П.А. Панилов1, Т.Ю. Цибизова2, Н.А. Малахов3

1–3 Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет) (Москва, Россия)
1 panilovp.a@bmstu.ru, 2 mumc@bmstu.ru, 3 malahovna@bmstu.ru

Постановка проблемы. Для обеспечения надежности и безопасности работы автономных БПЛА необходимо разработать когнитивные модели управления, которые позволяют рассматривать автономные БПЛА как умственные субъекты, способные воспринимать окружающую среду, принимать решения и действовать на основе этой информации. В данной статье описывается разработка автономной системы управления БПЛА на основе когнитивной модели, которая позволяет БПЛА принимать решения на основе онтологии знаний о внешней среде.

Цель. Рассмотреть принципы когнитивного моделирования системы управления автономными БПЛА и описать основные подходы к созданию таких моделей.

Результаты. Представлены основные компоненты системы управления автономными БПЛА, включая модуль восприятия, модуль принятия решений и модуль действия; описаны принципы работы каждого компонента системы и предложена архитектура нейронной сети, основанной на сверточных и рекуррентных слоях, для реализации когнитивной модели, также представлен граф, демонстрирующий структуру модели и взаимодействие компонентов.

Практическая значимость. Система имеет большой потенциал для применения в различных областях, связанных с автономными системами управления, и может быть доработана для учета специфических требований конкретных задач.

Панилов П.А., Цибизова Т.Ю., Малахов Н.А. Когнитивное моделирование автономной системы управления беспилотным летательным аппаратом // Динамика сложных систем. 2023. Т. 17. № 4. С. 5−11. DOI: 10.18127/j19997493-202304-01

1. Бабиченко А.В., Пролетарская В.А., Селезнева М.С., Неусыпин К.А., Пролетарский А.В. Интеллектуальные системы управления беспилотными летательными аппаратами // Инженерная физика. 2018. № 5. С. 94–102.
2. Неусыпин К.А., Селезнева М.С. Измерительный комплекс с интеллектуальной компонентой для летательного аппарата // Автоматизация. Современные технологии. 2016. № 9. С. 27–30.
3. Цибизова Т.Ю., Пьо С., Селезнева М.С. Математическое моделирование динамических систем с использованием параметрической идентифицируемости // Современные наукоемкие технологии. 2018. № 1. С. 54–60.
4. Вострых А.В. Модель описания элементов информационных систем, ориентированных на человеко-машинное взаимодействие // Приборы и системы. Управление, контроль, диагностика. 2021. № 11. С. 23–30.
5. Пролетарский А.В., Селезнева М.С. Измерительный комплекс с интеллектуальной компонентой для летательного аппарата // В сб.: Современные аспекты фундаментальных наук. Труды второго международного симпозиума. 2015. С. 196–199.
6. Цибизова Т.Ю., Панилов П.А., Кочешков М.А. Мониторинг безопасности системы защиты информации критической информационной инфраструктуры на основе когнитивного моделирования // Изв. Тульского государственного университета. Сер.: Технические науки. 2023. № 6. С. 33–41.
7. Пролетарский А.В., Неусыпин К.А., Селезнева М.С. Современные интеллектуальные системы управления: теория и реализация // Инженерная физика. 2020. № 1. С. 9–30.
8. Николаев Е.И., Муханов А.Н. Использование методов машинного обучения в задачах обнаружения атак на компьютерные сети // Компьютерные исследования и моделирование. 2018. Т. 10. № 3. С. 353–367.
9. Пролетарский А.В., Скворцова М.А., Терехов В.И. Гибридная интеллектуальная система оценки рисков на основе неструктурированной информации // Нейрокомпьютеры: разработка, применение. 2017. № 1. С. 66–74.
10. Цибизова Т.Ю., Слепцова К.А. Автоматизированная система учета данных внутрикорпоративной сети управления информацией // Современные проблемы науки и образования. 2015. № 1–1. С. 429.
11. Суханов В.А., Цибизова Т.Ю. Архитектура системы развития и поддержки профессиональной интеллектуальной деятельности // Динамика сложных систем – XXI век. 2020. Т. 14. № 1. С. 23–31 DOI: 10.18127/j19997493-202001-02.
12. Панилов П.А., Иванов А.М. Агентная имитационная модель и онтология финансового взаимодействия физических и юридических лиц с банками на примере банк-клиента // Молодежный научно-технический вестник. 2012. № 5. С. 39.
13. Беляева О.Н., Степанова Е.В. Нейронные сети в задачах прогнозирования и классификации // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. 2018. Т. 3. № 275. С. 144–148.