процесс планирования начинается за полгода до выполнения полетов и заканчивается примерно за час до входа воздушного судна (ВС) в рассматриваемую область ВП. В то же время процесс обслуживания воздушного движения – диспетчерское управление начинается примерно за 5-20 минут до влета в сектор управления воздушного движения (ВД), когда диспетчер процедурного контроля начинает процедуру согласования условий входа ВС в сектор управления воздушным движением (УВД). Таким образом, возникает временной промежуток от 15 минут до часа до входа ВС в рассматриваемое воздушное пространство, когда централизованное планирование заканчивается, а до согласования условий входа в подконтрольное диспетчеру воздушное пространство (ВП) ещё есть время. В этот период времени возможно применение краткосрочных мер регулирования ВД для обеспечения соответствия интенсивности ВД и нормативов пропускной способности, а также снижения издержек для пользователей воздушного пространства, вызванных регулированием [1]. Например, специалистами из компании «Sopra-Steriа» предложено ввести дополнительную диспетчерскую позицию [2], контролирующую бо́льшее ВП, чем сектор диспетчерского управления, но сконцентрированную на применении мер по регулированию ВД для снижения загруженности и минимизации отклонения ВС от эффективной траектории полета. Применимыми в таких случаях мерами являются: задержка рейса в аэропорту вылета, регулирование скоростью, изменение эшелона полета, назначение зоны ожидания или орбиты и ремаршрутизация ВС. Данная работа посвящена разработке алгоритма расчёта загруженности диспетчерских пунктов с учетом скользящего временного окна и алгоритма регулирования потоков ВД с учетом НПС секторов УВД ИВП. Предложен новый критерий для оценки и сравнения загруженности ВП. Как мера регулирования ВД в алгоритме используется задержка рейсов в аэропорту вылета. , В дальнейшем планируется применение других методов регулирования. Выполнены программная реализация и моделирование разработанных алгоритмов в составе одной из компонент комплекса имитационного моделирования системы организации воздушного движения (КИМ ОрВД) - ПС «Исследование ОрВД». Результаты работы могут быть использованы при тактическом планировании ИВП. ЛИТЕРАТУРА 122 1. Габейдулин Р.Х. Задача динамического регулирования потоков воздушного движения задержками вылетов воздушных судов. Труды ГосНИИАС. Серия: Вопросы авионики. 2018. № 2 (35). С. 39-53. 2. Nicolas L.B. Airspace Complexity implementation for an Extended ATC Planner — 2015 г. |