Нейросетевое скользящее управление ориентацией трехосного карданного подвеса, оснащенного камерой, на беспилотном аппарате

Обсуждается разработка и моделирование алгоритмов нейросетевого скользящего режима (НСР) управления ориентацией трехосного карданного подвеса (ТКП), оснащенного подвесной камерой, беспилотного летательного аппарата (БПЛА). Алгоритмы НСР базируются на кинематических уравнениях, описывающих вращение и взаимодействие трех твердых компонентов ТКП: рамки канала рыскания (РКР), рамки канала крена (РКК) и рамки канала тангажа (РКТ). В математической модели ТКП учтено как взаимодействие трех связанных между собой твердых тел (РКР, РКК и РКТ) — компонентов ТКП, так и влияние на ТКП неизвестных возмущающих факторов. Возмущающие факторы (центробежные силы и моменты инерции, возникающие при вращении асимметричных РКР, РКК и РКТ; гравитация; трение, возникающее на вращающихся подшипниках РКР, РКК, РКТ) существенно усложняют математическую модель ТКП с камерой на БПЛА. Задача в данной постановке решается путем комбинации классического скользящего регулятора и искусственной нейронной сети (ИНС) RBF. В ИНС RBF радиальные базисные функции (гауссоиды) выполняют роль нелинейных функций активации. В описание скользящего режима управления вводятся неопределенные функции, содержащие неизвестные параметры, в числе которых параметры неизвестных возмущений: гравитация, влияющая на рабочий процесс ТКП, центробежные силы и моменты инерции РКР, РКК, РКТ и т. п. Неизвестные параметры неопределенных функций в НСР оцениваются с помощью ИНС RBF. Комбинация скользящего режима управления и нейронной сети RBF реализует нейросетевое скользящее управление ориентацией ТКП БПЛА, оснащенного камерой. Результаты моделирования НСР управления в программной среде MATLAB Simulink доказывают, что система, использующая НСР, обладает большим запасом устойчивости, характеризуется более высоким качеством процессов управления и работает достаточно стабильно в обстановке неизвестных возмущений и случайных помех по сравнению с классическим скользящим регулятором.

1. Altan A., Hacioğlu R. Modeling of three-axis gimbal system on unmanned air vehicle (UAV) under external disturbances // Signal Processing and Communications Applications Conference. 2017. P. 1—4.

2. Zhou Z., Zhang B., Mao D. MIMO fuzzy sliding mode control for three-axis inertially stabilized platform // Sensors. 2019. P. 1658.

3. Chandra R. S., Breheny S. H., D’Andrea R. Antenna array synthesis with clusters of unmanned aerial vehicles // Automatica. 2008. Vol. 44. P. 1976—1984.

4. Coopmans C., Stark B., Jensen A., Chen Y. Q., McKee M. Cyber-physical systems enabled by small unmanned aerial vehicles. In: K. P. Valavanis, G. J. Vachtsevanos (Eds.), Handbook of unmanned aerial vehicles. Dordrecht; Heidelberg; New York; London: Springer, 2015. P. 2835—2860.

5. Sundaram B., Palaniswami M., Reddy S., Sinickas M. Radar localization with multiple unmanned aerial vehicles using support vector regression // Intelligent sensing and information processing. 2005. P. 232—237.

6. Сущенко О. А., Азарсков В. Н. Проектирование робастных систем стабилизации оборудования беспилотных летательных аппаратов // Вестник Самарского государственного аэрокосмического университета. 2014. № 1(43). С.80—90.

7. Кориков А. М., Тран В. Т. Кинематическая модель стабилизации и управления ориентацией подвесной аппаратуры беспилотного летательного аппарата // Мехатроника, автоматизация, управление. 2023. Т. 24, № 7. С. 382—390.

8. Челноков Ю. Н. Приложения теории кинематического управления движением твердого тела // Мехатроника, автоматизация, управление. 2017. Т. 18, № 8. С. 532—542.

9. Гантмахер Ф. Р. Теория матриц. М.: Наука, 1988. 552 с.

10. Емельянов С. В. Системы автоматического управления с переменной структурой. М.: Наука, 1967. 336 с.

11. Теория систем с переменной структурой / Под ред. С. В. Емельянова. М.: Наука. Физматлит, 1970. 592 с.

12. Уткин В. И. Скользящие режимы и их применение в системах с переменной структурой. М.: Наука, 1974. 272 с.

13. Емельянов С. В., Коровин С. К. Новые типы обратной связи: управление при неопределенности. М.: Наука. Физматлит, 1997. 352 с.

14. Ерофеев А. А. Теория автоматического управления. СПб.: Политехника, 1998. 295 с.

15. Modern control systems / Twelfth Edition by Richard C. Dorf, Robert H. Bishop. Prentice Hall, 2011. 1110 p.

16. Галушкин А. И. Нейронные сети: основы теории. М.: Горячая линия — Телеком, 2010. 496 с.

17. Прикладная информатика: справочник / Под ред. В. Н. Волковой и В. Н. Юрьева. М.: Финансы и статистика; Инфра-М, 2008. 768 с.