страница 10. Сборник тезисов докладов
 Скачать 3.87 Mb.
|
|
x u u Ku x Q x x P x , (4) т у ( ) ( ) ( ) t t t x x x (5) Здесь t – текущее время; т x и у x – n -мерные векторы требуемых и фактических координат состояния; у F и т F – матрицы внутренних связей процессов (1) и (2); у B и т B – матрицы усиления управляющих воздействий u и v ; K – положительно определенная матрица штрафов за величину сигналов управления, Q и P – неотрицательно определенные матрицы штрафов за ошибки слежения (5), причем матрица P задает вес биквадратных слагаемых 2 x P x Приведен пример синтеза САС по угловым координатам, позволяющий для типового привода антенны сформировать нелинейный сигнал управления 3 2 2 3 у 1 2 3 4 5 6 u K K K K K K , (6) в котором и – ошибки сопровождения по углу и угловой скорости, а i K ( 1,...,6) i – весовые коэффициенты, определяемые штрафами матриц Q и P Приведены результаты исследования процедур сопровождения с использованием (6) и его упрощенных модификаций воздушных объектов, движущихся по сложным траекториям со сменой знаков производных дальности и углов и результаты сравнения с типовыми вариантами САС. Работа выполнена при поддержке РФФИ (грант № 19-08-00060). МЕТОДЫ И АЛГОРИТМЫ СИНТЕЗА НЕСТАЦИОНАРНЫХ МЕТОДОВ САМОНАВЕДЕНИЯ В.И. Меркулов, Д.А. Миляков (АО «Концерн радиостроения «Вега») Рассмотрены нестационарные методы наведения летательных аппаратов, более полно соответствующие требованиям современного воздушно- космического противоборства, в том числе и с участием сверхманевренных и гиперзвуковых летательных аппаратов. При этом под нестационарными понимаются методы, коэффициенты передачи ошибок управления в которых изменяются либо в зависимости от начальных условий применения, либо в процессе перехвата. Нестационарные методы, полученные на основе статистической теории оптимального управления были сгруппированы по четырем направлениям, обеспечивающим: – адаптацию коэффициентов передачи к начальным условиям применения; 140 – автоматическое перераспределение приоритетов управления от устранения угловых ошибок на начальном участке к устранению линейных промахов на конечном; – учет несоответствия динамических свойств цели и перехватчика; – формирование управляющих сигналов с нелинейной зависимостью от ошибок управления. По каждому направлению приведены конкретные методы наведения и проведен их анализ. Работа выполнена при поддержке РФФИ (грант № 19-08-00060). 141 ВЫДЕЛЕНИЕ ХАРАКТЕРНЫХ ПРИЗНАКОВ НА ИЗОБРАЖЕНИЯХ СТАЦИОНАРНЫХ МНОГООБЪЕКТНЫХ НАЗЕМНЫХ СЦЕН С ИСПОЛЬЗОВАНИЕМ ГРАДИЕНТНЫХ МЕТОДОВ В.В. Инсаров, С.В. Тихонова (ФГУП «ГосНИИАС») Изображения многообъектных наземных сцен характеризуются большим количеством прямолинейных паттернов. Это и границы дорожного покрытия, и дорожная разметка, и ребра многих зданий. Здесь под «паттерном» будем понимать группу пикселей на изображении, обладающих схожими свойствами (например, одинаковым направлением градиента). Под «прямолинейным паттерном» будем понимать группу пикселей на изображении, обладающих схожими свойствами и расположенных таким образом, что они с достаточной точностью могут быть аппроксимированы одной прямой. При этом пиксели исходного изображения, формирующие паттерн, не должны обязательно «контактировать» друг с другом. Так, например, верхние и нижние границы окон одного этажа здания или боковые границы окон, расположенных друг над другом, часто хорошо аппроксимируются едиными прямыми линиями. Более того, они должны быть аппроксимированы одной прямой – таково свойство данных объектов в физическом мире (рис.1). Рис.1 Для выделения (сегментации) прямолинейных паттернов удобно перейти из пространства изображения (i, j) в пространство признаков ( , ), где , – параметры прямой, с помощью которой может быть аппроксимирован соответствующий паттерн (уравнение прямой записано в виде = x cos + y sin ). Таким образом, группе точек в пространстве изображения ставится в соответствие одна точка в пространстве признаков. Пространство признаков ( , ) иногда называют «пространством Хафа», а переход из пространства (i, j) в пространство ( , ) – преобразованием Хафа (ПХ). В данной работе предлагается использовать информацию о направлениях градиентов яркостей в точках, формирующих паттерны. Т.е. каждая точка паттерна голосует только за прямые, угол наклона которых соответствует направлению градиента яркостей в этой точке. Кроме того, принимается положение о том, что через одну точку может проходить только одна прямая. Предлагаемый порядок действий: 142 1. Выделение на исходном изображении точек, в которых градиент яркости превышает заданный порог. Формирование списка характерных точек с указанием направления градиента яркости в каждой точке. 2. Переход в пространство ( , ). Вычисление параметров прямых, проходящих через каждую точку. 3. Сегментация в пространстве ( , ). Выделение групп точек с близкими значениями параметров ( , ). 4. Выделение в пространстве (i, j) групп точек в соответствии с результатами сегментации, проведённой на шаге 3. Уточнение параметров прямой, аппроксимирующей каждую группу точек пространства (i, j), выделенную на шаге 4 (например, по методу наименьших квадратов). Работа со списками характерных точек и использование информации о направлении градиента в каждой такой точке позволяют значительно ускорить процедуру «голосования» по сравнению с традиционными вариантами преобразования Хафа, поскольку количество характерных точек на изображениях многообъектных наземных сцен составляет несколько процентов от общего числа точек изображения. Введение понятия прямолинейных паттернов, которые могут состоять из нескольких групп точек, позволяют использовать знание о свойствах объектов, зафиксированных на изображении сцены. Объединение нескольких групп точек в один паттерн и дальнейшее уточнение параметров этого паттерна позволяет с большей точностью определять характерные свойства объектов и сцены в целом. Работа выполнена при поддержке РФФИ (проект № 20-08-00429-а). 143 МЕТОДИКА КОНТРОЛЯ И КОРРЕКЦИИ ТЕЛЕМЕТРИЧЕСКИХ ИЗМЕРЕНИЙ ПРИ ИСПЫТАНИЯХ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ О.Н. Корсун (ФГУП «ГосНИИАС»), А.Н. Медведков, А.Ю. Королев (ГосМКБ «Вымпел» им. И.И. Торопова) Особенность систем измерений, применяемых при летных испытаниях беспилотных летательных аппаратов (БЛА) по сравнению с пилотируемыми состоит в том, что в силу габаритно-массовых и стоимостных ограничений отдельные важные параметры полета, например, углы атаки и скольжения, углы Эйлера непосредственно не измеряются. Значения этих параметров определяются путем косвенных измерений, что может приводить не только к дополнительным погрешностям, но и грубым ошибкам, например, вследствие неверного учета квадрантов, которым принадлежат углы ориентации. В докладе для решения актуальной задачи контроля и коррекции измерений параметров движения БЛА в летных испытаниях предлагается использовать известные соотношений, определяемых уравнениями пространственного движения БЛА [1]. Совместно рассматриваются уравнения расчета углов Эйлера через кватернионы [2] и уравнение Пуассона [2, 3], формулы для расчета углов атаки и скольжения по информации о векторе скорости [4]. Далее проверяется математическое условие правильности, заключающееся в том, что параметры полета должны удовлетворять дифференциальным уравнениям пространственного движения [1]. Представлены результаты проверки работоспособности предложенного подхода на примерах обработки полетных данных. Работа выполнена при поддержке РФФИ (проект № 20-08-00449-а). ЛИТЕРАТУРА 1. Динамика полета: Учебник для студентов высших учебных заведений / А.В. Ефремов, В.Ф. Захарченко, В.Н. Овчаренко и др.; под ред. Г.С.Бюшгенса. - М.: Машиностроение, 2011. 776 с. 2. Бранец В.Н., Шмыглевский И.П. Применение кватернионов в задачах ориентации твердого тела.- М.: Наука, 1973. 320 с. 3. Булгаков В.В., Корсун О.Н., Кулабухов В.С., Стуловский А.В., Тимофеев Д.С. Алгоритмы повышения точности расчета углов ориентации летательного аппарата // Известия РАН. Теория и системы управления. 2016. № 1. С. 159-170. 4. Корсун О.Н., Николаев С.В., Пушков С.Г. Алгоритм оценивания систематических погрешностей измерений воздушной скорости, углов атаки и скольжения в летных испытаниях // Известия РАН. Теория и системы управления. 2016. № 3. С. 118-129. 144 МЕТОДИКА АНАЛИЗА ПОГРЕШНОСТЕЙ БОРТОВЫХ ИЗМЕРЕНИЙ В ЛЕТНЫХ ИСПЫТАНИЯХ НА ОСНОВЕ КОМПЛЕКСНОЙ ОБРАБОТКИ ИЗМЕРИТЕЛЬНОЙ ИНФОРМАЦИИ О.Н. Корсун (ФГУП «ГосНИИАС»), П.А. Мотлич (ГНМЦ) В задачах послеполетного контроля пилотирования при летных испытаниях особую актуальность приобретает учет погрешностей бортовых измерений, возникающих в динамическом режиме. В докладе для оценки указанных погрешностей предлагается использование системного подхода, при этом решение получается при помощи соотношений между параметрами полета, определяемых уравнениями пространственного движения ЛА [1]. Выделены уравнения пространственного движения самолета, которые целесообразно использовать для выявления погрешностей бортовых измерений. Предлагаются методы оценивания систематических погрешностей измерений: угловых скоростей и перегрузок [2]; систематических погрешностей углов Эйлера, угловых скоростей и перегрузок; воздушной скорости, углов атаки и скольжения [3]. Разработан программный комплекс анализа погрешностей бортовых измерений [4], представлены примеры апробации по результатам летных испытаний [2, 5]. Работа выполнена при поддержке РФФИ (проект № 20-08-00449-а). ЛИТЕРАТУРА 1. Динамика полета: Учебник для студентов высших учебных заведений / А.В. Ефремов, В.Ф. Захарченко, В.Н. Овчаренко и др.; под ред. Г.С. Бюшгенса. – М.: Машиностроение, 2011. 776 с. 2. Оценка погрешностей бортовых измерений на основе уравнений движения самолета // Вестник метролога. 2019. № 1. С. 5-8. 3. Корсун О.Н., Николаев С.В., Пушков С.Г. Алгоритм оценивания систематических погрешностей измерений воздушной скорости, углов атаки и скольжения в летных испытаниях // Известия РАН. Теория и системы управления. 2016. № 3. С. 118-129. 4. Корсун О.Н., Мотлич П.А. Комплексный контроль бортовых измерений основных параметров полета летательного аппарата // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2013. № 1. С. 135-148. 5. Корсун О.Н., Мотлич П.А. Оценка погрешностей бортовых измерений на основе уравнений движения самолета // Вестник метролога. 2020. № 2. С. 7-10. 145 ФОРМИРОВАНИЕ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ САМОЛЕТОМ ПРИ НАБОРАХ И СНИЖЕНИЯХ НА ОСНОВЕ ПОПУЛЯЦИОННОГО АЛГОРИТМА ОПТИМИЗАЦИИ И МЕТОДА ОБРАТНЫХ ЗАДАЧ ДИНАМИКИ О.Н. Корсун, А.В. Стуловский (ФГУП «ГосНИИАС») Поиск решения для задачи формирования управления маневренным самолетом представляет сложность во многом потому, что объект управления является многомерной нелинейной динамической системой [1]. Это привело к возникновению подхода [2], заключающегося в том, что для формирования управления относительно заданной траектории применяется метод обратных задач динамики [3], тогда как вид самой заданной траектории определяется с помощью прямого метода. Настоящий доклад также основан на совместном использовании прямых и обратных методов. Для решения задач управления самолетом в вертикальной плоскости предлагается использование разработанного авторами варианта прямого метода [4], при котором вектор сигналов управления представляется в виде кубического сплайна, а коэффициенты сплайна определяются решением задачи минимизации рассогласования между желаемыми и выходными сигналами с помощью популяционного алгоритма оптимизации [5]. При этом для нахождения сигналов управления тягой двигателя предлагаются простые и эффективные алгебраические формулы, полученные в рамках метода обратных задач динамики. Таким образом, совместное применение прямых методов и метода обратных задач динамики для решения задачи формирования управления позволяет заметно улучшить конечный результат, уменьшая вычислительные затраты. Приводятся результаты поиска оптимального управления для решения таких прикладных задач как наборы, снижения, разгоны, торможения, увод с опасной высоты. Работа выполнена при поддержке РФФИ (проект № 18-08-00921-а). ЛИТЕРАТУРА 1. Аэродинамика, устойчивость и управляемость сверхзвуковых самолетов / Под ред. Г.С. Бюшгенса. М.: Наука. Физматлит, 1998. 816 с. 2. Алехин Д.В., Якименко О.А. Синтез алгоритма оптимизации траектории полета по маршруту прямым вариационным методом // Известия РАН. Теория и системы управления. 1999. № 4. С. 150-167. 3. Крутько П.Д. Обратные задачи динамики управляющих систем. Нелинейные модели. М.: Наука, 1988. 237 с. 4. Корсун О.Н., Стуловский А.В. Прямой метод формирования оптимального программного управления летательным аппаратом // Известия РАН. Теория и системы управления. 2019. № 2. С. 75-89. 5. Olsson A.E. Psrticle swarm optimization: theory, techniques and applications. Hauppage, USA: Nova Science Publishers. 2011. 305 p. 146 ОЦЕНИВАНИЕ СОСТОЯНИЯ ЛЕТЧИКА ПО АНАЛИЗУ ХАРАКТЕРА МОРГАНИЙ ПРИ ПОМОЩИ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ О.Н. Корсун, В.Н. Юрко (ФГУП «ГосНИИАС») В работе рассматривается подход к оцениванию состояния оператора [1] по видеоизображению лица, а именно анализ характеристик морганий с помощью глубоких сверточных нейронных сетей [2, 3]. Исследование включало оценку изменений функционального состояния оператора во время выполнения пилотажной задачи захода на посадку на авиационном тренажёре в ручном режиме пилотирования. Во время пилотирования производилась запись параметров полёта системой объективного контроля и осуществлялась видеозапись лица оператора [4]. Затем с помощью разработанного специального программного обеспечения, производилось автоматическое распознавание морганий с синхронизацией распознанных на видео морганий с записанными значениями параметров полёта. Выявлена корреляция между параметрами морганий и точностью пилотирования. При большей точности пилотирования регистрировалось большее число морганий оператора, что объясняется уверенным пилотированием при стабильном психофизиологическом состоянии. Работа выполнена при поддержке РФФИ (проект № 18-08-01142-а). ЛИТЕРАТУРА 1. Евдокименков В.Н., Красильщиков М.Н., Себряков Г.Г. Контроль и интеллектуальная поддержка действий летчика при выполнении типовых полетных режимов на основе индивидуально-адаптированного подхода // Мехатроника, автоматизация, управление. 2014. № 8. С. 16-22. 2. Корсун О.Н., Юрко В.Н. Оценивание состояния оператора по изображению лица на основе глубоких сверточных нейронных сетей // Научные чтения по авиации, посвященные памяти Н.Е. Жуковского. 2019. С. 266-270. 3. O. Ronneberger, P. Fischer, T. Brox.U-net: Convolutional Networks for Biomedical Image Segmentation (2015). CoRR abs/1505.04597. 4. O. N. Korsun, V. N. Yurko and E. I. Mikhaylov. Operator's State Estimation Based on the Face's Video Images Analysis Using Deep Convolutional Neural Networks // 2019 Workshop on Materials and Engineering in Aeronautics. IOP Conf. Series: Materials Science and Engineering 714 (2020) 012012 IOP Publishing doi:10.1088/1757-899X/714/1/012012. 147 ИСПОЛЬЗОВАНИЕ НЕСКОЛЬКИХ ЭТАЛОНОВ ПРИ РАСПОЗНАВАНИИ РЕЧИ С ПРИМЕНЕНИЕМ МЕТОДА КОМИТЕТОВ О.Н. Корсун, А.В. Полиев (ФГУП «ГосНИИАС») Рассмотрена задача распознавания слов в интересах управления бортовым оборудованием с использованием нескольких эталонов. Предложен алгоритм с применением метода комитетов, где по результатам распознавания каждым новым эталоном обновляется рейтинг всех возможных исходов распознавания [1]. Рейтинг составляется с учетом качества распознавания соответствующим эталоном. В докладе представлено подробное описание предложенной формулы для расчета итогового рейтинга исходов распознавания. Предлагаемый подход использует спектрально-временное преобразование аудиозаписи распознаваемого слова, традиционно применяемое при автоматическом распознавании речи [2, 3]. Также, в ходе тестирования выявлена возможность локализации распознаваемого слова с точностью до малой группы. Это позволяет повышать быстродействие систем распознавания на основе иерархических процедур, в которых последовательно применяются алгоритмы распознавания разных видов [4]. Представлены результаты экспериментальных исследований на речевой базе слов русского языка, подтверждающие работоспособность предложенного алгоритма. Формирование эталона во всех экспериментах проводилось по речевому материалу диктора, который не включался в распознаваемые записи, то есть был реализован дикторонезависимый вариант распознавания. Работа выполнена при поддержке РФФИ (проект № 18-08-01142-а). ЛИТЕРАТУРА 1. Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации. – М:., Наука. 1990. 345 с. 2. Корсун О.Н., Габдрахманов А.Ш. Помехозащищенный алгоритм речевого управления бортовым оборудованием самолета // Вестник компьютерных и информационных технологий. 2012. № 4. С. 3–7. 3. Колоколов А.С., Любинский И.А. Сравнительное исследование нескольких способов кратковременного частотного анализа речевого сигнала // Автоматика и телемеханика. 2015. № 10. C. 144–151. 4. Корсун О.Н., Полиев А.В. Автоматическое выделение фонетически однородных участков в словах естественного языка на основе многопараметрической оптимизации // Изв. РАН. Теория и системы управления. 2016. № 4. С. 115–124. |