Содержание к диссертации
Введение
Глава 1. Анализ функционирования системы управления ДПЛА в режиме посадки и общая постановка задачи 10
1.1. Математическая модель движения ДПЛА 10
1.2. Разделение пространственного движения ДПЛА на продольное и боковое 12
1.3. Анализ известных ДПЛА и методов их посадки ДПЛА 13
1.4. Общая схема ДПЛА и его основные характеристики 17
1.5. Технологии искусственного интеллекта 24
1.6. Общая постановка задачи 26
1.7. Выводы к главе 1 28
Глава 2. Решение задачи посадки ДПЛА при помощи сигнальных ориентиров 29
2.1. Описание функционирования системы управления ДПЛА в режиме его посадки 29
2.2. Выбор источников излучения ловушки 32
2.3. Система навигационного оборудования захода на посадку ДПЛА 39
2.4. Светодальномер для линейно-угловых измерений положения ДПЛА в пространстве 41
2.4.1. Теоретическое обоснование предлагаемого светодальномера для линейно-углового измерения положения ДПЛА в решаемой задаче 42
2.4.2. Алгоритм коррекции отклонения рулей управления 49
2.4.3. Выбор параметров импульса излучения и компонент входного вектора НС для вычисления полезного сигнала, при помощи которого происходит корректировка курса ДПЛА 51
2.4.4. Предлагаемая практическая реализация светодальномера для линейно-угловых измерения положения ДПЛА в пространстве 54
2.5. Определение линейно-угловых координат ДПЛА в данной задаче с помощью светодальномера 57
2.5.1. Движение ДПЛА в вертикальной плоскости 60
2.5.2. Движение ДПЛА в горизонтальной плоскости 61
2.6. Вычисление угла тангажа при помощи светодальномера, разработанного в данной работе 64
2.7. Вычисление угла курса при помощи светодальномера, разработанного в данной работе 66
2.8. Выводы к главе 2 69
Глава 3. Искусственные нейронные сети и их применение в системе управления ДПЛА. Выбор сети для решения задачи 71
3.1. Искусственные нейронные сети 71
3.2. Алгоритм обучения НС, основанный на комбинации градиентного метода и метода Холтона 82
3.3. Решение задачи посадки ДПЛА с использованием в его системе управления НС 84
3.4. Сегментация изображения 96
3.4.1. Сегментация изображения с помощью нейронных сетей 98
3.4.2. Предобработка выходных данных 99
3.4.3. Растущий нейронный газ (GNG) для группирования данных по цвету 99
3.4.4. Иерархическая нейронная сеть на соревновательных нейронах для формирования кластеров в пятимерном пространстве (HCNN) 102
3.4.5. Дополнительные возможности обработки 103
3.5. Выводы к главе 3 105
Глава 4. Решение задачи посадки ДПЛА с помощью нейронной сети в ловушку 106
4.1. Моделирование движения ДПЛА в вертикальной плоскости при его посадки в ловушку по сигнальным ориентирам 110
4.2. Моделирование движения ДПЛА в горизонтальной плоскости при его посадки в ловушку по сигнальным ориентирам 115
4.3. Выводы к главе 4 118
Заключение 119
Список литературы 120
- Анализ известных ДПЛА и методов их посадки ДПЛА
- Описание функционирования системы управления ДПЛА в режиме его посадки
- Решение задачи посадки ДПЛА с использованием в его системе управления НС
- Моделирование движения ДПЛА в вертикальной плоскости при его посадки в ловушку по сигнальным ориентирам
Введение к работе
Актуальность темы.
В настоящее время дистанционно пилотируемые летательные аппараты (ДПЛА) получают большое распространение при решении различных задач, как в гражданских, так и в военных отраслях. При этом для современных ЛА характерны постоянно увеличивающийся объем информации, получаемой бортовыми датчиками, возросшие требования к точности и быстродействию систем обработки данных, необходимость принятия тактических решений за минимальное время и т.д. Решение этих задач часто превышает психофизиологические возможности человека. Одним из подходов, направленных на повышение степени автоматизации управления ЛА, его бортовым электронно-вычислительным оборудованием, является использование в его системе управления нейронных сетей (НС).
В данной работе рассматривается задача применения НС в системе управления (СУ) беспилотным ЛА в режиме его захода на посадку с применением механических средств захвата. Разработка технического средства, позволяющего повысить степень автоматизации ДПЛА в режиме посадки.
Целью исследования - является разработка нейросетевой системы управления автоматической посадкой ДПЛА.
Задачами исследования являются:
-
Провести анализ методов посадки ДПЛА и выбрать схему функционирования сигнальных ориентиров, установленных на посадочном месте.
-
Разработать метод посадки ДПЛА на основе нейросетевого подхода.
3. Разработать нейросетевой алгоритм для системы управления посадкой ДПЛА и про
анализировать возможность его использования на практике.
Методы исследований. Решение поставленных в диссертационной работе задач проводилось на основе использования теории нейронных сетей, методов имитационного моделирования, а также методов теории и систем автоматического управления. Научная новизна работы состоит в следующем:
-
В качестве сигнальных ориентиров предложена новая схема расположения источников излучения светодальномера на посадочном месте, а приемников - на летательном аппарате, что создает принципиальную возможность определения линейно-угловых координат ДПЛА.
-
Разработана нейросетевая процедура управления ДПЛА, обеспечивающая его автоматическую посадку без трудоемких вычислений для выбора управляющих сигналов на рулевые органы.
-
Предложены ускоренный алгоритм обучения НС, основанный на комбинации градиентного метода и метода Холтона, и алгоритм сегментации изображения на основе сочетания двух нейронных сетей - "растущего нейронного газа" и иерархической сети на соревновательных нейронах для распознавания зашумленных сигнальных ориентиров. Основным результатом работы является разработка нейросетевой системы
управления посадкой дистанционно-пилотируемого летательного аппарата Практическая ценность работы состоит в том, что: 1. Разработан нейросетевой алгоритм посадим ДПЛА в "лов»шк>" при
к помощи сиг-
нальных ориентиров, который обеспечивает повышение надежности работы системы управления ДПЛА, за счет использования НС, а также сокращение времени вычислений и принятия решений за счет параллельной обработки информации НС.
-
Показана высокая эффективность нейросетевого решения задачи посадки ДПЛА в условиях возникновения внешних помех, обеспечивая его попадание в цель с допустимым промахом от центра "ловушки".
-
Разработанный новый тип свето дальномера позволяет эффективно измерять пространственно-угловое положение ДПЛА и в совокупности с нейросетевым подходом увеличивает точность при наведении в режиме посадки ДПЛА, а также снижает весогабарит-ные характеристики бортового оборудования, что является технически и экономически выгодным.
Внедрение. Разработанные алгоритмы внедрены в НПКЦ "Новик-ХХІвек" при проектировании системы управления ДПЛА, о чём имеется акт о внедрении. Разработана и внедрена в учебный процесс кафедрой №301 лабораторная работа "Задача посадки ДПЛА по телевизионному изображению с помощью самообучающейся нейронной сети" в рамках специальности 210100 "Управление и информатика в технических системах" для специализации 210102 "Интеллектуальные системы управления и информатики", о чем имеется акт о внедрении.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на: X международном научно-техническом семинаре "Современные технологии в задачах управления, автоматизации и обработки информации", г. Алушта 2001; IV Всероссийской научно-технической конференции "Нейроинформатика-2002", Москва 2002г; XII Международном научно-техническом семинаре "Современные технологии в задачах управления, автоматики и обработки информации", г.Алушта, 2003; V-научной конференции молодых ученых, г. Санкт Петербург, ЦНИИ "Электроприбор", 2003г.; Х111 Международном научно-техническом семинаре "Современные технологии в задачах управления, автоматики и обработки информации", г.Алушта, 2004; XIV Международном научно-техническом семинаре "Современные технологии в задачах управления, автоматики и обработки информации", г.Алушта, 2005.
Публикации. По теме диссертационной работы опубликовано 14 работ, из них 10 - печатные.
Структура и объем диссертации. Диссертация состоит из введения, четырёх глав, выводов по каждой главе и общих выводов по работе, списка использованных источников, содержащего 62 наименований и приложений. Работа изложена на 124 страницах машинописного текста, содержит 58 рисунков и 11 таблиц и приложений на 11 страницах.
Анализ известных ДПЛА и методов их посадки ДПЛА
Полеты беспилотных летательных аппаратов (БПЛА) принципиально ничем не отличаются от полетов пилотируемой авиации. Они оснащены системами наведение, бортовой РЛС, ИК- и другими датчиками, а так же видеокамерами. Хорошо известны беспилотные разведчики «Ястреб», «Стриж» (КБ А. Н. Туполева), ударный самолет «Коршун», совместная разработка нескольких КБ И НИИ. Велись работы над созданием машины «макси»-класса «Орел» (ОКБ В.М. Мясищева). До сих пор стоят на вооружении беспилотные самолеты, разработанные в те годы - «Рейс» (КБ А.Н. Туполева) и «Пчела» (КБ Яковлева) [6]. Выделим некоторые преимущества БПЛА по результатам проведенного анализа: 1. отсутствие персонала на борту ЛА приводит к отсутствию необходимости установки бортовых системам жизнеобеспечения; 2. если аппаратом управляют с земли, то один оператор может управлять несколькими машинами. Для операторов беспилотных ЛА не требуется дорогостоящая подготовка, как для летчиков, для их обучения используются исключительно тренажеры и симуляторы; 3. БПЛА потребляют сравнительно меньше топлива, предъявляют существенно более низкие требования к аэродромам, меньше по размерам и более манееренны. Они могут совершать такие фигуры пилотажа, которые с высокой вероятностью могли бы привести к гибели летчика на пилотируемой машине. 4. Их разработка и производство требуют сравнительно небольших финансовых затрат и под силу небольшим предприятиям. Комплексное обоснование возможных уровней автономности ДПЛА должно осуществляться исходя из анализа принципиальной реализуемости следующих основных задач: - обеспечение автономности режимов взлета и посадки, в том числе и на неподготовленные площадки; - обеспечение режимов автономного полета вдоль заданной последовательности контрольных точек или к указанной цели без априорно установленного маршрута с уклонением от запретных зон, возникающих на пути препятствий, помех и т.д.; - организация автоматических режимов бортовой обработки навигационной и другой полезной информации, собираемой непосредственно в полете. Из всех режимов полета ДПЛА наибольшее внимание на данный момент уделяется управление аппаратом в режиме его автоматической посадки, которая сама по себе является достаточно сложным и очень ответственным этапом полета. К настоящему моменту все известные способы посадки ДПЛА можно классифицировать следующим образом: - на подготовленную площадку со специализированными устройствами механического захвата; - на подготовленную площадку с использованием аэродромных радиотехнических и других средств; - на неподготовленную площадку с использованием парашюта; - на неподготовленную площадку с использованием бортового комплекса измерительно-информационной аппаратуры. В результате проведенного анализа составлена таблица, в которой приведены примеры некоторых современных ДПЛА, производимых в разных странных с указанием методов их посадки (Табл. 1.1). Более подробно эта таблица приведена в Приложении 1. Из современных российских разработок можно привести в качестве примера такой комплекс ДПЛА нового поколения как ГрАНТ [51]. В Кроме этого, существуют и другие ДПЛА российского производства, такие как "Шмель", "Пчела", "Браті,2", "Мошкара" и т.д. [52-55]. В настоящее время ОКБ имени А. Яковлева разработан проект дистанционно пилотируемого летательного аппарата "Альбатрос".
Ряд принципиальных выводов по применяемым способам беспилотной посадки позволяет сделать проведенный в процессе исследований их сравнительный анализ. Основным недостатком беспилотной посадки ЛА на основе использования аэродромных радиотехнических средств связан со сложностью подготовки соответствующей площадки со всей необходимой инфраструктурой. Автоматическая беспилотная посадка ЛА на неподготовленную площадку с использованием бортового комплекса измерительно-информационной аппаратуры является более перспективной, но опять же, как и предыдущий способ, требует относительно ровную площадку определенной длины для пробега ЛА после касания земли, а это не всегда возможно. В подобных ситуациях, когда невозможно обеспечить площадку нужной длины требуется использовать другие способы посадки, такие как парашютная, либо посадка с помощью специализированных устройств механического захвата. Воплощение на практике концепции автоматической посадки ДПЛА, выполняемой под контролем комплекса бортовой аппаратуры, требует решения целого ряда важнейших вопросов, включая выбор состава используемых информационно-измерительных средств, а также разработку принципов построения и программно-алгоритмического обеспечения системы управления. Сам алгоритм управления посадкой ДПЛА может строиться в виде логико-лингвистической модели действий пилота. В этом случае возможно использование базы знаний интеллектуальной системы управления, на которую поступает обработанная информация с нейронной сети.
Описание функционирования системы управления ДПЛА в режиме его посадки
В данной работе для повышения точности и надежности наведения ДПЛА в ловушку, предлагается использовать сигнальные ориентиры, установленные непосредственно на самой ловушке и при необходимости, для расширения зоны ориентации, в заранее оговоренной окрестности ловушки. Ориентация ДПЛА в пространстве, в режиме его посадки, и непосредственно само наведение, происходит по электромагнитным волнам, испускаемым сигнальными ориентирами. В каждый определенный момент времени излучение, испускаемое ориентирами, поступает на ОП, неподвижно закрепленные на борту ДПЛА. После этого данные каждого зарегистрированного сигнала поступают, через блок согласования, на НС, где происходит их дальнейшая обработка.
Выбор источников излучения ловушки определяется условиями применения и требованиями к надежности и точности, имеющихся в настоящее время, промышленными образцами лучевых источников в видимой, инфракрасной и ультрафиолетовой областях. Диапазон излучения, выбираемых для ловушки источников, должен определяться, главным образом, потребностью решаемых задач, возможностями приемных устройств, необходимостью минимальных потерь на атмосферное рассеяние и поглощение, а также энергетикой, необходимой для работы источников излучения. При этом следует помнить, что эффективность приема летательным аппаратом внешней энергии должна определяется максимальным к. п. д. и минимальным весом принимающего устройства. Коротковолновые излучатели, например, гамма излучатель применять неэффективно, т.к. он, во-первых, вреден для здоровья, а во-вторых имеет очень короткую длину волны, т.е. рассеивается на очень мелких частицах (атомах, электронах). В зависимости от расстояния, на котором предполагается использовать ЛА, либо на котором предполагается начало его полностью автономного наведения (без вмешательства оператора) в ловушку, можно в качестве сигнальных ориентиров использовать один или несколько источников излучения. Если расстояние от ЛА до цели очень большое, то можно использовать для "дальнего" наведения длинноволновый излучатель. В качестве такого излучения может быть применено радиоизлучение, т.к. оно имеет один из наименьших коэффициентов рассеивания и поглощения. Но данный вид излучения может, например, достаточно легко подавляться приборами потенциального противника. Возможно использовать обычный прожектор. Однако недостатком такого источника является то, что он излучает широкий спектр волн, который имеет большой коэффициент рассеивания и поглощения средой, что является мало эффективны с точки зрения атмосферных энергопотерь.
Рассмотрим зависимости интенсивности лучистого потока от длины волны в спектрах различных источников света [39]. Из рис.2.3 можно сделать вывод, что на фоне рассеянного дневного света для рассматриваемой нами задачи в качестве источников излучения «ловушки» могут подойти вакуумные лампы накаливания.
В том числе для нашей задачи может подойти прожектор с вакуумной (дуговой) лампой накаливания, у которой максимальный лучистый поток приходится на длины волн больших, чем Л = 560/ш, чтобы превысить лучистый поток, рассеиваемый дневным светом (фоновый лучистый поток в яркий солнечный день).
Как известно [40] при использовании в качестве источника света дуговой лампы, требуется ток, порядка 300 А. Мощность источника питания для данного прожектора должна быть порядка 10 КВт. Таким образом для питания всех источников света ловушки, нам потребуется электроустановка, обеспечивающая мощность, оцениваемую десятками КВт, что может быть обеспечено довольно мощным и громоздким источником питания (например, системой аккумуляторных батарей). Для транспортировки только подобных источников питания "ловушки" потребуется большегрузный автомобиль и возможность необходимой регулярной подзарядки подобного источника питания прожекторной установки (состоящей из нескольких прожекторов «ловушки»). Таким образом, ламповые (прожекторные) источники излучения являются мало эффективными и экономически не целесообразными.
Для того, что бы можно было распознать, является ли конкретный источник излучения ориентиром, мы можем использовать физические параметры, характеризующие это излучение: определенный вид изучения, испускаемого источником, а так же определенную скважность (расстояние между импульсами) и длительность пакета импульсов (Рис.2.4). Данная информация поступает на нейронную сеть и, в зависимости от физических характеристик сигнала (частота модуляции излучаемого сигнала, скважность импульсов и т.д.), он либо причисляется к ориентиру, либо нет.
Решение задачи посадки ДПЛА с использованием в его системе управления НС
В данной работе предлагается использовать в системе управления посадкой ДПЛА НС. В каждый момент времени на ОП ДПЛА поступает излучение от сигнальных ориентиров ловушки. Данное излучение обладает заданными характеристиками, а именно, длиной волны - X, скважностью (т.е. длина отдельного импульса и длина молчания) - Г, частотой модуляции сигнала - v и скважностью между пакетами импульсов Тя, которые были подробно рассмотрены во второй главе данной работы. С ОП информация через блок согласования поступает на НС (рис.3.10), где происходит ее дальнейшая обработка. НС в данном случае решает задачу распознавания и классификации. В ней происходит обработка каждого поступающего на нее входного вектора, представляющего собой совокупность параметров X, Т, v, Та. По результатам обработки каждого входного вектора, он причисляется либо к ложному сигналу, либо к сигналу от ориентира. Далее, полезный сигал относится к тому или иному классу, в зависимости от того в какой части ловушки находится ориентир, испускающий данный сигнал. После обработки всех поступивших, в данный момент времени, сигналов с ОП, на выходе нейронная сеть выдает информацию обо всех распознанных сигнальных ориентирах и о том, в каком секторе ловушки они находятся. Каждый і - й нейрон имеет поляризацию b, по которой поступает сигнал смещения, а также по четыре связи с весами и ., по которым поступают входные сигналы х,. Значения весов подбираются в процессе обучения сети, состоящем в приближении выходных сигналов yi к ожидаемым значениям dt для каждого выхода. Мерой близости считается значение целевой функции, также называемой стоимостной функцией. При использовании р обучающих векторов {x,d} для обучения сети, включающей п входных нейронов, при условии, что в нашем случае р = 500, целевую функцию можно определить эвклидовой метрикой, имеющей следующий вид: 500 - 500 я Выходные сигналы нейрона у, являются функциями весов сети w9, значения которых уточняются в процессе обучения, по критерию минимизации целевой функции. После проведенного обучения получилась матрица весов сети, которая представлена Рис.3.12 Матрица весовых коэффициентов Таким образом, после обучения, каждый выходной нейрон отвечает за определенный класс. При подаче очередного входного вектора, если данный сигнал относится сетью к помехе, то на всех ее выходах появляются нули, в том случае если данный сигнал относится к своему, то на выходе нейрона, отвечающего за конкретный класс, появляется единица. Полностью обученная сеть отвечает на вопрос относится ли конкретный сигнал к помехе или к излучению ориентира, а также, к какому именно ориентиру он относится. На рис.3.13 представлен график ошибки обучения НС. Ошибка представляет собой среднеквадратическую оценку отклонения координат активизируемого нейрона во входном пространстве от координат поданного на вход сети вектора. По вертикали на рис.3.13 отложена величина среднеквадратического отклонения активизируемого нейрона от входного вектора, а по горизонтали количество пройденных шагов адаптации. После обработки всех сигналов, поступивших на НС, в случае если видно недостаточное количество сигнальных ориентиров, то полет продолжается по текущей траектории, если видно достаточное количество ориентиров, то происходит расчет текущего положения ДПЛА. Расчет происходит при помощи нового метода измерения пространственно-углового положения, предложенным во второй главе данной работы (параграф 2.5.1) методом по кТу . Предполагается, что в начальный момент режима посадки ДПЛА выводится непосредственно на глиссаду и после этого начинается его автоматическая посадка. Глиссада в нашем случае строится из дискретно рассчитанных через каждый момент времени А заданных- &Tij3 (рис.3.14). Здесь г - длина глиссады, в нашем случае она равна 4000м, (рг - угол наклона глиссады. После расчета текущего положения ДПЛА, оно сравнивается с заданным положением и в случае их несовпадения, вырабатывается сигнал рассогласования и происходит корректировка курса ДПЛА.
Моделирование движения ДПЛА в вертикальной плоскости при его посадки в ловушку по сигнальным ориентирам
С помощью приемника воздушного давления с датчиком углов атаки и скольжения измеряем соответственно угол атаки а и угол скольжения /?. Направление вектора воздушной скорости V в связной системе координат определяется углами а и р . В связи с тем, что в данном случае по условиям задачи скольжение отсутствует, то соответственно направление У определяется только углом атаки а. Таким образом, можно постоянно контролировать вектор скорости V, поддерживая его при помощи рулей высоты. Рассмотрим приемник воздушного давления. Для измерения углов атаки и скольжения находит применение аэрометрический метод, на основе которого создаются автономные бортовые приборы. Простейшим чувствительным элементам измерителей угла атаки и скольжения, является флюгер (рис.4.4.), т. е. обтекаемый элемент симметричного профиля, который может свободно вращаться вокруг оси О. Флюгер Если направление потока изменяется, то флюгер будет устанавливаться по потоку. Обычно флюгерные измерители углов атаки и скольжения совмещают с приемниками воздушного давления (рис.4.5.). Для этого на приемнике размещают две пары 3 и 4 связанных между собой флюгеров, причем ось одной пары перпендикулярна оси другой пары. Такое размещение флюгеров обеспечивает измерение углов атаки флюгерами 3 и углов скольжения флюгерами 4. Каждая пара флюгеров образует стреловидные крылья. С осями флюгеров внутри корпуса приемника связаны щетки потенциометров, включенных в мостовую схему. При среднем положении флюгеров щетки находятся в среднем положении и мост уравновешен. При отклонении от среднего положения на измерительной диагонали появляется сигнал. Таким образом, на выходе прибора получается сигнал, пропорциональный углу атаки или скольжения. Сигналы датчиков углов атаки и скольжения могут быть использованы в бортовых указателях углов, а также в различных вычислителях аэродинамических параметров, в системах автоматического управления полетом, в системе управления воздухозаборником авиадвигателя и т. д. Положение ДПЛА в пространстве относительно плоскости ловушки мы находим при помощи разработанного в данной работе метода определения пространственно-углового положения объектов, который подробно описывается во второй главе данной работы. Все вычисления проводятся по схеме, системы управления ДПЛА, изображенной на рис.4.2. После чего, в случае необходимости, подается сигнал на управляющие органы ДПЛА и таким образом происходит корректировка его курса. Сигнал на рули высоты вычисляется из следующего уравнения: = киАи + к60 + кнАН+ kyjH у где коэффициенты к9ь , ки, kf{ были рассчитаны в первой главе. Весь процесс посадки выглядит следующим образом. В каждый момент времени на ОП поступает излучение из внешней среды, в том числе и излучение с сигнальных ориентиров "ловушки". Затем, данные поступают на нейронные сети, которые в результате своей работы формируют на выходе системы сигнал управления для коррекции траектории движения ДПЛА. Данный процесс повторяется в каждый заданный момент времени. И таким образом постоянно происходит корректировка траектории движения ДПЛА, если это требуется. По результатам моделирования, при возникновении возмущений в различных точках глиссады, в том числе в точке 3, изображенной на рис.4.3, время регулирование составляло порядка 4,5 секунд. При моделировании интервал интегрирования At = 0.1 сек. Максимальное начальное отклонение ДПЛА от глиссады по высоте из оценочных расчетов, составляет 456 метров. Результаты моделирования показали, что применение нейронной сети позволяет эффективно осуществлять управление полетом ДПЛА в сложной динамической обстановке, и максимально приблизить точность наведения к заданным требованиям. Учитывая быстродействие НС, её обучаемость и частоту вычислений в единицу времени, видно, что погрешность наведения ДПЛА на ловушку будет зависеть лишь от длительности фронта сигнала, генерируемого выбранным промышленным лазером. В нашем случае, при длительности фронта в Шеек находим инструментальную погрешность наведения ДПЛА:
