Управление критериями селекции алгоритма самоорганизации в задачах коррекции навигационных систем маневренных летательных аппаратов

Исследована задача построения моделей с желаемыми свойствами, которые применяются в алгоритмическом обеспечении прицельно-навигационного комплекса летательного аппарата. От качества используемых математических моделей во многом зависит точность коррекции прицельно-навигационного комплекса, поэтому предлагается строить модели непосредственно в процессе полета с помощью какого-либо эволюционного алгоритма, например с помощью алгоритма самоорганизации. В ансамбль критериев селекции алгоритма самоорганизации включены различные критерии, определяющие свойства отбираемых моделей. В зависимости от области применения моделей посредством алгоритма самоорганизации с изменяемым ансамблем критериев селекции им придаются желаемые свойства. Ансамбль селекции состоит из общих и специальных критериев, а также управляемой комбинации качественных критериев, избирательно улучшающих характеристики моделей. При изменении режима полета влияние того или иного специального критерия на исследуемый процесс меняется. Изменение ансамбля критериев селекции алгоритма самоорганизации происходит автоматически в процессе полета. В качестве улучшаемых качественных характеристик использованы степени наблюдаемости, управляемости и параметрической идентифицируемости. С течением времени степени наблюдаемости, управляемости и параметрической идентифицируемости могут меняться. Компоненты, которые были хорошо наблюдаемы, со временем могут перейти в разряд слабонаблюдаемых. Слабонаблюдаемые компоненты вектора состояния, хотя и являются формально наблюдаемыми, на практике не подвергаются обработке посредством алгоритмов оценивания, так как их оценку возможно улучшить лишь на достаточно больших интервалах функционирования системы. Аналогичная ситуация складывается и с моделями при исследовании качества их управляемости, а также с параметрами моделей при их идентификации. Представлен алгоритм управления качественными критериями селекции и схема алгоритма формирования моделей при коррекции перспективного прицельно-навигационного комплекса летательного аппарата. Проведено математическое моделирование для различных режимов полета летательного аппарата, таких как прямолинейный полет, разновысотный полет. Результаты проведенного моделирования показали работоспособность и эффективность предложенных алгоритмических решений.

1. Неусыпин К. А. Современные системы и методы наведения, навигации и управления летательными аппаратами. М.: Изд-во МГОУ, 2009. 500 с.

2. Шэнь К., Пролетарский А. В., Неусыпин К. А. Исследование алгоритмов коррекции навигационных систем летательных аппаратов // Вестник Московского государственного технического университета им. НЭ Баумана. Серия "Приборостроение". 2016. № 2 (107). С. 28—39.

3. Пролетарский А. В., Неусыпин К. А. Способы коррекции навигационных систем и комплексов летательных аппаратов // Инженерный журнал: наука и инновации. 2012. № 3 (3). С. 44.

4. Селезнева М. С. и др. Динамический системный синтез алгоритмического обеспечения навигационного комплекса летательного аппарата // Приборы и системы. Управление, контроль, диагностика. 2017. № 2. С. 36—42.

5. Селезнева М. С., Неусыпин К. А., Пролетарский А. В. Разработка акцептора действия измерительного комплекса с использованием концепции динамического системного синтеза // Автоматизация. Современные технологии. 2018. Т. 72, № 2. С. 73—77.

6. Чжан Л. и др. Способы улучшения характеристик нелинейных моделей динамических систем // Будущее машиностроения России. 2020. С. 197—201.

7. Неусыпин К. А., Селезнева М. С., Кай Ш. Исследование качественных характеристик наблюдаемости переменных состояния линейных нестационарных моделей инерциальных навигационных систем // Мехатроника, автоматизация, управление. 2018. Т. 19, № 5. С. 346—354.

8. Кай Ш., Селезнева М. С., Неусыпин К. А. Разработка алгоритма коррекции инерциальной навигационной системы в автономном режиме // Измерительная техника. 2017. № 10. С. 16—20.

9. Shen K. et al. Novel variable structure measurement system with intelligent components for flight vehicles // Metrology and measurement systems. 2017. P. 347—356.

10. Shen K. et al. Quantifying observability and analysis in integrated navigation // Navigation: Journal of The Institute of Navigation. 2018. Т. 65. № 2. С. 169—181.

11. Джанджгава Г. И. и др. Навигационный комплекс с повышенными характеристиками наблюдаемости и управляемости // Авиакосмическое приборостроение. 2016. № 6. С. 18—24.

12. Кай Ш., Неусыпин К. А. Критерий степени наблюдаемости переменных состояния нестационарных систем // Автоматизация. Современные технологии. 2016. № 6. С. 10—16.

13. Neusypin K. A. et al. Algorithm for building models of INS/GNSS integrated navigation system using the degree of identifiability // 2018 25th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS). IEEE, 2018. P. 1—5.

14. Neusypin K., Selezneva M., Proletarsky A. Nonlinear information processing algorithm for navigation complex with increased degree of parametric identifiability // Recent Research in Control Engineering and Decision Making. Springer International Publishing, 2019. P. 37—49.

15. Неусыпин К. А., Фам С. Ф. Численный критерий степени управляемости переменных состояния // Автоматизация и современные технологии. 2007. № 7. С. 24—26.

16. Ивахненко А. Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Технiка, 1975, 312 с.

17. Шашурин В. Д., Селезнева М. С., Неусыпин К. А. Технология формирования акцептора действия навигационного комплекса с использованием динамического системного синтеза // Автоматизация. Современные технологии. 2018. Т. 72, № 3. С. 121—126.