Нейросетевая система управления посадкой самолетного типа для беспилотного летательного аппарата тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Михайлин, Денис Александрович

• Михайлин, Денис Александрович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Михайлин, Денис Александрович

ГЛАВА 1 Анализ функционирования систем автоматической посадки беспилотной авиации и постановка задачи диссертационной работы.

1.1 Введение. Анализ известных подходов к задаче автоматической посадки Б ДА.

1.2 Актуальность работы.

1.3 Цель работы и постановка задачи.

1.4 Основные положения, выносимые на защиту и их научная новизна, достоверность и практическая ценность.

ГЛАВА 2 Формирование общего алгоритма логического управления полетом БЛА при автоматическом заходе на посадку и посадке.

2.1 Формирование логики управления полетом БЛА в режиме захода на посадку.

2.2 Структура программы-диспетчера логического управления полетомЗЗ

2.3 Оценка возможности реализации программы-диспетчера на ПЛИС с помощью нейросетевых структур иерархического типа.

2.4 Выводы по главе 2.

ГЛАВА 3 Разработка нейросетевого алгоритма управления полетом по курсу для случая нахождения на большом удалении БЛА от области. посадки.

3.1 Формулы вычисления управляющего сигнала при управлении БЛА по курсу.

3.2 Оценка возможности нейросетевой реализации на ПЛИС канала управления БЛА по курсу.

3.3 Выводы по главе 3.

ГЛАВА 4 Формирование фильтра Калмана и последующего закона управления снижением БЛА по глиссаде с целью эффективного противодействия ветровым возмущениям.

4.1 Формирование нестационарного фильтра Калмана при воздействии случайного вертикального ветра.

4.2 Сравнительные результаты моделирования работы фильтра Калмана в замкнутом контуре управления посадкой БЛА.

4.3 Выбор "замороженных" коэффициентов фильтра Калмана и оценка эффективности его работы.

4.4 Выводы по главе 4.

ГЛАВА 5 Формирование интегрированного нелинейного фильтра-регулятора управления снижением БЛА с учетом ограничения привода по скорости

5.1 Введение нелинейных ограничений по скорости изменения параметров, оцениваемых стационарным фильтром Калмана.

5.2 Формирование нелинейного регулятора управления по высоте.

5.3 Нейросетевая реализация регулятора высоты.

5.4 Выводы по главе 5.

Введение диссертации (часть автореферата) на тему «Нейросетевая система управления посадкой самолетного типа для беспилотного летательного аппарата»

Из всех режимов полета летательных аппаратов (ЛА) наиболее сложным и напряженным является режим захода на посадку и непосредственно посадки. Связано это, в первую очередь, с большой степенью аварийности ЛА на этом режиме, вследствие быстротечности процесса посадки и очень высокой нервно-психологической нагрузки экипажа. Данный режим имеет достаточно высокую скоротечность и требует от экипажа уверенных, слаженных действий, быстрой реакции на происходящие изменения. Время на заход на посадку и посадку занимает не более 1-2% всего времени полета, однако на этот режим приходится более 50% всех авиационных происшествий (АП). За последние 40 лет на этот режим пришлось около 55% всех потерь. Трудности управления особенно возрастают в условиях плохой видимости (туман, темнота), когда зрительное ориентирование затруднено или невозможно [1].

Реализация автоматической посадки ЛА, что весьма актуально для беспилотных летательных аппаратов (БЛА), представляет еще более сложную задачу. В этом случае, вместо летчика бортовая система управления должна решать задачи планирования действий, оценки текущего состояния и управления исполнительными органами. При этом система управления (СУ) должна обеспечивать устойчивость, малое время отработки больших отклонений, адаптивность к воздействию возмущений и точность выхода в заданную точку приземления.

В соответствии с принятой ИКАО классификацией, различают три основные категории посадки в зависимости от параметров метеоминимумов -дальности видимости и высоты нижней границы облаков (таблица 1.1.)

Таблица 1.1. Категории систем посадки (классификация ИКАО)

Классификационный Категории систем посадки параметр I II Ша ШЬ Шс

Дальность видимости, м 800 400 200 50 0

Высота нижней границы облаков, м 60 30 30 0 0

Стоит пояснить, что системы посадки категории I обеспечивают автоматический возврат воздушного судна в район аэродрома и снижение его по глиссаде до высоты 60 м над ВПП в условиях низкой облачности. Системы посадки категории II обеспечивают автоматический возврат воздушного судна в район аэродрома и движение его по глиссаде до высоты 30 м при еще более низкой облачности. Системы посадки категории ШЬ обеспечивает автоматическую посадку ВС в условиях тумана. И, наконец, системы посадки категории Шс обеспечивают автоматическую посадку ВС в условиях полного отсутствия видимости и автоматическое движение его по рулежной дорожке к месту стоянки [2].

Как следует из таблицы 1.1, для автоматической посадки БЛА подходят только системы посадки категории ШЬ и Шс. В то же время абсолютное большинство аэродромов России оснащено системами посадки, обеспечивающими посадку по категории не выше I и лишь аэропорты первого класса Домодедово, Внуково и Шереметьево, оборудованы системами, обеспечивающими посадку по категории II.

Для начала, введем понятие подготовленной площадки. Вот типичное требование из эксплуатационной документации к подобной площадке для спасения БЛА тактического назначения [3]:

• подготовленная площадка должна представлять собой ровную площадку с наклоном не более 3°, без заболоченных участков, участков с рыхлым грунтом или песком, ям, глубоких колей от транспортных средств, столбов, деревьев, кустарника, камней и ииых предметов, о которые может повредиться БЛА при посадке;

• при необходимости возможна очистка площадки от препятствий с помощью имеющихся в наличии штатных и подручных средств;

• прочность грунта не менее 5кгс/см ;

• площадка не должна находиться ближе 100-150 м от границ "поле-лес" и "суша - водная поверхность" в связи с сильной турбулентностью атмосферы вблизи этих районов.

К настоящему моменту все известные способы посадки БЛА можно классифицировать следующим образом:

- на подготовленную площадку, дополнительно оборудованную специализированными устройствами механического захвата;

- по-самолетному на подготовленную площадку, дополнительно оборудованную радиотехническими средствами посадки;

- по-самолетному на подготовленную, но необорудованную радиотехническими средствами посадки площадку с использованием только бортового комплекса измерителыю-информациоиной аппаратуры; на подготовленную, но необорудованную радиотехническими средствами посадки площадку с использованием парашюта и шасси, как средства амортизации.

Рассмотрим подробнее каждый из перечисленных способов посадки.

Посадка на подготовленную площадку, дополнительно оборудованную специализированными устройствами механического захвата.

Примером может служить посадка БЛА захватом сетью. Сама сеть имеет существенно меньшие, по сравнению с площадкой, размеры, однако весомы и недостатки такой системы:

- ограничены посадочная масса и скорости JIA (шп=170кг, Vn=120 км/ч), что связано с прочностными возможностями и размерами сети;

- система посадки в сеть требует специальной аппаратуры автоматического наведения, включающей в себя бортовые ИК-излучатели и ИК-пеленгаторы, устанавливаемые на сеть;

- требуется значительное время для развертывания и свертывания системы;

- довольно большие габариты сети улавливания, определяемые размерами БЛА, снижают мобильность всего комплекса и повышают уровень демаскирующих признаков.

Наибольшие успехи в разработке таких наземных систем спасения БЛА были достигнуты в середине 80-х гг. в США и ФРГ. Система, разработанная фирмой Lockheed США, размещается на одном армейском грузовике, включает в себя вертикальную сеть размером 7x5 м и все необходимые элементы, позволяющие улавливать БЛА массой до 180 кг. Даже поверхностное знакомство с одной из наиболее отработанных систем данного класса дает представление о конструктивной и эксплуатационной сложности, высокой стоимости системы, что во многом объясняет причину того, что подобные системы не получили широкого распространения в комплексах БЛА. Однако, вследствие уникальных эксплуатационных и технических особенностей, с которыми приходится сталкиваться при запуске

БЛА с кораблей, этот способ спасения является пока наиболее приемлемым и целесообразным при операциях с БЛА на море. И прежде всего он выгоден тем, что это - "сухой" метод, в отличие от спуска аппарата на парашюте, который, чаще всего, заканчивается посадкой в соленую воду и приводит тем самым к значительным затратам на восстановительный ремонт аппарата. Кроме того, посадка аппарата на воду ограничивает возможности маневра соединений кораблей, а если на корабле нет вертолета и нужно спускать шлюпку, то в открытом море спасение может оказаться невозможным.

Посадка по-самолетному на подготовленную площадку, дополнительно оборудованную радиотехническими средствами посадки.

На подготовленную площадку посадка БЛА современных комплексов осуществляется в ручном или автоматическом режимах. В первом случае посадка аппарата осуществляется по командам специального члена экипажа комплекса - "оператора посадки", который визуально контролирует все этапы посадки и управляет летательным аппаратом с помощью радиокоманд. Такой способ посадки применяется в основном для сверхлегких и легких БЛА; возможен только в условиях хорошей видимости в районе посадки и при наличии опытного, высококлассного специалиста.

Автоматическая самолетная посадка может быть выполнена двумя способами. Первый способ, применяемый в настоящее время, состоит в использовании специальной аппаратуры, установленной на земле и на БЛА.

Аппаратура, расположенная на земле формирует световой луч (радиолуч), а датчики, установленные на БЛА, вырабатывают сигналы пропорциональные отклонению центра масс аппарата от сформированного луча. Бортовой вычислитель системы посадки передает эту информацию вычислителю САУ для формирования соответствующих отклонений рулевых поверхностей аппарата. Примером такой системы посадки может служить применяемая на большинстве аэродромов ILS (Instrumental Landing System) или система посадки "Максант" (рис. 1.1), предназначенная для посадки ЛА по П-Ша категориям. Она основана на высокоточном определении трех текущих координат БЛА (курса, дальности и высоты) разностно-дальномерным способом. Для этого вокруг ВПП устанавливается не менее 4 радиомаяков, излучающих кодированные радиосигналы. Один из маяков - ведущий, остальные - переизлучающие, которые после приема сигнала от ведущего маяка излучают свои собственные кодированные сигналы. На борту БЛА устанавливается аппаратура приема всех этих сигналов и их обработки. Она выполнена в двух вариантах:

- с пеленгатором, обеспечивающим привод БЛА в зону посадки, когда после выполнения задания БЛА не может выйти в зону посадки с помощью широко используемых в настоящее время систем ОРБ/ГЛОНАСС (например, когда эти системы подавлены средствами радиолокационного противодействия);

- без пеленгатора, т.е. когда привод БЛА в зону посадки осуществляется, например, с помощью систем ОР8/ГЛОНАСС.

Для осуществления посадки в бортовой аппаратуре измеряются разности времен прихода сигналов радиомаяков на БЛА. По результатам измерения и известным координатам наземных маяков в бортовом процессоре БЛА вычисляются координаты БЛА относительно точки посадки. В процессор перед полетом закладывается желаемая траектория снижения (глиссада). Вычисляемые на борту координаты БЛА относительно точки посадки позволяют определить отклонение БЛА от желаемой глиссады в каждый момент времени и на основании этого отклонения выработать команды управления БЛА для вывода его на заданную глиссаду. Тем самым выдерживается заданная траектория снижения. Точность системы посадки достигается за счет оптимального расположения радиомаяков, найденного ансамбля кодированных сигналов радиомаяков, имеющих сверхнизкие боковые лепестки авто- и кросскорреляционных функций, оптимальных алгоритмов обработки результатов измерений в бортовом процессоре.

Рис. 1.1 Схема реализации системы посадки "Максант"

Данная система посадки обладает следующими преимуществами: точности (2о) в точке посадки и на торце ВПП: по курсу (ось У на рис. 1.1) - порядка 1 м; по дальности (ось X на рис. 1.1) - порядка 1,4 м; по высоте (ось 2 на рис. 1.1) -порядка 1,5 м; одновременное обслуживание неограниченного количества Б Л А; - независимость от погодных условий, переотражений от местных предметов и подстилающей поверхности; мобильность (возможность быстрого развертывания на посадочной площадке и аэродроме).

Посадка по-самолетному на подготовленную, но необорудованную радиотехническими средствами посадки площадку с использованием

И ■ 0л

--■ только бортового комплекса измерительно-информационной аппаратуры.

Этот второй способ автоматической посадки, разрабатываемый рядом фирм, состоит в использовании дифференциальных методов спутниковой навигации.

Дифференциальная навигация предполагает размещение в некоторой реперной точке, координаты которой точно известны, приемника спутниковой навигации. Координаты БЛА определяются относительно этой точки. При этом погрешности в определении координат снижаются с десятков до единиц и долей метра. На основе дифференциальной спутниковой навигации может быть создана высокоточная система посадки, не требующая специальной аппаратуры.

Принцип работы данной системы покажем на примере посадки беспилотного вертолета на корабль.

В данной системе использован принцип относительной навигации, под которым понимается определение относительных (взаимных) координат и скоростей между подвижными объектами. Для реализации такого режима необходимо, чтобы выполнялись три основных условия: а) единое время измерения параметров на всех объектах; б) единая система координат, в которой определяются относительные координаты и скорости между объектами (рис. 1.2, 1.3); в) общее "поле" спутников для всех объектов.

Отметим, что для обеспечения автоматической посадки самолетов (вертолетов) на авианесущие корабли, погрешность определения взаимных координат между кораблем и самолетом (вертолетом) не должна превышать 0,3-0,4 м.

Рис. 1.2 Положение БЛЛ в опорной системе координат, связанной с точкой посадки (или пунктом управления), в горизонтальной плоскости

Корабль ^

Наземный пункт управления)

Чи.к&Уу) +——\-—■

БЛА

ЯЗ >Ука ' гкв ^

Рис.1,3 Положение БЛА в опорной системе координат, связанной с точкой посадки (наземным пунктом управления) в вертикальной плоскости

На рис. 1.4 показана структурная схема спутниковой системы определения относительных координат БЛА.

Рис. 1.4 Структурная схема спутниковой системы определения относительных координат БЛА.

Посадка на подготовленную, но необорудованную радиотехническими средствами посадки площадку с использованием парашюта и шасси, как средства амортизации.

В настоящее время это один из наиболее распространенных способов спасения практически всех типов беспилотных аппаратов - от легких БЛА и различных десантируемых систем до спасаемых космических аппаратов.

Обнаружить места базирования при таком способе посадки значительно сложнее. Зато больше время активного функционирования подразделения БЛА при таком способе посадки, чем при посадке "по-самолетному". При наличии в момент посадки ветра и несовпадении продольной оси БЛА с его направлением имеет место боковое движение, которое может привести к опрокидыванию и поломке аппарата. Критическое значение силы ветра, при котором происходит поломка аппарата, зависит от массы БЛА. Как показала практика, при посадочной массе БЛА до 120 кг она составляет 7-8 м/сек. В случае, если продольная ось БЛА составляет с направлением ветра угол р=±30° посадка происходит практически без поломок, в других случаях вероятность поломки существенно возрастает.

Ряд принципиальных выводов по применяемым способам посадки БЛА позволяет сделать проведенный в процессе исследований их сравнительный анализ. Основной недостаток самолетной посадки БЛА на основе использования аэродромных радиотехнических средств связан со сложностью подготовки соответствующей площадки со всей необходимой инфраструктурой. Автоматическая посадка БЛА на подготовленную, но не оборудованную площадку с использованием бортового комплекса измерительно-информационной аппаратуры является более перспективной, но опять же, как и предыдущий способ, требует относительно ровную площадку определенной длины для пробега БЛА после касания земли, а это не всегда возможно. В подобных ситуациях, когда невозможно обеспечить площадку нужной длины, требуется использовать другие способы посадки, такие как парашютная, либо посадка с помощью специализированных устройств механического захвата. Воплощение на практике концепции автоматической самолетной посадки БЛА, выполняемой под контролем комплекса бортовой аппаратуры, требует решения целого ряда важнейших вопросов, включая выбор состава используемых информационно-измерительных средств, а также разработку принципов построения и программно-алгоритмического обеспечения системы управления.

В практике проектирования используется большое число методов синтеза алгоритмов управления продольным и боковым движением ЛА. Наибольшее распространение из них получили так называемые классические методы, основанные на анализе процессов управления во временной или частотной области, базирующихся на использовании линеаризованных стационарных динамических моделей ЛА в виде уравнений состояния или в виде матрицы передаточных функций [4].

Суть данного подхода заключается в следующем. Для некоторого фиксированного набора режимов полета, компонентами которого являются различные (заранее выбранные) значения высоты и скорости полета, нагрузки на крыло, угла атаки и т.д., находится множество соответствующих линеаризованных математических моделей Л А. Далее для каждой такой линеаризованной модели находятся уравнения состояния (или передаточные функции) линейного регулятора, обеспечивающего желаемое качество переходных процессов в замкнутом контуре управления ЛА при условии малости отклонения координат ЛА и параметров режима полета относительно их номинальных (базовых) значений. На следующем шаге используется метод "замороженных коэффициентов", осуществляется "сшивание" или интерполяция коэффициентов усиления (передаточных чисел) полученных линейных регуляторов, применительно к различным режимам полета ЛА. Таким образом, синтезируется многорежимный линейный регулятор, параметры которого (вектор у) автоматически подстраиваются в функции от измеряемых параметров, например высоты Н и скорости V полета, с целью поддержания заданного качества САУ при изменении режима полета ЛА. (рис. 1.5).

Рис. 1.5. Схема системы управления ЛА с программной настройкой параметров регулятора.

Вместе с тем, желание расширить диапазон режимов полета современного ЛА и добиться более высокой его маневренности может привести к тому, что программная настройка коэффициентов усиления оказывается нереализуемой из-за быстрых изменений динамики нелинейного объекта. Серьезные затруднения в связи с применением данного подхода возникают и в тех случаях, когда уравнения объекта управления являются существенно нелинейными (например, при выполнении маневра ЛА с большими углами атаки) или если эти уравнения известны приближенно. Кроме того попытки учесть возможно большее количество режимов полета на этапе проектирования САУ ЛА приводят к резкому увеличению требуемого объема вычислений, что предъявляет дополнительные требования к производительности и объему памяти бортовой ЭВМ. Наличие указанных выше нерешенных вопросов, безусловно, сужает сферу применения управляющих алгоритмов, связанных с программной настройкой коэффициентов усиления линейного регулятора, и затягивает процесс проектирование и доводку САУ. Тем не менее, большинство систем управления полетом, применяемых на современных боевых самолетах, спроектированы с использованием именно этого подхода, на практике неоднократно доказавшего свою работоспособность.

Другая интенсивно разрабатываемая идея базируется на утверждении о том, что эффективно управлять нелинейным объектом можно только с помощью адекватного ему нелинейного регулятора. Учитывая, что методы синтеза линейных систем на сегодня наиболее глубоко отработаны и изучены, обычно построение нелинейного алгоритма управления полетом осуществляют в два этапа. На первом из них, предполагается, что нелинейная динамическая модель ЛА как объекта управления известна, находится такой способ организации обратной связи (путем использования некоторых нелинейных преобразований по переменным состояния объекта), при котором полученный замкнутый контур управления (т.е. соединение "объект управления - звено обратной связи") обладает линейными характеристиками. В силу наличия указанной особенности, данный способ построения регулятора принято называть линеаризацией на основе обратной связи. На втором этапе синтеза находится линейная часть алгоритма управления, обеспечивающая получение желаемых показателей качества системы в целом.

Наиболее простая и распространенная разновидность данного метода — это метод обратных моделей, или метод динамической инверсии (ДИ). Суть этого метода заключается в следующем. Допустим, что ДА как объект управления описывается системой нелинейных дифференциальных уравнений вида x = f(x,x,u), (1.1) где x(t), x(t) е Rn - векторы переменных состояния и их производных; u(t) е Rm - вектор управляющих воздействий (входов объекта); f - нелинейная вектор-функция, отображающая область RnxRnxRm в Rn. Если функция f(x. х ,u) имеет обратную, а переменные х и х измеримы, то формулу (1.1) можно переписать как x = uper, (1.2)

Uper=f(x,X,ll), (1.3) где вектор uper(t) е R" можно интерпретировать как вектор входов эквивалентного линейного объекта управления, а уравнение (1.3) как линеаризующее преобразование с использованием обратной связи по переменным состояния х и х.

Обратное преобразование для зависимости (1.3) имеет вид u=f '(x,x,uper). (1.4)

Таким образом, управление нелинейным объектом с использованием предлагаемого подхода сводится к изменению координат векторов х, х с последующим вычислением вектора и по формуле (1.4).

Вместе с тем, и такой способ управления имеет свои недостатки. Во-первых, для компенсации нелинейностей объекта необходимо знание его точной математической модели, что на практике нереализуемо. Во-вторых, нелинейное отображение f в (1.3) не всегда инвертируемо, что предполагает использование того или иного способа аппроксимации выражения (1.4). Это, в свою очередь, не гарантирует точного выполнения условия (1.2) и требует проведения дополнительного анализа, связанного с оценкой влияния соответствующих методических погрешностей на характеристики синтезируемой системы.

Выходом из создавшегося положения может быть обеспечение робастности САУ путем введения в систему дополнительного внешнего контура управления помимо внутреннего контура, построенного на основе описанного выше метода ДИ. Этот внешний контур позволяет парировать влияние указанных выше погрешностей, обеспечивая устойчивость и желаемое качество процессов управления в системе.

Еще одно перспективное направление, активно разрабатываемое с конца 60-х — начала 70-х гг. в теории и практике управления полетом, связано с применением методов адаптивного управления. Эти методы успешно работают в условиях параметрической неопределенности, когда динамика объекта управления описывается нелинейными уравнениями, а неизвестные (медленно изменяющиеся) параметры входят в них линейно. Соответствующие методы адаптивного управления можно условно разбить на две большие группы: методы прямого и непрямого управления. В случае прямого управления, параметры регулятора подстраиваются в режиме on-line > (т.е. непосредственно в процессе управления объектом) таким образом,

4 * чтобы минимизировать некоторый функционал относительно ошибки адаптации е=у-уэч - разности между выходами объекта управления и эталонной модели САУ. Методы непрямого управления используют двухступенчатую схему - в начале на основе того или иного алгоритма идентификации осуществляется оценка вектора параметров £ реального объекта, а затем, в зависимости от результатов идентификации, производится вычисление требуемых значений вектора параметров у регулятора исходя из достижения главной цели — обеспечения устойчивости и желаемых показателей качества САУ.

Ряд принципиальных вопросов, связанных с обеспечением устойчивости и робастности адаптивных САУ в условиях неточного представления математической модели объекта (так называемой "немоделируемой динамики"), ограничений входных сигналов, действия внешних возмущений рассмотрен в работах [5-9]. Имеются успешные примеры апробации адаптивных алгоритмов управления в САУ современными и перспективными высокоманевренными самолетами [9,10].

В то же время становится все более очевидной необходимость в таком типе систем управления полетом, которые были бы способны обучаться непосредственно в процессе своей эксплуатации, т.е. чем дольше летает система, тем лучше она становится. Пути решения этой проблемы лежат в рамках концепции интеллектуального управления, включающей в себя в качестве верхнего уровня функции принятия решения, планирования и обучения. Одно из центральных мест в этой концепции по праву занимают нейронные сети (НС), которые благодаря своей универсальности, параллельной распределенной архитектуре, способностей к нелинейной функциональной аппроксимации и обучению, а также многим другим положительным качествам могут с успехом решать возложенные на них задачи управления, идентификации, адаптации, распознавания, классификации, оптимизации, сжатия данных, прогнозирования и т.д.

В данной диссертационной работе рассмотрены два режима:

- режим захода на посадку вдали от посадочного места при управлении по курсу;

- режим снижения по глиссаде.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Михайлин, Денис Александрович

5.4 Выводы по главе 5

I. Предложен принципиально новый подход к оценке параметров в фильтре, в котором исходя из неучтенных в линейной постановке задачи ограничений по скорости оцениваемых сигналов, а именно в фильтр Калмана вводятся дополнительные нелинейности по скорости угла тангажа, угла ветра, скорости ветра и по высоте.

Всего в фильтре Калмана для продольного канала введено 4 нелинейности.

2. Моделирование показало, что предложенный гибридный нелинейный регулятор, состоящий из линейного и нелинейного регуляторов, способен парировать вертикальный ветер до 4 м/сек с максимальным отклонением по высоте до 1 м.

В этом регуляторе имеются следующие нелинейности:

- ограничение по модулю угла ветра и ограничение по модулю угла наклона траектории в релейном регуляторе;

- переключатель режимов линейного и релейного управления;

- нелинейный блок компенсации скачкообразных переходных процессов.

Всего в гибридном нелинейном регуляторе введено 4 нелинейности.

3. Необходимо также заметить, что для придания адаптивных свойств управляющего устройства для различных режимов полета в регуляторы вводится "свои" задающие уставки (такие как балансировочные значения угла тангажа, заданные значения угла наклона траектории и т.д.), которые также меняют свойства регуляторов без изменения их общей структуры.

4. Предложена нейросетевая реализация разработанного управляющего устройства, которая с достаточной точностью воспроизводит управляющий сигнал, при этом обладает лучшими отказоустойчивыми, массо-габаритными и стоимостными характеристиками при аппаратной реализации на ПЛИС.

ЗАКЛЮЧЕНИЕ

В диссертационной работе была разработана интеллектуальная нейросетевая системы управления посадкой БЛА. Основные результаты могут быть сформулированы в виде следующих положений.

1. Разработана и представлена нейросетевая реализация единой программы-диспетчера, реализующая логику управления полетом от выбора действия при заходе на посадку до назначения уставок в автопилот.

2. Разработана и обучена трехслойная структура нейронной сети, реализуемая на ПЛИС для управления по курсу при возвращении БЛА к месту посадки.

3. Предложен принципиально новый подход к оценке параметров в фильтре, в котором исходя из неучтенных в линейной постановке задачи ограничений по скорости оцениваемых сигналов, в фильтр Калмана вводятся дополнительные нелинейности по оценке скорости угла тангажа, ветра, скорости ветра, а также высоте.

4. Предложена схемотехническая реализация разработанных нейросетевых структур на однотипных логических элементах с помощью малогабаритных программируемых логических интегральных схем, что позволит значительно снизить стоимостные и массогабаритные характеристики нейросетевой системы управления полетом в целом.

Список литературы диссертационного исследования кандидат технических наук Михайлин, Денис Александрович, 2009 год

1. Галушкин А.И. Нейрокомпьютеры в авиации (самолеты). Кн. 14.-М.: Радиотехника, 2003. 496 с.

2. Фрадков А.Л. "Адаптивное управление в сложных системах". М.: Наука, 1990.

3. Narendra K.S., Annaswamy A.M. Stable Adaptive Systems, Prentice Hall Pub., Englewood Cliffs, NJ, 1989.

4. Sastry S.S., Bodson M. „Adaptive Control : Stability, Convergence and Robustness, Prentice Hall Pub., Englewood Cliffs, NJ, 1989.

5. Zhang Y., Ioannou P.A. Stability and Performance of Nonlinear RobusttVi

6. Adaptive Control, Proceedings of the 34 Conference on Decision and Control, 1955. P.3941-3946.

7. Golpaswamy S., Hedrick J.K. Robust Adaptive Nonlinear Control of High Performance Aircraft, Proceedings of the American Control Conference, 1990. P. 1279-1283.

8. Elliot J.R. NASA's Advanced Control Law Program for the F-8 Digital Fly-by-Wire Aircraft, IEEE Transactions on Automatic Control. Vol.AC-22. No.5. Oct. 1977. - P. 735 - 757.

9. Никитин А.И. "Синергетический синтез систем векторного управления посадкой самолета-амфибии", автореферат диссертации на соискание ученой степени кандидата технических наук, Таганрог, 2009.

10. Михалев И.А. и др. Системы автоматического управления самолетом/И.А. Михалев, Б.Н. Окоемов, М.С. Чикулаев. 2-е изд., перераб. и доп. М.: Машиностроение. 1987. - 240 е., ил.

11. Мосолов В.Е., Харитонов В.Н. "Системы автоматического управления угловым движением летательных аппаратов": Учебное пособие. -М.: Изд-во МАИ, 1995.

12. Бородин В.Б., Калинин А.В. Системы на микроконтроллерах и БИС программируемой логики . М., ЭКОМ, 2002.

13. Капитанов В. Д., Володин П. В. Топологическая и временная оптимизация проектов на ПЛИС Xilinx. Компоненты и технологии, 1999, № 1,2000, №2.

14. Мальцев П.П., Гарбузов Н.И., Шарапов А.П., Кнышев Д.А. Программируемые логические ИМС на КМОП-структурах и их применение. М., Энергоатомиздат, 1998.- 160с

15. Мистюков В. Г., Капитанов В. Д. Реализация высокопроизводительных сверхкомпактньтх КИХ-фильтров на ПЛИС Xilinx. Электроника и компоненты, 1998, № 4.

16. Алюшин М.В. Аппаратная реализация быстродействующих нейросетей на основе программируемой логики фирм AMD, ALTERA, XILINX. Сборник научных трудов Всероссийской научно-технической конференции «Нейроинформатика-99».М.: МИФИ, 1999, часть 2.

17. Лебедев Г.Н., Мирзоян Л.А. Самообучающиеся иерархические нейроструктуры управления полетом. Труды 1-й Российскоймультиконференции по проблемам управления1. РМКПУ-2006), 2006.

18. Мистюков В. Г., Капитанов В. Д. Макромодули быстродействующих умножителей на ПЛИС Xilinx. Электроника и компоненты, 1998, № 3.

19. Шевченко П.А., Фомин Д.В., Черников В.М., Виксне П.Е. Применение микропроцессора NM6403 для эмуляции нейронных сетей. Нейрокомпьютеры и их применение 99. М.: ИПУ РАН, 1999. -С.81-90.

20. Проблемы построения и обучения нейронных сетей / под ред. А.И. Галушкина и В.А. Шахнова. М. Изд-во Машиностроение. Библиотечка журнала Информационные технологии №1. 1999. 105 с.23. http://www.navgeocom.ru/gps/kalman/index.htm

21. Остославский И.В. "Аэродинамика самолета". Оборонгиз, 1957.

22. A.C. Новоселов, В.Е. Болнокин, П.И. Чинаев, А.Н. Юрьев. "Системы адаптивного управления летательными аппаратами". -М.: Машиностроение, 1987. 280 с.

23. Г.С. Поспелов, Н.К. Бодунов. "Основы авиационной автоматики". Учебное пособие, Изд. ВВИА, 1964.

24. Галушкин А.И. Некоторые исторические аспекты развития элементной базы вычислительных систем с массовым параллелизмом (80- и 90- годы). Нейрокомпьютер, №1. 2000. С.68-82

25. Галушкин А.И. Нейрокомпьютеры. Кн.З.- М.: Радиотехника, 2000. -528с.

26. Логовский А. Технология ПЛИС и ее применение для создания нейрочипов. Открытые системы , 2000, №10.

27. Власов А.И. Аппаратная реализация нейровычислительных управляющих систем. Приборы и системы управления, 1999, №2.- с.61-65.

28. Ferrer D., Gonzalez R., Fleitas R., et al. NeuroFPGA Implementing Artificial Neural Networks on Programmable Logic Devices. Design, Automation and Test in Europe Conference and Exhibition, 2004. Proceedings, v.3, pp.218-223.32. http://www.altcra.com

29. А.К. Гультяев. "MATLAB 5.3. Имитационное моделирование в среде Windows": Практическое пособие. Спб.: КОРОНА принт, 2001.

30. Зобенко А. А., Филиппов А. С., Комолов Д. А., Мяльк Р. А. Системы автоматизированного проектирования фирмы Altera MAX+plus II и Quartus II. Краткое описание и самоучитель. М: РадиоСофт, 2002.-360с.

31. В.А. Бесекерский, Е.П. Попов. "Теория автоматического управления". Спб, Изд-во "Профессия", 2003

32. B.C. Медведев, В.Г. Потемкин. "Нейронные сети. MATLAB 6". -М.: ДИАЛОГ-МИФИ, 2002.