Preview

Мехатроника, автоматизация, управление

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Непараметрический метод прогнозирования траектории движения активно маневрирующего судна посадки беспилотного летательного аппарата

https://doi.org/10.17587/mau.22.660-670

Полный текст:

Аннотация

Статья посвящена разработке алгоритмов прогнозирования траектории движения маневрирующих объектов на основе непараметрической теории систем. Проводится анализ неопределенностей, влияющих на моделирование движения маневрирующих водных объектов. Приводится обзор параметрических, непараметрических и комбинированных методов прогнозирования траектории их движения. Для решения задачи высокоточного автономного управления посадкой беспилотных летательных аппаратов на судно посадки в условиях его нерегулярного движения, вызванного метеорологическими условиями и активным маневрированием, предлагается метод прогнозирования траектории движения судна посадки, основанный на решении прямых задач динамики с использованием непараметрической теории систем. Преимущества предлагаемого метода заключаются в том, что он не подвержен модельным ошибкам, так как основывается только на ретроспективном анализе нескольких последовательных значений пространственных координат судна посадки, при этом в отличие от аналогичных непараметрических методов не использует статистические вычисления, не требует своего обучения или длительной настройки. Метод не подразумевает решения задач идентификации параметров модели, состояния и управляющих воздействий и может быть применен при любых неизвестных линеаризуемых входных управляющих воздействиях, в том числе при неидентифицируемости модели динамики движения судна посадки. Приводятся результаты численного моделирования решения задачи прогнозирования траектории движения активно маневрирующего малоразмерного судна посадки с применением полной нелинейной динамической модели с шестью степенями свободы. Проведенные исследования подтверждают работоспособность, адекватность и очень быструю настройку разработанного метода в условиях полной параметрической и непараметрической неопределенности. Предлагаемый метод может быть использован для прогнозирования траектории движения любого транспортного средства при условии линеаризуемости его модели и сигналов управления на наблюдаемом интервале времени.

Об авторах

В. В. Косьянчук
Государственный научно-исследовательский институт авиационных систем
Россия

Доктор технических наук, профессор РАН

г. Москва



E. Ю. Зыбин
Государственный научно-исследовательский институт авиационных систем
Россия

Доктор технических наук, начальник. лаборатории

г. Москва



В. B. Гласов
Государственный научно-исследовательский институт авиационных систем
Россия

Кандидат технических наук, доцент

г. Москва



Л. Тань
Харбинский технологический институт
Китай

Кандидат технических наук, доцент

г. Харбин



Список литературы

1. Васьков А. С., Грищенко А. А. Прогнозирование и контроль движения судна // Морские интеллектуальные технологии. 2019. Т. 2, № 1 (43). С. 92.

2. Мельник В. Г. Методы обработки рядов траекторных измерений в системах прогнозирования и контроля движения судна / Автореф. дисс. на соиск. уч. ст. к.т.н. (05.22.19). Новороссийск: ГМУ им. адм. Ф. Ф. Ушакова, 2012. 24 с.

3. Селезнева О. В. Сравнение методов прогнозирования траектории морских судов // Современные информационные технологии и ИТ-образование. 2015. Т. 2. № 11. С. 541—546.

4. Sutulo S., Moreira L., Soares C. G. Mathematical models for ship path prediction in maneuvering simulation systems // Ocean Eng. 2002. Vol. 29. P. 1—19.

5. Гриняк В. М. Разработка математических моделей обеспечения безопасности коллективного движения морских судов / Автореф. дисс. на соиск. уч. ст. д.т.н. (05.13.18). Владивосток: ИАПУ ДВО РАН, 2016. 36 с.

6. Borkowski P. The ship movement trajectory prediction algorithm using navigational data fusion // Sensors. 2017. Vol. 17, N. 6. P. 1432.

7. Костюков В. А., Маевский А. М., Гуренко Б. В. Математическая модель надводного мини-корабля [Электронный ресурс] // Инженерный вестник Дона. 2015. № 3. URL: http://ivdon.ru/ru/magazine/archive/n3y2015/3297 (дата обращения: 26.02.2021).

8. Абдуллаева З. М. Разработка и реализация математических моделей движения судна на мелководье при переменной глубине / Дисс. на соиск. уч. ст. к.т.н. Махачкала: ФГБОУВО "ДГТУ", 2017. 270 с.

9. Вагущенко Л. Л., Цымбал Н. Н. Системы автоматического управления движением судна. 3-е изд., перераб. и доп. Одесса: Фенікс, 2007. 328 с.

10. Sheng L., Jia S., Bing L., Gao-yun L. Identification of ship steering dynamics based on aca-svr // Proceeding of 2008 IEEE International Conference on Mechatronics and Automation. 2008. P. 514—519.

11. Yasukawa H., Yoshimura Y. Introduction of MMG standard method for ship maneuvering predictions // Journal of Marine Science and Technology. 2015. Vol. 20, N. 1. P. 37—52.

12. Perera L. P. Navigation vector based ship maneuvering prediction // Ocean Engineering. 2017. Vol. 138. P. 151—160.

13. Зыбин Е. Ю., Гласов В. В., Чекин А. Ю. Непараметрический метод прогнозирования движения судна посадки беспилотного летательного аппарата // Сборник тезисов докладов IV Всероссийской научно-технической конференции "Моделирование авиационных систем", 26—27 ноября 2020 г., г. Москва. 2020. C. 212—213.

14. Гласов В. В., Зыбин Е. Ю. Непараметрический метод автономной высокоточной посадки беспилотного летательного аппарата на активно маневрирующее малоразмерное судно // Сборник тезисов докладов IV Всероссийской научно-технической конференции "Моделирование авиационных систем", 26—27 ноября 2020 г., г. Москва. 2020. C. 213—214.

15. Зыбин Е. Ю., Косьянчук В. В., Карпенко С. С. О некоторых непараметрических методах теории управления динамическими объектами // Материалы XV Всероссийской научно-технической конференции "Научные чтения по авиации, посвященные памяти Н. Е. Жуковского": сборник докладов. М: ООО "Экспериментальная мастерская НаукаСофт". 2018. С. 288—298.

16. Косьянчук В. В., Зыбин Е. Ю., Гласов В. В., Чекин А. Ю., Карпенко С. С., Бондаренко Ю. В. Методы решения некоторых задач теории линейных динамических систем в условиях полной параметрической неопределенности // Труды Всероссийского совещания по проблемам управления (ВСПУ-2019). 2019. С. 724—729.

17. J. Lacki M. Intelligent prediction of ship maneuvering // Int. Mar. Navig. Saf. Sea Transp. 2016. N. 10. P. 511—516.

18. Каллан Р. Основные концепции нейронных сетей / Пер. с англ. А. Г. Сивак. М.: Издат. дом "Вильямс", 2003. 288 с.

19. Хайкин С. Нейронные сети: полный курс / Пер. с англ. Н. Н. Куссуль, А. Ю. Шелестова. М.: Издат. дом "Вильямс", 2006. 1104 с.

20. Ebada A. Intelligent techniques-based approach for ship maneuvering simulations and analysis (Artificial Neural Networks Application): Doktor-Ing. genehmigte Dissertation; Institute of Ship Technology und Transport Systems, Germany. 2007. 156 p.

21. Xu T., Liu X., Yang X. A Novel Approach for Ship Trajectory Online Prediction Using BP Neural Network Algorithm // Advances in Information Sciences and Service Sciences (AISS). 2012. Vol. 4, N. 11. P. 271—277.

22. Сазонов А. Е., Дерябин В. В. Прогнозирование траектории движения судна при помощи нейронной сети // Вестник государственного университета морского и речного флота им. адмирала С. О. Макарова. 2013. № 3(22). С. 6—13.

23. Дерябин В. В. Применение нейронной сети в модели счисления пути судна // Эксплуатация морского транспорта. 2011. № 3 (65). С. 20—27.

24. Дерябин В. В. Построение модели счисления пути судна на основе нейронной сети // Эксплуатация морского транспорта. 2010. № 4 (62). С. 33—40.

25. Дерябин В. В., Сазонов А. Е. О возможности применения нейронной сети для построения модели счисления пути судна // Научно-технический сборник Российского морского регистра судоходства. 2010. № 33. С. 229—246.

26. Дерябин В. В. О возможности построения нейронной сети, прогнозирующей координаты судна // Научно-техническая конференция профессорско-преподавательского состава, научных сотрудников и курсантов: тез. докл. СПб.: Изд-во ГМА им. адм. С. О. Макарова, 2012. Ч. 2.

27. Дерябин В. В. Модель счисления пути судна в условиях воздействия внешних факторов // Эксплуатация морского транспорта. 2011. № 1 (63). С. 33—39.

28. Suo Y. A ship trajectory prediction framework based on a recurrent neural network // Sensors. 2020. Vol. 20, N. 18. P. 5133.

29. Xie G., Gao H., Qian L., Huang B., Li K., Wang J. Vehicle Trajectory Prediction by Integrating Physicsand Maneuver-Based Approaches Using Interactive Multiple Models. // IEEE Transactions on Industrial Electronics. 2018. Vol. 65, N. 7. P. 5999—6008.

30. Зыбин Е. Ю., Мисриханов М. Ш., Рябченко В. Н. О минимальной параметризации решений линейных матричных уравнений // Вестник ИГЭУ. 2004. № 6. С. 127—131.

31. Bergeron N. P. Model-Based Control of a High-Performance Marine Vessel. University of Louisiana at Lafayette. ProQuest Dissertations Publishing, 2014.

32. Khan A., Bil C., Marion K. E. Ship motion prediction for launch and recovery of air vehicles // Proceedings of the OCEANS Conference, Washington, DC, USA, 19—23 September 2005. P. 2795—2801.


Рецензия

Для цитирования:


Косьянчук В.В., Зыбин E.Ю., Гласов В.B., Тань Л. Непараметрический метод прогнозирования траектории движения активно маневрирующего судна посадки беспилотного летательного аппарата. Мехатроника, автоматизация, управление. 2021;22(12):660-670. https://doi.org/10.17587/mau.22.660-670

For citation:


Kosyanchuk V.V., Zybin E.Yu., Glasov V.V., Tan L. Nonparametric Method for Predicting the Trajectory of an Actively Maneuvering Vessel for Unmanned Aerial Vehicle Landing. Mekhatronika, Avtomatizatsiya, Upravlenie. 2021;22(12):660-670. (In Russ.) https://doi.org/10.17587/mau.22.660-670

Просмотров: 200


ISSN 1684-6427 (Print)
ISSN 2619-1253 (Online)