Ваш браузер устарел и не обеспечивает полноценную и безопасную работу с сайтом.
Установите актуальную версию вашего браузера или одну из современных альтернатив.
Управление летательными аппаратами (ЛА) осуществляется на основе информации от различных навигационных систем и систем ориентации. К современным навигационным системам предъявляются высокие требования по точности. Для выполнения установленных точностных характеристик измерительные системы объединяют в навигационные комплексы (НК). В свою очередь повышение точности НК осуществляется алгоритмическим путем [1, 2]. Алгоритмы обработки информации включают алгоритмы комплексирования, оценивания, управления и построения моделей [3]. Базовым алгоритмом, который осуществляет объединение измерительных систем, является алгоритм комплексирования [4]. Основная функция алгоритма комплексирования это совместная обработка сигналов от навигационных систем и селекция навигационной информации. Способ комплексирования предполагает использование ансамбля критериев селекции информации. Алгоритмическое обеспечение высокоточных НК включает различные интеллектуальные компоненты, использующие элементы теорий интеллектуальных систем [5–7]. Использование интеллектуальных компонент [8, 9] в НК предполагает наличие на ЛА БЦВМ высокой производительности.
Применение при функционировании алгоритмического обеспечения.НК концепции динамического системного синтеза позволяет формировать на каждом интервале полета наилучшую структуру алгоритмического обеспечения, адекватные модели с улучшенными характеристиками и определять наилучшую архитектуру НК в процессе полета ЛА.
Разработка высокоэффективного программно-алгоритмического обеспечения НК требует применения новых информационных технологий и подходов, например, концепции системного синтеза [10, 11].
Окружающая среда, в которой функционирует НК ЛА, теоретически описываются большим количеством параметров. Часть этих параметров является определяющими (ключевыми, доминирующими) и именно эти параметры используются в алгоритмическом обеспечении НК. Существуют проекции на подпространство меньшего количества переменных, с достаточной степенью адекватности отражающих ситуацию в исходном пространстве переменных. Из этих наиболее информативных переменных состояния формируются русла. Относительно этих русел разрабатываются алгоритмы НК ЛА. С помощью ансамбля критериев селекции определяется размерность русла, т.е. выделяются переменные состояния, достаточно хорошо отражающие исследуемый процесс. В практических приложениях размерность русла, как правило, невелико.
На этапе проектирования НК с помощью ансамбля критериев селекции и априорной информации об исследуемых процессах, отбираются ключевые параметры и определяются архитектура НК, а также модели алгоритмического обеспечения. Однако в процессе функционирования НК ЛА внешние возмущения и собственное состояние НК могут существенно изменяться. Поэтому ключевые параметры уже неадекватно отражают реальные процессы. При интенсивном маневрировании ЛА появляются параметры, которые раньше не являлись определяющими, а теперь именно они характеризуют состояние НК, другие же ключевые параметры становятся несущественными и выпадают из русла.
Для построения моделей алгоритмического обеспечения НК ЛА используются эволюционные алгоритмы [12–14].
При использовании в НК в качестве базовой системы инерциальной навигационной системы (ИНС), как правило, в первую очередь строятся именно модели ее погрешностей.
Алгоритм самоорганизации основан на гипотезе селекции моделей с использованием ансамбля критериев.
Использование в алгоритме для селекции моделей критериев степени наблюдаемости, управляемости и параметрической идентифицируемости позволяет получить модели с улучшенными качественными характеристиками. Алгоритм самоорганизации позволяет автоматически выделять наиболее значимые переменные состояния, которые используются в формируемой модели..
Так как в ансамбль критериев селекции НК включены критерии степени наблюдаемости, управляемости и параметрической идентифицируемости в алгоритмическом обеспечении НК используются только хорошо наблюдаемые и управляемые переменные состояния, а также хорошо идентифицируемые параметры моделей погрешностей ИНС [14–18].
При изменении режима функционирования НК ЛА анализируются степени наблюдаемости переменных состояния и осуществляется автоматический выбор наилучшей структуры НК.
Математическую модель используют в алгоритме оценивания для определения состояния исследуемой системы, а также в ансамбле критериев селекции.
Если на первом этапе функционирования НК некоторые компоненты вектора состояния были слабонаблюдаемыми и не подвергались оцениванию, то с течением времени появляется возможность использовать более подробную модель исследуемого процесса и степень наблюдаемости этих компонент может увеличиться. В этом случае слабонаблюдаемые в прошлом компоненты (ставшие хорошо наблюдаемыми) включаются в состав русла, т. е. переходят в разряд оцениваемых компонент вектора состояния. По мере накопления полезной информации с помощью алгоритма самоорганизации строится более подробная модель исследуемого процесса.
Если использование более подробной модели приводит к тому, что степень наблюдаемости конкретного параметра увеличивается, то оцениваемый вектор состояния расширяется и в конечном итоге (в случае, когда все параметры комплекса становятся «хорошо» наблюдаемыми) осуществляется переход от редуцированного к обычному полному вектору состояния. В алгоритмическом обеспечении используются скалярные алгоритмы оценивания, поэтому в случае изменения размерности вектора состояния не требуется менять матрицы модели оцениваемого процесса и формулы для вычисления матриц усиления и ковариационных матриц ошибок оценивания.
Модели оцениваемого процесса — погрешностей ИНС — строятся с помощью эволюционных алгоритмов для каждой переменной.
В рамках концепции динамического системного синтеза, в процессе функционирования НК ЛА осуществляется выбор доминирующих переменных состояния, которые наилучшим образом определяют исследуемый процесс. В полете проводится построение моделей с улучшенными свойствами и эти модели используются в алгоритмическом обеспечении НК. Используемые качественные характеристики — степени наблюдаемости, управляемости и параметрической идентифицируемости оказывают влияние на точность НК. При коррекции в сруктуре НК с помощью регулятора используются модели с улучшенными свойствами не только управляемости, но и наблюдаемости и параметрической идентифицируемости. Повышение степени наблюдаемости модели приводит к улучшению точности оценивания, а увеличение степени параметрической идентифицируемости позволяет получить более высокую точность построения модели. В совокупности степени наблюдаемости и параметрической идентифицируемости позволяют строить более точные модели, которые затем используются в регуляторе состояния. Степень управляемости это свойство, которое определяет эффективность регулятора и увеличение степени управляемости приводит к повышению эффективности управления переменными состояния, которые включены в модель. Реализована концепция динамического системного синтеза в алгоритмическом обеспечении НК ЛА.
Таким образом, концепция динамического системного синтеза использована для разработки алгоритмического обеспечения высокоточных НК ЛА. В блоке комплексирования НК в ансамбль критериев селекции включены критерии степени наблюдаемости и управляемости переменных состояния и идентифицируемости параметров используемых моделей. Модели строятся в процессе функционирования НК с помощью эволюционных алгоритмов. Использование концепции динамического системного синтеза позволяет строить модели с улучшенными характеристиками и использовать для оценивания и управления только доминирующие переменные состояния в процессе полета ЛА, что повышает точность НК и существенно упрощает реализацию алгоритмического обеспечения НК в БЦВМ ЛА.
