Статья посвящена проблеме синтеза наблюдателей переменных состояния для линейных стационарных объектов, функционирующих в условиях шумов или возмущений в канале измерения. Рассматривается полностью наблюдаемый линейный стационарный объект с известными параметрами. Допускается, что переменные состояния не измеряются, а измеряемая выходная переменная содержит малый по амплитуде (в общем случае по модулю меньше единицы) аддитивный шум или возмущение. Также предполагается, что относительно возмущения или шума в канале измерения не имеется никакой априорной информации (например, частотный спектр, ковариация и прочее). Хорошо известно, что для данного типа объектов получено большое число методов синтеза наблюдателей, включая прекрасно зарекомендовавший себя на практике фильтр Калмана. При условии полной наблюдаемости и наличия некоторой априорной информации о случайном процессе (что характерно для случая, когда возмущение в канале измерения может быть представлено в виде белого шума) подходы, основанные на калмановской фильтрации, демонстрируют высочайшее качество сходимости оценок переменных состояния к истинным значениям. Не оспаривая многочисленные результаты, полученные с использованием фильтра Калмана, в данной работе рассматривается альтернативная идея построения наблюдателя переменных состояния. Альтернативность нового подхода, прежде всего, связана с тем, что отпадает необходимость использования привычных подходов, базирующихся на наблюдателе Люенбергера. В работе предлагается подход, основанный на оценке неизвестных параметров (в данном случае неизвестного вектора начальных условий переменных состояния объекта) некоторой линейной регрессионной модели. В рамках предлагаемого метода после несложного преобразования осуществляется переход от динамической системы к линейной регрессионной модели с неизвестными постоянными параметрами, содержащей шум или возмущающее воздействие. Далее предлагается новая нелинейная параметризация исходной регрессионной модели, обеспечивающая уменьшение влияния шума и синтез алгоритма идентификации неизвестных постоянных параметров с использованием процедуры динамического расширения регрессора и смешивания. В статье представлены результаты компьютерного моделирования, иллюстрирующие достижение заявленных теоретических результатов.

Статья посвящена задаче идентификации параметров двух моделей нейронов ФитцХью—Нагумо. Модель ФитцХью—Нагумо является упрощенной двухмерной версией модели Ходжкина—Хаксли и благодаря своей простоте имеет большую ценность для применения на практике. Однако при проведении эксперимента нередко измерению доступна только одна переменная модели ФитцХью—Нагумо — мембранный потенциал, а вторая переменная совокупного действия всех медленных ионных токов, отвечающих за восстановление потенциала покоя мембраны нервной клетки, и производные обеих переменных неизмеряемы. Это обстоятельство значительно усложняет задачу идентификации модели и, следовательно, описанный случай требует особенного внимания. В первую очередь, модель была преобразована к более удобной форме, в которой отсутствуют недоступные измерению переменные. Вместо неизмеряемых производных в уравнениях модели были использованы переменные, получающиеся при применении двойного реального фильтра дифференциатора. Для получившегося линейного уравнения была сформулирована цель идентификации, гарантирующая корректную настройку параметров, и построена дополнительная адаптивная система, параметрами которой являются оценки параметров исходной модели, а выходной переменной — оценка выхода линейного уравнения. Затем был выбран интегральный целевой функционал, и с помощью метода скоростного градиента был получен простой детерминированный алгоритм настройки параметров исходной модели двух нейронов ФитцХью—Нагумо, также обеспечивающий сходимость выходной переменной адаптивной системы к выходной переменной полученного линейного уравнения. Приводятся результаты компьютерного моделирования в среде Simulink, демонстрирующие быструю сходимость рассматриваем ых оценок к их истинным значениям для двух используемых наборов начальных данных и пара метров. Преимущества предлагаемого метода заключаются в том, что, во-первых, он значительно проще существующих решений: полученный алгоритм настройки параметров представляет собой систему обыкновенных дифференциальных уравнений первого порядка; а во-вторых, общая структура и число уравнений полученного решения не изменится при увеличении числа рассматриваемых моделей нейронов. Это означает, что предлагаемый подход потенциально может быть применен для моделирования активности большего числа нейронов и даже целых популяций.

Представлен обзор моделей и алгоритмов управления шаговым двигателем (ШД). Благодаря высокой точности, улучшенным показателям удельной мощности, экономичности и надежности по сравнению с другими синхронными двигателями ШД широко используются в различных практических приложениях и научном оборудовании. В авиационной и космической технике ШД активно применяются в исполнительных системах, таких как приводы движения элементов крупногабаритных конструкций, системы наведения и стабилизации и т. д. В статье описаны некоторые существующие алгоритмы управления ШД, которые основаны как на знании параметров модели ШД, так и на отсутствии той или иной информации. Из множества описанных алгоритмов выделены четыре (ПИД регулятор, алгоритм точной линеаризации обратной связью, адаптивное управление с частично неизвестными параметрами и адаптивное управление с полностью неизвестными параметрами), которые показали наилучшие результаты переходных процессов по слежению угла ротора ШД за эталонным значением. Также приводится сравнительный численный анализ среди данных четырех алгоритмов, который показал, что наилучшие результаты переходных процессов продемонстрированы адаптивными регуляторами (в смысле наименьшей ошибки в установившемся режиме), тогда как наихудшие результаты продемонстрированы ПИД регулятором. Отмечено, что исследуемый ПИД регулятор содержит гораздо меньше контуров обратных связей по сравнению с другими алгоритмами, что упрощает выбор настраиваемых параметров и уменьшает динамический порядок замкнутой системы, однако синтез основан на знании точных параметров привода, а также чувствителен к внешним возмущениям. Напротив, адаптивные подходы успешно решают задачу оценки параметрических и функциональных возмущений, однако их реализация связана со значительными трудностями.

Групповое применение беспилотных летательных аппаратов (БПЛА) требует стабильной и высокоточной навигации. Существующие навигационные решения, такие как глобальные навигационные спутниковые системы (ГНСС) и инерциальные навигационные системы, могут работать неэффективно в некоторых сценариях применения. Эту проблему можно решить с помощью методов относительной навигации. В отличие от абсолютной навигации, которая оценивает положение БПЛА относительно Земли, относительная навигация позволяет точно оценить положение БПЛА относительно друг друга. Несмотря на большое число публикаций по относительной навигации, обзоры методов относительной навигации, систематизирующие существующие исследования, практически не встречаются. Кроме того, в различных статьях об относительной навигации используется широкий спектр терминов для схожих понятий, что осложняет изучение темы. Поэтому в данной статье подробно рассматриваются и систематизируются методы относительной навигации и анализируются их возможности и ограничения. На основании результатов обзора предлагается классификация методов относительной навигации, подходящих для групп БПЛА, и представляются результаты их сравнительного анализа. В статье рассмотрены дифференциальные ГНСС, радиочастотные и визуальные методы относительной навигации, а также их комбинации. Для каждого типа метода оцениваются достижимая точность и дальность действия в соответствии с соответствующими исследованиями. Также представляются ограничения и недостатки каждого метода. В результате сформулированы основные возможности относительной навигации и оценено ее текущее состояние.

В настоящее время одной из перспективных сфер совместного использования беспилотных летательных аппаратов (БПЛА) является групповое воздушное патрулирование больших территорий. Организация такого патрулирования предполагает решение задачи планирования маршрутов полета группы БПЛА. В работе рассматривается задача оптимального планирования маршрутов полета однотипных БПЛА при групповом патрулировании территорий большой протяженности. Примером таких территорий могут служить территориальные воды или узкие приграничные участки какого-либо государства. Предполагается, что патрулируемая территория имеет вытянутую форму и разбита на цепочку смежных зон патрулирования, предписанных отдельным БПЛА. Маршрут полета беспилотника проходит через смежные зоны. Полетное задание, выполняемое периодически каждым беспилотником, состоит в его перемещении в заданную полетную зону, сборе оперативных данных и передаче этих данных на пункт (центр, станцию) управления. Оптимизационный аспект планирования маршрутов полета БПЛА состоит в том, чтобы свести к минимуму максимальные сроки выполнения полетных заданий. Рассматриваемая задача группового патрулирования сводится к множественной задаче коммивояжера — одной из классических труднорешаемых задач комбинаторной оптимизации. Дан краткий анализ современных методов решения множественной задачи коммивояжера. В связи с отсутствием эффективных точных методов решения данной задачи естественно использование приближенных эвристических и метаэвристических методов, ориентированных на решение именно NP-трудных задач оптимизации, сокращающих полный перебор и дающих решение, близкое к точному. Рассматриваемая в работе множественная задача коммивояжера сводится к задаче целочисленного линейного программирования, для решения которой предложен генетический алгоритм, реализованный в среде MATLAB на основе математического пакета Global Optimization Toolbox. Рассмотрен иллюстративный пример патрулирования тремя БПЛА протяженной территории с 11 смежными зонами. Вычислительные эксперименты подтверждают эффективность предложенных в работе алгоритмических решений.

Статья посвящена разработке и исследованию кинематической модели стабилизации и управления ориентацией подвесной аппаратуры беспилотного летательного аппарата (БПЛА). Созданная модель базируется на кинематической модели трехосного карданного подвеса (ТКП): структуре ТКП для БПЛА, математическом описании ТКП БПЛА и выводе кинематических уравнений для задач стабилизации и управления ориентацией подвесной аппаратуры БПЛА. В общем случае вывод кинематических уравнений ТКП на БПЛА является сложным процессом и подобен построению кинематической модели робота-манипулятора с шестью степенями свободы. ТКП рассматривается как манипуляционный механизм с шестью степенями свободы: три степени свободы определяются поворотами БПЛА вокруг осей системы координат, прикрепленной к БПЛА, и три степени свободы задаются рамками ТКП по каналам рыскания, крена и тангажа при вращательных движениях этих рамок вокруг соответствующих осей систем координат, прикрепленных к рамкам ТКП. Такая постановка в общем случае не имеет однозначного решения для поставленных задач стабилизации и управления ориентацией подвесной аппаратуры БПЛА. Для устранения этой неоднозначности используется оптимизация в процессе проектирования ТКП и установка ТКП в таких положениях на БПЛА, которые снижают вычислительную сложность решаемых задач. Кинематическая модель представлена в статье кинематическими уравнениями, решение которых обеспечивает стабилизацию подвесной аппаратуры БПЛА, и кинематическими уравнениями, решение которых позволяет управлять аппаратурой (видеокамерой) БПЛА при слежении за подвижными объектами (движущимися целями) в пространстве. В программной среде MATLAB Simulink создана модель ТКП, на основе которой выполнено моделирование трехосной системы стабилизации аппаратуры БПЛА и моделирование трехосной системы слежения БПЛА за движущимся объектом в пространстве. Результаты моделирования в программной среде MATLAB SImulink доказывают адекватность разработанной кинематической модели ТКП и ее эффективность для решения задач стабилизации и управления ориентацией подвесной аппаратуры БПЛА.