С.В. Лазаренко1

1Донской государственный технический университет (г. Ростов-на-Дону, Россия)

1lazarenkosv@icloud.com

Постановка проблемы. При оценке параметров движения летательных аппаратов для адаптации фильтров сопровождения в последнее время широко применяют нечеткую логику. Наибольшее распространение получили различные интеллектуальные альфа-бета-фильтры, которые представляют собой упрощенные фильтры Калмана, построенные с применением априорно рассчитанных стационарных коэффициентов усиления. Положенные в основу подобных решений математические модели, как правило, традиционные и не подлежат адаптации. Это приводит к относительно простым вычислительным процедурам и не позволяет приблизиться к потенциальной точности оценивания. Для увеличения точности оценки параметров движения летательных аппаратов можно применить динамические модели движения при синтезе фильтров и их адаптации к маневрам с использованием теории интеллектуальных систем.

Цель. Провести синтез интеллектуального фильтра сопровождения из условия максимума функции обобщенной мощности и оценить его эффективность путем математического моделирования цифровой обработки результатов радиолокационных измерений на основе экспертных знаний о режимах движения летательных аппаратов..

Результаты. Предложен подход к синтезу нечетких фильтров сопровождения на основе построения динамических моделей движения из условия максимума функции обобщенной мощности. Показано, что такой подход позволяет получить нелинейную матрицу перехода состояний, которая за счет выбора параметра адаптации с достаточной на практике степенью точности может быть представлена как матрица перехода состояний, получаемая с применением математической модели движения объекта с постоянной скоростью. С применением базы правил конъюнктивного типа для описания движения маневрирующего летательного аппарата получен нечеткий фильтр сопровождения.

Практическая значимость. Проведенное математическое моделирование показало превосходство синтезированного фильтра по показателю точности над интеллектуальным альфа-бета-фильтром, построенным с использованием математической модели движения объекта с постоянной скоростью, и фильтром Калмана, синтезированным на основе математической модели ускорения Зингера.

Лазаренко С.В. Нечеткая стратегия настройки параметров фильтра сопровождения для автоматизации управления воздушным движением // Информационно-измерительные и управляющие системы. 2024. Т. 22. № 1. С. 33−43. DOI: https://doi.org/10.18127/j20700814-202401-05

1. Shakhatreh H., Sawalmeh A., Al-Fuqaha A., Dou Z. Unmanned Aerial Vehicles (UAVs): A Survey on Civil Applications and Key Research Challenges. IEEE Access. 2019. № 7. P. 48572−48634.
2. Goetz J.D., Griffith D.E. Legal Perspective: Commercial Drone Use and Changing Legal Landscapes. 2017.
3. Custers B. The Future of Drone Use: Opportunities and Threats from Ethical and Legal Perspectives. Springer. 2016.
4. Karaca Y., Cicek M., Tatli O., Sahin A., Pasli S., Beser M., Turedi S. The Potential Use of Unmanned Aircraft Systems (Drones) in Mountain Search and Rescue Operations // American Journal of Emergency Medicine. 2018. № 36. P. 583−588.
5. Jo D., Kwon Y. Development of Rescue Material Transport UAV (Unmanned Aerial Vehicle) // World Journal of Engineering and Technology. 2017. № 5. P. 720−729.
6. Vergouw B., Nagel H., Bondt G., Custers B. Drone Technology: Types, Payloads, Applications. Frequency Spectrum Issues and Future Developments // The Future of Drone Use. 2016. P. 21−45.
7. Pham H., Smolka S.A., Stoller S., Phan D. A Survey on Unmanned Aerial Vehicle Collision Avoidance Systems. 2015. URL: https://arxiv.org/abs/1508.07723v1 (date of reference 20.10.2023).
8. Gupta L., Jain R., Vaszkun G. Survey of Important Issues in UAV Communication Networks // IEEE Communications Surveys & Tutorials. 2015. № 18. P. 1123−1152.
9. Lee Т., Su J., Hsia K., Yu K., Wang C. Design of an Alpha-Beta Filter by Combining Fuzzy Logic With Evolutionary Methods // Proceedings of the 2010 International Symposium on Computer, Communication, Control and Automation (3CA). Tainan, Taiwan. 2010. P. 270−273.
10. Khan J., Fayaz M., Hussain A., Khalid S., Mashwani W.L., Gwak J. An Improved Alpha Beta Filter Using a Deep Extreme Learning Machine // IEEE Access 9. 2021. P. 61548−61564.
11. Pegat A. Fuzzy Modeling and Control. Moscow: BINOM. Laboratory of Knowledge. 2013. 798 p.
12. Kostoglotov A., Pugachev I., Kornev A., Lazarenko S. Modified Method of Invariant Immersion in the Synthesis of Measuring Procedures for Estimating the Motion Parameters of a Maneuvering Target // Izmeritelʹnaya Tekhnika. 2023. № 2. P. 47−54.
13. Kostoglotov A., Lazarenko S. Synthesis of Adaptive Tracking Systems Based on the Hypotesis of Stationarity of the Hamiltonian on the Switching Hypersurface // Journal of Communications Technology and Electronics. 2017. V. 62. № 2. P. 123−127.
14. Kostoglotov A., Andrashitov D., Kornev A., Lazarenko S. A Method for Synthesis of Algorithms to Estimate the Dynamic Error of Measurement System Software on the Basis of the Combined Maximum Principle // Measurement Techniques. 2019. V. 62 (6). P. 497−502.
15. Бар-Шалом Я., Ли Кс.Р. Многоцелевой многосенсорный трекинг: принципы и методы. Новосибирск: Изд-во ЮБС. 1995. 615 с.
16. Чернушко Ф.Л., Ананевский И.М., Решмин С.А. Методы управления нелинейными механическими системами. М.: Физматлит. 2006. 328 с.
17. Костоглотов А.А., Лазаренко С.В., Пугачев И.В., Ячменов А.В. Синтез интеллектуальных дискретных алгоритмов оценивания с адаптацией модели на основе комбинированного принципа максимума // Сб. «Интеллектуальные системы обработки информации». Труды XVII Междунар. конф. по мягким вычислениям и их приложениям (SCMAA-2019). 2019. С. 116−124.
18. Carrillo C.S., Perez C.S., Ramos A., Campoy P. A Review of Deep Learning Methods and Applications for Unmanned Aerial Vehicles // Journal of Sensors. 2017. № 2. P. 1−13.
19. Костоглотов А.А., Пеньков А.С., Лазаренко С.В. Метод синтеза адаптивных алгоритмов оценки параметров динамических систем на основе принципа декомпозиции и методологии объединенного принципа максимума // Известия ВУЗов. Северо-Кавказский Регион. Серия: Естественные Науки. 2020. № 4(208). С. 22−28.
20. Костоглотов А.А., Кузнецов А.А., Лазаренко С.В., Ценных Б.М. Совмещенный синтез адаптивного к маневру фильтра сопровождения. Совмещенный синтез адаптивного к маневру фильтра сопровождения // Радиотехника. 2015. № 7. С. 95−103.
21. Костоглотов А.А., Лазаренко С.В., Пугачев И.В. Метод синтеза многорежимного управления при ожидаемой неопределенности с использованием анализа разложения фазового пространства на основе обобщенного условия максимума мощности // AIP Conference Proceedings: Proceedings of XV International scientific-technical conference «Dynamics of technical systems» (DTS-2019): electronic edition. Ростов-на-Дону. 2019. Т. 2188. С. 030005.
22. Акиньшин О.Н., Полубекин А.И., Румянцев В.Л. Алгоритмы обнаружения маневров целей в многопозиционных радиолокационных системах // Известия Тульского государственного университета. Технические науки. 2021. № 2. P. 12−18.