автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ и разработка интеллектуальной системы управления летательными аппаратами одного класса

На правах рукописи УДК 621.513.7

КЭ ФАН

АНАЛИЗ И РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ЛЕТАТЕЛЬНЫМИ АППАРАТАМИ ОДНОГО КЛАССА

Специальность 05.13.01 Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2005

Работа выполнена в Московском государственном техническом университете им. Н.Э. Баумана

Научный руководитель: дт.н., проф. Пупков К.А

Официальные оппоненты: д т.н., проф. Капалин В.И., МГИЭМ

к.т.н., доц. Рогалев А.П., РПКБ Ведущая организация: Российский университет дружбы народов

<

Защита состоится " ¿¿¿>«¿45"^/ 2005 г. в часЗо мин, на заседании диссертационного совета Д 212.141.02 в Московском государственном техническом университете им. Н.Э. Баумана по адресу: 107005, Москва, 2-я Бауманская ул., д. 5, д. 4, МГТУ.

С диссертацией можно ознакомиться в библиотеке МГТУ им. Н.Э. Баумана.

Автореферат разослан "_"_2005 г.

Ученый секретарь диссертационного совета

Иванов В.А.

<{$9(5

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Управление разнообразными летательными аппаратами (ЛА) осуществляется посредством систем управления. Обычно системы управления ЛА строятся в основном, с использованием априорных сведений об окружающей среде, цель системы вырождалась в решение задачи отработки некоторого программного сигнала, иногда вводились некоторые элементы адаптации систем к тем или иным изменяющимся условиям. Практически вся интеллектуальная часть работы системы выполнялась человеком, сводя функционирование системы управления к реализации фиксированных алгоритмов, выработанным им. Реальная ситуация требует других подходов к созданию систем. В действительности изменяется среда, в которой работает система, изменяются характеристики собственного ей состояния. Учесть эти изменения априори практически не возможно. Поэтому точность таких систем управления снижается, а в некоторых практических приложениях и вообще применять такие системы не представляется возможным.

В настоящее время летательные аппараты (ЛА) используются для выполнения чрезвычайно сложных задач, которые предполагают синтез цели функционирования ЛА в полете, принятие решений к действию с учетом разнообразных факторов состояния ЛА и внешней среды, выработки управления и исполнение этих решений с высокой точностью. Эти функции современных ЛА могут быть реализованы с помощью нового класса систем управления - интеллектуальных (ИС).

Под интеллектуальной системой понимается объединенная информационным процессом совокупность технических средств и программного обеспечения, работающая во взаимосвязи с человеком (коллективом людей) или автономно, способная на основе использования сведений и знаний при наличии мотивации синтезировать цель, вырабатывать решение о действии и находить рациональные способы ее достижения.

Разработка ИС задача сложная и многоплановая, поэтому решать ее целесообразно поэтапно. В связи с этим в диссертации решаемые задачи, связанные с синтезом акцептора действия (построением прогнозирующей модели) как часта динамической экспертной системы (ДЭС) и разработкой алгоритма управления являются важными и актуальными, т.к. позволяют реализовать два сложных механизма ИС, а также имеют важное практическое значение как автономные интеллектуальные компоненты классических систем управления ЛА.

Целью диссертации является разработка и исследование алгоритмов автономной интеллектуальной системы управления ЛА,

основанных на подходе самоорганизации и теории дифференциальной геометрии.

На защиту выносятся:

- результаты анализа существующих и применяемых на практике интеллектуальных систем управления ЛА;

- компактный алгоритм построения прогнозирующих моделей, построенный на основе трендов Т. Демарка и метода самоорганизации;

- релейный алгоритм управления ИС, основанный на применении теории дифференциальной геометрии;

- структура алгоритмического обеспечения акцептора действия интеллектуальной системы управления (ИСУ) беспилотными летательными аппаратами (БЛА), полученная на основе анализа системогенеза возвращающихся в атмосферу БЛА;

Научная новизна проведенных исследований и полученных результатов заключается в проведенном системном анализе существующих ИС управления ЛА, обосновании выбора наиболее перспективной структуры ИС ЛА, а также разработке оригинальных алгоритмов прогноза и управления, являющихся составляющими ИС ЛА. Алгоритм прогноза является прямой модификацией трендов Демарка с помощью метода самоорганизации. Алгоритм управления основан на использовании теории дифференциальной геометрии и позволяет осуществлять релейное переключение нелинейного регулятора на адекватный линейный регулятор.

На основе анализа функционирования БЛА представлена структура системы управления (СУ) и осуществлён выбор её алгоритмических составляющих для каждой фазы движения БЛА.

Практическая ценность результатов диссертационной работы состоит в разработке компактных и быстродействующих алгоритмов построения прогнозирующих математических моделей погрешностей инерциальных навигационных систем (ИНС), которые используются как в структуре ИС, так и в качестве интеллектуальной компоненты классических СУ ЛА и БЛА. Разработанный алгоритм управления позволяет существенно упростить реализацию процесса управления в ИС ЛА за счёт перехода от нелинейного регулятора к линейному регулятору на определенных интервалах функционирования ЛА. Подобный переход в линейное пространство на этих интервалах осуществляется без потери точности.

На основе системогенеза ИСУ БЛА осуществлен выбор алгоритмического обеспечения СУ на каждой фазе функционирования БЛА, что позволяет существенно экономить вычислительные ресурсы и повысить быстродействие системы.

Достоверность полученных в диссертации результатов и выводов обеспечивается достаточной адекватностью полученных математических моделей и реального процесса изменения погрешностей ИНС, полученных в результате лабораторного эксперимента, корректностью математических выводов при разработке алгоритмов, а также согласованностью полученных результатов с известными данными в этой области, опубликованными в печати.

Методы исследования. Для исследований применялись методы теории управления и теории случайных процессов, методы теории дифференциальной геометрии и методы самоорганизации, теории функционалъ ньгх систем, а также вычислительные методы, математическое моделирование и моделирование по данным лабораторного эксперимента.

Апробация работы. Результаты диссертации докладывались на международных конференциях: "Вторая международная конференция по проблемам управления" (ИПУ, Москва, июн. 2003г.), "2003 Intelligent automation conference" (Hong Kong, China, Dec.2003), " X X M Академические чтения по космонавтике: Секция "Системы управления космических аппаратов и комплексов * " (Москва, янв.2004г.), "Интеллектуальные системы: шестой международный симпозиум" (Саратов, июн. 2004г.), "Международная научно-практическая конференция: электронные средства и системы управления" ( Томск, окт. 2004г.) и т.д.

Публикации. По теме диссертации опубликовано 17 работ.

Структура в объём диссертации. Диссертация состоит го введения, пяти глав, заключения и список литературы.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТ

Во введении обосновывается выбор темы и направление исследований, проводимых в диссертационной работе, актуальность и практическая значимость темы.

В первой главе диссертации проведен обзор и анализ систем управления ЛА. Представлен исторический экскурс, показан путь развития автоматических систем управления JIA от простых автопилотов до интеллектуальных систем управления. Рассмотрены разнообразные адаптивные системы управления JIA, системы управления, в основу которых положены динамические экспертные системы. Представлены широко распространенные в настоящее время советующие системы управления JIA. Появление микропроцессоров высокой производительности и с большим объемом памяти, возможность организации мультитранспьютерных сетей для реализации параллельных

з

вычислений, с одной стороны, и необходимость обработки значительных массивов информации, применения базы знаний для формирования целенаправленной деятельности, с другой, привели к созданию ИС.

Среди разнообразных концепций создания ИС на основе проведенного анализа сделан выбор наиболее перспективной ИС, а именно ИС основанной на использовании теории функциональных систем П.К. Анохина. Функциональная схема такой ИС представлена на рис. 1.

Блок синтеза цели

Рис 1. Функциональная схема интеллектуальной системы

В интеллектуальной системе на основании сведений об окружающей среде и её собственном состоянии при наличии памяти и мотивации синтезируется цель, которая наряду с другими данными воспринимается динамической экспертной системой. Последняя с использованием базы знаний производит экспертную оценку, на основании которой принимается решение о действии и прогнозируются результаты будущего действия в акцепторе действия. В соответствии с принятым решением вырабатывается управление, т.е. синтезируется тот или иной алгоритм или закон управления. При анализе выбранной структуры ИСУ и ев алгоритмического обеспечения выделены наиболее актуальные задачи, которые необходимо решить для создания эффективной и работоспособной в практических приложениях ИСУ. Такими задачами являются реализация блока синтеза цели, разработка алгоритма

управления ИСУ и синтез акцептора действия ИСУ. В диссертации основное внимание уделено решению двух последних задач.

В последнем разделе первой главы сформулированы и обоснованы цель диссертационной работы и конкретные задачи исследования.

Вторая глава посвящена разработке акцептора действия ИСУ БЛА. Специфическими требованиями к алгоритмическому обеспечению ИСУ БЛА является компактность и быстродействие алгоритмов, что вызвано особенностями функционирования БЛА. В соответствии с этими требованиями был осуществлен анализ известных алгоритмов построения прогнозирующих моделей, являющихся основой акцептора действия. С учетом этих требований выбран алгоритм построения трендов Демарка. Тренды Демарка отличаются простотой реализации, компактностью, их построение требует минимального времени. Однако классические тренды Демарка имеют невысокую точность, особенно в условиях интенсивного маневрирования БЛА. Поэтому применять классические тренды Демарка в практических приложениях возможно лишь на более-менее прямолинейных участках полета БЛА. Для повышения точности построения прогнозирующей модели предложено модифицировать алгоритм трендов Демарка с помощью скользящего окна Язвинского и метода самоорганизации.

Посредством использования скользящего окна Язвинского осуществляется компенсация влияния эффекта "старения" измерений.

Метод самоорганизащш позволяет уточнять линейный тренд на интервалах, когда он становится неадекватным прогнозируемому параметру (естественно после получения измерений этого параметра).

Уточнение тренда проводится за счет его усложнения с помощью нелинейной части. Нелинейная часть модели строится методом самоорганизации. В качестве алгоритма самоорганизации использован классический алгоритм, реализующий метод группового учёта аргумента. Следует отметить, что в этом классическом алгоритме самоорганизации использован скудный набор базисных функций. Применяемые базисные функции выбраны из практических соображений в соответствии с предполагаемой динамикой прогнозируемого параметра. Использование скудного базиса позволяет существенно сократить вычислительные затраты, повысить быстродействие алгоритма с незначительной потерей в точности. С учётом жёстких требований по быстродействию и объёму памяти бортовой центральной вычислительной машины (БЦВМ), отводимому для реализации алгоритма такая модификация позволяет осуществить построение прогнозирующей модели ошибок ИНС за 10 рядов селекции. С помощью классического алгоритма МГУА с полным базисом построить модель за это время вообще не удаётся.

Разработанный алгоритм модифицированных трендов Демарка имеет

вид:

с*-, , (1) где54- прогноз переменной состояния динамического объекта в момент времени к, прогнозируемая с помощью модифицированного тренда Демарка;

I.

(2)

ы

здесь Ь- число базисных функций;

[л1 - базисные функции го параметризованного множества

Р, = {я<у"/0%*)1' = !,£}- набор базисных функций. Каждая базисная функция определяется в соответствие с двухмерным вектором параметров (а,)т ,где а,-амплитуда, /-частота.

В качестве критериев селекции в алгоритме использованы критерий регулярности и критерий сходимости, представленные соответственно в выражениях (3) и (4):

-, (3)

ы

ы

1 = -, (4)

ы

где г, - измерение;

х,- значение, прогнозируемое по модели;

Д? - среднеквадратическая ошибка, вычисленная на проверочной выборке

I- значение ошибки пошагового интегрирования на всбм интервале интерполяции, который включает обучающую Ыл и проверочную выборкит.е. N = Ъ1 А+ТЯв.

Таким образом

предложен оригинальный алгоритм, позволяющий построить прогнозирующую модель исследуемого параметра в условиях дефицита времени и машинной памяти БЦВМ БЛА.

В третьей главе разработан алгоритм управления для ИСУ БЛА. Точные требования современных СУ БЛА предполагают использование нелинейных алгоритмов управления. Однако нелинейные алгоритмы сложны в реализации, поэтому была поставлена задача сокращения вычислительных затрат без потери точности. Решение этой задачи осуществлено с помощью применения теории дифференциальной

геометрии. В результате применения дифференциальной геометрии в процессе функционирования БЛА выделяются интервалы, на которых могут быть использованы линейные математические модели и соответственно линейные регуляторы, которые полностью адекватны нелинейным моделям. Определение интервалов соответствия линейных и нелинейных моделей осуществляется на основе следующего критерия.

Для аффинной системы

м . 15)

(/-и.-®)

если матрица

ь^у^ху-^ьу^х) ¡.¿грк¿ху-^ьуих)

(6)

является не особой матрицей в окрестности точки Х = Х0 , т.е. относительная степень системы г равна размерности системы,

г = = п , тогда исходная модель (5) может быть полностью

м

линеаризована в окрестности Х = Х0.

С помощью нелинейного преобразования:

где = Н^И^Х) и обратной связи по состоянию:

V = В{Х)~\-А{Х)+У) К = (у„У2,...УШУ, (8)

А(Х) = со1^{ХЩК{Х\...,и-МХ)), (9)

можно привести нелинейную модель в адекватную линейную модель.

Канонический вид с последовательными интегралами найденной линейной модели описывается в следующем:

¿п = X =

(10)

где:

X = (х1,х2,..^сп)т, и-размерный вектор состояний; и = (и1,и2,..мтУ,т- размерный вектор, состоящий из входных воздействий и,,* = 1,/я;

^-(У^Уг^-УтУ'т~ размерный вектор, состоящий из выходных функций

= \,т,п~ размерные векторные функции, скалярная выходная функция;

Ь^Е'^И^х) - дифференциальные операции Ли выходных функций ЙДЛГ)= , проведенные по векторным полям, определенным векторными функциями /(х), gl (х), г = 1, т.

Дифференциальная операция Ли скалярной функции Ъ(х) по выбранному векторному полю, созданному векторной функцией /(х) проводится следующим образом

* дИ

= • (Ш

ы Си,

Для того, чтобы воспользоваться результатами теории дифференциальной геометрии необходимо выбирать структуру модели исследуемого объекта. В диссертации предложено использовать модель со следующей структурой:

(Их

(12)

А, Л сЫ

где: _

/¡(х),/= 1,3- функции переменной состояния, являющиеся компонентами матрицы системы; (х) - выходная функция;

£,,/ = 1,3-коэффициенты по управляющим воздействиям; и„/ = 1,2-управляющие воздействия.

Таким образом разработан релейный регулятор, позволяющий осуществлять управление с помощью линейного регулятора на интервалах адекватности линейной модели, а на остальных интервалах - посредством нелинейного алгоритма управления.

Четвертая глав» посвящена исследованию алгоритмического состава системы управления возвращающегося в атмосферу БЛА. Системогенез ИСУ БЛА позволяет дать рекомендации по использованию того или иного алгоритмического обеспечения на различных фазах жизненного цикла БЛА.

Рассмотрены три основных фазы функционирования возвращающегося в атмосферу БЛА. Проведен анализ особенностей его функционирования в каждой фазе и на основе этого анализа осуществлен выбор специфического алгоритмического обеспечения при реализации акцептора действия.

Первая фаза предполагает отсутствие априорной информации о параметрах объекта и внешней среды. В этой фазе предложено использовать в акцепторе действия алгоритм самоорганизации с достаточно богатым базисом.

Вторая фаза характеризуется движением БЛА в слабовозмущённой среде. Поэтому целесообразно использовать алгоритм самоорганизации с резервированием трендов и для построения модели использовать скудный базис.

Третья завершающая фаза предполагает истощение всех ресурсов ИСУ БЛА и прекращение жизненного цикла БЛА. В этой фазе предлагается использовать модифицированный алгоритм трендов Демарка, разработанный во второй главе диссертации.

Таким образом представлен системогенез ИСУ БЛА и на основе анализа особенностей е€ функционирования предложено алгоритмическое обеспечение акцептора действия ИСУ.

В пятой главе представлены результаты моделирования разработанных алгоритмов. Эффективность предложенного модифицированного алгоритма трендов Демарка продемонстрирована на примере задачи прогнозирования ошибок ИНС, измерительного комплекса ЛА в акцепторе действия ИСУ БЛА Проведен сравнительный анализ точности предложенного алгоритма с классическим алгоритмом самоорганизации. Помимо математического моделирования проведено также моделирование с использованием данных полунатурного эксперимента с реальной серийной навигационной системой.

На рис.2-4 представлены результаты моделирования построения прогнозирующих моделей с помощью модифицированного тренда Демарка для краткосрочного, среднесрочного и долгосрочного прогнозов.

На графиках цифрой 2 обозначены прогнозы, полученные с помощью модифицированного тренда Дем^жа. Модификация проводится методом самоорганизации. Цифрой 3 показаны прогнозирующие результаты на основе классического тренда Демарка. Прогнозы, полученные посредством

метода самоорганизации в чистом ввде представлены цифрой 4. Кривые с цифрой 1 являются эталоном.

300 200 100 0 -100 -200 -300 -400

140 150 160 170 180 190 200 210 220

Рис.2. Краткосрочный прогноз с помощью трех моделей

300

200

100

о

-100

-200

-300

-400

-500 1'

Рис.3. Среднесрочный прогноз с помощью трбх моделей

Icomparisioi of models middte-peiiod prognose

10

К 3 3- trenji Demark j 4

t 4- nonlnear function 5- measure! ,5S

160

180

200

220

240

400

300 200 100 0 -100 -200 -300 -400 -500

80 100 120 140 160 180 200 220 240 260

Рис.4. Долгосрочный прогноз с помощью трёх моделей

Таким образом, с возрастанием длительности прогноза использование линейного тренда в чистом виде ж представляется возможным. Линейные тренды модифицируются нелинейной комбинацией, подобранной методом самоорганизации, на участках, когда появляются существенно нелинейные характеристики в процессе функционирования исследуемого объекта. За счет модификации методом самоорганизации точность прогноза повышается и вычислительные затраты по времени и машинной памяти ЦБВМ увеличиваются незначительно в связи с тем, что при селекции нелинейной комбинации используется скудный набор базисных функций.

Статистические результаты моделирования представлены в табл.1-табл.З.

Таблица 1.

Погрешности прогноза при краткосрочном прогнозе _

Модели д. д. д. д, д, д* Время

(?!) (Уз) (1.) (Сен.)

Модиф. 8.4% 15% 12.6% 8.9% 12.6% 12% 11

Линей. 12.3% 20.5% 18.7% 19.2% 21.2% 18% 1.54

Нелин. 10.7% 12.7% 10.6% 12.2% 12.3% 12% 11

и

Таблица 2.

Погрешности прогноза при краткосрочном прогнозе _

Модели А, А, А, А! А, А2 Время -

(Г0 <Г>) <г0 (Сен.)

Модиф. 11.2% 10% 11.3% 12.5% 11% 11% 12

Линей. 20% 22% 22% 24.4% 24.4% 22% 1.68

Нелин. 16% 13% 14.1% 16% 16% 15% 12

Таблица 3.

Погрешности прогноза при долгосрочном прогнозе

Модели А, А, А, А, А, А3 Время

(Tt) (Г2) (Т3) <Г4) (.Т,) (Сен.)

Модиф. 20% 21% 35% 38.5% 22.5% 27% 12

Линей. 80% 58.5% 70% 64.4% 58.5% 66% 2

Нелин. 31% 31% 38% 40.2% 40.6% 36% 12

В таблицах тх - Ts обозначены различные момента времени поступления измерений. Погрешности прогноза вычисляются в зависимости от момента поступления измерений. Осреднбнные результаты являются математическим ожиданием погрешностей прогноза. В последней колонке приведены величины времени, затраченного на построение моделей.

Статистические результаты подтвердили тенденции, показанные на графиках: для краткосрочного прогноза погрешности с использованием трвх моделей отличаются незначительно, а время, затраченное на отбор нелинейной комбинации в 7 раз больше, чем при построении линейной модели. В долгосрочном прогнозе модифицированный тренд Демарка да£т результаты в 2 раза точнее, чем линейный тренд в чистом виде.

Результаты на рис.5 демонстрируют целесообразность принятия решения о конфигурации измерительного комплекса с использованием прогноза. Модель прогноза построена с помощью модифицированного тренда Демарка. Модификация проводится методом самоорганизации.

На рис.5 приняты следующие обозначения: е - скорость дрейфа гироплатформы ИНС; 1 - модель измерения скорости дрейфа гироплатформы; 2 - оценка скорости дрейфа гироплатформы с использованием GPS; 3 - оценка скорости дрейфа гироплатформы с использованием РЛС.

На основании прогноза на интервале Ti - Т2 с ИНС комплексируется GPS, а на следующем интервале комплексируется РЛС.

Выбор конфигурации измерительного комплекса на основе анализа непосредственно последней измерительной выборки дает худшие результаты.

Т1 Т2 Тз к[мин.]

Рис.5. Оценка скорости дрейфа гироплатформы Результаты моделирования алгоритмов прогноза акцептора действия ИСУ БЛА в трёх основных фазах системогенеза также сравнивались с результатами прогноза методом самоорганизации и с резервированными трендами.

Результаты моделирования алгоритмов управления, основанных на использовании теории дифференциальной геометрии представлены на рис.6. В качестве математической модели для демонстрации качества функционирования разработанного алгоритма использована модель динамики ЛА. Рассмотрены динамические характеристики угла атаки, угла наклона траектории, угла тангажа и угловой скорости вокруг центра массы ЛА из начального состояния до заданного состояния.

Attack engl«

Angle of trajectory

.g 2 *o

-2

I

5

f °

l "5 i -10

-15j

L.........

V

w /2

\..... 1

2 4

An^fe^rtSoClty

/1

if ........... -ч......

W

2 4

t, sec

Рис.6. Динамические характеристики ЛА с помощью двух методов

На рис.6 цифрой 1 обозначены реакции переменных состояния ЛА при управлении с использованием теории дифференциальной геометрии, цифрой 2 обозначены реакции при использовании классического метода.

Сравнение результатов показывает, что предложенный релейный алгоритм управления с использованием дифференциальной геометрии дабт удовлетворительные результаты по динамическим и точным характеристикам. Параметры регулятора удобнее находить в случае, когда система описана в каноническом виде с последовательными интегралами.

Результаты моделирования подтвердили достаточно высокую точность разработанных алгоритмов.

ЗАКЛЮЧЕНИЕ

1. На основе анализа существующих и применяемых на практике ИСУ ЛА выделен наиболее перспективный вид ИСУ, структура которой основана на применении теории функциональных систем и метода самоорганизации.

2. Реализация акцептора действия ИСУ ЛА предполагает построение прогнозирующих моделей. В условиях дефицита времени и машинной памяти, отводимой для реализации алгоритмического обеспечения акцептора действия предложено использовать оригинальный алгоритм построения прогнозирующих моделей - модифицированный алгоритм трендов Демарка. Модификация осуществляется посредством метода самоорганизации. Эффект старения измерений парируется посредством применения " окна Язвинского " . Предложенный алгоритм отличается компактностью и простотой реализации.

3. Разработан релейный алгоритм управления для ИСУ БЛА, основанный на применении теории дифференциальной геометрии. В предложенном алгоритме управления выделяются интервалы функционирования на которых возможно использование вместо нелинейного регулятора линейный регулятор без потери точности. Применение такого алгоритма управления существенно упрощает реализацию, что является важным при синтезе ИСУ БЛА.

4. Проведен анализ основных фаз системогенеза возвращающегося в атмосферу БЛА. На основе анализа проведен выбор алгоритмического обеспечения акцептора действия ИСУ БЛА Для каждой фазы функционирования БЛА предложены компактные и простые в реализации алгоритмы прогноза.

5. Результаты моделирования подтвердили работоспособность и достаточно высокую точность разработанных алгоритмов. Результаты моделирования по данным лабораторного эксперимента также показали эффективность предложенного алгоритма прогноза.

6. Результаты работы использованы в учебном процессе кафедры " Системы автоматического управления " при обучении студентов МГТУ им. Н.Э.Баумана.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Кэ Фан, Неусыпин К. А Концептуальный синтез интеллектуальных систем // Тезисы докладов второй международной конференции по проблемам управления. - Москва, 2003. - С. 168.

2.Пупков К.А., Неусыпин К.А., Кэ Фан. Онтогенез интеллектуальных систем летательных аппаратов // Космонавтика, радиоэлектроника, геоннформаггика: Тезисы докладов четвертой международной научно-технической конференции. - Рязань, 2003. - С. 105 -106.

3. Неусыпин К.А., Кэ Фан. Коррекция автономной навигационной системы с помощью алгоритма самоорганизации // Перспективы использования новых технологий и научно-технических решений в изделиях ракетно-космической техники разработки ГКНПЦ им. МВ.Хруничева: Тезисы докладов третьей научно-технической конференции. - Москва, 2003. - С. 167.

4. Пупков К. А., Неусыпин К.А, Кэ Фан. Псевдоинтеллектуальные системы управления необитаемого подводного аппарата // Современные методы и средства океанологических исследований: Тезисы докладов восьмой международной научно-технической конференции. - Москва, 2003. - С. 198.

5. Неусыпин К.А., Кэ Фан, Шолохов Д.О. Измерительный комплекс необитаемого подводного аппарата // Современные методы и средства океанологических исследований: Тезисы докладов восьмой международной научно-технической конференции. - Москва, 2003. - С. 187.

6. Лукьянова Н. В., Кэ Фан, Ким Дже Су. Алгоритм самоорганизации системы управления робототехническим подводным аппаратом // Современные методы и средства океанологических исследований: Тезисы докладов восьмой международной научно-технической конференции - Москва, 2003. - С. 182.

7. Neusipin К.А., Ке Fang. The new orientation of development in the field of intelligent systems // Proc. 2003 Intelligent automation conference. - Hong Kong(China), 2003. -P.30-34.

8. Пупков К.А., Неусыпин K.A., Кэ Фан. Модификация трендов Демарка с помощью подхода самоорганизации // Автоматизация и современные технологии. - 2004. -J&1. - С. 10 -13.

9. Пупков К.А., Неусыпин К.А., Кэ Фан. Интеллектуальная система управления динамическим объектом И Авиакосмическая техника и технология. - 2004. -№1. - С. 20 - 28.

10. Пупков К.А., Неусыпин К.А., Кэ Фан. Интеллектуализация измерительного комплекса летательного аппарата // Им. вузов. Приборостроение. - 2004. -Т. 47, №8. - С. 18 - 23.

11. Кэ Фан. Модификация трендов Демарка методом самоорганизации И X XVI Академические чтения по космонавтике: Сборник материалов.-Москва, 2004.-С.379.

12. Неусыпин К.А., Кэ Фан. Измерительный комплекс летательного аппарата с интеллектуальной компонентой // Электронные средства и системы управления: Сборник материалов международной научно-практической конференции. - Томск, 2004. - С.255.

13. Пупков К.А., Неусыпин К.А., Кэ Фан. Модификация интеллектуальной системы в условиях сенсорной депривации // Интеллектуальные системы: Труды шестого международного симпозиума. - Москва, 2004. - С. 147.

14. Фам Вьет Куонг, Кэ Фан. Синтез структуры измерительного комплекса грузового судна // Интеллектуальные системы: Труды шестого международного симпозиума. - Москва, 2004. - С.493 - 494.

15. Кэ Фан. Разработка блока синтеза цели интеллектуальной системы управления // X X К академические чтения по космонавтике: Сборник материалов. - Москва, 2005. - С.387 - 388.

16. Pupkov К.А., Neusipin К.А., Ке Fang. The genetic program of intelligent systems of dynamic objects // Proc. of the 23rf Chinese Control Conference. -Shanghai(China), 2004. - P. 1143-1144.

17. Пупков К.А., Неусыпин K.A., Кэ Фан. Алгоритмы управления интеллектуальной системы возвращающегося в атмосферу БЛА // X XIX академические чтения по космонавтике: Сборник материалов. -Москва, 2005.-С.389 - 390.

Подписано к печати « 5 ».10 .2005 г. объем 1,0 п.л. Тир. 100 Зак з 13 Типография Ml ТУ им.Н.Э.Баумана

fr

1,1 791g

РНБ Русский фонд

2006-4 15913

s

ВВЕДЕНИЕ.

1. АНАЛИЗ II ОЦЕНКА СОВРЕМЕННОГО СОСТОЯНИЯ РАЗВИТИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ.

1.1. Анализ состояния исследования и разработок в области интеллектуальных систем.

1.1.1. Интеллектуальные компоненты, применяемые в системах управления.

1.1.2. Тенденция развития интеллектуальной системы управления -проблема повышения уровня интеллектуальности систем управления.

1.1.3. Реализации ИСУ ЛА в практике.

1.2. Концептуальный синтез интеллектуальных систем на основе теории функциональных систем.

1.2.1. Функциональная схема ИС.

1.2.2. Блок синтеза цели.

1.2.3. Динамическая экспертная система (ДЭС).

1.3. Проблемы теории и реализации современных интеллектуальных систем.

1.4. Выводы по первой главе.

2. РАЗРАБОТКА АКЦЕПТОРА ДЕЙСТВИЯ В ДИНАМИЧЕСКОЙ ЭКСПЕРТНОЙ СИСТЕМЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ БЕСПИЛОТНЫМИ ЛЕТАТЕЛЬНЫМИ АППАРАТАМИ.

2.1. Метод самоорганизации.

2.2. Временные ряды.

2.3. Модифицированный тренд Демарка.

2.4. Выводы по второй главе.

3. РАЗРАБОТКА АЛГОРИТМА УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ЛЕТАТЕЛЬНЫМИ АППАРАТАМИ.

3.1. Иерархия управления в интеллектуальной системе управления летательных аппаратов.

3.2. Принятие решений на верхнем уровне иерархии алгоритма управления.

3.3. Структура управления на нижнем уровне иерархии.

3.4. Закон оптимального управления на нижнем уровне иерархии.

3.5. Линеаризация модели объекта с использованием теорией дифференциальной геометрии.

3.6. Разработка релейного регулятора на основе точной линеаризации с применением теории дифференциальной геометрии.

3.7. Выводы по третьей главе.

4. СИСТЕМОГЕИЕЗ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ БЕСПИЛОТНЫМИ

ЛЕТАТЕЛЬНЫМИ АППАРАТАМИ.

4.1. Постановка задачи.

4.2. Функционирование интеллектуальной системы управления беспилотными летательными аппаратами.

4.3. Основные фазы системогенеза интеллектуальных систем.

4.4. Функционирование акцептора действия на разных фазах движения беспилотного летательного аппарата, 107 возвращающегося в атмосферу.

4.5. Выводы по четвёртой главе.

5. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ

ИССЛЕДОВАНИЙ.

5.1. Математическое моделирование алгоритма построения прогнозирующих моделей с помощью 112 модифицированного тренда Демарка.

5.1.1. Результаты моделирования прогнозирования ошибок 112 инерциалыюй навигационной системы.

5.1.2. Результаты моделирование выбора структуры 121 шмерительного комплекса.

5.2. Математическое моделирование реализации акцепторе действия в трёх фазах системогенеза беспилотного летательного аппарата, возвращающегося в атмосферу.

5.3. Математическое моделирование алгоритма управления движением летательными аппаратами с использованием 127 теории дифференциальной геометрии.

5.4. Выводы по пятой главе

ВЫВОДЫ.

Управление разнообразными летательными аппаратами (JIA) осуществляется посредством систем управления. Обычно системы управления JIA строятся в основном, с использованием априорных сведений об окружающей среде, понятие цели системы вырождалось в решение задачи отработки некоторого программного сигнала системой, и лишь иногда вводились некоторые элементы адаптации систем к тем или иным изменяющимся условиям. Практически вся интеллектуальная часть работы системы выполнялась человеком, сводя функционирование- системы управления к реализации фиксированных алгоритмов, выработанным им. Реальная ситуация требует других подходов к созданию систем. В действительности изменяется среда, в которой работает система, изменяются характеристики собственного её состояния. Учесть эти изменения априори практически не возможно. Поэтому точность таких систем управления сшгжается, а в некоторых практических приложениях и вообще применять такие системы не представляется возможным.

В настоящее время летательные аппараты (JIA) используются для выполнения чрезвычайно сложных задач, которые предполагают синтез цели функционирования JIA в полёте, принятие оптимальных решений к действию с учётом разнообразных факторов состояния ЛА и внешней среды, исполнение этих решений с высокой точностью. Эти функции современных J1A могут быть реализованы с помощью нового класса систем управления -интеллектуальных систем (ИС).

Под интеллектуальной системой понимается объединенная информационным процессом совокупность технических средств и программного обеспечения, работающая во взаимосвязи с человеком (коллективом людей) или автономно, способная на основе использования сведений и знаний при наличии мотивации синтезировать цель, вырабатывать решение о действии и находить рациональные способы её достижения.

Разработка ИС задача сложная и многоплановая, поэтому решать её целесообразно поэтапно. В связи с этим решаемые в диссертации задачи, связанные с синтезом акцептора действия (построением прогнозирующей модели) и разработкой алгоритма управления являются важными и актуальными, т.к. позволяют реализовать два сложных механизма ИС, а также имеют важное практическое значение как автономные интеллектуальные компоненты классических серийных систем управления ЛА.

Целыо работы является разработка и исследование алгоритмов автономной интеллектуальной системы управления JIA, основанных на подходе самоорганизации и теории дифференциальной геометрии.

На защиту выносятся: а) результаты анализа существующих и применяемых на практике интеллектуальных систем управления JIA; б) компактный алгоритм построения прогнозирующих моделей, построенный на основе трендов Т.Демарка и метода самоорганизации; в) релейный алгоритм управления ИС, основанный на применении теории дифференциальной геометрии; г) структура алгоритмического обеспечения акцептора действия интеллектуальной системы управления (ИСУ) беспилотными летательными аппаратами (БЛА), полученная на основе анализа системогенеза возвращающихся в атмосферу БЛА.

Научная новизна проведенных исследований и полученных результатов заключается в проведенном системном анализе существующих ИС управления ЛА, обосновании выбора наиболее перспективной структуры ИС ЛА, а также разработке оригинальных алгоритмов прогноза и управления, являющихся составляющими ИС JTA. Алгоритм прогноза является прямой модификацией трендов Демарка с помощью метода самоорганизации. Алгоритм управления основан на использовании теории дифференциальной геометрии и позволяет осуществлять релейное переключение нелинейного регулятора на адекватный линейный регулятор.

На основе анализа функционирования БЛА представлена структура системы управления (СУ) и осуществлён выбор её алгоритмических составляющих для каждой фазы движения БЛА.

Практическая ценность результатов диссертационной работы состоит в разработке компактных и быстродействующих алгоритмов построения прогнозирующих математических моделей погрешностей инерциальных навигационных систем (ИНС), которые используются как в структуре ИС, так и в качестве интеллектуальной компоненты классических СУ ЛА и БЛА. Разработанный алгоритм управления позволяет существенно упростить реализацию процесса управления в ИС ЛА за счёт перехода от нелинейного регулятора к линейному регулятору на определённых интервалах функционирования ЛА. Подобный переход в линейное пространство на этих интервалах осуществляется без потери точности.

На основе системогенеза ИСУ БЛА осуществлен выбор алгоритмического обеспечения СУ на каждой фазе функционирования БЛА, что позволяет существенно экономить вычислительные ресурсы и повысить быстродействие системы.

Достоверность полученных в диссертации результатов и выводов обеспечивается достаточной адекватностью полученных математических моделей и реального процесса изменения погрешностей ИНС, полученных в результате лабораторного эксперимента, корректностью математических выводов при разработке алгоритмов, а также согласованностью полученных результатов с известными данными в этой области, опубликованными в печати.

Для исследований применялись методы теории управления и теории случайных процессов, методы теории дифференциальной геометрии и методы самоорганизации, теории функциональных систем, а также вычислительные методы, математическое моделирование и моделирование по данным лабораторного эксперимента.

Результаты диссертации докладывались на международных конференциях: "второй международной конференции по проблемам управления" (Москва, 2003), "2003 Intelligent automation conference" (Hong Kong, China, 2003), " X X Vffl академических чтениях по космонавтике"(Москва, 2004), "шестом международном симпозиуме" (Саратов, 2004), "Международной научно-практической конференции: электронные средства и системы управления" ( Томск, 2004) и т.д.

По теме диссертации опубликовано 17 работ.

Диссертация состоит из введения, пяти глав, заключения и списка литературы.

ВЫВОДЫ

Проведенные в работе исследования позволили получить следующие научно-технические результаты.

1. На основе анализа существующих и применяемых на практике ИСУ JIA выделен наиболее перспективный вид ИСУ, структура которой основана на применении теории функциональных систем и метода самоорганизации.

2. Реализация акцептора действия ИСУ J1A предполагает построение прогнозирующих моделей. В условиях дефицита времени и машинной памяти, отводимой для реализации алгоритмического обеспечения акцептора действия предложено использовать оригинальный алгоритм построения прогнозирующих моделей - модифицированный алгоритм трендов Демарка. Модификация осуществляется посредством метода самоорганизации. Эффект старения измерений парируется посредством применения " окна Язвинского" . Предложенный алгоритм отличается компактностью и простотой реализации.

3. Разработан релейный алгоритм управления для ИСУ БЛА, основанный на применении теории дифференциальной геометрии. В предложенном алгоритме управления выделяются интервалы функционирования на которых возможно использование вместо нелинейного регулятора линейный регулятор без потери точности. Применение такого алгоритма управления существенно упрощает реализацию, что является важным при синтезе ИСУ БЛА.

4. Проведен анализ основных фаз системогенеза возвращающегося в атмосферу БЛА. На основе анализа проведен выбор алгоритмического обеспечения акцептора действия ИСУ БЛА. Для каждой фазы функционирования БЛА предложены компактные и простые в реализации алгоритмы прогноза.

5. Результаты моделирования подтвердили работоспособность и достаточно высокую точность разработанных алгоритмов. Результаты моделирования по данным лабораторного эксперимента также показали эффективность предложенного алгоритма прогноза.

6. Практическая ценность работы определяется тем, что выполненные исследования, разработанные алгоритмы позволяют повысить точность выполнения БЛА поставленных задач, снизить себестоимость БЛА за счет использования более дешевых систем при сохранении заданных точностных характеристик, экономить энергоресурсы БЛА путем выбора оптимального маршрута полета.

Материалы диссертации использованы в учебном процессе кафедры «Системы автоматического управления» МГТУ им.Н.Э.Баумана в курсовом и дипломном проектировании , а также в лекциях по курсу «Интеллектуальные системы».

Основные материалы диссертации докладывались и обсуждались на: а) второй международной конференции по проблемам управления (Москва, 2003); б) четвертой международной научно-технической конференции (Рязань,2003); в) третьей научно-технической конференции (Москва, 2003); г) восьмой международной научно-технической конференции (Москва, 2003); д) intelligent automation conference (Hong Kong, China, 2003); е)ХХ1 академические чтения по космонавтике (Москва, 2004); ж) международной научно-практической конференции (Томск, 2004); и) шестом международном симпозиуме( Москва, 2004); к) Chinese control conference (Shanghai,China,2004); л) XIX академические чтения по космонавтике (Москва, 2005); м) X XIX академические чтения по космонавтике (Москва, 2005). По материалам диссертации автором опубликовано 17 работ.

1. Интеллектуальное управление динамическими системами / С.Н.Васильев, А.К.Жерлов, Е.А.Федосов, Б.Е.Федунов.-М.: Фшматшгт, 2000.- 351с.

2. Narendra K.S. Neural network for control: Theory and practice // Proc. of the IEEE. -1996.- V.84, №10.- P.1385-1406.

3. Емельянов B.B. Теория и практика эволюционного моделирования. М.: Физматлит, 2003. - 431с.

4. Винер Н. Кибернетика и общество. Творец и робот : Пер. с англ. М.: Тайдекс Ко, 2003.-246с.

5. Handelman D.A., Stengel R.F. An architecture for real-time rule-based // Proc. of the American control conference. 1987.-P. 1636-1642.

6. Wos L. Solving open questions with an automated theorem proving program // Lecture notes in computer science. 1982.- V.138.-P.1-31.

7. Kambhampati S.K., Davis L.S. Multi-resolution Path planning for mobile robots // IEEE J. of robotics and automation. 1986. -№2. - P. 135-145.

8. Drescher G.L. Made-Up minds: A constructivists approach to artificial intelligence. London: Cambridge, the MIT press, 1991.-220 p.

9. Vassilyev S.N. Machine synthesis of mathematical theorems // J. of logical programming. 1990. -V.9, №2-3. - P.235-266.

10. Guy A. Dumont, Mihai Huzmezan. Concepts, methods and techniques in adaptive control // Proc. of the Americal control conference. -N.Y., 2002. -P.l 137-1155.

11. Васильев С.Н. Методы синтеза условий выводимости хорновских и некоторых других формул // Сибирский математический журнал. 1997. -Т. 38, №5.-С. 1034-1046.

12. Убейко В.М., Убейко В.В. Экспертные системы в технике и экономике. -М.: Изд-во МАИ, 1992.- 238с.

13. Пупков К.А. Динамические экспертные системы в управлении // Изв. Вузов. Приборостроение. 1996. -Т.39, №8-9. - С.39- 50.

14. Пупков К.А. О некоторых новых задачах теории и техники интеллектуальных систем // Интеллектуальные системы: Труды третьего международного симпозиума / Под ред. К.А.Пупкова. М.:000 "ТВК", 1998.-С. 19-23.

15. Пупков К.А., Коньков В.Г. Интеллектуальные системы. -М.: Изд-во МГТУ им.Баумана, 2003. 345с.

16. Виноградов А.Н. Динамические интеллектуальные системы: 2. Моделирование целенаправленного поведения // Изв. РАН. Теория и системы управления. 2003. -№1— С. 87 - 94.

17. Кэ Фан, Неусыпин К.А. Концептуальный синтез интеллектуальных систем // Тезисы докладов второй международной конференции по проблемам управления. Москва, 2003. - С. 168.

18. Мушик Э., Мюллер П. Методы принятия технических решений. — М.: Мир, 1990.-206с.

19. Pupkov К.A., Neusipin К.А., Ке Fang, The genetic program of intelligent systems of dynamic objects // Proc. of the 23rd Chinese control conference. -Shanghai(China), 2004. P. 1143-1144.

20. Захаров B.H. Интеллектуальные системы управления: основные понятия и определения // Изв. РАН. Теория и системы управления. 1997. -№3. -С. 138-145.

21. Анохин П.К. Проблемы центра и периферии в физиологии нервной деятельности. Н. Новгород, 1935. - 120с.

22. Федосов Е.А. Критические технологии России // Труды всероссийской конференции государственных научных центров РФ. — М.,1995.-С.80-95.

23. Федунов Б.Е. Проблемы разработки бортовых оперативно-советующих систем для антропоцентрических объектов // Изв. РАН. Теория и системы управления. -1996. -№5. -С. 147-160.

24. Позняков П.В., Федунов Б.Е. Основы информационной интеграции бортовой аппаратуры. М.: Изд-во МАИ, 1993.-127с.

25. Федунов Б.Е., Романова В.Д., Юневич Н.Д. Бортовые оперативно-советующие экспертные системы на борту антропоцентрических человеко-машинных объектов // Интеллектуальные системы. 1996.-Т.1,№1-4.-0.145-157.

26. Неусыпин К.А. Направления развития интеллектуальных систем //Автоматизация и современные технологии. 2002.- №12.-С. 12-15.

27. Канащенков А.И. Формирование облика авионики перспективных летательных аппаратов // Изв. РАН. Теория и системы управления. 2002.-№6.-С. 128-138.

28. Федосов Е.А. Бортовые экспертные системы тактических самолётов 5-го поколения. -М.: Научно-информационный центр ГосНИИАС, 2002.-140 с.

29. Пупков К.А. Интеллектуальные системы: проблемы теории и практики // Изв. Вузов. Приборостроение. 1994. -Т.37, № 9-10. -С.5-7.

30. An introduction to fuzzy control / D.Driankov, H.Hellendoorn, M.Reinfrankwith corp.from R.Palm, B.Graham and A.Ollero. Berlin: Springer, 1993. -316p.

31. Нгуен Хай Зыонг, Шахназаров Г.А. Структурирование алгоритмическогообеспечения интеллектуальных систем управления сложными динамическими объектами // Интеллектуальные системы: Труды шестого международного симпозиума. — Москва, 2004. — С. 113 116.

32. Евстифеев В.В., Хаммуд А. Нейронные сети в адаптивных системах

33. Аэрокосмические технологии: Научные материалы первой международной научно-технической конференции. — Реутов, 2004. -С. 216- 223.

34. Nichols R.A., Reichert R.T., Rugh W.J. Gain scheduling for H-infinity controllers: A flight control example // IEEE Trans, on control systems technology. 1993. -V.l, №2. - P.69-79.

35. Пупков K.A., Неусыпин K.A. Вопросы теории и реализации систем управления и навигации. -М.: Биоинформ, 1997. 364с.

36. Неусыпин К.А. Синтез интеллектуального измерительного комплекса. —1. М.:МПУ, 1998.-94с.

37. Неусыпин К.А., Логинова И.В. Вопросы теории и реализации интеллектуальных систем. — М.:МПУ, 1999. 202с.

38. Пупков К.А. О некоторых новых задачах теории и техники интеллектуальных систем // Вестник МГТУ им. Н.Э.Баумана. Сер. Приборостроение. 2000. - №1.-С.З-10.

39. Уткин Э.А., Кочеткова А.И. Управление персоналом в малом и среднембизнесе. М.: Акалис, 1996. - 207с.

40. Ивахненко А.Г., Мюллер Й.А. Самоорганизация прогнозирующих моделей.— Киев: Техника, 1985.-225с.

41. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложныхсистем. Киев: Наука, 1982.-296с.

42. Неусыпин К.А., Забелинский А.И. Некоторые аспекты теории организации и прогнозирования. М.: Сигналь МПУ, 2000. - 120с.

43. Ivaknenko A.G., Ivaknenko G.A. Problems of further development of the group method of data handing algorithms. Parti. // Pattern recognition and image analysis. 2002. - V. 10, №2.- P. 187-194.

44. Пупков K.A., Фалднн H.B., Егупов Н.Д. Методы синтеза оптимальных систем автоматического управления. -М.: Изд-во МГТУ им. Н.Э.Баумана, 2002.-5 Юс.

45. Демарк Т. Технический анализ — новая наука. М.: Диаграмма, 1997. -280с.

46. Neusipin К.А., Ке Fang. The new orientation of development in the field of intelligent systems // Proc. of 2003 Intelligent automation conference. Hong Kong(China), 2003. -P.30-34.

47. Jazwinski A.H. Stochastic processes and filtering theory. N.Y., 1970. - 376 p.

48. Головченко В.Б. Прогнозирование временных рядов по разнородной информации. Новосибирск: Наука, 1999. - 88с.

49. Головченко В.Б. Прогнозирование временного ряда по экспертным высказываниям // Изв. АН СССР. Техн. кибернетика. 1991. -№3. -С.47-51.

50. Головченко В.Б., Носков С.И. Комбинирование прогнозов с учётом экспертной информации // Автоматика и телемеханика. 1992. -№11. -С. 109-117.

51. Кендэлл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. - 736с.

52. Makridakis, Spyros G. Forecasting: Methods and applications. Santa Barbara:1. John Wiley, 1978.-713 p.

53. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. —1. М.:Мир, 1974.-286 с.

54. Кэ Фан.Модификация трендов Демарка методом самоорганизации // X VIII

55. Академические чтения по космонавтике: Сборник материалов. Москва,2004.-С.379.

56. Пупков К.А., Неусыпин К.А., Кэ Фан.Модификация трендов Демарка спомощью подхода самоорганизации // Автоматшация и современные технологии. 2004. -№1. - С. 10 -13.

57. Пупков К.А., Неусыпин К.А., Кэ Фан. Интеллектуальная система управления динамическим объектом // Авиакосмическая техника и технология. 2004. - № 1. - С. 20 - 28.

58. Пупков К.А., Неусыпин К.А., Кэ Фан. Интеллектуализация измерительного комплекса летательного аппарата // Изв. Вузов. Приборостроение. 2004. -Т. 47, №8. - С. 18 - 23.

59. Пупков К.А., Неусыпин К.А., Кэ Фан. Модификация интеллектуальной системы в условиях сенсорной депривации // Интеллектуальные системы: Труды шестого международного симпозиума. Москва, 2004. -С. 147.

60. Неусыпин К.А., Кэ Фан. Измерительный комплекс летательного аппаратас интеллектуальной компонентой // Электронные средства и системы управления: Сборник материалов международной научно-практической конференции. Томск, 2004. - С.255.

61. Кэ Фан. Разработка блока синтеза цели шггеллектуалыюй системы управления // X XIX академические чтения по космонавтике. Москва,2005.-С.387-388.

62. Пупков К.А., Неусыпин К.А., Кэ Фан, Алгоритмы управления интеллектуальной системы возвращающегося в атмосферу БЛА //XX IX академические чтения по космонавтике. -Москва, 2005. С.389 - 390.

63. Брайсон А., Хо Ю-ши^Прикладная теория оптимального управления: Пер. с англ./ Под ред. А.М.Летова. -М.: Мир, 1972. -544 с.

64. Лебедев А.А., Карабанов В.А. Динамика система управления беспилотных летательных аппаратов. -М.: Машиностроение, 1965.-528 с.

65. Лебедев А.А., Чернобровкин Л.С. Динамика полета. -М.: Машиностроение, 1973. -616 с.

66. Методы анализа, синтеза и оптимизации нестационарных систем автоматического управления / К.А.Пупков, Н.Д.Егупов, В.Г.Коньков и др.; Под ред. Н.Д.Егупова. -М.: Изд-во МГТУ им.Н.Э.Баумана, 1999. -683 с.

67. Моисеев Н.Н. Методы оптимизации. -М.: Наука,1978. -351 с.

68. Федосов Е.А. Динамическое проектирование систем управления автоматических маневренных летательных аппаратов. -М.: Машиностроение, 1997. -336 с.

69. Кузовков Н.Т., Сальчев О.С. Инерциальная навигация и оптимальная фильтрация. М.: Машиностроение, 1982. - 215с.

70. Статистическая динамика и оптимизация управления летательных аппаратов / А.А.Лебедев., В.Т.Бобронников., М.Н.Красилышков и др. — М.: Машиностроение, 1985. -280 с.

71. Пупков К.А., Егупов Н.Д., Гаврилов А.И. Методы робастного, нейро-нечетного и адаптивного управления / Под ред. К.А.Пупкова. — М.: МГТУ им. Н.Э.Баумана, 2002. -744 с.

72. Пупков К.А., Неусыпин К.А., Кэ Фан. Применение метода дифференциальной геометрии в задаче управления беспилотными летательными аппаратами // Сборник материалов XL научных чтений памяти К. Э. Циолковского. Москва, 2005. - С.72-73.

73. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления.

74. Санкт-Петербург: Профессия, 2004. -747 с.

75. Сейдж Э.П., Уайт Ч.С. Оптимальное управление системами: Пер. с англ.

76. Под ред. Б.Р.Левина. -М.: Радио и связь, 1982. —392 с.

77. Isidory A. Nonlinear control systems: An introduction. New York: Springer1. Verlag, 1985.-297c.

78. Краснощёченко В.И., Крищенко А.И. Нелинейные системы: Геометрические методы анализа и синтеза. — М.: Изд-во МГТУ им.Н.Э.Баумана, 2005. 519с.

79. Федосов Е.А., Инсаров В.В., Селивохин О.С. Системы управления конечными положением в условиях противодействия среды. -М.: Наука, 1989. -272 с.

80. Хитрик М.С., Федоров С.М. Динамика систем управления ракет с бортовыми цифровыми вычислительными машинами. -М.: Машиностроение, 1976. —292 с.

81. Пролетарский А.В. Разработка компонентов интеллектуальной системы управления движением // Интеллектуальные системы: Труды шестого международного симпозиума. — Москва, 2004. — С. 190-191.

82. Неусыпин К.А. Алгоритмические методы повышения точности навигационной системы: Дис. .д-р техн. наук. Москва, 1996. — 362с.

83. Бобров А.В. Направления совершенствования навигационной аппаратурылетательных аппаратов // Автоматизация н современные технологии. — 2000.-№7.-С. 29-34.

84. Бобров А.В. Использование каскадной фильтрации для повышения точности навигационного комплекса летательных аппаратов

85. Автоматизация и современные технологии. 2001. -№7. - С. 6 — 8.