научная статья по теме ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ УПРАВЛЯЮЩИХ ДЕЙСТВИЙ ЛЕТЧИКА В ИНТЕРЕСАХ ЕГО ИНДИВИДУАЛЬНО-АДАПТИРОВАННОЙ ПОДДЕРЖКИ Кибернетика

Текст научной статьи на тему «ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ УПРАВЛЯЮЩИХ ДЕЙСТВИЙ ЛЕТЧИКА В ИНТЕРЕСАХ ЕГО ИНДИВИДУАЛЬНО-АДАПТИРОВАННОЙ ПОДДЕРЖКИ»

ИЗВЕСТИЯ РАН. ТЕОРИЯ И СИСТЕМЫ УПРАВЛЕНИЯ, 2015, № 4, с. 111-123

СИСТЕМЫ УПРАВЛЕНИЯ ДВИЖУЩИМИСЯ ОБЪЕКТАМИ

УДК 62-40

ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ УПРАВЛЯЮЩИХ ДЕЙСТВИЙ ЛЕТЧИКА В ИНТЕРЕСАХ ЕГО ИНДИВИДУАЛЬНО-АДАПТИРОВАННОЙ ПОДДЕРЖКИ

© 2015 г. В. Н. Евдокименков, Р. В. Ким, М. Н. Красильщиков, Г. Г. Себряков

Москва, МАИ (национальный исследовательский ун-т), ФГУПГосНИИАС Поступила в редакцию 17.03.15 г., после доработки 23.03.15 г.

Рассматривается индивидуально-адаптированная нейросетевая модель летчика, как формализованная основа контроля и поддержки его управляющих действий в процессе выполнения посадочных режимов. Подобная модель, постоянно уточняемая по результатам всех предшествующих полетов, отражает характерную для конкретного летчика манеру управления самолетом и позволяет осуществлять прогноз точности приведения самолета на взлетно-посадочную полосу. Приводятся результаты тестирования разработанной нейросетевой модели на основе данных, полученных в процессе имитационного моделирования процесса посадки на аппаратно-программном симуляторе самолета МиГ-АТ.

Б01: 10.7868/80002338815040083

Введение. Расширение технических возможностей и областей применения современных образцов авиационной техники неизбежно приводит к тому, что деятельность экипажа при управлении самолетом становится все более сложной. Решение задач, стоящих перед экипажем современного самолета, требует мобилизации всех психофизиологических ресурсов, ограниченность которых зачастую не позволяет в полной мере реализовать технический потенциал самолета. Это обстоятельство обуславливает актуальность проблемы согласования характеристик технического (самолет и его оборудование) с возможностями биологического (экипаж) сегментов эргатиче-ской системы "самолет—летчик". Актуальность указанной проблемы подтверждается результатами исследований, свидетельствующими о том, что из-за недостаточно полного учета возможностей летчика в процессе проектирования боевых пилотируемых авиационных систем фактический уровень эффективности вооружения в ряде случаев снижается на 25—30%, сроки освоения авиационной техники увеличиваются в 3—5 раз [1—3].

Одним из перспективных направлений решения данной проблемы является внедрение в состав бортового оборудования систем интеллектуальной поддержки действий летчика, которые, сохраняя за ним функции основного управляющего звена, обеспечивают формирование и выдачу рекомендаций, облегчающих выработку решений в процессе пилотирования, снимая тем самым с него часть информационной нагрузки.

В работе [4] сформулированы основные положения концепции построения бортовых индивидуально-адаптированных информационно-экспертных систем поддержки действий летчика. В рамках предложенной концепции анализ текущей полетной ситуации в системе "самолет-летчик" и прогноз ее развития максимально адаптирован к особенностям всей предшествующей эксплуатации конкретного самолета и индивидуальным управляющим реакциям летчика. В [5, 6] предложен вариант реализации индивидуально-адаптированного подхода для целей контроля и поддержки управляющих действий летчика, основанный на формировании и постоянном уточнении в процессе деятельности летчика его так называемого характеристического множества. С целью преемственности изложения материала рассмотрим суть данного подхода.

1. Контроль управляющих действий летчика с использованием его характеристического множества. Применительно к режиму посадки самолета характеристическое множество летчика (ХМЛ) представляет собой область в пространстве, образованном параметрами состояния самолета и параметрами, отражающими управляющие действия летчика (перемещения ручек управления двигателем и самолетом), из любой точки которой конкретным летчиком с присущей ему манерой управления самолетом обеспечивается приведение самолета на взлетно-посадочную полосу (ВПП) с требуемой точностью. В [5] предложен способ компактного представления ХМЛ

в виде двумерной зависимости ^(R, t), названной индивидуальным качественным профилем летчика (ИКПЛ), который определяет для каждого момента выполнения полетного режима t и соответствующего этому моменту состояния R системы "самолет—летчик" прогнозируемую точность приведения самолета на ВПП. Скалярный параметр R , характеризующий текущее состояние системы "самолет—летчик", может определяться по-разному в зависимости от выбранного варианта аппроксимации ХМЛ. Если ХМЛ аппроксимируется корреляционным эллипсоидом, то в качестве параметра R используется его характерный размер, который для текущего состояния Z(t) вычисляется с использованием соотношения

R(t) = (Z(t) - mz(t))T(Z(t) - mz(t), (1.1)

где mz ( t) и Kz ( t) — соответственно математическое ожидание и ковариационная матрица вектора состояния Z(t) системы "самолет—летчик". При аппроксимации ХМЛ доверительным гиперкубом параметр R вычисляется на основании соотношения

R(t) = max Ri(t), R(t)

1 / max/.ч , min/,4

Zi(t) - -(Zt (t) + Zi (t)

±temax(t) - zmn(t)

(1.2)

mm / max /

в котором zi (t), Zi (t) — нижняя и верхняя границы эксплуатационных ограничении, накладываемых на i-ю компоненту вектора состояния Z(t).

Скалярная величина | рассчитывается на основе соотношения

ц = max R(T) (1.3)

i

и характеризует точность приведения самолета в заданное терминальное множество, которое для

min /г™ max /гг^

режима посадки задается диапазонами допустимых отклонении Zi T ), Zi T ) контролируемых компонент вектора состояния системы "самолет—летчик" Z от требуемых значении в момент T прохождения среза ВПП. Алгоритм построения ИКПЛ на основе данных, источником которых являются штатные бортовые средства регистрации полетноИ информации, подробно рассмотрен в [6].

Представление ИКПЛ в виде двумерноИ зависимости |(R, t), в отличие от его описания многомерной функцией |(Z, t), безусловно упрощает алгоритм его формирования. Однако переменная R, будучи скалярной сверткой параметров состояния Z системы "самолет—летчик" в виде (1.1) или (1.2), не является ее однозначной характеристикой. Более того, для одних и тех же величин R значения параметров состояния системы "самолет—летчик" могут существенно различаться, что порождает многообразие вариантов ее возможных состояний, каждое из которых -объект контроля. Это обстоятельство существенно ограничивает возможность индивидуально-адаптированного подхода для контроля и поддержки действий летчика, предложенного в [5, 6], на основе представления ИКПЛ в виде двумерной зависимости |(R, t). Сохранив сам термин "индивидуальный качественный профиль летчика", рассмотрим иной, по сравнению с [5, 6], метод его построения, существенно расширяющий возможность применения ИКПЛ как математической основы для формирования рекомендаций, направленных на исключение нештатных режимов функционирования системы "самолет—летчик".

Предлагается для описания ИКПЛ использовать не двумерную |(R, t), а многомерную зависимость ||(Z, t), формируемую в пространстве параметров состояния системы "самолет—летчик" Z. Задача построения многомерной зависимости |(Z, t) на основе данных, получаемых с помощью бортовых средств регистрации полетной информации в процессе многократного выполнения летчиком посадочных режимов, является типичной задачей регрессионного анализа. Конструктивное решение подобной задачи достигается на основе представления многомерной зависимости | (Z, t) в виде

KZ, t) = alfl(Z, t) + a2f2(Z, t) +... + akfk (Z, t), (1.4)

где f(Z, t), i = 1, k, — скалярные функции, предполагаемые известными, ai, i = 1, k, — неизвестные коэффициенты, рассчитываемые на основе реальных полетных данных с учетом фактически достигнутой точности приведения самолета на ВПП. Несмотря на то, что задачи такого класса достаточно подробно исследованы, принципиальной проблемой остается выбор скалярных базисных функций f(Z, t) в (1.4). Ситуация усугубляется значительной размерностью вектора состоя-

Рис. 1. Модель нейрона

ния системы "самолет—летчик" Z, что существенно усложняет выбор указанных функций на основе анализа реальных полетных данных. Учитывая все сказанное выше, более предпочтительным представляется использование нейросетевой модели для построения зависимости

2. Формирование и параметрическое представление ИКПЛ на основе нейросетевой модели. В отличие от регрессионных моделей, основу которых составляет функциональное описание связей между входными и выходными переменными в виде (1.4), в основе нейросетевых моделей лежит типовой элемент, называемый кибернетическим нейроном. Именно нейрон является той основой (элементарной единицей), из которой выстраиваются более сложные конструкции, именуемые нейронными сетями. Нейрон состоит из следующих типовых блоков: блок взвешенного суммирования входных сигналов, блок нелинейного преобразования. Рассмотрим структуру этих блоков применительно к рассматриваемой задаче. С целью упрощения дальнейших записей введем блочный вектор ^т = (2т, I) размера п + 1, где Z — вектор состояния системы "самолет—летчик" размера п, I — скалярная компонента, обозначающая момент выполнения посадочного режима (дальность до центра ВПП). С учетом введенного блочного вектора задача формирования ИКПЛ сводится к получению зависимости ц(^) на основе "измерений" цк = ), к = 1, ЫЫ, где N — количество полетов, накопленных в базе данных полетной информации, М — суммарное число измерений параметров состояния системы "самолет—летчик" на этапе посадки, определяемое дискретностью работы бортовой системы регистрации полетной информации.

Взаимодействие блоков, образующих элементарный нейрон, применительно к задаче построения зависимости ц(^) иллюстрирует рис. 1.

Блок взвешенного суммирования реализует процедуру суммирования значений входных сигналов с соответствующими им синаптическими весами. Результат взвешенного суммирования подается на вход блока нелинейного преобразования. В качестве функции нелинейного преобразования наиболее часто используются простая пороговая функция, линейная пороговая функция или сигмоида. Значение, полученное в результате нелинейного преобразования взвешенной суммы компонент входного вектора, является выходом нейр

Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.

Показать целиком

Пoхожие научные работыпо теме «Кибернетика»