Содержание к диссертации
Введение
Глава 1. Современные методы навигации КЛА 13
1.1. Навигационные системы 13
1.2. Погрешности автономных навигационных систем 16
1.3. Погрешности корректируемых навигационных систем 18
1.4. Анализ погрешностей навигационных систем КЛА 23
1.5. Принципы и варианты построения интегрированных инерциально-спутниковых систем 28
1.6. Постановка задачи 33
Выводы к главе 1 35
Глава 2. Исследование и разработка современных и перспективных систием управления КЛА 37
2.1. Анализ состояния разработок в области интеллектуальных систем 37
2.2. Основные фазы системогенеза интеллектуальных систем 45
2.3. Разработка общей концепции синтеза систем управления 51
2.4. Общий подход к управлению динамическими системами 56
2.5. Разработка системы управления возращающегося в атмосферу КЛА. 58
2.6. Системогенез псевдоинтеллектуальных систем 64
Выводы к главе 2 72
Глава 3. Построение моделей методом самоорганизации 73
3.1. Построение прогнозирующих моделей 73
3.2. Алгоритмы самоорганизации 78
3.3. Метод Группового Учёта Аргументов (МГУА ) 84
Выводы к главе 3 92
Глава 4. Разработка алгоритмов прогноза для систем управления и навигации КЛА 93
4.1. Синтез алгоритма прогноза для системы управления КЛА 93
4.2. Модификация нейронной сети Вольтерра с помощью метода
самоорганизации 98
4.3. Алгоритм построения краткосрочной прогнозирующей модели 107
4.4. Алгоритмические методы сокращения вычислительных затрат 114
4.5. Расчет силы тяжести 118
4.6. Прогнозирование параметров гравитационного поля 126
4.7. Разработка алгоритма построения моделей для долгосрочного
прогнозирования 129
Выводы к главе 4 138
Глава 5. Результаты экспериментальных исследований 139
5.1. Математическое моделирование разработанных алгоритмов 139
5.2. Анализ результатов моделирования 154
Выводы к главе 5 156
Выводы и заключение .157
Список литературы 159
Приложение 164
- Навигационные системы
- Погрешности корректируемых навигационных систем
- Анализ состояния разработок в области интеллектуальных систем
- Синтез алгоритма прогноза для системы управления КЛА
Введение к работе
Управление космическими летательными аппаратами (КЛА)
осуществляется на основе информации от различных измерительных
систем. Обычно измерительные системы объединяются в измерительные
комплексы, и, как правило, состоят из инерциальных навигационных
систем (ИНС), спутниковых радио - навигационных систем
GPS/ГЛОНАСЄ, различных РЛС и др;[9;22,36,39,43].
При штатном движении КЛА точностные характеристики современных измерительных систем вполне удовлетворяют требованиям, предъявленным к точности навигационных определений. Однако при интенсивном маневрировании к точности, измерительной информации предъявляются повышенные требования. Разработка и производство более точных измерительных систем требует больших временных и финансовых затрат. Поэтому для повышения точности навигационной информации с целью экономии предлагается осуществлять алгоритмическую обработку сигналовуже существующих измерительных систем КЛА.
В связи с усложнением задач которые решаются с использованием навигационной информации, осуществляется комплексная обработка информации от нескольких датчиков или систем, объединенных в измерительный комплекс КЛА.
Традиционной схемой навигационного комплекса является ИНЄ, принятая за базовую систему, снабженная несколькими датчиками внешней информации, алгоритмами комплексирования, управления, оценивания и прогнозирования.
В настоящее время наиболее точными являются навигационные системы с коррекцией от спутников. Однако встречаются случаи, когда воспользоваться корректирующим сигналом со спутников не представляется
возможным. Поэтому используются различные навигационные системы и их сочетания, а также алгоритмический метод повышения точности навигационной информации при функционировании систем в условиях активных и пассивных помех, а также при энергичном маневрировании КЛА.
Таким образом, необходимо исследовать особенности функционирования измерительных систем КЛА в различных условиях его движения и разработать алгоритмическое обеспечение, позволяющее повысить точность определения параметров КЛА, а также выбрать или синтезировать структуры систем управления, в которых будут использованы разработанные алгоритмы. Повышение точности измерительной информации алгоритмическим путем позволит использовать серийные навигационные системы, существенно повышая их точность. На основе более точной навигационной информации появляется возможность эффективно осуществлять маневры КЛА.
Целью диссертации является разработка алгоритмических способов повышения точности системы управления КЛА и навигационных определений КЛА при интенсивном маневрировании, что позволяет повысить эффективность осуществления маневров, сократить энергетические и временные затраты.
На защиту выносятся:
на основе анализа систем управления КЛА разработаны структуры систем управления, включающие блок прогноза;
алгоритм построения прогнозирующих моделей для экстраполяции ошибок инерциальной навигационной системы при движении КЛА на атмосферном участке;
гибридный модифицированный алгоритм построения прогнозирующих моделей с использованием подхода самоорганизации и нейронной сети, отличающийся повышенным быстродействием;
компактный алгоритм самоорганизации для краткосрочного прогнозирования ошибок навигационного комплекса КЛА, включающего ИНС и GPS.
Научная новизна проведенных исследований и полученных результатов заключается в проведенном анализе наиболее перспективных систем управления и разработанных, на его основе, структур систем управления КЛА. В структурах систем управления КЛА предложено использовать блок прогноза для предсказания информации о траектории движения и ошибках в определении навигационной информации.
При движении КЛА на атмосферном участке для построения прогнозирующей математической модели ошибок базовой системы навигационного комплекса КЛА используется алгоритм самоорганизации с априорным выбором базисных функций.
Гибридный модифицированный алгоритм построения
прогнозирующих моделей представляет собой симбиоз нейронной сети и метода самоорганизации. Для ускорения работы алгоритма на начальном этапе использована структура сети Вольтерра.
При использовании в навигационном комплексе ИНС и GPS возникают ситуации, когда сигнал GPS пропадает на короткое время (смена рабочего созвездия, аномальные измерения и др.) Для предотвращения потери информации предложено осуществлять краткосрочное прогнозирование информационного сигнала с помощью компактного алгоритма самоорганизации, который отличается простотой реализации.
Выполненные теоретические исследования и практические расчеты базируются на использовании теории навигационных систем, математической статистики, теории самоорганизации, оптимального управления, теории интеллектуальных систем, а также методах программирования и компьютерного моделирования.
Достоверность полученных теоретических и практических результатов подтверждается результатами математического моделирования, а также согласованностью полученных теоретических и практических результатов с имеющимися данными в литературе.
Практическая ценность и реализация результатов работы:
Разработанные структуры систем управления КЛА и алгоритмическое обеспечение позволяют повысить точность осуществления маневров, увеличить точность навигационных определений КЛА, повышает эффективность функционирования КЛА в целом. Представленные структуры систем управления и алгоритмы прогнозирования могут составлять основу построения перспективных КЛА. Материалы диссертации использованы в учебном процессе кафедры ИУ-1 МГТУ им. Н.Э.Баумана.
Результаты диссертационной работы докладывались на конференциях и семинарах, в том числе на:
XXVIII академических чтениях по космонавтике, Москва, 2004;
всероссийской международной конференции «Космонавтика, радиоэлектроника, геоинформатика», Рязань, 2003;
VI международном симпозиуме «Интеллектуальные системы», Саратов, 2004;
VII международной симпозиум «Интеллектуальные системы», Краснодар, 2006;
«XXXI актуальные проблемы Российской Космонавтики», Москва, 2007;
«XXXII актуальные проблемы Российской Космонавтики», Москва, 2008;
VII международной симпозиум «Интеллектуальные системы», Нижний Новгород, 2008;
- семинаре кафедры ИУ-1 МГТУ им. Н.Э.Баумана, 2008.
По теме диссертационной работы опубликовано 9 печатных работ.
Структура и объем диссертации:
Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и приложения.
В первой главе диссертации проведен обзор и анализ
навигационных систем, используемых для управления КЛА. Рассмотрены
принцип действия, особенности и погрешности наиболее
распространенных систем: ИНС и GPS. Обычно навигационные системы объединяются в навигационные комплексы. Навигационные комплексы КЛА, как правило, состоят из инерциальных навигационных систем (ИНС), спутниковых радио - навигационных систем GPS/ГЛОНАСС, радиолокационных систем и др.
При движении КЛА на орбитальном участке точностные характеристики современных навигационных систем вполне удовлетворяют требованиям, предъявленным к точности навигационных определений. Однако при интенсивном маневрировании на атмосферных участках к точности навигационной информации предъявляются повышенные требования. Разработка и производство более точных навигационных систем требует больших временных и финансовых затрат. Поэтому для повышения точности навигационной информации предлагается осуществлять алгоритмическую обработку сигналов современных навигационных систем.
В последнем разделе первой главы сформулированы цель и задачи диссертационной работы.
Во второй главе проведенио исследование и решение задач, связанных с синтезом оптимальных структур систем управления КЛА в различных режимах их функционирования. Рассмотрены современные подходы к синтезу
новых структур систем управления КЛА, в частности интеллектуальные системы управления. Разработаны оригинальные структуры псевдоинтеллектуальных систем управления КЛА, включающие акцептор действия, основанный на использовании подхода самоорганизации.
Третья глава посвящена исследованию метода самоорганизации, который используется для построения прогнозирующих математических моделей.
В разработанных системах управления КЛА предусмотрено использование математических моделей, которые используются для прогнозирования параметров КЛА и внешней среды.
Построение математических моделей может осуществляться
различными методами, но наиболее универсальным и перспективным является метод самоорганизации. Этот подход может быть использован в условиях минимального объема априорной информации об объекте исследования.
Методологической основой использования подхода самоорганизации для построения прогнозирующих моделей является допущение о том, что исчерпывающая информация, характеризующая динамику исследуемого объекта, содержится в измерениях (таблице наблюдений, выборке данных) и в ансамбле критериев селекции моделей. Таким образом, подход самоорганизации позволяет построить математическую модель без априорного указания закономерностей исследуемого объекта. Необходимо иметь измерительные выборки и задать ансамбль критериев селекции, выбора модели, а математическая модель оптимальной сложности выбирается в алгоритме в автоматическом режиме.
В четвертой главе на основе метода самоорганизации разработаны алгоритмы построения прогнозирующих моделей для различных практических приложений.
При работе ИНС в автономном режиме погрешности могут достигать неприемлемых величин и использовать такие системы не
представляется возможным. Компенсацию погрешностей измерительных систем в автономном режиме можно осуществлять с помощью алгоритмов прогноза. Погрешности в автономном режиме прогнозируются и, затем, компенсируются в выходной информации или в структуре системы.
Дляї осуществления' прогноза необходимо иметь модель погрешностей исследуемой измерительной системы. В качестве такой модели может быть использована априорная модель погрешностей измерительной системы. Однако эта модель получена на основе априорной информации, и не корректируется в процессе функционирования конкретной измерительной системы.
Метод самоорганизации позволяет построить прогнозирующую модель ошибок ИНС. Модель строится на интервале корректируемой работы ИНС. На интервале автономной* работы ИНС с помощью этой модели осуществляется прогноз ошибок ИНС и коррекция в выходной информации системы. После восстановления измерительного сигнала GPS коррекция ИНС вновь осуществляется с помощью фильтра Калмана.
В связи1 с усложнением задач, которые решаются с использованием навигационной информации, повышаются требования к точности навигационных систем.
В практических приложениях характеристикой внешней среды которую необходимо постоянно корректировать, является, например гравитационное ускорение. На атмосферном участке движения КЛА гравитационное поле неоднородно и для его определения в каждой точке движения КЛА используются различные вычислительные методы.
В настоящей главе разработан метод непрерывного определения параметра гравитационного поля в коридоре движения КЛА на атмосферном участке.
В условиях коррекции ИНС от GPS возникают ситуации, когда сигналы GPS кратковременно пропадают. Такие ситуации возникают при смене рабочего созвездия GPS, затенении антенны и др. В автономном режиме работы ИНС коррекцию осуществлять не представляется возможным. Поэтому предложено проводить прогнозирование параметров навигационного комплекса и на основе прогноза осуществлять его коррекцию. Для прогнозирования параметров комплекса разработан компактный алгоритм самоорганизации, в котором редуцирован набор базисных функций. Ансамбль базисных функций определяется из практических соображений.
Реализация алгоритма самоорганизации предполагается на борту КЛА. Поэтому к алгоритму предъявляются повышенные требования по быстродействию и потребляемому объему памяти. Разработан высокоточный алгоритм, отличающийся повышенным быстродействием. Ускорение работы алгоритма осуществляется за счет использования нейросетевой структуры на первом этапе функционирования алгоритма. В качестве нейросетевой структуры использована сеть Вольтерра.
Таким образом, разработаны алгоритмы самоорганизации для определения навигационных параметров КЛА и параметров внешней среды в различных практических приложениях.
В пятой главе представлены результаты моделирования разработанных алгоритмов прогнозирования. Для проверки работоспособности алгоритмов самоорганизации использована тестовая математические модели гравитационного ускорения и погрешностей ИНС.
Анализ результатов моделирования показал достаточно высокую точность разработанных алгоритмов.
В заключении представлены основные новые результаты работы и общие выводы.
В приложении содержится акт об использовании результатов диссертационной работы.
Навигационные системы
Успешное решение задач управления сложными техническими системами во многом определяется уровнем развития измерительной техники. Эксплуатационные характеристики динамического объекта в большой степени определяются совершенством бортового оборудования, в частности, качеством информационно-измерительных сигналов, используемых для управления объектом. Источником информационно-измерительных сигналов о местоположении, ориентации, скорости и других параметрах движения является навигационный приборный комплекс.
В данном разделе рассматриваются различные схемы построения навигационных систем, которые применяются в КЛА.
Классификация навигационных систем проводится по типу чувствительных элементов, используемых в системах, иначе по принципу действия, а также по точностным характеристикам.
Наиболее широко используются навигационные системы, основанные на принципах гироскопической стабилизации.
Самым распространённым типом навигационных систем в настоящее время являются системы, в которых используется гиростабилизированная платформа (ГСП). На ГСП возлагаются задачи по управлению и стабилизации специальных бортовых приборов, таких как антенны бортовых радиолокационных станций, чувствительные элементы пеленгаторов, координаты цели, аэрофотоаппаратура, акселерометры и т.д. ГСП удерживает стабилизируемый объект на заданных направлениях в пространстве.
ГСП может быть построена на гироскопах различных типов: лазерных и электростатических гироскопах, динамически настраиваемых, поплавковых и других гироскопах. ГСП имеет погрешности, обусловленные типом применяемых гироскопов и конструкцией платформы. Специфические погрешности, присущие различным типам гироскопов успешно компенсируются, а динамический дрейф ГСП, достигающий в современных системах значительных величин по сравнению с остаточными (после компенсации) погрешностями, как правило, не компенсируется. На базе ГСП строится самая распространенная навигационная система - инерциальная навигационная система (ИНС).
Бесплатформенные ИНС (БИНС) для получения навигационной информации относительно выбранной системы координат моделируют математический маятник с периодом Шуллера посредством информации о линейных ускорениях и угловых скоростях несущего объекта. БИНС могут включать акселерометры, которые жёстко крепятся на борту КЛА, либо перемещаются по заданному закону, или акселерометры и измерители, и измерители угловых скоростей.
Достоинствами БИНС по сравнению с платформенными ИНС обычно считаются большая надёжность, простота эксплуатации и меньшая стоимость. Хотя требования к точностным характеристикам акселерометров и гироскопов более высокие, так как чувствительные элементы БИНС жёстко закреплены непосредственно на корпусе, ЛА находятся в чрезвычайно жёстких условиях эксплуатации.
ИНС и ГСП в зависимости от ориентации осей акселерометров в пространстве могут быть выполнены по геометрической, полуаналитической и аналитической кинематическим схемам.
ИНС, построенные по геометрической схеме, представляют собой платформу с акселерометрами, измерительные оси которых ориентированы в географической системе координат. Платформа поворачивается при движении несущего объекта таким образом что всё время находится в плоскости местного горизонта, оси же гиростабйлизатора остаются в угловом смысле неизменными в инерциальном пространстве. Относительно инерциального пространства и соответственно гиростабйлизатора измерительные оси акселерометров поворачивают с угловой скоростью, которая равна скорости вращения Земли и относительного движения несущего объекта.
В ИНС аналитического типа материализуется в угловом, смысле неподвижная в инерциальном пространстве система координат, относительно которой ведутся все отсчёты навигационных параметров динамического объекта. Требования к БЦВМ при использовании ИНС аналитического типа более высокие, чем у вышеперечисленных типов ИНС.
Наиболее распространённой является полуаналитическая схема построения ИНС. Эта схема характеризуется тем, что система координат запоминается в, БЦВМ, а сопровождающий трёхгранник материализуется посредством ГСП с акселерометрами. Оси чувствительности акселерометров ориентированы относительно земной поверхности по осям ортодромической, азимутально-свободной или географической системы координат. Сохранение ГСП горизонтального положения и выбранной ориентации в азимуте достигается посредством настройки системы на период Шулера, равный 84,4 минуты. В этом случае достигается инвариантность системы к горизонтальным ускорениям несущего объекта.
ИНС, построенные по полуаналитической схеме, могут быть реализованы на базе трёх двухстепенных гироскопов или двух трёхстепенных гироскопов. Интегрирование сигналов с акселерометров даёт информацию о скорости несущего динамического объекта. Двукратное интегрирование позволяет определить пройденный путь вдоль соответствующих осей.
Погрешности корректируемых навигационных систем
Коррекция ИНС в выходной информации системы обычно осуществляется посредством алгоритмов оценивания. Хорошо известный фильтр Калмана теоретически позволяет получить оптимальную оценку вектора состояния системы.
Точность ИНС, корректируемых в выходной информации, в значительной степени зависит от погрешностей внешнего источника информации и ошибок оценивания используемого алгоритма. В частности, от адекватности используемой в алгоритме оценивания математической модели погрешностей ИНС.
В условиях, когда источники внешней информации отключены, возможно проводить коррекцию навигационных систем посредством алгоритмов экстраполяции. С помощью этих алгоритмом осуществляется прогноз погрешностей навигационных систем. Затем спрогнозированные оценки погрешностей используются в известных схемах коррекции.
Алгоритмы прогноза можно разделить на два вида: краткосрочный и долгосрочный. Краткосрочными называются прогнозы с временем упреждения 10-20% от продолжительности наблюдения. Краткосрочное прогнозирование погрешностей ИНС может быть осуществлено на основе модели, которая получена на последнем этапе работы ИНС с внешним источником информации до момента перехода в автономный режим работы ИНС.
При длительном функционировании в условиях значительных помех или в случае, когда полетное задание предполагает на некотором интервале автономную работу ИНС, необходимо применять долгосрочный прогноз. Долгосрочный прогноз характеризуется временем упреждения равным или превышающим время наблюдения.
К началу 70-х годов оказалось, что стоявшая в то время на вооружении армии США спутниковая навигационная система TRANSIT имела существенные недостатки [53]: относительно невысокая точность определения координат большие промежутки времени между наблюдениями С целью преодоления этих недостатков было принято решение начать работы над созданием спутниковой навигационной системы нового поколения. Первоначально она называлась NAVSTAR (NAVigation Satellite providing Time And Range), т.е. "навигационная спутниковая система, обеспечивающая измерение времени и местоположения" (сейчас можно встретить двойное название: GPS-NAVSTAR). Основным назначением NAVSTAR была высокоточная навигация военных объектов. Непосредственная реализация программы началась в середине 1977 г. с запуском первого спутника. С 1983 г. система открыта для использованияв гражданских целях, а с 1991 г. сняты ограничения на продажу GPS оборудования в страны бывшего CCCR В настоящее время активно функционируют две спутниковые радио I навигационные системы (СРНС) - Глобальная Навигационная Спутниковая Система (ГЛОНАСС, Россия) и Global Positioning System (GPS Navstar, США).
Глобальная Навигационная Спутниковая Система ГЛОНАСС предназначена для определения местоположения, скорости движения, а также точного времени морских, воздушных, сухопутных и других видов потребителей.
Система ГЛОНАСС состоит из трех подсистем: подсистемы космических аппаратов (ПКА); подсистемы контроля и управления (ПКУ); навигационной аппаратуры потребителей (НАЛ).
Подсистема космических аппаратов системы ГЛОНАСС состоит из 24-х спутников, находящихся на круговых орбитах высотой 19100 км. Конфигурация ПКА позволяет обеспечить непрерывное и глобальное покрытие земной поверхности и околоземного пространства навигационным полем [9].
Подсистема контроля и управления состоит из Центра управления системой ГЛОНАСС и сети станций измерения, управления и контроля, рассредоточенной по всей территории России. В задачи ПКУ входит контроль правильности функционирования ПКА, непрерывное уточнение параметров орбит и выдача на спутники временных программ, команд управления и навигационной информации.
Навигационная аппаратура потребителей состоит из навигационных приемников и устройств обработки, предназначенных для приема навигационных сигналов спутников ГЛОНАСС и вычисления координат, скорости и времени.
В результате обработки измерений и принятых навигационных сообщений определяются три координаты потребителя, три составляющих вектора скорости его движения [9].
Измеряемыми радионавигационными параметрами (РНП) в аппаратуре спутниковой навигации (АСН) спутниковых навигационных систем (СНС) ГЛОНАСС и GPS являются псевдодальность и радиальная псевдоскорость, а их радиотехническими аналогами - задержка навигационного сигнала и приращение фазы его несущей частоты на заданном интервале времени. Имеются следующие источники погрешностей измерений РНП ГЛОНАСС и GPS:
1. Погрешности знания эфемерид НКА, определяющиеся отличием действительной орбиты спутника от прогнозируемой, данные о которой передаются потребителям в навигационном сообщении.
2. Погрешности знания ухода бортовой» шкалы времени (БИТВ) НКА относительно времени навигационной системы (системная шкала времени - СТТТВ), определяющиеся отличием действительного ухода БИТВ данного НКА от прогнозируемого, данные о котором содержатся в навигационном сообщении.
Анализ состояния разработок в области интеллектуальных систем
В главе представлен краткий обзор по развитию современных интеллектуальных систем управления.
В теории и практике интеллектуальными компонентами систем управления являются следующие компоненты: - нейронные сети; - эволюционные алгоритмы; - системы, основанные на знаниях.
В настоящее время нейронные сети и эволюционные алгоритмы являются инструментом поиска рациональных решений [42, 49, 58]. Основная идея эволюционных алгоритмов заключается в комбинировании элементов случайности и направленности аналогично тому, как это происходит в природе, за счёт которого получена возможность решения задачи, имеющих много локальных оптимумов. Другой важный фактор -моделирование процессов селекции, размножения и наследования. Одним из эволюционных алгоритмов является метод самоорганизации и в частности метод группового учёта аргументов (МГУА) [17].
По сравнению с традиционными методами управления интеллектное управление, основанное на нечётких правилах обладает особенностями - во первых, нечёткие регуляторы более робастны, чем обычные, во вторых, нечёткое управление ведет к более высокой степени автоматизации для сложных, плохо структурированных процессов. Это справедливо, только осуществляется необходимое знание о процессе, которое может быть хорошо представлено в терминах нечётких правил. Существуют различные процессы, для которых такого знания нет вовсе или его нет в необходимой степени. Для этого нужны другие методы интеллектуализации, с другими формами представления и обработки знаний, обеспечивающие более высокий уровень интеллекта, не просто использующие правила, априорно заготовленные или несколько модифицируемые в процессе функционирования. К таким методам относятся методы логического вывода.
С возрастанием сложности систем, уровень сложности которой оценивается объёмом информации, следует погіьггаться использовать, создать и развивать наиболее интеллектуальные системы и компоненты управления.
По определению [41] под интеллектуальной системой (ИС) понимается объединённая информационньм процессом совокупность технических средств и программного обеспечения, работающая во взаимодействии с человеком или автономно, способная на основании сведений об окружающей среде и собственном состоянии при наличии знаний и мотивации синтезировать цель, принимать решение о действии и находить рациональные способы достижения цели. На рис.2.1 приведена структурная схема ИС, где вьщелены два.крупных блока системы: синтез цели и её реализация.
Синтез цели осуществляется с учетом информации о внешней (окружающей) среде, собственном состоянии интеллектуальной системы, мотивации и при наличии памяти. Затем динамическая экспертная система проводит оценку, которая лежит в основе принятия решения, а также осуществляется прогноз для акцептора действия. После того как решение выработано, реализуется управление.
Информация о соответствии результатов действия и прогноза передается в экспертную систему и в систему синтеза цели. Далее результаты воздействия этого управления на объект поступают в акцептор действия. Таким образом, при отсутствии соответствия результатов действия и прогноза вырабатывается новая экспертная оценка, принимается другое решение и реализуется новое управляющее воздействие. В случае, когда соответствия достичь невозможно, происходит изменение цели интеллектуальной системы. Если результаты действия соответствуют прогнозу, что говорит об удачно выбранном управлении, то цель интеллектуальной системой достигается.
В первом блоке на основе активного оценивания информации, полученной от системы датчиков, при наличии мотивации и знаний синтезируется цель и принимается решение к действию. Активное оценивание информации осуществляется под воздействием пусковых сигналов. Изменчивость окружающей среды и собственного состояния системы может приводить к мотивации, а при наличии знаний может быть синтезирована цель. Под целью понимается формальное описание задач системы [35]. Продолжая активно оценивать информацию об окружающей среде и собственном состоянии системы, в том числе объекта управления, при сопоставлении вариантов достижения цели можно принять решение к действию.
Синтез алгоритма прогноза для системы управления КЛА
Предложен компактный алгоритм прогноза для системы управления КЛА в условиях отсутствия навигационной информации от внешних источников. Алгоритм прогноза, является модификацией линейного тренда посредством подхода самоорганизации.
Управление КЛА осуществляется на основе информации о динамических параметрах и состоянии внешней среды. Информация о параметрах КЛА определяется с помощью различных навигационных систем и систем ориентации. Обычно информационный комплекс КЛА включает несколько навигационных систем, таких как инерциальную навигационную систему (ИНС), GPS, радиолокатор и др. В практических приложениях возникают ситуации, когда измерительные сигналы от навигационных систем временно пропадают, что обусловлено влиянием активных и пассивных помех. В этом случае продолжает функционировать только ИНС. Сигналы ИНС имеют погрешности, которые нарастают с течением времени. Поэтому ИНС современных КЛА корректируют с помощью сигналов от других измерительных систем. В ситуации когда другие сигналы временно отсутствуют необходимо осуществлять коррекцию автономной ИНС посредством прогнозированных сигналов. Поэтому исследована задача построения алгоритма прогноза, которая является актуальной при так как позволяет повысить точность навигационной информации, а следовательно и точность функционирования КЛА.
Исследована ИНС, работающая как в корректируемом от другой измерительной системы, так и в автономном режиме. ИНС имеют погрешности, которые могут быть описаны уравнениями следующего вида [40,45]:
Вектор состояния в начальный момент времени полагаем случайным гауссовым вектором с нулевым математическим ожиданием, независящим от входных возмущений и ощибок измерений:М[х0К/] = 0; M[ 0 J = 0 для любого к.
В корректируемом режиме осуществляется комплексирование измерительных систем. В качестве внешней измерительной системы используется либо высокоточная система, например GPS/ГЛОНАСС, РСБН, РСДН, либо измерительная система, функционирующая на другом физическом принципе действия, нежели базовая корректируемая система.
Как правило, обработка информации от измерительных систем осуществляется с помощью различных алгоритмов оценивания. Модель
ошибок базовой измерительной системы (4.1) и модель измерений (4.2) описываются линейными уравнениями поэтому в качестве алгоритма оценивания может быть использован например линейный фильтр Калмана [45]. С помощью фильтра Калмана или его прямых модификаций [22, 45] можно оценить вектор состояния системы оптимальным образом. Полученные оценки используются для компенсации ошибок ИНС в выходном сигнале.
В практических приложениях часто встречаются случаи когда внешние измерения недоступны для использования и ИНС функционирует в автономном режиме. Такие ситуации возникают при невозможности использования внешних систем из-за возникновения пассивных или активных помех, функционирования КЛА, несущего базовую измерительную систему (ИНС), в зонах, где внешний сигнал недоступен. Например при использовании в качестве внешней измерительной системы GPS могут возникать помехи связанные с прохождением радиосигнала сквозь атмосферу, движением КЛА с креном более 30 градусов, постановкой активных помех и др.
В автономном режиме погрешности ИНС существенно увеличиваются и использовать такие системы для управления КЛА не представляется возможным. Компенсация погрешностей ИНС в автономном режиме осуществляется с помощью алгоритмов прогноза. Погрешности в автономном режиме прогнозируются и компенсируются в выходном сигнале системы.
Для прогнозирования погрешностей ИНС необходимо иметь математическую модель. В качестве такой модели может быть использована априорная модель погрешностей ИНС. Если априорная модель погрешностей достаточно точно отражает процесс изменения погрешностей, то можно использовать ее для краткосрочного прогноза.
При изменениях режима работы измерительной системы или при интенсивном маневрировании КЛА существенно меняется характер погрешностей. В этом случае необходимо идентифицировать отдельные коэффициенты модели, а часто и всю ее структуру. Известные методы идентификации [3, 5, 7, 12, 20], позволяющие идентифицировать структуру и параметры модели, достаточно сложны в реализации на борту КЛА и требуют значительных временных интервалов для получения прогнозирующей модели.
Целесообразно использовать наиболее простой в реализации и компактный алгоритм построения прогнозирующей модели, а именно алгоритм с использованием линейных трендов [10, 13, 14, 15]. Линейные тренды отличаются простотой и позволяют определить тенденцию изменения исследуемого процесса. Линейные тренды позволяют определить тенденцию изменения погрешностей измерительной системы. Такие тренды можно использовать для прогноза погрешностей на очень коротких интервалах. Увеличить интервал прогноза можно путем использования измерительных выборок разной величины, что позволяет повысить точность интерполяционного тренда, но прогнозирующий тренд при этом не обязательно будет более точным (эффект старения измерений [55]).
Разработанный алгоритм является модификацией линейных трендов с помощью подхода самоорганизации [17]. Подход самоорганизации позволяет минимизировать априорную информацию об объекте исследования, а также усложнять модели без учета ряда существенных факторов. В основе подхода самоорганизации лежит допущение о том, что вся информация о системе содержится в измерительной выборке и критериях селекции модели.
