Автоматизированная посадка беспилотного летательного аппарата на подвижную платформу с использованием нейронных сетей

Обложка

Цитировать

Полный текст

Аннотация

Разработка беспилотных летательных аппаратов является одним из перспективных направлений для гражданской авиации, которое имеет широкий спектр применения. Нейронные сети могут быть обучены для принятия решений в реальном времени, адаптируясь к изменяющимся условиям на поле боя и обеспечивая оптимальное выполнение поставленных задач. Среди многих задач навигации и управления БПЛА сохраняет актуальность проблема автоматической посадки беспилотного летательного аппарата на подвижную посадочную площадку (корабли, транспортные средства, специализированные площадки). Особую актуальность носит автоматизированная посадка беспилотного летательного аппарата на подвижный носитель. В связи с этим авторами исследуется система автоматической посадки беспилотного летательного аппарата (БПЛА) на подвижную платформу с использованием нейро-сетевых технологий. Метод исследования основан на применении искусственных нейронных сетей для разработки адаптивной системы управления, способной принимать решения в реальном времени при выполнении посадочных маневров. В результате разработан алгоритм управления, обеспечивающий точную посадку БПЛА на движущиеся платформы различного типа (корабли, транспортные средства, специализированные площадки), что позволяет существенно расширить радиус действия беспилотных аппаратов и повысить эффективность их применения в различных условиях эксплуатации.

Об авторах

Владислав Артемович Суслов

Балтийский государственный технический университет «ВОЕНМЕХ» им. Д.Ф. Устинова

Автор, ответственный за переписку.
Email: vlarsu@mail.ru
ORCID iD: 0009-0007-1028-5993
SPIN-код: 2143-8843

аспирант кафедры стартовых и технических комплексов ракет и космических аппаратов

Санкт-Петербург, Россия

Сергей Васильевич Гагарский

Балтийский государственный технический университет «ВОЕНМЕХ» им. Д.Ф. Устинова

Email: svgagarski@mail.ru
кандидат технических наук, доцент кафедры стартовых и технических комплексов ракет и космических аппаратов Санкт-Петербург, Россия

Список литературы

  1. Tokarev YuP. Methods of Controlling Unmanned Aerial Vehicles in Common Airspace Using Flight Information with Automatic Dependent Surveillance: Ph.D. thesis in Technical Sciences: 05.22.13. Moscow; 2022. (In Russ.)
  2. Platunova AV, Klishin AN, Ilyukhin SN. Features of Forming Adaptive Control Laws for High-Precision Aircraft. Engineering Bulletin. 2016;(10):5. (In Russ.) EDN: XCMPBB
  3. Nikanorova MD, Zabolotskaya EV. Numerical cal-culation of aerodynamic characteristics unmanned aerial vehicle. Politechnical student journal. 2019;4(33):1–14. https://doi.org/10.18698/2541-8009-2019-4-464
  4. Korevanov S, Kazin VV. Application of artificial neural networks in problems of general and comparative navigation methods of UAV. Civil aviation high tech-nologies. 2014;(201):46–49. (In Russ.) EDN: RYFUSP
  5. Dolgov EN. Artificial Intelligence for Aircraft Control. Young Scientist. 2021;16(358):81–86. (In Russ.) EDN: DDXGPE
  6. Scherbinin VV, Vasil’eva YS, Chizhevskaya OM, Shevtsova EV. Functioning methods and algorithms of color vision-based correlation-extremal aircraft navigation system. Gyroscopy and Navigation. 2013;4(1):39–49. https://doi.org/10.1134/S2075108713010082
  7. Smolsky AG, Kovalenko SN, Mikhuta MV. Neural network algorithm for processing geospatial information from an unmanned aerial vehicle. In: Geoinformation systems for military purposes: theory and practice of application. Minsk; 2023. p. 12–16. (In Russ.) EDN: ZVCQOK
  8. Makarov IM, Lokhin VM, Manko SV. Artificial Intelligence and Intelligent Control Systems. Moscow: Nauka Publ.; 2006. (In Russ.)
  9. Gafarov FM, Galimyanov AF. Artificial Neural Networks and Applications: Textbook. Kazan: Kazan Federal University; 2018. (In Russ.)
  10. Sizov AV, Ippolitov SV, Savchenko AYu, Maly-shev VA. Method of autonomous correction of inertial navigation system of unmanned aircraft on the basis of modern geoinformation technologies. Modeling, Optimization and Information Technologies. 2019;7(1):183–195. (In Russ.) https://doi.org/10.26102/2310-6018/2019.24.1.030
  11. Ivanova IA, Nikonov VV, Tsareva AA. Methods of Organizing Control of Unmanned Aerial Vehicles. Actual problems of the humanities and natural sciences. 2014;(11–1):56–63. (In Russ.) EDN: TCIQMH
  12. Korotin PS, Alekseev EG. The experience of using Keras as a Front end for tensorflow. In: XXIII scientific and practical conference of National Research Mordovian State University. Saransk; 2019. p. 301–306. EDN: KVNYOF
  13. Tkachev N, Fedyaev O. Parametric description of deep neural network models in the Keras library. In: Soft-ware Engineering: Methods and Technologies. Donetsk; 2018. p. 112–118. EDN: ZVPZTL
  14. Gagarsky SV, Suslov VA. Helicopter Deck Landing System. Saint Petersburg: Autonomous Systems LLC; 2022. (In Russ.)
  15. Fedoseeva NA, Zagvozdkin MV. Promising Areas of Application of Unmanned Aerial Vehicles. Scientific Journal. 2017;22(9):26–29. (In Russ.) EDN: ZSUMLX
  16. Popov AN. Planning methods of movement tra-jectory of unmanned aerial vehicle. Izvestia of Samara Scientific Center RAS. 2017;19(1–2):364–370. (In Russ.) EDN: ZTPOIN
  17. Mammadov AZ. Model inertial navigation for unmanned aerial vehicles. Universum: Technical Sciences. 2021;5(86):5–9. (In Russ.) https://doi.org/10.32743/UniTech.2021.86.5.11683
  18. Keras Library. Available from: https://keras.io/ (accessed: 17.05.2024).
  19. Autonomous Navigation System. Available from: https://info.wikireading.ru/84077 (accessed: 27.04.2024).
  20. UAV Sensors. Available from: https://www.energovector.com/energoznanie-kak-roboty-orientiruyutsya-v-prostranstve.html (accessed: 27.04.2024).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».