Математическое обеспечение микрокомпьютеров мобильных объектов с групповым взаимодействием тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат физико-математических наук Амелин, Константин Сергеевич

• Амелин, Константин Сергеевич
• кандидат физико-математических наук
• 2012

Оглавление диссертации кандидат физико-математических наук Амелин, Константин Сергеевич

Оглавление

Введение

1 Группа мобильных объектов для распознавания образов

1.1 Автономные мобильные объекты

1.2 Преимущества группы мобильных объектов

1.3 Использование группы мобильных объектов для решения задач распознавания образов в разных областях

2 Рандомизированные алгоритмы оптимизации движения легких мобильных объектов

2.1 Добавление рандомизации в стратегию управления для оценивания параметров динамических систем

2.2 Свойства оценок рандомизированного алгоритма предсказания (фильтрации) случайного процесса, наблюдаемого

на фоне почти произвольных помех

2.3 Рандомизированные методы прогнозирования и оценивания параметров внешней среды для оптимизации движения мобильных объектов при внешних воздействиях и существенных погрешностях в получаемых данных

3 Программирование микрокомпьютеров группы мобильных объектов и организация человеко-машинного взаимодействия

3.1 Трехуровневая система управления группой мобильных объектов

3.2 Программирование бортовых микрокомпьютеров мобильных объектов группы

3.3 Апробация алгоритмов и технологии программирования

Заключение

Литература

Введение диссертации (часть автореферата) на тему «Математическое обеспечение микрокомпьютеров мобильных объектов с групповым взаимодействием»

Введение

Актуальность темы. В последнее время для исследования и мониторинга территорий, поиска и отслеживания людей, транспортных средств и т. п. все чаще применяются как обособленные автономные мобильные объекты (сухопутные, летающие или плавающие), так и их группы. При этом качество выполнения задач в значительной степени зависит от точности позиционирования и соблюдения заданной траектории движения. Для объектов больших размеров применяются массивные инер-циальные системы навигации с гироскопами, магнитометрами, акселерометрами и различными измерительными датчиками, которым удается существенно снизить уровни погрешностей измерений при движении и обеспечить достаточно точное позиционирование. Развитие навигационных сетей ГЛОНАСС/СР8 существенно упрощает решение задач позиционирования при использовании показаний датчиков ГЛОНАСС/СР8 в комбинации с инерциальной системой. Технологический прогресс, миниатюризация исполнительных устройств, рост их доступности и расширение функциональных возможностей позволяют начать эффективно использовать легкие мобильные объекты (небольшие автомобили, лодки, колесные и гусеничные роботы, легкие беспилотные летательные аппараты и т. п.) для исследований и мониторинга территорий. Сравнительно малые размеры и легкий вес являются, с одной стороны, основой "дешевизны" соответствующих технических решений, но, с другой стороны, не позволяют использовать мощные инерциальные навигационные системы, ограничивая применения инерциальной системы только для поддержания "текущего" равновесия. Для позиционирования таких объектов используются в основном показания датчиков ГЛОНАСС/СР8, которые поступают в дискретные моменты времени и часто включают в себя систематические погрешности. Для решения проблем точности позиционирования и соблюдения заданной траектории движения применяют фильтры, с помощью которых производится предсказание возможного

смещения в следующий момент времени и внесение „на основе этих данных поправок в задаваемый курс.

Задача предсказания значений случайного процесса, порождаемого белым шумом, пропущенным через линейный фильтр, является наиболее типичной для калмановской фильтрации, базирующейся на работах P.E. Калмана и P.C. Бьюси [45]. Наряду со статистическими развиваются и минимаксные постановки задач, в которых о неопределенностях предполагается только ограниченность в каком-либо смысле, а в остальном они могут быть произвольными. Такая постановка задачи рассматривается в работах О.Н. Граничина [35], А.И. Кибзуна, Ю.С. Кана [109], А.Б. Куржанского [47], А.Р. Панкова, К.В. Семенихина [52], Б.Т. Поляка, П.С. Щербакова [55], Р. Темпо [89], В.Н. Фомина [78], Ф.Л. Чер-ноусько [80] и др. Применение фильтрации в системах навигации мобильных планеров исследовалось В.Д. Андреевым, O.A. Бабичем [20], O.A. Степановым, В.Н. Васильевым, A.B. Осиповым [64, 67] и др. Для оценки случайных процессов в системах навигации мобильных объектов достаточно часто и эффективно применяется фильтр Калмана, который удовлетворительно работает на больших мобильных объектах с применением различного навигационного оборудования. Для легких мобильных объектов задача снижения уровня отклонения от заданной траектории движения остается открытой, так как влияние на них сопутствующих неопределенностей более значительно.

Сравнительная дешевизна и доступность легких мобильных объектов позволяет при решении практических задач использовать их в группе, что оказывается эффективнее по сравнению с применением одного мобильного объекта. В связи с этим растет необходимость в разработках новых подходов к конструированию систем управления такими объектами. Для реализации новых преимуществ группы необходимо организовать автономное групповое взаимодействие. Для решения такого типа задач в последнее время успешно применяются мультиагентные технологии, развиваемые в работах В.И. Городецкого [30], П.О. Скобелева [60,61], И.Б. Тарасова [69], Ю. Шохама [121] и др. Применение мультиагентного

подхода к управлению группой мобильных планеров исследовали M. Зе-нар, А. Район [117], Т.Дж. Кут, С.М. Шахруз [108], и др. При этом алгоритмы многоагентного взаимодействия в основном применяются для задач предотвращения столкновения или организации группового полета мобильных вертолетов, самолетов и мультикоптеров с поддержанием заданной формации. В практических реализациях группа мобильных объектов обычно представляет собой несколько одиночных комплексов, которые управляются из единого центра управления, что существенно ограничивает организацию автономного внутригруппового взаимодействия.

При оптимизации движения одиночного мобильного объекта и группы в режиме реального времени возникают потребности в решении за ограниченное время многомерных оптимизационных задач при зашум-ленных наблюдениях. В таких условиях хорошо зарекомендовали себя рандомизированные рекуррентные алгоритмы стохастической оптимизации. Детальному анализу возможностей рандомизированных алгоритмов в задачах оценивания и оптимизации при произвольных помехах посвящена монография О.Н. Граничина и Б.Т. Поляка [37]. Рассматриваемый в этой книге новый тип рандомизированных алгоритмов стохастической аппроксимации, называемых в англоязычной литературе Simultaneous Perturbation Stochastic Approximation (SPSA), был предложен в работах О.Н. Граничина [31,32,34], Б.Т. Поляка и А.Б. Цыбакова [54], Дж. Спал-ла [123], Х.-Ф. Чена, Т. Дункан и Б. Пасик-Дункан [94]. Они основаны на аппроксимации градиента вдоль случайно выбранного направления — рандомизации, которая опирается на некоторые контролируемые случайные величины, влияющие на результаты наблюдений, существующие в системе или добавляемые экспериментатором. Эти алгоритмы относятся к более широкому классу методов случайного поиска, которые ранее в русскоязычной литературе исследовались, например, в работах JI.A. Растригина [56], Ю.А. Сушкова [68], С.М. Ермакова, В.Б. Мела-са [42], A.A. Жиглявского и А. Жилинскаса [44]. В отличие от предлагавшихся ранее методов рандомизированные алгоритмы стохастичес-

кой оптимизации обеспечивают состоятельность оценок при существенно менее значительных предположениях о свойствах неизвестной функции потерь и помех в измерении ее значений.

Использование группы мобильных объектов позволяет увеличить эффективность выполнения задач поиска, мониторинга или исследования территории с применением алгоритмов распознавания образов к данным газоанализаторов, теплодатчиков, фото- и видео- регистраторов. Современные алгоритмы теории распознавания образов, классификации и кластерного анализа базируются на работах С.А. Айвазяна [2], В.Н. Вапника иА.Я. Червоненкиса [23-25,124], Ф. Розенблата [57], P.A. Фишера [75,97], В.Н. Фомина [76], И. Форджи [98], К. Фукунаги [99], Дж. Хартигана [104], Я.З. Цыпкина [81,82], В.А. Якубовича [83] и др. Многие современные системы распознавания образов основаны на принципах нейронных сетей (A.B. Тимофеев [71], С. Хайкин [79], Дж. Хопфилда [105], Ф. Уоссер-ман [73] и др.).

Указанные проблемы актуализируют необходимость в исследованиях возможностей комплектации легких мобильных объектов оборудованием, программным и математическим обеспечением для оптимизации движения, эффективной работы в группе, организации человеко-машинного взаимодействия и технологии программирования управляющих микрокомпьютеров таких объектов.

Цель работы. Разработка математического и программного обеспечения микрокомпьютеров группы мобильных объектов для решения задач распознавания образов при исследовании и мониторинге территорий, реализующего методы оптимизации движения, эффективной работы в группе, организации человеко-машинного взаимодействия.

Цель достигается в диссертации через решение следующих задач:

1. Исследование возможностей применения рандомизированных алгоритмов управления, оптимизации и оценивания параметров при почти произвольных внешних возмущениях для математического и программного обеспечения оптимизации движения одиночного мобильного объекта и группы.

2. Разработка и исследование методов вв1бора направления движения легкого мобильного объекта для уменьшения отклонения от заданной траектории при действии помех.

3. Разработка архитектуры и технологии программирования программно-аппаратного комплекса для исследования и мониторинга территорий

с помощью группы легких мобильных объектов на примере разработанной комплектации бортового оборудования планера.

Методы исследования. В диссертации применяются методы теории оценивания и оптимизации, теории вероятностей и математической статистики, имитационного моделирования, мультиагентных технологий и системного программирования.

Основные результаты. В работе получены следующие основные научные результаты.

1. Для рандомизированного алгоритма управления в условиях неизвестных параметров объекта управления теоретически обоснованы вероятностные характеристики качества идентификации неизвестных параметров при ослабленных условиях независимости рандомизации в управлении в текущий момент времени и внешних почти произвольных помех в тот же и предшествующие моменты времени.

2. Для рандомизированного алгоритма фильтрации при наблюдениях на фоне почти произвольных внешних помех ослаблены условия его применимости, позволяющие использовать теоретические оценки качества фильтрации в случае равенства единице нормы матрицы в порождающей фильтруемый процесс модели.

3. Предложены новые рандомизированные методы прогнозирования и оценивания параметров внешней среды для оптимизации движения мобильных объектов при внешних воздействиях и существенных погрешностях в получаемых данных.

4. Разработана трехуровневая архитектура и технология программирования программно-аппаратного комплекса для исследования и мониторинга территорий с помощью группы мобильных объектов на примере разработанной комплектации бортового оборудования планера с фоторе-

гистратором, позволяющая оперативно передавать и использовать данные в автоматизированной системе распознавания образов.

Научная новизна. Все основные научные результаты диссертации являются новыми.

Теоретическая ценность и практическая значимость. Теоретическая ценность работы состоит в исследовании свойств процедуры построения управляющего воздействия с рандомизированным входом без существенных предположений о внешних помехах, ослаблении условий применимости рандомизированного алгоритма фильтрации, модернизации рандомизированного алгоритма стохастической аппроксимации и разработке трехуровневой архитектуры программно-аппаратного комплекса для исследования и мониторинга территорий с помощью группы мобильных объектов.

Предложенные новые методы могут быть использованы при решении современных практических задач. Разработанные математическое обеспечение оптимизации движения, архитектура и технология программирования программно-аппаратного комплекса для исследования и мониторинга территорий с помощью группы мобильных объектов позволяют повысить качество проводимых работ по решению задач исследования территорий с применением фото- и видео- регистраторов и алгоритмов распознавания образов. При этом разработанная архитектура и математическое обеспечение могут применяться как в уже существующих комплексах, так и стать основой для создания новых. Разработанное программное обеспечение для группового взаимодействия, автоматической фотосъемки, сохранения и передачи данных представляет собой самостоятельную практическую ценность.

Апробация работы. Материалы диссертации докладывались на семинарах кафедры системного программирования СПбГУ, на российских и международных конференциях по программированию, информатике, оптимизации и теории управления: XXVII конференции памяти Н.Н. Ост-рякова (12-14 октября 2010 г. Санкт-Петербург, Россия), Второй и Третьей традиционных всероссийских молодежных летних школах "Управ-

ление, информация и оптимизация" (2010, 2011 гг.), Первой российской MeeGo конференции (Москва, 11 марта 2011 г.), Второй межвузовской научной конференции по проблемам информатики СПИСОК-2011 (Санкт-Петербург, 27-29 апреля 2011 г.), 5th International Conference on Physics and Control (PhysCon 2011) (5-8 September, 2011, Leon, Spain), международной конференции "Science and Progress 2011" (Санкт-Петербург, Россия, 14-18 ноября, 2011 г.), международной научно-практической мульти-конференции "Управление большими системами" (УБС 2011) (Институт проблем управления им. В.А. Трапезникова РАН Москва, 14-16 ноября 2011 г.).

По материалам диссертации было получено свидетельство об официальной регистрации программы для ЭВМ № 2010612684 "SmartFly Together" от 19 апреля 2010 г. Результаты диссертации использованы при выполнении работ по проекту "Мультиагентная система для управления группой легких беспилотных летательных аппаратов" в рамках программы "СТАРТ-10" Фонда содействия развитию малых форм предприятий в научно-технической сфере. Выполненный в ходе работы над диссертацией проект "Сетевое адаптивное управление группой легких беспилотных летательных аппаратов на основе мультиагентного подхода" был отмечен дипломом победителя конкурса грантов Санкт-Петербурга для студентов, аспирантов, молодых ученых, молодых кандидатов наук 2011 г.

Публикации. Основные результаты диссертации опубликованы в работах [4-17,86,87,114]. Из них три публикации [12,13,114] в журналах из перечня ВАК. Работы [8-17,87,114] написаны в соавторстве. В работах [11-14,87] О.Н. Граничину принадлежат общие постановки задач, а К.С. Амелину - реализация описываемых методов, доказательства, создание демонстрационных примеров и программных средств. В [114] К.С. Амелиным получены и описаны основные практические результаты. В [8,10,15-17] К.С. Амелиным описаны технические характеристики разработанных комплексов БПЛА и предложены методы их практического применения в задачах распознавания образов. В зарегистрированной программе для ЭВМ [9] К.С. Амелиным разработаны программные

компоненты для автопилота мобильного объекта.

Структура диссертации. Основная часть диссертации состоит из трех глав, заключения и списка литературы.

В первой главе вводятся основные понятия и постановки задач исследования, дается исторический контекст развития автономных мобильных объектов, рассматриваются преимущества группового взаимодействия в задачах поиска, исследования и мониторинга территорий с применением фото- или видео- регистраторов и алгоритмов распознавания образов.

Во второй главе исследуются возможности применения рандомизированных алгоритмов и стратегий управления для идентификации неизвестных параметров динамической модели объекта управления и внешней среды, а также для оптимизации движения.

В третьей главе описываются разработанные в ходе диссертационного исследования архитектура комплекса системы исследования и мониторинга территории с помощью группы мобильных объектов, трехуровневая система управления такими объектами и технология программирования их микрокомпьютеров.

В заключении диссертации подведены итоги проведенного и завершенного в рамках поставленных задач исследования.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Амелин, Константин Сергеевич

Заключение

В заключение перечислим еще раз основные результаты проведенного и завершенного в рамках поставленных задач исследования:

1. Для рандомизированного алгоритма управления в условиях неизвестных параметров объекта управления теоретически обоснованы вероятностные характеристики качества идентификации неизвестных параметров при ослабленных условиях независимости рандомизации в управлении в текущий момент времени и внешних почти произвольных помех в тот же и предшествующие моменты времени.

2. Для рандомизированного алгоритма фильтрации при наблюдениях на фоне почти произвольных внешних помех ослаблены условия его применимости, позволяющие использовать теоретические оценки качества фильтрации в случае равенства единице нормы матрицы в порождающей фильтруемый процесс модели.

3. Предложены новые рандомизированные методы прогнозирования и оценивания параметров внешней среды для оптимизации движения мобильных объектов при внешних воздействиях и существенных погрешностях в получаемых данных.

4. Разработана трехуровневая архитектура и технология программирования программно-аппаратного комплекса для исследования и мониторинга территорий с помощью группы мобильных объектов на примере разработанной комплектации бортового оборудования планера с фоторегистратором, позволяющая оперативно передавать и использовать данные в автоматизированной системе распознавания образов.

Список литературы диссертационного исследования кандидат физико-математических наук Амелин, Константин Сергеевич, 2012 год

Литература

[1] Абрамов C.B., Ачилъдиев В.М., Мезенцев O.A. Мобильный комплекс для локального мониторинга урбоэкосистем на основе микролетательного аппарата // Микросистемная техника. 2002. № 11. С. 21-25.

[2] Айвазян С. А., Бухштабер В.М., Енюков И. С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика. 1989. 607 с.

[3] Александров А.Г., Орлов Ю.Ф. Конечно-частотная идентификация: динамический алгоритм // Проблемы управления. 2009. № 4. С. 2-8.

[4] Амелин К. С. Легкий беспилотный летательный аппарат для автономной группы // Стохастическая оптимизация в информатике. Т. 6. 2010. С. 117-126.

[5] Амелин К. С. Мультиагентная система для управления группой легких беспилотных летательных аппаратов // Труды Второй традиционной всероссийской молодежной летней школы "Управление, информация и оптимизация". 2010. С. 9-18.

[6] Амелин К. С. Сетевое адаптивное управление группой легких беспилотных летательных аппаратов на основе мультиагентного подхода // Материалы второй межвузовской научной конференции по проблемам информатики СПИСОК-2011. - СПб. 2011. С. 143-147.

[7] Амелин К. С. Технология программирования легкого БПЛА для мобильной автономной группы // Стохастическая оптимизация в информатике. Т. 7. 2011. С. 93-115.

[8] Амелин К.С., Антал Е.И., Васильев В.И., Граничина И.О. Адаптивное управление автономной группой беспилотных летательных

аппаратов // Стохастическая оптимизация в информатике. Т. 5. 2009. С. 157-166.

[9] Амелин К.С., Антал Е.И., Васильев В.И., Граничин О.Н., Гра-ничина И.О. Программы для ЭВМ "SmartFly Together". Свидетельство о государственной регистрации программы для ЭВМ №2010612684 от 19 апреля 2010.

[10] Амелин К. С., Граничин O.E., Кияев В.И. Мобильность или супервычисления. Кто кого? // Суперкомпьютеры. № 4 (4). 2010. С. 3033.

[11] Амелин К. С., Граничин О.Н. Работоспособность алгоритмов предсказания калмановского типа и возможности рандомизации при неизвестных, но ограниченных помехах в наблюдении // В сб. тр. XXVII конференции памяти выдающегося конструктора гироскопов H.H. Острякова. - СПб. 2010. С. 33.

[12] Амелин К.С., Граничин О.Н. Возможности рандомизации в алгоритмах предсказания калмановского типа при произвольных внешних помехах в наблюдении // Гироскопия и навигация. № 2(73). 2011. С. 38-50.

[13] Амелин К.С., Граничин О.Н. Мультиагентное сетевое управление группой легких БПЛА // Нейрокомпьютеры: разработка, применение. 2011. № 6. С. 64-72.

[14] Амелин К. С., Граничин О.Н. Новые рандомизированные алгоритмы в управлении и обработке данных // Стохастическая оптимизация в информатике. 2011. Т. 7. С. 3-68.

[15] Амелин К.С., Граничин О.Н., Иевлев Н.В., Кияев В.И. Мобильность и супервычисления на охране природы // Компьютер-Информ, №05-06 (303). 24.03.2011. С. 24-25.

[16] Амелин К.С., Граничин О.Н., Кияев В.И., Корявко A.B. Взгляд на перспективы развития принципиально новых компьютерных устройств и систем // В сб. тр. Всерос. научн. конф. "Научный сервис в сети Интернет: экзафлопеное будущее" (19-24 сентября 2011 г., г. Новороссийск). - М. 2011. С. 29-31.

[17] Амелин К.С., Граничин О.Н., Кияев В.И., Корявко A.B. Введение в разработку приложений для мобильных платформ. Учебное пособие. - СПб. 2011. - 518 с.

[18] Андреев В.Д. Теория инерциальной навигации. Корректируемые системы. — М.: Наука. 1967. 648 с.

[19] Андриевский Б.Р., Блажкин А.Т., Деревицкий Д.П., Фрадков А.Л. Метод исследования адаптивных систем управления летательными аппаратами //В кн.: Управление в пространстве. Т. 1. М.: Наука. 1976. С. 171-179.

[20] Бабич O.A. Обработка информации в навигационных комплексах. — М.: Машиностроение. 1991. 512 с.

[21] Березин В.В., Гатаулин В.М., Цыцулин А.К. Стабилизация изображения при наблюдении с БПЛА // Известия высших учебных заведений. Приборостроение. 2005. № 12. С. 65-73.

[22] Беляев A.A., Путря Ф.М. Выбор оптимальной структуры функционально полного контроллера шины SPI с 32-разрядным интерфейсом // Известия высших учебных заведений. Электроника. 2006. С. 71-75.

[23] Вапник В.Н. Восстановление зависимостей по эмпирическим данным. — М.: Наука. 1979.

[24] Вапник В.Н., Червоненкис А.Я. Теория равномерной сходимости частот появления событий к их вероятностям и задача поиска оптимального решения по эмпирическим данным / / Автоматика и телемеханика. № 2. 1971.

[25] Вапник В.Н., Червоненкис А.Я. Теория распознавания образов: статистические проблемы обучения. - М.: Наука. 1974. 416 с.

[26] Вахитов А. Т., Граничин О.Н., Гуревич Л. С. Алгоритм стохастической аппроксимации с пробным возмущением на входе в нестационарной задаче оптимизации // Автоматика и телемеханика. 2009. № 11. С. 70-79.

[27] Вахитов А. Т., Граничин О.Н., Панъшенсков М.А. Методы оценивания скорости передачи данных в грид // Нейрокомпьютеры: разработка, применение. 2009. № 11. С. 45-52.

[28] Виленчик Л.С., Балановский Л.В., Балановский В.Л., Свентиц-кий A.A. Разработка мобильной системы мониторинга электромагнитной обстановки критического объекта с использованием БПЛА // Радиопромышленность. 2011. С. 85-97.

[29] Виттих В. А., Скобелев П. О. Метод сопряженных взаимодействий для управления распределением ресурсов в реальном масштабе времени // Автометрия. 2009. Т. 45. № 2. С. 84-86.

[30] Городецкий В.И., Грушинский М.С., Хабалов A.B. Многоагентные системы (обзор) // Новости искусственного интеллекта. 1998. № 2. С. 64-116.

[31] Граничин О.Н. Об одной стохастической рекуррентной процедуре при зависимых помехах в наблюдении, использующей на входе пробные возмущения // Вестник Ленингр. ун-та. Сер. 1. 1989. № 1(4). С. 19-21.

[32] Граничин О. Н. Процедура стохастической аппроксимации с возмущением на входе // Автоматика и телемеханика. 1992. № 2. С. 97104.

[33] Граничин О.Н. Оценивание параметров линейной регрессии при произвольных помехах // Автоматика и телемеханика. 2002. № 1. С. 30-41.

[34] Граничин О.Н. Рандомизированные алгоритмы стохастической аппроксимации при произвольных помехах // Автоматика и телемеханика. 2002. № 2. С. 44-55.

[35] Граничин О.Н. Неминимаксная фильтрация при неизвестных ограниченных помехах в наблюдениях // Автоматика и телемеханика. 2002. № 9. С. 125-133.

[36] Граничин О.Н. Стохастическая оптимизация и системное программирование // Стохастическая оптимизация в информатике. Т. 6. 2010. С. 3-44.

[37] Граничин О.Н., Поляк Б. Т. Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах. — М.: Наука. 2003. 293 с.

[38] Граничин О.Н., Фомин В.Н. Адаптивное управление с использованием пробных сигналов // Автоматика и телемеханика. 1986. № 2. С. 100-112.

[39] Де Вагтер К., Мюлдер Я.А. Получение внешней информации и наведение беспилотных летательных аппаратов с использованием

средств видеонаблюдения // Гороскоиия и навигация. 2006. № 2. С. 13-25.

[40] Денисенко В. В. Разновидности ПИД-регуляторов // Автоматизация в промышленности. 2007. С. 45-50.

[41] Елохин А.П., Сафоненко В.А., Пчелинцев А.В., Пархома П.А. Методы дистанционного определения концентрации радионуклеидов в воздушном выбросе радиационно опасных предприятий // Экологические системы и приборы. 2007. С. 9-15.

[42] Ермаков С.М., Мелас В. Б. Математический эксперимент с моделями сложных стохастических систем. - Санкт-Петербург: изд. СПб-ГУ. 1993.

[43] Интернет ресурс проекта Paparazzi /paparazzi.enac.fr/.

[44] Жиглявский А.А., Жилинскас А.Г. Методы поиска глобального экстремума. — М.: Наука. 1991. 248 с.

[45] Калман Р.Е., Бъюси Р. С. Новые результаты в линейной фильтрации и теории предсказания // Труды американского общества инженеров-механиков. Техническая механика. 1961. Т. 83. Сер. Д. № 1. С. 123-141.

[46] Каляев И.А., Мельник Э.В. Децентрализованные системы компьютерного управления. — Ростов на Дону: ЮНЦ РАН. 2011. 196 с.

[47] Куржанский А.Б. Управление и наблюдения в условиях неопределенности. — М.: Наука. 1977. 392 с.

[48] Ким И.В., Крылов И.Г., Лебедев А.В. Восстановление 3D поверхности по видовой информации, принимаемой группой БПЛА // Известия Кабардино-Балкарского научного центра РАН. 2011. С. 137141.

[49] Макаров И.М., Топчеев Ю.И. Робототехника: История и перспективы — М.: Наука. 2003. 349 с.

[50] Павлова П.В., Лунев Е.М. Программно-алгоритмическое обеспечение для определения навигационных параметров беспилотного летательного аппарата на базе фотоизображения // Вестник Московского авиационного института. 2009. С. 6-16.

[51] Павлушенко М., Евстафьев Г., Макаренко И. Беспилотные летательные аппараты: история, применение, угроза распространения и перспективы развития — М.: Права человека. 2005. 611 с.

[52] Панков А.Р., Семенихин К.В. Минимаксная идентификация обобщенной неопределенно-стохастической линейной модели // Автоматика и телемеханика. 1998. № 11. С. 158-171.

[53] Парамонов П.П., Сабо Ю.И., Распопов В.Я., Товкач С.Е. Микросистемная авионика для мини БПЛА // Известия высших учебных заведений. Приборостроение. 2006. № 12. С. 51-55.

[54] Поляк Б. Т., Цыбаков A.B. Оптимальные порядки точности поисковых алгоритмов стохастической аппроксимации // Проблемы передачи информации. 1990. № 2. С. 45-53.

[55] Поляк Б. Т., Щербаков П. С. Робастная устойчивость и управление - М.: Наука. 2002. 303 с.

[56] Растригин Л. А. Статистические методы поиска. — М.: Наука. 1968. 376 с.

[57] Розенблатт Ф. Принципы нейродинамики (персептроны и теория механизмов мозга). — М. 1965. 480 с.

[58] Салычев О. С. Автопилот БПЛА с инерциальной интегрированной системой — основа безопастности эксплуатации беспилотных комплексов. 2008.

[59] Селин А.Ю., Дракин М.А., Киселева A.C. Беспилотный летательный аппарат: применение в целях аэрофотосъемки для картографирования. — М.:"Ракурс". 2011.

[60] Скобелев П. О. Открытые мультиагентные системы для оперативной обработки информации в процессах принятия решений // Автометрия. 2002. № 6. С. 45-61.

[61] Скобелев П. О. Мультиагентные технологии в промышленных применениях: к 20-летию основания Самарской школы мультиагент-ных систем // Мехатроника, автоматизация, управление. 2010. № 12. С. 33-46.

[62] Скобелев П. О., Царев A.B. Сетецентрический подход к созданию больших мультиагентных систем для адаптивного управления ресурсами в реальном времени // Материалы межд. Научно-практической мультиконференции "Управление большими системами". 2011. С. 263-267.

[63] Соколов В. Ф. Оценка качества робастной системы управления при неизвестных верхних границах возмущений и помехи измерений // Автоматика и телемеханика. № 9. 2010. С. 3-18.

[64] Степанов O.A. Основы теории оценивания с приложениями к задачам обработки навигационной информации. — СПБ.: ГНЦ РФ ЦНИИ Электроприбор. 2009. 496 с.

[65] Степанов O.A. Исследование способов комплексирования данных при построении инерциально-спутниковых систем // Сборник статей и докладов "Интегрированные инерциально-спутниковые системы навигации". 2004. С. 25-42.

[66] Степанов O.A., Кошаев Д. Исследование методов решения задачи ориентации с использованием спутниковых систем // Сборник статей и докладов "Интегрированные инерциально-спутниковые системы навигации". 2004. С. 197-221.

[67] Степанов O.A., Осипов A.B., Васильев В.Н. Открытые мультиа-гентные системы для оперативной обработки информации в процессах принятия решений // Автометрия. 2002. № 6. С. 45-61.

[68] Сушков Ю.А. Об одном способе организации случайного поиска // Исследование операций и статистическое моделирование. Изд-во Ленингр. гос. ун-та. 1972. Т. 1. С. 180-185.

[69] Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. 1998. № 2. С. 5-63.

[70] Терентьев В.М., Михайлова О. В. Терминальное управление как один из способов решения задачи сбора ДПЛА в группу // Авиакосмическое приборостроение. 2005. № 1. С. 2-10.

[71] Тимофеев A.B. Адаптивное робототехнические комплексы. — Л.: Машиностроение. 1988. 332 с.

[72] Тимофеев А.В., Юсупов Р.М. Принципы построения интегрированных систем мульти-агентной навигации и интеллектуального управления мехатронными роботами // Int. Journal "Information Technologies & Knowledge". 2011. Vol.5. No. 3. P. 237-245.

[73] Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. — М.: Мир. 1992. 240 с.

[74] Фельдбаум А. А. О проблемах дуального управления //В кн.: Методы оптимизации автоматических систем. — М.: Наука. 1972. С. 89-108.

[75] Фишер Р. А. Статистические методы для исследователей. — М.: Гос-статиздат. 1954. 267 с.

[76] Фомин В.Н. Математическая теория обучаемых опознающих систем. — JL: Изд-во Ленингр. ун-та. 1976. 236 с.

[77] Фомин В.Н. Методы управления линейными дискретными объектами. — Л.: Изд-во Ленингр. ун-та. 1985. 336 с.

[78] Фомин В.Н Рекуррентное оценивание и адаптивная фильтрация. - М.: Наука. 1984. 288 с.

[79] Хайкин С. Нейронные сети: полный курс. — М.: Вильяме, 2006, 1104 с.

[80] Черноусько Ф.Л. Оценивание фазового состояния динамических систем: метод эллипсоидов. — М.: Наука. 1988. 319 с.

[81] Цыпкин Я.З. Адаптация и обучение в автоматических системах. — М.: Наука. 1968. 400 с.

[82] Цыпкин Я.З. Основы теории обучающихся систем. - М.: Наука. 1970. 252 с.

[83] Якубович В.А. Некоторые общие теоретические принципы построения обучаемых опознающих систем //В кн.: Вычислительная техника и вопросы программирования. Вып. 4. Л. 1965. С. 3-72.

[84] Ярлыков М., Пригонюк Н. Бортовая инерциально-спутниковая система для навигации и посадки самолетов / / Сборник статей и докладов "Интегрированные инерциально-спутниковые системы навигации". 2004. С. 83-100.

[85] Allen M.J. Autonomous soaring for improved endurance of a small uninhabited air vehicle / / 43rd AIAA Aerospace Sciences Meeting and Exhibit (AIAA 2005). Reno. Nevada. 2005. P. 1025.

[86] Amelin K.S. Programming technology for multi-agent controlling group of UAVs // Proc. of the Int. Student Conf. "Science and Progress". Saint-Petersburg, Russia, November 14-18, 2011. P. 66.

[87] Amelin K., Granichin O. Multiagent network control for the group of UAVs //In Proc. of the 5th International IEEE Scientific Conference on Physics and Control (PhysCon 2011). Leon, Spain. Sept. 2011. P. 64.

[88] Antal C., Granichin O., Levi S. Adaptive autonomous soaring of multiple UAVs using simultaneous perturbation stochastic approximation // IEEE Conf. on Decision and Control (CDC-49). Atlanta. USA. 2010. P. 3656-3661.

[89] Bai E.-W., Nagpal K.M., Tempo R. Bounded-error parameter estimation: Noise models and recursive algorithms // Automatica. Vol. 32. 1996. P. 985-999.

[90] Baxter J. W., Horn G.S., Leivers D.P. Fly-by-Agent: Controlling a Pool of UAVs via a Multi-Agent System. — QinetiQ Ltd Malvern Technology Centre St. Andrews Road. Malvern. UK. 2007. 12 p.

[91] Brisset P., Hattenberger G. Multi-UAV control with the paparazzi system //In Proc. of the 1-st Conf. on Humans Operating Unmanned Systems (HUMOUSY08). 2008. P. 12.

[92] Campi M.C., Weyer E. Non-asymptotic confidence sets for the parameters of linear transfer functions // IEEE Trans. Automat. Control. Vol. 55. No. 12. 2010. P. 2708-2720.

[93] Chen H.-F., Guo L. Convergence rate of least-squares stochastic systems // Int. J. of Control. 1986. Vol. 44. No. 5. P. 1459-1477.

[94] Chen H.-F., Duncan T.E., Pasik-Duncan B.A. Kiefer-Wolfowitz algorithm with randomized differences // IEEE Trans. Automat. Contr. 1999. Vol. 44. No. 3. P. 442-453.

[95] Calafiore G.C., Fagiano L. Robust model predictive control: the random convex programming approach // Proc. of IEEE Int. Symposium on Intel. Control. Denver. USA. 2011. P. 222-227.

[96] Edwards D.J. Implementation Details and Flight Test Results of an Autonomous Soaring Controller. — NC State Univ.

[97] Fisher R.A. The Use of Multiple Measurements in Taxonomic Problems // Annals of Eugenics. 1936. No. 7. P. 179-188.

[98] Forgy E. W. Cluster analysis of multivariate data - efficiency vs interpretability of classifications // Biometrics. 1965. No. 21. P. 768769.

[99] Fukunaga K. Introduction to Statistical Pattern Recognition. - New York: Academic Press. 1972. 618 p.

[100] Garulli A., Giarre L.; Zappa G. Identification of approximated Hammerstein models in a worst-case setting // IEEE Trans. Autom. Control. Vol. 47. No 7. Dec. 2002. P. 2046-2050.

[101] Granichin O.N. Linear regression and filtering under nonstandard assumptions (Arbitrary noise) // IEEE Trans, on Automat. Contr. Vol. 49. 2004. No. 10. P. 1830-1835.

[102] Granichin O., Gurevich L., Vakhitov A. Discrete-time minimum tracking based on stochastic approximation algorithm with randomized differences // Proc. of the Combined 48th IEEE Conf. on Decision and Control (CDC-48). and 28th Chinese Control Conference. December 16-18. 2009. Shanghai. P.R. China. P. 5763-5767.

[103] Granichin O., Vakhitov A., Vlasov V. Adaptive control of SISO plant with time-varying coefficients based on random test perturbation // Proc. of the American Control Conference (ACC-2010). June 30-July 02. 2010. Baltimore. MD. USA. P. 4004-4009.

[104] Hartigan J.A. Clustering Algorithms. - New York: Wiley. 1975. 351 p.

[105] Hopfield J. Neurons with graded response have collective computational properties like those of two-state neurons // Proc. Natl. Acad. Sci. USA. No. 81. 1984. P. 3088-3092.

[106] Jadbabaie A., Lin J., Morse A.S. Coordination of groups of mobile autonomous agents using nearest neighbor rules // IEEE Trans. Autom. Contr. 2003. Vol. 48. No. 6. P. 988-1001.

[107] Kothari M., Postlethwaite I., Gu D. Multi-UAV path planning in obstacle rich environments using rapidly-exploring random trees // Proc. of the combined 48th IEEE Conference on Decision and Control and 28th Chinese Control Conference. 2009. P. 3069-3074.

[108] Koo T.J., Shahruz S.M. Formation of a group of unmanned aerial vehicles (UAVs) // American Control Conference (ACC). JUN 25-27. 2001. P. 69-74.

[109] Kibzun A.I., Kan Yu.S Stochastic Programming Problems with Probability and Quantile Functions. — Chichester: Wiley. 1996.

[110] Levy L.J. The Kalman filter: navigation's integration workhorse // GPS World. 1997. Vol. 8. No. 9. P. 65-71.

[111] Ljung L. System Identification: Theory for the User. — 2nd ed. Englewood Cliffs. - NJ: Prentice Hall. 1999.

[112] Marsh L., Calbert G.,Tu J., Gossink D., Kwok H. Multi-agent UAV path planning // Science And Technology. 2005. P. 2188-2194.

[113] Peng Z-H., Sun L., Chen J., Wu J-W. Path planning of multiple UAVs low-altitude penetration based on improved multi-agent coevolutionary algorithm //In Proc. 30th Chinese Control Conference (CCC). 2011. P. 4056-4061.

[114] Punin Y.O., Shtukenberg A.G., Smetannikova O.G., Amelin K.S. Plagioclase twin associations from the basic volcanic rocks of the Kamchatka, Russia: growth conditions and formation mechanisms // European Journal of Mineralogy. 2010. No. 1. P. 139-145.

[115] Ramaswamy B., Chen Y.Q., Moore K. Omni-directional robotic wheel — a mobile real-time control systems laboratory //In Proc. of the American Control Conference. 2006. P. 719-724.

[116] Rhiger M. Compiling embedded programs to byte code // Lecture Notes in Computer Science. 2002. P. 120.

[117] Ryan A., Zennaro M., Howell A., et al. An overview of emerging results in cooperative UAV contro // IEEE Conf. on Decision and Control (CDC). 2004. P. 602-607.

[118] Reichmann H. Cross-Country Soaring. — Minnesota: Soaring Society of America. 1978. 150 p.

[119] Rodriguez-Seda E.J., Troy J.J., Erignac C.A., Murray P., Stipanovic D.M., Spong M.W. Bilateral teleoperation of multiple mobile Agents: Coordinated Motion and Collision Avoidance // IEEE Transactions on Control Systems Technology. 2010. Vol. 18. P. 984-992

[120] Scerri P., Von Gonten T., Fudge G., Owens S., Sycara K. Transitioning multiagent technology to UAV applications // AAMAS (Industry Track). 2008. P. 8.

[121] Shoham Y., Leyton-Brown K. Multiagent Systems: Algorithmic, Game-Theoretic and Logical Foundations — London: Cambridge University Press. 2009. 513 p.

[122] Soderstrem T., Stoica P. System Identification. — NJ: Prentice Hall. 1989. 610 p.

[123] Spall J. C. Multivariate Stochastic Aproximation Using a Simultaneous Perturbation Gradient Aproximation // IEEE Trans. Automat. Contr. 1992. Vol. 37. No. 3. P. 332-341.

[124] Vapnik V.N. Statistical Learning Theory. - New York: Wiley. 1998. 737 p.

[125] Yoon J.S., Lee G.H. A MFCC-based CELP speech coder for server-based speech recognition in network environments // IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences. 2007. No. E90-A. P. 626-632.