Показано, каким образом при бортовом многопозиционном приеме информации навигационной спутниковой системы и по инерциальной информации, доставляемой измерениями трех ньютонометров с ортогональными осями чувствительности, образующими подвижный координатный трехгранник, у последнего могут быть определены ориентация и вектор угловой скорости вращения в проекциях на собственные оси. Математическая модель обратной задачи вида "состояние-измерение" представлена: 1) динамической группой уравнений функционирования безгироскопной инерциальной навигационной системы с вектором состояний, включающим координаты, удельные импульсы и угловые скорости вращения приборного трехгранника и 2) уравнениями измерений координат места объекта, отождествляемых с координатами вершины трехгранника в проекциях на его оси. Динамическое псевдообращение (решение) задачи реализуется нейросетью, в основу модели которой положен алгоритм калмановского типа при его мультимодельном представлении, допускающем суждение о равноправной конкуренции моделей в процессе оценки вектора состояния. Вводятся понятия "ядерного" и "безъядерного" механизмов настройки синаптических коэффициентов нейросети. Выдвигаются гипотезы о возможности трансляции характеристик, используемых при описании искусственной нейросети, в представления об организации и функционировании популяций биологических ("живых") нейронов. Приведены результаты вычислительных экспериментов.
The authors of this paper demonstrate how, with the on-board multi-position information received from a satellite navigation system and the inertial information delivered from three dimension accelerometers with orthogonal axes of sensitivity, forming a movable coordinate trihedron, for the latter one the orientation and angular velocity of the rotation in projections on its own axis can be determined. The mathematical model of the inverse problem in the "state-measurement" form is presented as 1) a dynamic group of equations of functioning of the inertial navigation system (without gyroscopes), with the state vector, which includes the coordinates, specific impulses and angular velocities of the instrumental trihedron rotation, and 2) equations for measurement of the object's location coordinates, identified with the coordinates of trihedron tops in the projections on its axis. A dynamic pseudo inversion (solution) of the problem is realized by the neural network, the model of which is based on Kalman-type algorithm in its multi-model presentation, which allows a judgment about a fair competition between the models in the progress of the state vector evaluation. The concept of "nuclear" and "nuclear-free" setting mechanisms of the neural network synaptic coefficients is introduced. Hypothesizes about a possibility of broadcasting of the characteristics, used in the description of an artificial neural network, are introduced in presentations concerning organization and functioning of the populations of the biological ("live") neurons. The results of the computational experiments are presented.
The authors declare that there are no conflicts of interest present.