Редуцированные динамические экспертные системы и алгоритмы повышения отказоустойчивости прицельно-навигационных комплексов летательных аппаратов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Чжо Зин Хтут

  • Чжо Зин Хтут
  • кандидат науккандидат наук
  • 2018, ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)»
  • Специальность ВАК РФ05.13.01
  • Количество страниц 130
Чжо Зин Хтут. Редуцированные динамические экспертные системы и алгоритмы повышения отказоустойчивости прицельно-навигационных комплексов летательных аппаратов: дис. кандидат наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)». 2018. 130 с.

Оглавление диссертации кандидат наук Чжо Зин Хтут

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДЫ ПОВЫШЕНИЯ ОТКАЗОУСТОЙЧИВОСТИ И

СИСТЕМЫ КОНТРОЛЯ

1.1. Комплексы контроля состояния технических систем

1.2. Обзор бортовых комплексов контроля атмосфетных ЛА

1.3. Постановка задачи диссертационного исследования

Выводы по главе

ГЛАВА 2. СТРУКТУРНАЯ ОРГАНИЗАЦИЯ ПНК И МЕТОДЫ

ОБРАБОТКИ ИНФОРМАЦИИ

2.1. Структура и состав ПНК

2.2. Алгоритмы оценивания

2.3.Обеспечение отказоустойчивости ПНК

Выводы по главе

ГЛАВА 3. СИСТЕМЫ И АЛГОРИТМЫ ПОВЫШЕНИЯ

ОТКАЗОУСТОЙЧИВОСТИ, ДИАГНОСТИКИ И КОНТРОЛЯ СОСТОЯНИЯ ПНК

3.1. Модели процесса контроля

3.2. Методы диагностического контроля

3.3. Методы помехозащиты

3.4. Методы восстановления

3.5. Методы прогнозирования

Выводы по главе

ГЛАВА 4. ДИНАМИЧЕСКИЕ ЭКСПЕРТНЫЕ СИСТЕМЫ ПНК

4.1. Система диагностики бортовых измерительных средств

4.2. Разработка системы повышения отказоустойчивости на основе

теории функциональных систем

Стр.

4.3. Редуцированная ДЭС с интеллектуальной компонентой для контроля

ПНК ЛА

4.4. Разработка редуцированной ДЭС для контроля бортового оборудования

4.5. Разработка ДЭС с функцией восстановления

Выводы к главе

ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

5.1. Способы реализации систем повышения отказоустойчивости, контроля и диагностики

5.2. Результаты математического моделирования

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

СПИСОК СОКРАЩЕНИЙ.

АО - алгоритм оценивания

БИНС - бесплатформенная инерциальная навигационная система

БЦВМ - бортовая цифровая вычислительная машина

ГА - генетический алгоритм

ГЛОНАСС - глобальная навигационная спутниковая система

ГСП - гиростабилизированный платформ

ДССН - дифференциальная система спутниковой навигации

ИК - измерительный комплекс

ИНС - инерциальная навигационная система

КОИ - комплексная обработка информации

ЛА - летательный аппарат

МГУА - метод группового учета аргументов

ПНК - прицельно-навигационный комплекс

СНС - спутниковая навигационная система

ДЭС - динамическая экспертная система

БЗ - база знаний

БД - база данных

КОИ - комплексная обработка информации

ЭДСУ - электродистанционная система управления

ЭС - экспертная система

СУ - система управления

ФУ - функциональный устройства

ИВК - измерительно-вычислительные комплексы

ИМА - интегрированная модульная авионика

КОИ - комплексная обработка информации

РСИ - реверсивный счетчик импульсов

КЛА - космический летательный аппарат

БКУ - бортовой комплекс управления

МИПФ - матричный импульсной переходной функции

УДМ - усилитель датчика моментов

СКД - системы контроля и диагностики

НДВР - нечеткий дискретный временный ряд

БОС - базовая операционная система

АСКД - аппаратные средства контроля и диагностики

ПО - программное обеспечение

МП - микропроцессоры

ПЛИС - программируемые логические интегральные схемы

МК - микроконтроллеры

СУБД - система управления базами данных

ЦВМ - цифровая вычислительная машина

ЭВМ - электронно-вычислительная машина

GPS - global Positioning System

FDI - fault Detection and Identification

SCADA - supervisory control and data acquisition

ISACS-DOC - intelligent Sаtellite Control Software - DOCtor

HDL - hardware description language

SQL - structured query language

SEIS - space environment information system

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Редуцированные динамические экспертные системы и алгоритмы повышения отказоустойчивости прицельно-навигационных комплексов летательных аппаратов»

ВВЕДЕНИЕ

Современные летательные аппараты (ЛА) характеризуются летно-техническими параметрами, вооружением и возможностями авионики.

Интеграция бортового оборудования обусловила появление прицельно-навигационных комплексов (ПНК), являющихся основой бортового оборудования.

Измерительные системы, входящие в состав ПНК, имеют погрешности, вызываемые конструктивными особенностями, а также условиями функционирования ЛА. Для компенсации погрешностей на практике используются известные алгоритмические методы, а также возможности реконфигурирования структуры и адаптации к внешним условиям и внутреннему состоянию ПНК.

В состав ПНК ЛА входят базовые автономные навигационные системы, в частности инерциальные навигационные системы (ИНС), спутниковые навигационные системы (СНС), радионавигационные системы, геофизические и оптические системы, БЦВМ, а также комплексная обработка информации (КОИ). Одной из важных задач при эксплуатации ПНК ЛА является сохранение его работоспособности и высокой эффективности. Для определения работоспособности и качества функционирования ПНК применяются различные системы контроля, повышения отказоустойчивости и помехозащиты.

Современные ЛА функционируют на высоких скоростях, больших высотах и дальностях полета, в условиях разнообразных и многочисленных внешних факторов. Требования к точности и надежности навигационного оборудования постоянно возрастают. Обеспечение тактико-технических характеристик ЛА и жесткие условия эксплуатации накладывают ограничения на физические, технические и эксплуатационные характеристики авионики.

Важной и актуальной задачей при эксплуатации бортового оборудования ЛА является оценка состояния ПНК, диагностика его отказов и управление функционированием всей авионики. Для этого применяются различные системы повышения отказоустойчивости, помехозащиты и контроля на различных этапах

эксплуатации ПНК. Используются иерархические системы, хорошо зарекомендовавшие себя на практике, в которых оценивается работоспособность и достоверность информации отдельных систем и комплекса бортового оборудования в целом.

Однако при решении задачи сохранения работоспособности бортового оборудования целесообразно знать не только момент отказа бортовых систем, но и предвидеть момент возникновение аварийной ситуации, а также интервалы недостоверной работы оборудования. Решение этой задачи с помощью априорных прогнозирующих моделей требует проведения длительных дорогостоящих экспериментов, не позволяет учитывать особенности конкретных систем и осуществлять эффективный контроль высокоманевренных ЛА.

Поэтому для повышения отказоустойчивости и осуществления контроля бортового оборудования перспективных маневренных ЛА целесообразно использовать комплексные системы контроля на базе динамических экспертных систем (ДЭС), которые позволяют учитывать режимы полета ЛА, имеют богатую базу данных и ансамбль оценочных критериев. Применение ДЭС на борту ЛА сопряжено со сложностями реализации, требованиями повышенной производительности БЦВС.

Большой вклад в создание систем повышения отказоустойчивости авионики внесли Умеров А.А., Синдеев И.М., Барзилович Е.Ю., Далецкий С.В., Джанджгава Г.И., Пархоменко П.П., Деркач О.Я., Коптев А.Н., Прилепский В.А., Саханов К.Ж., Ергалиев Д.С., Лисин С.П., Первушин Р.Ю., Г. Чжен., Е.М. Эннинг., Г. Метц., У Фитч., Г. Хером., К. Фабьен.

ПНК и КОИ ЛА должны обеспечивать получение достоверной навигационной информации и иметь высокую помехо- и отказоустойчивость в процессе функционирования во всем диапазоне.

Таким образом, выделен комплекс проблем, который целесообразно решить в процессе диссертационного исследования: разработать структуры систем и алгоритмов для повышения отказоустойчивости и работоспособности ПНК ЛА на основе принципов функционирования ДЭС.

Объект исследования. Основным объектом исследования являются ПНК атмосферных ЛА.

Предметом исследования служат алгоритмы обработки информации и динамические экспертные системы ПНК ЛА.

Целью диссертационной работы является разработка и исследование алгоритмов повышения отказоустойчивости и редуцированных динамических экспертных систем ПНК ЛА.

Для достижения постановленной цели в диссертации решены следующие основные задачи:

1. Разработка и исследование алгоритмов ДЭС используемых для повышения отказоустойчивости авионики маневренного атмосферного ЛА.

2. Исследование моделей и систем диагностики состояния ПНК современных ЛА.

3. Разработка структур динамических экспертных систем ПНК ЛА.

4. Разработка алгоритмов и средств повышения отказоустойчивости измерительных комплексов и ПНК ЛА.

Научная новизна диссертационной работы заключается в следующем:

1. Разработана структура системы регенерации измерительного комплекса в составе ПНК, в котором функция восстановления реализована с помощью эволюционного алгоритма построения прогнозирующих моделей и регулятора.

2. Создан комплекс алгоритмов повышения отказоустойчивости бортовой аппаратуры, применяемый в ДЭС, включающий алгоритмы оценивания, построения моделей определяющих параметров, прогнозирования и контроля.

3. Разработана система диагностики бортовых измерительных средств, которые используются для измерения параметров ЛА. Для оценивания и прогнозирования состояния гироприборов используются априорные модели, алгоритмы идентификации и эволюционные алгоритмы построения прогнозирующих моделей.

4. Разработана система повышения отказоустойчивости ПНК, включающая редуцированную ДЭС и интеллектуальную компоненту - акцептор действия, отличающаяся компактностью за счет анализа ключевых параметров измерительных систем ПНК.

5. Разработана система повышения отказоустойчивости для современного ПНК ЛА с редуцированной структурой на основе нечеткой ДЭС, эволюционных алгоритмов построения прогнозирующих моделей.

Практическая ценность результатов исследования. Разработанная редуцированная структура ДЭС позволяет реализовать функцию повышения отказоустойчивости авионики современных маневренных атмосферных ЛА в серийных БЦВМ.

Алгоритмы и системы легко реализуемы в спецвычислителе или БЦВМ. Разработанные алгоритмы позволяют вычислять прогнозные значения погрешностей систем авионики ЛА и предотвратить выход из диапазона устойчивой работы. Разработанная структура редуцированной ДЭС и комплекс алгоритмов обеспечивают работоспособность и отказоустойчивость оборудования ЛА и позволяют получать достоверную информацию о параметрах ЛА.

Достоверность и обоснованность полученных результатов и научных положений подтверждаются корректным использованием известных математических методов, математических моделей, алгоритмов, достаточным объемом проведенного моделирования и результатами, которые согласуются с широко известными результатами, которые опубликованы в открытых источниках.

Внедрение результатов диссертационного исследования.

Разработанные алгоритмы ДЭС были применены в учебном процессе кафедр «Компьютерные системы и сети» и «Системы автоматического управления» МГТУ им. Н.Э. Баумана, а также при реализации научно-технической работы Госзадание № 2.7486.2017/БЧ.

Основные положения диссертационной работы, выносимые на защиту:

1. Разработанное алгоритмическое обеспечение системы повышения отказоустойчивости измерительного комплекса и ПНК ЛА, базирующееся на прогнозирующих нелинейных математических моделях погрешностей измерительных систем и датчиков.

2. Структура и алгоритмы редуцированной ДЭС, основанный на применении интеллектуальных технологий, сформированных с помощью теории функциональных систем, а также система повышения отказоустойчивости ПНК, базирующаяся на нечеткой ДЭС.

Апробация работы. Основные результаты докладывались и обсуждались на: научном семинаре кафедры «Системы автоматического управления» МГТУ им. Н.Э. Баумана (Москва, 2016, 2017, 2018); Международном симпозиуме «Современные аспекты фундаментальных наук» (Дедовск, 2015); Восьмой Всероссийской конференции молодых ученых и специалистов «Будущее машиностроения России» (Москва, 2015); Международной научно практической конференции «Достижение вузовской науки» (Москва, 2016); Международной научно-практической конференции «Экономика, Управление, Техника: Проблемы и Перспективы Развития» (Дедовск, 2016); Десятой всероссийской конференции молодых ученых и специалистов «Будущее машиностроения России (Москва, 2017); Cборник статей X международной научно -практической конференции «EurasiaScience» (Москва, 2017).

Публикации. По теме диссертации опубликовано 1 1 научных работ, из них 4 статьи в журналах, входящих в Перечень ВАК Минобрнауки РФ, объемом 4.3 п.л./ 1.8 п.л.

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав, заключения и списка литературы. Текст диссертации изложен на 128 машинописных страницах, содержит 49 рисунков и 3 таблицы. Список литературы включает 115 источников.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность направления и темы диссертационной работы, практическая значимость темы исследований, приведено краткое содержание диссертации.

В первой главе диссертации рассмотрены известные методы повышения отказоустойчивости, диагностики и системы контроля состояния современных технических систем.

Представлены методы выбора диагностических признаков при оценке состояния сложных технических систем ЛА на земле и в процессе полета с помощью систем встроенного контроля, которые обеспечивают процесс диагностирования от постановки задачи и до получения результатов практического использования с разбиением на три этапа: 1 - этап физического анализа; 2 - этап математического анализа; 3 - этап технической реализации. Расмотрена методика, которая позволила создать систему встроенного контроля, обеспечивающую безопасность полета. Представлен обзор бортовых комплексов контроля космических и атмосферных ЛА.

Исследованы решения вопросов диагностики систем ПНК, связанных со спецификой решаемых комплексом задач. Представлены общие подходы к синтезу динамических моделей диагностируемых систем и агрегатов ПНК.

Рассмотрены способы формирования моделей диагностики и контроля бортовых систем ЛА. Исследованы проблемы выбора диагностических признаков для оценки состояния работоспособности контроллируемых объектов; исследованы решения некоторых актуальных проблем, связанных с диагностикой бортовых систем.

Представлены системы повышения отказоустойчивости и контроля, применяемые в атмосферных ЛА. Исследованы особенности этих систем, подходов и выявлены их недостатки. На основе проведенного анализа систем и их алгоритмического обеспечения сделан вывод о необходимости разработки универсального алгоритмического средства повышения отказоустойчивости и

диагностики состояния современных измерительных комплексов и ПНК маневренных ЛА. Представлена постановка задачи диссертационного исследования, заключающаяся в разработке алгоритмов и систем повышения отказоустойчивости авионики современного ЛА в процессе полета.

Вторая глава посвящена исследованию измерительных комплексов и ПНК, а также алгоритмов обработки информации. Представлены структуры измерительных комплексов и ПНК современных маневренных атмосферных ЛА.

При построении ПНК ЛА использован принцип применения бортовой цифровой вычислительной системы (БЦВС). Решение комплексных задач: навигации, управления и взаимодействия осуществляется при условии сохранения независимости работы отдельных систем из состава ПНК.

Состав ПНК для конкретного типа ЛА определяется функциональными требованиями к нему и задачами, решаемыми ЛА. Измерительные системы, входящие в состав ПНК, проводят измерение и первичную обработку данных. Интегральная обработка реализуется в БЦВС. ИНС в составе ПНК обеспечивают непрерывное определение пилотажно-навигационных параметров. Рассмотрены ИНС, включающие гиростабилизированную платформу (ГСП) с установленными на ней акселеро- метрами. При отказе ИНС, дополнительные автономные каналы в составе ПНК организованы на основе данных от СВС.

Использование в ПНК алгоритмов комплексной обработки информации обеспечивает коррекцию ИНС, СВС, контроль информации ДИСС и РСБН с помощью данных СНС и позволяет осуществлять адаптацию систем к условиям полета.

Рассмотрены модели процесса контроля ПНК и алгоритм оценивания -адаптивный фильтр калмана (ФК), который является одним из базовых алгоритмов системы контроля.

Представлен фильтр калмана, при помощи которого осуществляется оценванивание (восстановление) всего вектора состояния исследуемой системы.

Рассмотрены эволюционные алгоритмы: генетический алгоритм (ГА), алгоритм самоорганизации и др. Алгоритмы самоорганизации -это многорядные

алгоритмы, базирующиеся на гипотезе селекции. Полученная модель используется для прогноза и последующей коррекции в выходном сигнале ИНС ПНК ЛА.

Третья глава посвящена исследованию систем и алгоритмов повышения отказоустойчивости, диагностики и контроля.

Причиной недостоверности принятия решения о работоспособном состоянии ПНК являются погрешности измерения параметров, которые анализируются при решении задачи определения работоспособности комплекса. Для повышения степени достоверности применяются различных алгоритмы системы контроля ПНК, которые должны отвечать ряду требований: высокая точность, простота реализации в БЦВМ, робастность и др.

Посредством алгоритма оценивания проводится определение оптимальных оценок параметров, которые затем сравниваются с допусками и принимается решение по контролируемому параметру.

Рассмотрены алгоритмические методы диагностики, помехозащиты, восстановления и прогнозирования параметров ПНК.

В четвертой главе представлены оригинальные системы повышения отказоустойчивости ПНК ЛА. Предложена структура системы с использованием теории функциональных систем П.К. Анохина и ДЭС.

Предложена структура редуцированной ДЭС с интеллектуальной компонентой, представляющей собой акцептор действия, включающий алгоритмы оценивания, построения моделей, прогнозирования и сравнения результата. Предложена система контроля и диагностики ПНК с функцией восстановления.

Диагностируются превышения пороговых значений погрешностей ИНС, парирование которых позволяет удержать ИНС в области достоверных значений навигационной информации ЛА, предотвратив развитие ситуации, приводящей к потере работоспособности ПНК. При реализации системы контроля использована структура ДЭС и БЭЛ-метод, предполагающий использование нечеткой логики.

ДЭС с алгоритмом построения прогнозирующих моделей, методом диагностических матриц и правил нечеткой логики позволяет определять степень достоверности навигационной информации ЛА, а блок принятия решений, регулятор восстанавливают работоспособность ПНК, использование оценок и прогнозных значений погрешностей ИНС повышает достоверность навигационной информации ЛА.

Пятая глава содержит результаты проведенных экспериментальных исследований. Приведены результаты моделирование алгоритмов с тестовой математической моделью погрешностей горизонтального канала базовой системы ПНК - ИНС. Представлены результаты работы алгоритма диагностики погрешностей ИНС.

Результаты математического моделирования продемонстрировали работоспособность разработанных алгоритмов. Приведены результаты анализа работы разработанного алгоритмического обеспечения систем контроля и диагностики ПНК ЛА.

Заключении содержит основные результаты диссертационной работы.

ГЛАВА 1. МЕТОДЫ ПОВЫШЕНИЯ ОТКАЗОУСТОЙЧИВОСТИ

И СИСТЕМЫ КОНТРОЛЯ

Методы диагностики и системы контроля, применяемые в различных областях техники, имеют специфические особенности и адаптация их к задаче контроля авионики ЛА, как правило, требует некоторой (иногда существенной) доработки.

Эффективность использования ЛА определяется надежностью выполнения поставленных задач и зависит от своевременности обнаружения отказов и их устранения [13-16, 24].

Отдельным вопросам методологии проектирования систем контроля посвящен широкий круг работ разных авторов, среди которых следует выделить работы Л. Г. Евланова, исследовавшего математические модели объектов контроля, методы выбора контролируемых параметров и оптимального синтеза алгоритмов обработки сигналов в системах контроля [24]; И. М. Синдеева, работы которого посвящены исследованию методов диагностирования [15]; Г. М. Гнедова рассмотревшего вопросы методологии проектирования систем контроля ракет [27]; А. В. Мозгалевского, исследовавшего вопросы организации диагностирования и прогнозирования состояний судового оборудования, и других авторов.

Современные измерительно-вычислительные комплексы (ИВК) представляют собой объекты с высокой степенью интеграции. В них используются методы комплексирования, резервирования систем, аналоговые и цифровые алгоритмы обработки измерительной информации в специализированных многопроцессорных вычислителях.

Определение состояния ИВК и своевременное устранением неисправностей решается путем реализации методов и средств контроля и диагностики [19, 22, 27, 30, 79].

Измерительно-вычислительные комплексы, устанавливаемые на борту ЛА, используются для измерения и обработки информации о параметрах полета,

а также параметрах работы силовой установки и других систем ЛА. Вопросы контроля и диагностики должны решаться разработчиком на этапе проектирования ИВК с учетом требований, предъявляемых к условиям эксплуатации средств контроля и возможности реализации используемых методов.

Особенностью современных ИВК как объектов контроля является использование дискретных методов обработки информации. Это позволяет расширить возможности контроля и диагностики за счет использования вычислительных средств ИВК и повысить характеристики контролепригодности.

1.1. Комплексы контроля состояния технических систем.

Рассмотрим системы и комплексы контроля состояния различных технических систем с целью выявления перспективных схем диагностики и контроля для использования в ПНК ЛА. Исследуем применение метода построения моментальных состояний для диагностики оборудования нефтегазотрубопроводов [4, 34]. Метод построения моментальных состояний работы системы использован в интеграции с алгоритмом опроса, как функционального элемента SCADA систем - диагностирования нефтегазового оборудования на нефтеперекачивающих станциях трубопровода.

Взаимодействие систем управления и контроля оборудования обеспечивается на уровне протоколов, таких как: ModBus, BacNet, OPC, Fibber Channel (FC) и др, что требует функций конвертирования данных. Возникающие исключительные ситуации «зацикливания» процесса ожидания ответа контролируемой системой на запрос подконтрольной системе происходит попричине того, чтовы ставленный параметр ответа времени меньше требуемого для выполнения ответа службой системы.

Применение данного алгоритма предоставляет возможность упреждения событий по возникновению исключительной ситуации, что значительно

повышает надёжность системы. Применение изложенного метода в интеграции с алгоритмом, предоставляет как пример, возможность выполнения своевременного резервирования БД на нефте, газо-транспортных станциях, где в единицу времени выполняется обработка значительного объёма данных. Реализация данного метода и алгоритма, в виде службы сервера или СУБД, как запроса (хранимой процедуры) на PL/MS SQL [63], позволяет системе диспетчеризации предоставить своевременную информацию о накоплении критических объ мов данных в БД.

Идентификация аппаратно-программных неисправностей бортового комплекса управления космического летательного аппарата (КЛА) осуществляется на базе реконфигурируемой системы функционального контроля и диагностики [37, 67]. Идентификация аппаратно-программных неисправностей бортового комплекса управления КЛА основана на реализации многоуровневой диагностике в реконфигурируемой системе функционального контроля и диагностики. Недостатками являются требования от диагностической системы возможности многоуровневого диагностической аппаратно-программных средств КЛА, распознавание неисправности элемента в составе одного из уровней структурной или функциональной бортовой системы.

А также реализация этого программных продуктов требуется большего объема памяти БЦВМ. Система контроля и диагностирования бортового комплекса управления малого КЛА исследована в [8, 69] и предполагает использование интеллектуальных технологий. В данной работе рассматриваются структура и принципы функционирования модели системы, а также предложена модель, самостоятельно решать поставленные задачи.

Современные интеллектуальные системы контроля и диагностики используются в составе бортового комплекса управления КЛА. Известна интеллектуальная система с трехуровневой моделью, которая реализует три функции - постановку задачи, планирование и выполнение плана [62, 66, 107]. Тестовый контроль систем осуществляется посредством активной идентификации при подготовке к запуску и на этапе активного

функционирования КЛА.

На современном этапе развития систем контроля активно используются нечеткие модели в задачах комплекса контроля [38] и использование интеллектуальных систем. Примером является бортовая радиотелеметрическая система теле-контроля БР-91Ц. С использованием неявных экспертных знаний построена оптимальной функции контроля подвижных объектов.

В зависимости от значений определенных внешних параметров, то эта функция возвращает значение, которое определяет будущее направление движения подвижного объекта. Одним из наиболее перспективных подходов к оптимизации контроля функция развития и исправление нечеткой модели движения подвижных объекта. Разработка модели на основе нечетких правил обеспечит ее гибкость.

Нечеткой модели в виде набора продукционных правил получила дальнейшее развитие. Эта модель, в отличие от существующих, позволяет минимизировать ошибки контроля подвижных объектов. Инструмент моделирования, нечеткой логики и, в частности, одним из ее основных понятий являются функции нечетких переменных. Однако, существующие алгоритмы для работы с такими функциями не ориентированы на практическое использование [102, 112].

Известны методы компонентно-ориентированного моделирования и диагностики процессов контроля системы [99]. Эти подходы реализованы на основе компонентов моделирования для диагностики процессов контроля системы. Позволяют построить диагностические модели для комплекса процессов контроля системы на основе библиотеки моделей компонентов.

Процесс контроля системы моделируется в виде причинно-следственной сети и диагностики формируются с использованием модели на основе диагностической технологии. Методы моделирования, проектирования контроля и диагностики приложений в распределенных системах управления [105]. Эти методы могут быть использованы для реализации выбранной модели моделирование из распределенной системы управления. После их тестирования

и проверки эти алгоритмы могут быть реализованы на технологическом уровне распределенной системы управления. Одним из перспективных направлений реализации систем контроля динамических систем является использование нейронной сети [75].

В [39] рассмотрены искусственные нейронные сети, которые могут быть использованы для контроля динамических систем: управление по прогнозирующей модели [114], NARMA-L2-контроль [106] и эталонной модели управления [107]. В некоторых практических приложениях для контроля состояния используются комплексы многокомпонентных систем [39].

Рассматриваемый класс сложных систем - многокомпонентные слабо формализуемые системы, функционирующие в условиях различных типов неопределенности, требует разработки специфицированного подхода.

Известны системы контроля основанные на графической реализации компонентных структур с применением семантических сетей [74], диаграммах взаимного влияния факторов [62], когнитивных моделях [3], фреймах [110], формировании набора компонентных структур [109] и др. Диагностика неисправностей нелинейных систем осуществляется с помощью структурированных дополнений состояния модели [101].

Для диагностики информационной системы управления разработаны процедуры диагностики [110], которые используются при создании системного программного обеспечения. Чаще всего, процедуры заключается в использовании тестовых программ. Нечеткий подход усиливает детерминистский подход с анализом правил и тех, для принятия решений на неисправность, который основан на нечеткой логике. Это правила необходимо формализовать, вводя соответствующие нечеткие множества. Обычно рассматривают три модели неисправности последовательно: неисправности структуры, неисправности в пространстве сигналов, и неисправности в пространстве параметров.

Метод функциональной диагностики информационно - измерительных и информационно-управляющие системы, которая основана на моделях.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Список литературы диссертационного исследования кандидат наук Чжо Зин Хтут, 2018 год

- -

/ \

\ /

Т1

О 10 20 30 40 50 60 70 80 90 100

Рис.5.6. Угол отклонения ГСП и его прогноз На Рис.5.6 обозначено: 1 - модель ошибок ИНС в определении угла отклонения ГСП; 2 - оценка угла отклонения ГСП с помощью ГА; 3 - прогноз с помощью алгоритма ГА.

х 10"' с, рад/мин

1

1 1 * 1 1 'X 2 / ......... 3

1 1

1 Т1

Рис.5.7. Скорость дрейфа ГСП и ее прогноз На Рис.5.7 обозначено: 1 - модель ошибок ИНС в определении скорости дрейфа ГСП; 2 - оценка скорости дрейфа ГСП с помощью ГА; 3 - прогноз прогноз с помощью алгоритма ГА.

На Рис.5.8-5.10 представлены результаты моделирования погрешностей ИНС и модель ГА, построенная на основе измерительной выборки ъ. С 60 мин.осуществлен краткосрочный прогноз.

¿V, м/мин

1

\ < /г

X

/ \ 2 \ //

- \ -

- у/ -

Т1 1

Рис.5.8. Погрешность ИНС в определении скорости и ее краткосрочный прогноз

На Рис.5.8 обозначено: 1 - Модель ошибок ИНС в определении скорости; 2 - прогноз скорости при помощи ГА.

х ю-4 Ф, рад

/V ' ' чч

N \ \

\\

" Т''

О 10 20 30 40 50 60 70

I, время

Рис.5.9. Угол отклонения ГСП и его краткосрочный прогноз На Рис.5.9 обозначено: 1 - модель ошибок ИНС в определении угла отклонения ГСП; 2 - прогноз угла отклонения ГСП с помощью ГА.

Рис.5.10. Скорость дрейфа ГСП и ее краткосрочный прогноз

На Рис.5.10 обозначено: 1 - модель ошибок ИНС в определении скорости дрейфа ГСП; 2 - прогноз скорости дрейфа ГСП с помощью ГА.

На Рис.5.11-5.13 приведены результаты моделирования погрешностей ИНС, модель ГА, на основе оценочной выборки и долгосрочный прогноз. Для построения модели использована короткая выборка.

6V, м/мип

/ \

/

1 у*'

У<

2

- ------ Т!

Рис.5.11. Погрешность ИНС в определении скорости и ее долгосрочный прогноз На Рис.5.11 обозначено: 1 - модель ошибок ИНС в определении скорости; 2 -оценка скорости с ГА; 3 - прогноз.

х кг4 Ф- рад

\\

\\ 1

4 V

......................к.......

Т1 3

30 40 50 60 70 80 90 100

Рис.5.12. Угол отклонения ГСП и его долгосрочный прогноз

На Рис.5.12 обозначено: 1 - модель ошибок ИНС в определении угла отклонения ГСП; 2 - оценка угла отклонения ГСП с помощью ГА; 3 - прогноз .

Ю"6 рад/мин

I 1 |

2

".....7 3

1 Т 1 |

30 40 50 60 70 80 90 100

Рис.5.13. Скорость дрейфа ГСП и ее прогноз На Рис.5.13 обозначено: 1 - модель ошибок ИНС в определении скорости дрейфа ГСП; 2 - оценка скорости дрейфа ГСП с помощью ГА; 3 - прогноз.

На Рис.5.14-5.16 представлены результаты моделирования погрешностей ИНС и краткосрочный прогноз по модели, полученной на основен оценочной выборки.

6\, м/мин

100 80 60 40 20 0 -20 -40 -60

- " "

\ - "

" \ 2

Т1

62 63 64 65 66 67 68 69 70

Рис.5.14. Погрешность ИНС в определении скорости и ее прогноз

На Рис.5.14 обозначено: 1 - модель ошибок ИНС в определении скорости; 2 - прогноз скорости при помощи алгоритмы ГА.

<10-* ф, рад

1 V- ....... 2 • " ' *

60 Т1 61

62 63

64 65 66

^время

67 68 69 70

Рис.5.15. Угол отклонения ГСП и его прогноз На Рис.5.15 обозначено: 1 - модель ошибок ИНС в определении угла отклонения ГСП; 2 - прогноз угла отклонения ГСП с помощью алгоритмы ГА.

9 8.9 8.8 8.7 8.6 8.5 8.4 8.3 8.2 8.1

х10"6 £, рад/мин

1 /

/

2

Т1

Рис.5.16. Скорость дрейфа ГСП и ее прогноз

На Рис.5.16 обозначено: 1 - модель ошибок ИНС в определении скорости дрейфа ГСП; 2 - прогноз скорости дрейфа ГСП с помощью ГА.

Алгоритмы функционирования ДЭС представлены на Рис.5.17-5.20.

Рис.5.17. Функциональная структура схема системы контроля и диагностики состояния ПНК на основе ДЭС с нечеткой логикой

С

Начало

)

1 г

к = l--.ii;

Определение прогнозиров ания г = (к+1):т; т>п

1 г

С

Конец

)

Рис.5.18. Алгоритмы прогноза

110

1

^ Начало ^

2

Формирование выходных изменений : z

3

Формирование исходных сигналов от внешн их д атч и ко в

4

Алгоритм построения модели ошибок с помощью ГА

5

Алгоритм прогноза

Рис.5.19. Основные алгоритмы работы

Рис.5.20. Алгоритмы сравнения с помощью ДЭС

Диагностическая матрица конкретной ПНК на выбранном режиме является таблицей численных значений коэффициентов а ¿у и Ь ¿у, позволяющей по отклонениям некоторых измеряемых параметров 8у ¿у определять отклонения непосредственно не измеряемых параметров состояния 8х ¿у.

Таблица 2.

Фрагмент диагностической матрицы ИНС

№ Б_К2 Б_Оу Б_К2 Б_Т2 Б_Р2 Б_Тэ Б_Р4 Б_Р6 КЕБиЬТ

1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 ЕТАЬОМ

2 -0,18 0,12 0,16 0,14 0,00 -0,08 -0,33 -0,33 0,41 -0,03 -0,06 АКС 1%

3 -0,46 0,31 0,52 0,39 0,00 -0,27 -0,93 -0,93 1,11 -0,11 -0,18 АКС 3%

4 -0,68 0,57 0,85 0,65 0,00 -0,46 -1,57 -1,57 1,87 -0,19 -0,31 АКС 5%

5 0,19 0,07 -0,28 0,04 0,00 0,16 0,82 0,82 -0,66 0,33 0,49 АКС11%

6 0,78 0,24 -0,93 0,18 0,00 0,45 2,57 2,53 -2,08 1,03 1,54 АКС13%

7 1,16 0,39 -1,61 0,27 0,00 0,85 4,27 4,28 -3,60 1,76 2,62 АКС1 5%

8 -0,10 0,84 0,13 0,85 0,00 -0,07 0,53 0,51 0,26 0,72 1,02 АКС21%

9 -0,29 2,46 0,36 2,49 0,00 -0,15 1,58 1,58 0,79 2,16 3,01 АКС2 3%

10 -4,28 6,80 2,16 0,36 0,00 -1,16 -0,11 -0,14 4,55 3,21 5,14 АКС2 5%

11 -0,78 -0,06 0,06 -0,07 0,00 -0,03 -0,18 -0,18 0,11 -0,10 -0,15 АКС3 1%

12 -2,33 -0,20 0,16 -0,18 0,00 -0,08 -0,53 -0,53 0,30 -0,34 -0,47 АКС3 3%

13 -4,07 -0,37 0,25 -0,32 0,00 -0,13 -0,96 -1,00 0,55 -0,59 -0,84 АКС3 5%

14 0,68 0,21 -0,12 0,25 0,00 0,07 0,52 0,53 -0,28 0,31 0,46 АКС4 1%

15 2,04 1,20 -0,41 0,58 0,00 0,21 1,64 1,64 -0,93 0,94 1,38 АКС4 3%

16 3,41 1,43 -0,71 0,96 0,00 0,36 2,71 2,71 -1,8 1,62 2,30 АКС4 5%

Пусть в процессе контроля технического состояния ИНС были замерены следующие параметры: п2 - погрешность в определении широты местности (%); ^ - погрешность в определении скорости ЛА ух; Т2* - погрешность определения курса; Р* - оценка скорости дрейфа ГСП 8х; Т3* - погрешность определения тангажа; Т4* - погрешность определения крена; Р4* - оценка скорости дрейфа ГСП 8у; ^ - погрешность в определении долготы местности; - погрешность в определении скорости ЛА уу; Я - кажущееся ускорение.

В таблице 2 представлены параметры отклонений и соответствующие им лингвистические переменные: ЬЫ - очень малое; МЫ - небольшое; 2 - около нуля; МР - среднее; ЬР - очень большое. Процесс тестирования работоспособности ДЭС проверяются по тем строчкам базы правил (Таблица 3), которые не вошли в обучающее множество: по двум предшествующим строчкам (с отклонением параметров состояния ИНС в узлах на 1 и 3 % соответственно).

Таблица 3.

Фрагмент базы нечетких экспертных правил

Атрибуты и их значения Результат

Если (ДГ2 = Я) Л (ДР4 = Я) Л (ДР6 = Я) Л (ДРс = МР ) То К^АКС

Если (ДЛ2 = Я) Л (Д Г2 = Я) Л (ДРС = МЛ?) Л (Д = МР ) То К2=АКС1

Если (ДЛ2 = 1Л ) Л (Д Г2 = Я) Л (ДР2 = I Р ) Л (ДЯ = I Р ) То К3=АКС2

Если (Д Л2 = IЛ ) Л (Д ^ = Я) Л (Д Р2 = Я) Л (Д Я = Я) То К4= АКС3

Если (ДЛ2 = МР ) Л (Д ^ = Я) Л (Д Г2 = Я) Л (ДЯ = МР ) То К5= АКС4

В процессе наполнения БД, помимо текущих измерений, дополнительно использованы прогнозные значения анализируемых параметров ПНК. ДЭС с алгоритмом построения прогнозирующих моделей, методом диагностических матриц и правил нечеткой логики позволяет определять степень достоверности навигационной информации ЛА, а блок принятия решений, регулятор восстанавливают работоспособность ПНК, использование оценок и прогнозных значений погрешностей ИНС повышает достоверность навигационной информации ЛА.

Представлены результаты работы алгоритма диагностики погрешностей ИНС. На Рис.5.16 представлена погрешность ИНС в определении скорости, скорость дрейфа ГСП, оценки адаптивным фильтром Калмана, а с момента Т1 -прогноз, полученный с помощью ГА. При моделировании для получения погрешности ИНС использована тестовая математическая модель. Так как в реальных условиях имеется информация об оценке, то она используется для диагностики состояния ПНК. Предложено использовать прогноз погрешности ИНС, чтобы заранее выявить момент выхода систем из зоны устойчивой работы.

Применение ДЭС значительно повышает эффективность диагностирования ПНК ЛА. Оперативный анализ разнообразной информации о текущей ситуации позволяет принимать решения о состоянии и перспективах данного ПНК.

Результат работы системы контроля и диагностики ПНК с функцией восстановления представлен на Рис. 5.21. 5*10>,рад

Рис. 5.21. Угол отклонения ГСП, его оценка фильтром калмана, прогноз и

погрешность ИНС с регулятором

На Рис.5.21 обозначено: 1 - математическая модель изменения угла отклонения ГСП относительно сопровождающего трехгранника; 2 - оценка угла отклонения ГСП адаптивным фильтром калмана; 3 - прогноз угла отклонения ГСП; 4 - изменение угла отклонения ГСП при коррекции в структуре ИНС.

На основе прогноза погрешностей ИНС ПНК ЛА в момент времени Т2 принимается решение о переключении рабочего контура коррекции (на интервале Т1-Т2 использована коррекция в выходном сигнале ИНС, а с момента Т2 использована коррекция в структуре ИНС с помощью регулятора). По сравнению с ИНС ПНК использование ИНС с разработанной системой контроля в стохастических условиях позволяет повысить точность по результатам математического моделирования в среднем на 8-11%.

Исследованы особенности решения задач контроля и диагностики ПНК с использованием нечеткой ДЭС, процесс формирования БД, а также реализация БВ1-метода. Построена диагностическая матрица ДЭС.

База нечетких правил сформирована на основе диагностической матрицы, строки которой легли в основу создания БЗ и функций принадлежности соответствующих лингвистических переменных.

Для 1%-го отклонения оценки скорости дрейфа ГСП, на основе базы нечетких правил ДЭС и операцию пересечения нечетких множеств. Тогда получим:

т m( V / ) yUo, 8 5 (5.2)

V & Mz(A Р6(к))& ßz( А Fe ) J

Достоверность принятия решения о исправности ИНС составляет 0,85.

Для строки диагностической матрицы, соответствующей 3 % отклонению оценки скорости дрейфа ГСП, получим

min ) -> 0,59. (5.3)

Достоверность принятия решения об исправности ИНС составляет 0,59. При неисправном состоянии ИНС коэффициент доверия составляет 0,24. В рассмотренной ситуации высока вероятность выхода ИНС из зоны устойчивой работы. Результаты анализа ДЭС совпадают с результатами исследований, проведенных в ходе стендовых испытаний ИНС.

Результаты моделирования показали высокую работоспособность предложенных алгоритмов. Анализ результатов моделирования продемонстрировал, что разработанное алгоритмическое обеспечение систем контроля и диагностики позволяют повысить эффективность навигационных систем и ПНК ЛА за счет заблаговременного выявления момента, когда информация становится недостоверной и удержания ПНК в зоне устойчивой работы.

ОБЩИЕ ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

1. На основе проведенного системного анализа выявлены недостатки и намечены пути совершенствования систем повышения отказоустойчивости с использованием ДЭС и элементов теории интеллектуальных систем.

2. Разработана структура системы регенерации измерительного комплекса в составе ПНК, которая позволяет реализовать функцию восстановления работоспособности комплекса с помощью коррекции посредством эволюционного алгоритма и регулятора. Система легко реализуется в серийных БЦВМ современных маневренных атмосферных ЛА.

3. Создан комплекс алгоритмов диагностики бортовой аппаратуры, применяемый в ДЭС для перспективного ЛА включающий алгоритмы оценивания, построения моделей определяющих параметров, прогнозирования и контроля. Для оценивания и прогнозирования состояния гироприборов используются априорные модели, алгоритмы идентификации и эволюционные алгоритмы построения прогнозирующих моделей. Разработанные алгоритмы позволяют вычислять прогнозные значения погрешностей систем авионики ЛА и предотвратить выход из диапазона устойчивой работы.

4. Разработана система повышения отказоустойчивости ПНК, включающая редуцированную ДЭС с интеллектуальной компонентой в виде акцептора действия, отличающаяся компактностью за счет анализа только ключевых параметров ПНК и простотой реализации в современных БЦВМ.

5. Разработана система повышения отказоустойчивости ПНК ЛА с рациональной структурой на основе нечеткой ДЭС. Разработанная структура ДЭС и комплекс алгоритмов обеспечивают работоспособность и отказоустойчивость оборудования ЛА и позволяют получать достоверную информацию о параметрах ЛА.

Перспективы дальнейшей разработки темы связаны с развитием интеллектуальных технологий в структуре редуцированной ДЭС и исследованием других алгоритмов построения прогнозирующих моделей в алгоритмическом обеспечении системы авионики ЛА.

СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ

1. Агеев В.М., Павлова Н.В. Приборные комплексы летательных аппаратов и их проектирование. М.: Машиностроение. 1990. 320 с.

2. Агеев В.М., Павлова Н.В., Петров В.В. О регуляризации алгоритмов обработки информации в задачах управления // Автомат. и телемех., 1995. № 9. С.73-81.

3. Ажмухамедов И.М. Синтез управляющих решений в слабо структурированных плохо формализуемых социотехнических системах // Управление большими системами: сб. тр. Ин-т проблем управления им. Трапезникова В.А. РАН. - Вып. 42. М.: ИПУ РАН. 2013. С.29-54.

4. Алексеев А.А., Солодовников А.И. Диагностика в технических системах управления.: Учеб. пособие для вузов. СПб: Политехника. 1997. 188 с.

5. Анохин П.К. Биология и нейрофизиология условного рефлекса. М: Медицина. 1968. 288 с.

6. Бабиченко А.В., Никулин М.И., Орехов М.И., Радченко И.В. Измерение траекторных нестабильностей с помощью распределенной инерциально-спутниковой системы в составе бортового оборудования самолета Су-27СМ // Авиационные системы в XXI веке: Материалы юбилейной научно-технической конференции. Москва. 2006. С.5-10.

7. Бабуров В.И., Пономаренко Б.В. Принципы выбора функциональных задач и архитектуры интегрированного бортового радиоэлектронного оборудования навигации, посадки, обмена данными и УВД // НАУЧНЫЙ ВЕСТНИК МГТУ ГА. сер. Радиофизика и радиотехника. 2005. № 96. С.66-79.

8. Барановский А.М., Привалов А.Е. Система контроля и диагностирования бортового оборудования малого КА // Изв. вузов. Приборостроение. 2009. Т. 52. № 4. С.51-56.

9. Башлыков А.А. Введение в динамические экспертные системы для оперативной диагностики состояния технологических объектов трубопроводных

систем. М: Трубопроводный транспорт: теория и практика. 2013. № 1(35). C.32-38.

10. Башлыков А.А. Системы управления базами знаний // Автоматизация, телемеханизация и связь в нефтяной промышленности. ВНИОЭНГ. 2010. № 2. С.33-39.

11. Беневольский С.В., Майорова В.И., Гришко Д.А., Ханеня Н. Н. Анализ телеметрии с космического аппарата «Юбилейный» // Наука и образование, 2011. № 8. С. 50-59. http: //technomag.bmstu.ru/doc/216675.html.

12. Большаков А.А., Кулик А.А., Сергушов И.В. Исследование взаимодействия комплексной системы управления с устройствами и системами бортового радиоэлектронного оборудования ЛА // Вестник АГТУ.Сер.: Управление, вычислительная техника и информатика 2016. №1. С.7-16.

13. Бабиченко А.В. Прикладные методы обработки информационно -управляющих комплексов высокоманевренных ЛА: дис. ... доктор. техн. наук. Москва. 2009. 422 с.

14. Воробьев В.Г., Зыль В.П., Кузнецов С.В. Основы технической эксплуатации пилотажно-навигационного оборудования. М.: Транспорт, 1999. 335 с.

15. Воробьев В.Г., Глухов В.В. Диагностирование и прогнозирование технического состояния авиационного оборудования: Учеб. пособие для вузов гражд. авиации. Под ред. И. М. Синдеева. М.: Транспорт, 1984. 191 с.

16. Воробьева В.Г., Техническая эксплуатация авиационного оборудования. Под ред. М.: Транспорт. 1990. 325 с.

17. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Учебник. М.: Питер. 2000. 382с.

18. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. М: Физматлит. 2006. 352с.

19. Гнедов Г.М., Россенбаули О. Б., Шумов Ю. А. Проектирование систем контроля ракет. М: Машиностроение. 1975. 224 с.

20. Гренандер, У. Лекции по теории образов. Том 1. Синтез образов. М.: Мир. 1979. С. 383.

21. Громов Г.Н., Пахолков Г.А. Принципы организации комплексов бортового самолетного оборудования, обеспечивающих повышение эффективности и надежности решения задач навигации, посадки и УВД // Вопросы радио-электроники. Сер. ОТ. Вып. 4. 1980. С.32-39.

22. Гуляев В. А., Кудряшов В. И. Автоматизация наладки и диагностирования микро-УВК. М: Энергоатомиздат, 1992. 146 с.

23. Джанджгава Г.И., Рогалев А.П., Бабиченко А.В., Сухоруков С.Я. Интегрированная динамически реконфигурируемая система комплексной обработки информации бортовых комплексов навигации, управления и наведения // Авиакосмическое приборостроение. 2002. № 6. С.8-14.

24. Евланов Л. Г. Контроль динамических систем. М: Наука. ГРФМЛ. 1979. 431 с.

25. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М: Физматлит. 2003. 432 с.

26. Емельянова М.Н., Гуменникова А.В., Семенкин Е.С., Сопов Е.А. Об эволюционных алгоритмах решения сложных задач оптимизации // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева: Сб. научн. трудов. Красноярск: СибГАУ, 2003. С.14-23.

27. Заведеев А.И., Ковалев А.Ю. Диагностика состояния и принципы повышения отказоустойчивости бортовой системы управления космического аппарата // Труды МАИ. 2012. № 5. С.3-10.

28. Земляков С.Д., Рутковский В.Ю., Силаев А.В. Реконфигурация систем управления летательными аппаратами при отказах // Автоматика и телемеханика. 1996. № 1. С.3-20.

29. Земляный Е.С. Пилотажно-навигационный комплекс с интеллектуальной поддержкой экипажа ЛА: дис. ...канд. техн. наук. Москва. 2017. 138 с.

30. Иванов Ю. П. Контроль и диагностика измерительно-вычислительных комплексов: Метод. указ. к выполнению лаб. работ СПбГУАП. СПб. 2000. 45 с.

31. Ивахненко А.Г., Мюллер Й.Я. Самоорганизация прогнозирующих моделей // Киев: Техника. 1985. 375с.

32. Катас в А.С. Математическое обеспечение и программных комплекс формирования нечетко-продукционных баз знаний для экспертных диагностических систем // Фундаментальные исследования. 2013. № 10 (часть 9). С.1922-1927.

33. Ковалев А.Ю., Шатский М.А. Метод построения ориентации космического аппарата, заданной относительно солнца, с использованием дискретного датчика // Труды ХУШ-го Международного научно-технического семинара «Современные технологии в задачах управления, автоматики и обработки информации». Издательство «МИРЭА». М. 2009. 148 с.

34. Колосов С.П, Зайцев С.А. Применение метода построения моментальных состояний для диагностики оборудования нефтегазотрубопроводов // Управление Качеством в нефтегазом Комплексе. Межотраслевой фонд «Национальный институт нефти и газа». 2011. № 4. С.35-39.

35. Коптев А.Н., Кириллов А.В., Яковенко Н.А. Вопросы синтеза динамических моделей пилотажно-навигационных комплексов ЛА // Известия Самарского научного центра Российской академии наук. 2011. Том.13. № 1 -2. С.304-307.

36. Крупейников Д.Е. Дрогайцев В.С. Методические и интеллектуальные средства обнаружения и диагностирования отказов функциональных устройств бортовых систем упрвления ЛА // Вестник СГТУ. Научно-технический журнал. Издается 2003. №. 1 (69). С.180-190.

37. Кузовков Н.Т., Карабанов С.В., Салычев О.С. Непрерывные и дискретные системы управления и методы идентификации. М: Машиностроение. 1973. 285с.

38. Лоскутов А.И., Патраков С.С., Шестопалова О.Л., Интеллектуальная информационно-диагностическая система оценивания технического состояния бортовой аппаратуры космических аппаратов при подготовке их к запуску // Научный журнал «Информационно-управляющие системы». 2014. №. 2 (69).

39. Макарова И.М., Лохина В.М. Интеллектуальные системы автоматического управления. М.: Физматлит, 2001. 375 с.

40. Микрин Е.А. Бортовые комплексы управления космическими аппаратами и проектирование их программного обеспечения, Издательство МГТУ им. Н.Э. Баумана. М. 2003. 652 с.

41. Неусыпин К.А., Пролетарская В. А., Алексеева Е. Ю. Алгоритмические методы коррекции навигационных систем летательных аппаратов // Инженерный вестник. март 2013. №. 3. С.557-568.

42. Неусыпин К.А. Исследование критериев управляемости и наблюдаемости навигационных систем // Автоматизация и современные технологии. 2008. № 9. С.22-26.

43. Неусыпин К.А. Алгоритмические методы повышения точности автономных навигационных систем // Автоматизация. Современные технологии. 2006. № 2. С.14-19.

44. Неусыпин К.А. Методы контроля технического состояния навигационного комплекса // Автоматизация и современные технологии. 2000. № 7. С.24-27.

45. Неусыпин К.А. Реализация акцептора действия интеллектуальной системы управления летательного аппарата // Автоматизация и современные технологии. 2010. № 5. С.39-44.

46. Неусыпин К.А. Разработка модифицированных алгоритмов самоорганизации для коррекции навигационной информации // Автоматизация и современные технологии. 2009. № 1. С.37-39.

47. Неусыпин К.А. Системный синтез систем управления с интеллектуальной компонентой //Автоматизация. Современные технологии. 2007. № 3. С.35-39.

48. Неусыпин К.А. Современные системы и методы наведения, навигации и управления летательными аппаратами. М. МГОУ 2009. 500 с.

49. Неусыпин К.А., Пролетарский А.В. Способы коррекции навигационных систем и комплексов летательных аппаратов // Вестник МГТУ им. Н.Э. Баумана. Сер. «Приборостроение». 2012. № 3 (3). С.216-223.

50. Неусыпин К.А., Пролетарский А.В., Вайс Ю.Л., Шолохов Д.О. Формирование ансамбля критериев селекции компактного алгоритма самоорганизации // Автоматизация и современные технологии. 2012. № 11. С. 14-16.

51. Неусыпин К.А., Пролетарский А.В., Цибизова Т.Ю. Системы управления летательными аппаратами и алгоритмы обработки информации. М: Изд. МГОУ. 2006. 235 с.

52. Неусыпин К.А., Пролетарский А.В., Чжо Зин Хтут, Редуцированная динамическая экспертная система с интеллектуальной компонентой для контроля прицельно-навигационного комплекса ЛА // Автоматизация. Современные технологии. 2017. Т. 71. № 8. С.356-360.

53. Панченко Т.В. Генетические алгоритмы [Текст]: учебно-методическое пособие // Издательский дом «Астраханский университет». 2007. № 3. 87 с.

54. Писаренко В.Н. Выбор диагностического признака контроля состояния сложных технических систем авиационной техники // Известия самарского научного центра российской академии наук. 2010. Т. 12. № 4. С.207-209.

55. Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д. Статические и динамические экспертные системы. М: Финансы и статистика, 1996. 320 с.

56. Попов Э.В. Общение с ЭВМ на естественном языке. М: Наука. 1992. 360 с.

57. Пролетарский А. В., Алексеева Е. Ю. Интеллектуализированные системы управления летательными аппаратами. // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. № 9. 2012. С.219-236.

58. Пролетарский А.В. Концепция системного синтеза динамических объектов // Автоматизация и современные технологии. 2007. № 8. С.28-33.

59. Пролетарский А.В., Неусыпин К.А. Разработка редуцированного алгоритма самоорганизации для коррекции навигационных систем // Научное обозрение. 2013. № 9. С.333-447.

60. Пролетарский А.В., Чжо Зин Хтут. Система диагностики бортовых измерительных средств // Автоматизация. Современные технологии. 2016. № 1. С.25 - 28.

61. Проталинский О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов // монография: Изд-во Астрахан. гос. техн. ун-та. 2004. 184 с.

62. Пупков К.А. Интеллектуальные системы: Проблемы теории и практики // Изв. Вузов. Приборостроение. 1994. № 9-10. С.5-7.

63. Рик Г., Роберт С., Гэри Д., Дэвид К., Бен Ш., Кристофер Д. Программирование баз данных Oracle для профессионалов. «Диалектика». М. СПБ-Киев: 2007. 784 с.

64. Рогалев А.П., Бабиченко А.В. Методы и алгоритмы интеграции данных инерциально-спутниковых навигационных систем // Авиакосмическое

-24.

65. Руднев Ю. П. Повышение надежности цифровых устройств методами избыточного кодирования. М: Энергия, 1974. 236 с.

66. Рыбина Г.В., Паронджанов С.С. Технология построения динамических интеллектуальных систем: Учеб. пособие. М: НИЯУ МИФИ. 2011. 160 с.

67. Савкин Л.В. Дихотомический анализ и идентификация аппаратно-программных неисправностей бортового комплекса управления КА и их реализация на базе реконфигурируемой системы функционального контроля и диагностики // Новые информационные технологии в автоматизированных системах. Издательство: Московский институт электроники и математики НИУ ВШЭ (Москва). 2015. № 18. C.137-143.

68. Савкин Л.В., Клочко О.С., Макаров А.С. Реализация алгоритмов распознавания сложных видов неисправностей и отказов бортовой аппаратуры космических аппаратов на основе встроенных реконфигурируемых диагностических систем // Технические науки: электрон. научн. журн. 2014. № 11 (12). C.4-11.

69. Савкин Л.В. Построение встроенной системы функционального контроля и диагностики бортового комплекса управления КЛА построена на базе реконфигурируемых вычислительных структур // Инновации в науке: сб. ст. по

матер. XXXVIII междунар. науч.-практ. конф. Новосибирск: СибАК. 2014. № 10 (35). С.32-40.

70. Саркисян Х.В., Матюшин. М.М. Использование деревьев поискасостояний для поддержки принятия решений при комплексной оперативной оценке бортовых систем космического аппарата // Наука и образование. 2011. № 5. С.21-29.

71. Саханов К.Ж., Ергалиев Д.С. Постановка задачи контроля состояния систем бортового комплекса оборудования воздушных судов // Труды Международного симпозиума «Надежность и качество». 2009. Т.1. С.34-37.

72. Селезнева М.С. Разработка алгоритмов комплексирования навигационных систем ЛА: дис. ... канд. техн. наук. Москва. 2017. 145 с.

73. Соколов Н.Л., Удалой В.А. Использование расчетно-логических систем для повышения эффективности управления автоматическими КА // Успехи современного естествознания, 2004. № 11. С.70-74.

74. Сукач Е. И., Ратобыльская Д.В., Мережа В.Л. Реализация вывода в семантической сети с использованием вероятностно-алгебраического моделирования // Открытые семантические технологии проектирования интеллектуальных систем. Белорус. гос.ун-т информатики и радиоэлектроники. Минск. 2011. C.241-246.

75. Талалаев А.А., Тищенко И.П., Фраленко В.П., Хачумов В.М. Анализ эффективности применения искусственных нейронных сетей для решения задач распознавания, сжатия и прогнозирования, Искусственный интеллект и принятие решений. 2008. № 2. С.24-33.

76. Турчак А. Архитектура и основные аппаратурно-программные модули комплекса авиационного бортового оборудования пятого поколения // Мир авионики. 1999. № 6. С.24-33.

77. Хачумов В.М., Фраленко В.П. Прогнозирование и сжатие данных на основе аппарата нейронных сетей // Высокие технологии, фундаментальные и прикладные исследования, образование, Сборник трудов Пятой международной научно-практической конференции Исследование, разработка и применение

высоких технологий в промышленности. Издательство Политехнического университета, СПб. 2008. Т 13. С.126-127.

78. Хачумов В.М., Фраленко В.П. Эксперименты с прогнозированием, сжатием и фильтрацией данных на основе нейронных сетей // Нейрокомпьютеры: разработка и применение, 2008. № 9. С.35-43.

79. Цибизова Т.Ю. Методы идентификации нелинейных систем управления // Современные проблемы науки и образования. 2015. № 1. С.109-117.

80. Цибизова Т.Ю., Нгуен Д.Т. Алгоритмические способы коррекции навигационных систем в выходном сигнале // Интернет-журнал «НАУКОВЕДЕНИЕ». 2015. Том 7. № 3. С.129-137.

81. Чжо Зин Хтут, Неусыпин К.А. Система контроля прицельно-навигационного комплекса летательного аппарата. //Будущее машиностроения России. Сборник докладов Десятой Всероссийской конференции молодых ученых и специалистов. Москва. 25-28 сентября 2017. С.602-607.

82. Чжо Зин Хтут. Аппаратная реализация системы диагностики состояния измерительной аппаратуры летательного аппарата // Экономика, Управление, Техника: Проблемы и Перспективы Развития. Труды международной научно-практической конференции. 2016. С.5-7.

83. Чжо Зин Хтут. Диагностическая экспертная система определения неисправностей авиационных систем // Экономика, Управление, Техника: Проблемы и Перспективы Развития. Труды международной научно-практической конференции. 2016. С.15-17.

84. Чжо Зин Хтут. Разработка интеллектуальной системы для диагностики вычислительных средств // Современные аспекты фундаментальных наук. Труды второго международного симпозиума. 2015. С.230-233.

85. Чжо Зин Хтут. Экспертная система диагностики бортовых вычислительных средств // Будущее машиностроения России. Сборник докладов Восьмая Всероссийская конференция молодых ученых и специалистов. Москва, 23 - 26 сентября 2015. С.1130-1131.

86. Чжо Зин Хтут., Оглоблина Ю.С., Губарев Ф.Н. Различные модификации генетических алгоритм // Достижения вузовской науки. Труды II Международной научно-практической конференции. 2016. С.137-140.

87. Чжо Зин Хтут., Клычников В.В. Контроль технического состояния навигационного комплекса // Сборник статей X международной научно-практической конференции «EurasiaScience», Москва: «Научно-издательский центр «Актуальность.РФ». 2017. С.29-31.

88. Чжо Зин Хтут., Селезнева М.С., Пролетарский А.В., Неусыпин К.А. Система контроля прицельно навигационного комплекса ЛА // Автоматизация. Современные технологии, 2017. Т. 71. № 7. С.314-318.

89. Шибанов Г.П., Контроль функционирования больших систем, Машиностроение, М. 1978. 586 с.

90. Шолохов Д.О. Разработка методов комплексирования и оценивания измерительных систем БЛА: дис. ... канд. техн. наук. Москва. 2012. 146 с.

91. Шэнь Кай. Разработка высокоточных алгоритмов коррекции навигационных систем ЛА: дис. ... канд. техн. наук. Москва. 2017. 132 с.

92. ADS-33 E. Aviation engineering directorate. Available at: http:// everyspec.com/ARMY/ADS-Aero-Design/ADS-33E-PRF_3614.

93. Almagbile A., Jinling W., Weidong D. Evaluating the Performances of Adaptive Kalman Filter Methods in GPS/INS Integration // Journal of Global Positioning Systems. 2010. Vol. 9. № 1. P.33-40.

94. Baranovsky A.M., Privalov A. E. Onboard monitoring and diagnostic system of small space vehicles // Izvestiya vysshikh uchebnykh zavedeniy. Priborostroenie. 2009. Vol. 4. P.51-56.

95. Bezmen G.V., Kolesov N.V. Program models for diagnosis of information control systems // Programming and Computer Software. September 2014. V. 40, Issue 5. P.250-258.

96. Carvalho H. Optimal nonlinear filtering in GPS/INS integration // IEEE Transactions on Aerospace and Electronic Systems. 1997. Vol. 33. № 3. P.835-850.

97. CLIPS Reference Manual Volume II Advanced Programming Guide. USA: Quicksilver. 2008. 249 p.

98. E. Somov., V. Makarov., V. Matrosov. Diagnosis and Recon duration of the Spacecraft Fault Tolerant Gyro Moment Control Systems // IFAC Workshop «Aerospace Guidance, Navigation and Flight Control Systems» 2009. 290 p.

99. G. Proven., Yi-Liang Cheni. Component-based modeling and diagnosis of process-control systems // Computer Aided Control System Design, Proceedings of the 1999 IEEE International Symposium on. 1999. P.194-199.

100. Integrated modular avionics.: http:// modernavionics.ru/analytics/2014/modern-role-of-avionics/part-2/.

101. Jochen Apfalg., Frank Allgower. Fault Diagnosis of Nonlinear Systems Using Structured Augmented State Models // International Journal of Automation and Computing. April 2007.Vol. 04(2) P.141-148.

102. Kucherenko Ye.I., Driuk O.D. Fuzzy models in problems of complex control systems // scientific journal «Radio Electronics, Computer Science, Control». 2014. №. 1. P.69-74.

103. M. Pantoquilho., J. Neto., N. Viana., R. Ribeiro., J. Moura-Pires. Online and Offline Monitoring and Diagnosis of Spacecraft and Space Weather Status. 2004. 158p.

104. Magdalena Szymkowiak., Maria Iwinska. Characterizations of Discrete Weibull related distributions // Statistics & Probability Letters. Vol. 111. 2016. P.41-48.

105. Matej ORAVEC., Anna JADLOVSKA. Modelling Methods, Control Design and Diagnostics Applications in the Distributed Control Systems // SCYR 2015 - 15th Scientific Conference of Young Researchers. 2014. P.242-245.

106. Narendra K.S., Mukhopadhyay S., Adaptive Control Using Neural Networks and Approximate Models // IEEE Transactions on Neural Networks. 1997. Vol. 8, P.475-485.

107. Narendra K.S., Parthasarathy K. Identification and Control of Dynamical Systems Using Neural Networks // IEEE Transactions on Neural Networks. 1990. Vol. 1. P.4-27.

108. Proletarsky A., Neusipin K. Research scalar filtering algorithm with self-organization method for modeling control system // Science & military. 2010. Vol. 5. № 2. P.17-21.

109. Protalinskii O.M., Analysis and Modelling of Complex Engineering Systems Based on the Component Approach // World Applied Sciences Journal. 2013. Vol. 24. №. 2. P.276 - 283.

110. Protalinskii, I.O. Optimal Strategy Synthesis for a Group of Mobile Robots with Variable Structure // World Applied Sciences Journal. 2013. Vol. 24. №. 2. P.268 -275.

111. R. Takaki, H. Honda. Development of Automatic Monitoring and Diagnostic System for Space Science Satellites // 47th AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition. 2009. №. 5. P.280 -289.

112. Roya Rahbari., Barrie W. Leach., Jeremy Dillon., Clarence W. de Silva. Adaptive Tuning of a Kalman Filter Using the Fuzzy Integral for an Intelligent Navigation System // IEEE International Symposium on Intelligent Control Vancouver, Canada October 27-30. 2002. P.252-257.

113. Shakhtarin B.I., Shen Kai, Neusypin K. A. Modification of the nonlinear Kalman filter in a correction scheme of aircraft navigation systems // Journal of Communications Technology and Electronics. 2016. Vol. 61, №. 11. P.1252-1258.

114. Soila P. Kavulya., Kaustubh Joshi., Felicita Di., Gian Domenico., Priya Narasimhan. Failure Diagnosis of Complex Systems // Resilience Assessment and Evaluation of Computing Systems. 2012. № 2. P.239-261.

115. Soloway D., Haley P.J. Neural Generalized Predictive Control // Proceedings of the IEEE International Symposium on Intelligent Control. 1996. P.277-281.

ОТЗЫВ

научного руководителя о диссертационной работе на тему «Редуцированные динамические экспертные системы и алгоритмы

повышения отказоустойчивости прицельно-навигационных комплексов летательных аппаратов»,

представленной аспирантом Чжо Зин Хтут на соискание ученой степени кандидата технических наук по специальности 05.13.01 - «Системный анализ, управление и обработка информации (в технических системах)»

Чжо Зин Хтут проводил научные исследования по теме диссертации с 2015 по 2018 г. Диссертация Чжо Зин Хтут выполнена на кафедре «Системы автоматического управления» в МГТУ им. Н.Э. Баумана.

В период подготовки диссертации Чжо Зин Хтут. являлся аспирантом очной формы обучения кафедры «Системы автоматического управления» в МГТУ им. Н.Э. Баумана.

Диссертация Чжо Зин Хтут выполнена на высоком научном уровне, является самостоятельной завершенной научно-квалификационной работой, в которой получены оригинальные научные результаты.

За время учебы в МГТУ им. Н.Э. Баумана Чжо Зин Хтут активно и целеустремленно занимался научно-исследовательской работой и проявил себя высококвалифицированным, ответственным, творческим и трудолюбивым специалистом. Он продемонстрировал работоспособность и высокий уровень подготовки, способность самостоятельно решать новые научные задачи на высоком современном уровне.

Активно участвовал в научных семинарах кафедры «Системы автоматического управления» - ежегодно делал доклады по теме диссертации, а также участвовал в международных конференциях и симпозиумах.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.