автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование и визуализация динамических ситуаций при контроле посадки летательных аппаратов в морских условиях

00348В061

На правах рукописи

Калюжный Дмитрий Алексеевич

МОДЕЛИРОВАНИЕ И ВИЗУАЛИЗАЦИЯ ДИНАМИЧЕСКИХ СИТУАЦИЙ ПРИ КОНТРОЛЕ ПОСАДКИ ЛЕТАТЕЛЬНЫХ АППАРАТОВ В МОРСКИХ УСЛОВИЯХ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ (технические науки)

Автореферат диссертации на соискание ученой степени кандидата технических наук

- 3 ЛЕН 2009

Санкт-Петербург 2009

003486061

Работа выполнена в Санкт-Петербургском государственном морском техническом университете (СПбГМТУ)

Научный руководитель: заслуженный деятель науки РФ,

доктор технических наук, профессор Нечаев Ю.И.

Официальные оппоненты:

доктор технических наук, профессор Геппенер В.В.

заслуженный деятель науки РФ, доктор технических наук,

профессор Шауб П.А.

Ведущая организация: Санкт-Петербургский Государственный университет.

Защита состоится «23» ^¿С-о/р^ 2009г. в '/7 . 0 О_

на заседании совета по защите докторских и кандидатских диссертаций Д 212.238.01 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного электротехнического университета «ЛЭТИ».

Отзыв на автореферат в двух экземплярах, с подписями, заверенными гербовой печатью, просим направлять в адрес диссертационного совета.

Автореферат разослан «_(_£_» 1—й о£р _2009г.

J ^Пантелеев М.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. В диссертационной работе рассматриваются вопросы моделирования и визуализации одной из сложных динамических ситуаций, связанных с контролем поведения системы «Летательный аппарат - Плавучий динамический объект» в морских условиях. Посадка летательных аппаратов (ЛА) в сложных гидрометеорологических условиях - одна из сложных операций пилотирования. Эта операция осуществляется на посадочные площадки плавучих динамических объектов (ДО), а также на суда и плавучие технические средства освоения океана, оборудованные вертолетной площадкой. Опыт морской посадки ЛА насчитывает уже более 50 лет. За эти годы отработана техника пилотирования при выполнении операций вертикальной и горизонтальной посадки, постоянно совершенствуется теоретическая база динамики полета, созданы системы безопасности при автоматической и полуавтоматической посадке в сложных условиях.

Разработка системы посадки ЛА на плавучие технические средства освоения океана представляет сложную комплексную проблему, которая заключается в учете всего многообразия задач оценки поведения ДО и ЛА при взаимодействии с внешней средой. Недостатки существующих способов прогнозирования поведения посадочной площадки снижают эффективность использования судовой авиации в сложной гидрометеорологической обстановке и нередко приводят к тяжелым авариям. Анализ аварий свидетельствует о просчетах и ошибочных действиях пилотов и лиц, принимающих решения в экстремальных ситуациях во время взлетно-посадочных операций, вследствие острого дефицита времени. Для реализации принципов обработки информации при посадке ЛА морского базирования необходимо выполнить следующие условия:

• разработать динамическую базу знаний контроля посадки ЛА в режиме реального времени;

• выделить структуры, методы и модели, описывающие поведение системы «ЛА - ДО» в условиях сложного гидроаэродинамического взаимодействия;

• разработать адаптивные алгоритмы контроля посадки ЛА и установить закономерности между особенностями исследуемых процессов и поведением ДО при различной интенсивности внешних возмущений.

Диссертация посвящена реализации идей совершенствования методов контроля и прогноза при посадке ЛА в морских условиях на основе патента научного руководителя, позволяющего построить алгоритм

обработки измерительной информации, обеспечивающий выделение области колебательного движения ДО - «окна безопасной посадки» и значительно расширить интервал упреждения при прогнозировании этой сложной операции.

Целью работы является разработка и исследование модели динамической базы знаний, обеспечивающей обработку данных измерений при контроле посадки ЛА в морских условиях при неопределенности и неполноте исходной информации. Для достижения этих целей в диссертации решались следующие основные задачи:

• разработка и обоснование модели динамической базы знаний на основе концепции «Окна безопасной посадки»;

• разработка алгоритмов функционирования динамической базы знаний при обработке информации при посадке ЛА в морских условиях и программного комплекса, их реализующего;

• моделирование и визуализация динамики взаимодействия системы «ЛА - ДО» с внешней средой при различном уровне внешних возмущений.

Методы исследования. Для решения поставленных задач в работе были использованы системный анализ, методы математического моделирования, методы вычислительной математики, теория вероятностей и математической статистики, теория графов, аппарат линейной алгебры, теория нейронных сетей, а также методы искусственного интеллекта и прикладного программирования.

Объект исследования. Объектом исследования являются ситуации, определяющие сложное гидроаэродинамическое взаимодействие системы «ЛА - ДО» при принятии решений по обеспечению безопасности посадки ЛА в морских условиях.

Научную новизну работы составляют:

• модель динамической базы знаний посадки ЛА в морских условиях, разработанная в рамках принципа конкуренции на основе концепции «окна безопасной посадки»;

• методы и алгоритмы обработки измерительной информации при контроле поведения ЛА и ДО на основе конкурирующих вычислительных технологий;

• моделирование динамики системы «ЛА - ДО» на основе новых представлений о динамике ветроволновых режимов с использованием концепции «климатических спектров», а также математической модели колебательного движения ДО, включающей нелинейную функцию продольного восстанавливающего момента, учитывающую развал бортов в оконечностях ДО.

Практическая ценность работы заключается й следующем:

• разработана модель динамической базы знаний и алгоритмы анализа измерительной информации при оценке поведения системы «ЛА - ДО» в сложных ситуациях;

• разработан программный комплекс, обеспечивающий решение задач моделирования и визуализации при функционировании системы «ЛА - ДО».

Практическая значимость диссертационного исследования обеспечена прикладной направленностью и созданием конкретных методов, алгоритмов и программных средств в системах интеллектуальной поддержки оператора бортовой ИС контроля поведения системы «ЛА - ДО» в сложных ситуациях.

Научные положения, выносимые на защиту

1. Концептуальная модель поддержки принятия решений при контроле поведения системы «ЛА - ДО», интегрирующая знания предметной области в рамках принципов обработки информации в мультипроцессорной вычислительной среде.

2. Методы и алгоритмы анализа сложных ситуаций при различном уровне внешних возмущений, определяющих поведение системы «ЛА - ДО» в рамках представления «Окна безопасной посадки».

3. Модель взаимодействия ДО с внешней средой, построенная на основе нового представления о динамике ветроволновых возмущений на основе концепции «Климатического спектра» морского волнения и математических моделей, включающих нелинейные функции восстанавливающего момента при продольной и бортовой качке ДО на волнении.

4. Программный комплекс поддержки принятия решений при анализе и прогнозе сложных ситуаций, определяющих гидроаэродинамическое взаимодействие системы «ЛА - ДО».

Достоверность научных результатов и выводов подтверждаются строгостью доказательства утверждений и наложенных ограничений, обоснованностью применения математического аппарата, оценкой адекватности математических моделей, результатами тестирования алгоритмов и программного обеспечения.

Внедрение результатов работы

Разработанные методы, алгоритмы и программные средства внедрены в ФГУП «Адмиралтейские верфи» для реализации при разработке новых типов судов и используются в учебном процессе СПбГМТУ при проведении лабораторных и курсовых работ по курсу «Инженерия знаний» в рамках магистерской подготовки студентов

специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем».

Апробация работы

Основные результаты работы докладывались и обсуждались на национальных и международных научно-технических конференциях:

1. Международная конференция МОРИНТЕХ'2008, Санкт-Петербург, 2008;

2. Международная конференция по мягким вычислениям и измерениям 8СМ-2006, Санкт-Петербург, 2006;

3. Международная конференция по мягким вычислениям и измерениям 8СМ-2007, Санкт-Петербург, 2007;

4. Международная конференция по мягким вычислениям и измерениям БСМ-2008, Санкт-Петербург, 2008;

5. Национальная конференция «Управление и информационные технологии» УИТ-2008, Санкт-Петербург, 2008;

6. Национальная конференция «Научное программное обеспечение в образовании и научных исследованиях», Санкт-Петербург, 2008;

7. Всероссийская научно-методическая конференции «Телематика-2008», Санкт-Петербург, 2008;

8. Всероссийская научно-методическая конференции «Телематика-2009», Санкт-Петербург, 2009.

Публикации. По теме диссертации опубликовано 16 работ, из них - 8 статей (5 статей опубликовано в ведущих рецензируемых научных журналах и изданиях, определенных ВАК), а также 8 работ и докладов в трудах международных и всероссийских конференций.

Объем и структура работы

Работа состоит из введения, четырех глав, заключения и двух приложений. Объем - 186 страниц, в том числе 71 рисунок, 15 таблиц. Список литературы включает 285 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации.

Первая глава содержит анализ состояния и перспективы развития проблемы пилотирования ЛА морского базирования. Основное внимание уделяется перспективным тенденциям использования быстродействующих вычислительных средств и интеллектуальных технологий при реализации концепции мягких вычислений при контроле поведения системы «Внешняя среда - ДО - ЛА». Глава также содержит аналитический обзор состояния вопроса, формулировку целей и задач исследования и общую характеристику диссертационной работы.

Вторая глава посвящена разработке концептуальной модели построения системы интеллектуальной поддержки оператора (руководитель посадки, пилот) бортовой ИС, функционирующей на основе данных динамических измерений, формализованной системы знаний и методов математического моделирования. Концептуальная модель предусматривает применение современных высокопроизводительных средств обработки информации в рамках концепции мягких вычислений. Алгоритмы и программное обеспечение системы реализованы с использованием принципа конкуренции, предполагающего генерацию альтернатив и выбор предпочтительной вычислительной технологии с учетом методов традиционной математики, нечетких и нейросетевых моделей.

Одной из центральных проблем использования методов ИИ в системе интеллектуальной поддержки является формирование инвариантного ядра системы, включающего в себя предметную область, базу знаний и базу данных. Для создания этой совокупности формируется концептуальная модель системы. В функциональном аспекте эта модель включает следующие компоненты:

<8(10, Э(М), в(ЛЛ0, Рь Тр ,А, X, У> (1)

где 8(Р)={5рь...,8рк} - совокупность функциональных подсистем интеллектуальной поддержки; Б(М) - структурная схема системы, включающая множество 8е1(8(М))=5={8ь...,8к} элементов 8,е8 и имеющая собственную организацию Ог§(Бм); 8(\\0 - условия формирования целостной системы (цели функционирования, принципы и алгоритмы управления, качество результата решения задачи и эффективность); Рр

- множество функциональных параметров; Тр - множество моментов времени, инвариантных объектам моделирования, уровню их организации и предметной области; А: Х-»У - оператор, определяющий процесс интерактивного взаимодействия «Руководитель посадки - Пилот

- ИС» при функционировании системы Б(Р); х = Х,(/' = 1 ,п) и

у = У,(; = йт) - вектор-множество входных и выходных данных. Реализация концептуальной модели ИС, представлена на рис. 1.

Измерительная аппаратура

Датчики параметров взаимодействия

Датчики ветрового потока

Датчики волнового ПОЛЯ

->s

Блок обработки измерительной информации

Накопление и обработка статистики окна безопасной посадки

Характеристики динамики объекта и внешней среды

Характеристики ветро*волновых возмущений

Оптимальный .Ж фильтр Калмана —у

Уравнения предсказания

Интегрированная интеллектуальная система

Ж

Руководитель посадки

Ж

Рис. 1. Поток информации о состоянии внешней среды и поведении ДО на волнении

Цепочка преобразования исходных данных на рис.1 обеспечивает диагностику текущего состояния объекта управления, распознавание и классификацию ситуации, поиск управляющего решения и выдачу команд пилоту и руководителю посадки.

Одной из важных характеристик, исследуемых при обработке измерительной информации, является определение «окна безопасной посадки» - Windows of Safety Landing (WSL). Использование понятия WSL позволяет выделять области незначительной качки и использовать эту информацию при проведении операций морской посадки JIA. Анализ процессов колебательного движения ДО осуществляется при различном характере внешних возмущений.

При незначительной качке ДО, не превышающей допустимых значений амплитуд временной интервал tWSb характеризующий «окно безопасной посадки», имеет большую протяженность и достаточен для реализации операции посадки twsl>t*, где т*- допустимое значение интервала. Принятие решений по управлению операцией посадки исходя из поведения ДО в этих условиях реализовано на основе стандартного алгоритма краткосрочного прогноза. В случае сильной качки используются алгоритмы долгосрочного и краткосрочного прогноза. Воздействие экстремального волнения приводит к сужению «окна безопасной посадки» и ужесточению требований к ее реализации.

Общая структура исходной информации при разработке базы знаний формируется на основе семантической сети, с помощью которой дается описание рассматриваемых ситуаций интеллектуальной поддержки оператора и методов их решения. Исходная информация характеризуется вектором:

X = XAuXKuXs

(2)

где ХА - общие данные о текущей ситуации, Хк - результаты, установленные на основе ее анализа, Х5 - данные специфичные для каждой ситуации и результатов ее анализа. Эти данные поступают на вход логической системы, осуществляющей процедуру вывода.

Динамическая база знаний включает в себя алгоритмы обработки информации в виде последовательности логических заключений с использованием встроенных процедур на основе данных измерений о поведении ДО и ЛА. Основные понятия и описания исследуемой предметной области и логическая последовательность действий характеризуют модель предметной области:

ммсоддешм. (3)

Здесь 8=8;(8), (1=1,...,ш) - множество ситуаций; 0(8)=0/8), 0=1,...,п) - множество данных, сформированных по ситуациям из множества 8 в виде узлов сети; С = С* (к=1,...,К) - множество процессов, определяющих модели логического вывода; г - временной фактор. На рис.2 изображен пример нечеткой системы с 2-мя входами (X, У), одним выходом и двумя правилами.

А,

в,

.....

А2

&

, -У-

У

УУ, f1 + УУ2 fг

\»2 12 = Р2х +дгу +гг = IV, Г, + щ 12

Рис. 2. Система нечеткого вывода на основе модели Сугено

Нечеткое управление посадкой ЛА реализуется с помощью 6-ти отдельных (формальных) систем нечеткого вывода, отвечающих за следующие параметры: скорость полета; высота полета; тангаж; траектория полета; курс; крен. Каждая формальная система включает 9-25 нечетких правил и представляет собой модель нечеткого вывода с импликацией Сугено с 2-мя входами, одним выходом. На рис.2 изображен пример нечеткой системы с 2-мя входами (X, У), одним выходом и двумя правилами.

Объединенные модели нечеткого вывода представляют собой интегрированную систему нечеткого управления посадкой ЛА в морских условиях. На рис.3 изображен поток информации при осуществлении нечеткого управления посадкой ЛА.

Параметры движения корабля Модель глиссады Управление скоростью Тяга/тормоз

Управление высотой Управление тангажем Рули высоты

Параметры движения ЛА -» Управление траекторией *- Управление курсом Рули направления

Управление креном Элероны

Система нечеткого управления

Рис. 3. Поток информации при управлении посадкой ЛА в морских условиях

Вывод решения на основе формальной модели М|(1=1,...,п) поддерживается правилами нечеткого вывода со структурой Х*»(Х—где X* и X - нечеткие множества, описывающие состояние проблемной области (между X* и X определено нечеткое отношение сходства); У -нечеткое множество допустимых воздействий; • - операция, определяющая композиции нечетких множеств. Система нечеткого вывода представлена в виде нейро-нечеткой сети (рис.4).

Рис. 4. Многослойная нейронная сеть, реализующая механизм нечеткого вывода

Первый слой обеспечивает фаззификацию входных сигналов и содержит функции принадлежности. В данном случае каждому входному сигналу соответствует по 2 функции принадлежности: А; и А2 для X, В[ и Вг для Н. Второй слой осуществляет умножение входных параметров с целью реализации операции AND (wI=p.Ai(x)xp.Bl(y),i=] ,2). Третий слой вычисляет отношение веса заданного правила к сумме весов всех правил w, = wi /(w, + w2), / = 1,2 . В четвертом слое вычис-

ляются выходы для каждого правила fi=pix+qiy+ri. Пятый слой вычисляет общий выход системы как сумму сигналов.

В приведенной нейронной сети ANFIS (Adaptive-Network-Based Fuzzy Inference System) узлы, обозначенные кружками, являются фиксированными, а узлы в виде квадратиков - адаптируемыми. Представляя систему нечеткого управления JIA таким образом, можно получить интегрированную нейронную сеть, функции которой зависят от текущей ситуации и решаемой задачи. Наиболее сложную функцию реализуют адаптивные узлы с параметрами, изменяющимися в процессе обучения. Более простая функция характерна для постоянных узлов, параметры которых сохраняются неизменными в процессе обучения.

Оценка опасности ситуации заключается в проверке условий, сформулированных в моделях нечеткой логической системы, которые связаны с анализом значений параметров и их изменений:

P*R ± £ —» Si, dP/dt*R ± £ S„

(4)

где Sj - идентифицируемая ситуация; Р - значение параметра; R - величина, с которой сравнивается значение Р; * - предикатный символ (=,< >,>,>,<,<); £ - допустимая ошибка рассогласования; dp/dt - изменение параметра за время dt. Функционирование нейронечеткой системы реализует схема на рис.5.

Блок сравнения

ЗЕ

Блок анализа ситуации

ж.

Блок адаптации

J

Матрица логических правил

I

Блок нейросетевых моделей

Руководитель посадки, пилот

Вычислительный блок

Измерительный блок

Рис.5. Концепция посадки JIA в морских условиях 11

Такая модель представляет собой систему, реализуемую с помощью блока анализа ситуации на основе методов классической математики и блока адаптации в виде матрицы логических правил и блока нейросе-тевых моделей. Блок адаптации формирует управляющие воздействия, изменяющие правые части матрицы лингвистических правил. Процедура адаптации заключается в корректировке нужного правила из матрицы нечетких логических правил.

Для обеспечения адаптивности системы в условиях многорежимно-сти используются несколько матриц логических правил. Адаптация нечетких логических правил заключается в выборе подходящей модели из ансамбля матриц логических правил (или ансамбля нейросете-вых моделей), соответствующих различным режимам движения системы «ЛА - ДО».

Более сложная структура многорежимной системы принятия решений по управлению посадкой ЛА в морских условиях содержит адаптивный блок, реализуемый на основе концепции «мягких вычислений» и осуществляющий контроль текущей ситуации на основе методов идентификации, нечеткой адаптивной модели и нейросетевых ансамблей. Как показал анализ, разработанная система эффективна при достаточно сильной неопределенности, когда не полностью известно число возможных структур модели взаимодействия. Алгоритм функционирования нечеткой адаптивной модели состоит в выполнении последовательности шагов, определяющих анализ входной информации. Таким образом, осуществляется динамическая самоорганизация нечеткой системы знаний за счет «наращивания» новых и модификации наиболее «схожих» правил.

В особо сложных ситуациях, когда система испытывает затруднения, может быть осуществлен логический вывод по прецеденту с соответствующей реализацией динамической картины взаимодействия. Обобщенная модель вывода по прецедентам реализуется в следующем виде:

<5РВ, М(\У), М(Ш,У), МР0>, (5)

где Эрв - система нейросетевого представления базы прецедентов;

- модель нечеткого вывода по прецедентам; - ком-

плексная модель нечеткого вывода для совокупности исследуемых процессов; Мро - модель анализа альтернатив и формирователя решений.

Для получения полной картины проведения операции посадки ЛА в морских условиях производится всесторонний анализ решений, свя-

занных с риском. В процессе анализа рисков используется формальная структура, получившая название матрицы риска. Такая интерпретация риска представляет собой зависимость частоты возникновения опасностей Р от уровня последствий А. При построении матрицы риска устанавливается обобщенный уровень риска R как произведение вероятности возникновения опасности Р на последствие А от воздействия указанной опасности на исследуемое событие.

Третья глава посвящена разработке и интерпретации математических моделей, описывающих сложное нелинейное взаимодействие в системе «JIA - ДО». Разработанный подход определяет формализацию задачи моделирования на основе принципа конкуренции в рамках концепции мягких вычислений. Интегрированная математическая модель, описывающая динамику взаимодействия, предусматривает исследование поведения системы «ЛА - ДО» с использованием нового подхода к описанию ветроволновых полей и восстанавливающих компонент дифференциальных уравнений.

Моделирование динамики внешней среды - одна из важных задач, решаемых при разработке встроенных процедур и алгоритмов взаимодействия ДО с внешней средой при построении базы знаний ИС. Современный подход к решению этой задачи требует использования новых представлений о динамике ветроволновых полей на основе концепции «климатических спектров» морского волнения, принятой на 18 Ассамблее Межправительственной Морской Организации (Intergovernment Marine Organization - IMO) в 1993 году вместе с понятием «волновой климат». С помощью этих понятий открываются возможности более детального, по сравнению с существующей практикой, описания особенностей волновой погоды в конкретных районах океана.

В рамках концепции «климатических спектров» морское волнение рассматривается как вероятностный геофизический процесс мелкомасштабного диапазона изменчивости с характерными временными и пространственными масштабами. Гидродинамическая модель волнения в спектральной форме представляется как уравнение баланса волновой энергии:

Ж , cN . cN ь ¿N; cN b cN . _ (6)

— + — <p+—в +—k +—fi + —CJ-G V4J

dq> дв ck 8ji дел

Здесь N - спектральная плотность волнения, которая является функцией от широты <р, долготы G, волнового числа к и угла р между направлением волнового вектора и параллелью, а также от частоты со и

времени 1 Уравнение (6) связывает между собой явления притока энергии от ветра, диссипации и ее перераспределения и нелинейного взаимодействия между частотными составляющими процесса волнения. Функция источника в записывается в виде суммы трех компонент (7 - С1п + Сп1 + С ¿г' поступления энергии от ветра к волнам, нелинейного взаимодействия в спектре ветрового волнения и диссипации волновой энергии.

Типичными нормированными спектрами морского волнения, определенными в рамках концепции «климатических спектров», являются зыбь, ветровое волнение, смешанное волнение с разделением систем и преобладанием зыби, смешанное волнение с разделением систем и преобладанием ветрового волнения, смешанное волнение без разделения систем с преобладанием зыби и ветрового волнения. Реализация концепции «климатических спектров» в задачах контроля и прогнозирования динамики системы «ЛА - ДО» позволила разработать сценарии развития шторма и получить реалистические картины взаимодействия исследуемых ДО при различном уровне внешних возмущений.

В качестве стандартной модели взаимодействия используется расширенная система дифференциальных уравнений, описывающих поведение ДО на волнении с помощью уравнений бортовой и продольной (килевой и вертикальной) качки:

Ух+Цее)9"+ Мк(6') + М(9,<р,1) = Мх(0;

+ ЦззКо" + + + Цззх,у" +

+ (у^-УоЦзз)^' + (рбБ/ -УоУ^у щ (х,хД); (7)

(Зу + Ц55)Ч>" + + (Уо^К^/ + М(у) + йззХ,Сс"+

+ + УоЦззКо' + (Рё§/ + Уо^д^с =

где (Лх+Це9)е", Мя(0'), М(0,<р,О, Мх0) - инерционная, демпфирующая, восстанавливающая и возмущающая компоненты; Ру/г; (ХДД) и М\уч,(х,хД) - возмущающие сила и момент волновой природы, рассчитываемые посредством интегрирования по длине корабля и с учетом возвышения водной поверхности над уровнем моря ^(х,у,1). Все уравнения в (7) записаны в абсолютной системе координат, что характерно для задачи обеспечения безопасной посадки. Коэффициенты демпфирования, собственные частоты и коэффициенты связи вычис-

ляются согласно стандартным методикам, для моментов инерции и присоединенных масс используются приближенные формулы. Функция М(6,фД) определяет общий случай изменения восстанавливающего момента ДО относительно волны. В частном случае, при положении лагом к волнению, влияние нелинейности восстанавливающего момента учитывается с помощью кубической параболы.

При произвольном положении ДО относительно волны восстанавливающий момент М(0,фД) определяется сложной нелинейной пространственной функцией, полученной на основе статистической обработки результатов физического эксперимента. Полученная аппроксимация позволяет вычислять текущие значения функции М(0,фД) в широком диапазоне углов крена 0 и курса ср в условиях сложного нелинейного взаимодействия ДО с внешней средой на нерегулярном волнении, заданном соответствующей конфигурацией «климатического спектра». С учетом функции М(0,срД) дифференциальное уравнение бортовой качки в модели (7) может быть описано с помощью модифицированного уравнения Матье, удобного при исследовании нелинейных динамических систем.

Нелинейная функция, описывающая восстанавливающий момент на продольном волнении, определяется с учетом влияния развала бортов в оконечностях ДО. Общий вид этой функции имеет вид М0Р)=ОН0Р+ЙК3), где угол 1Р ограничен входом верхней кромки палубы в оконечностях ДО. Так, что уравнение килевой качки, входящее в модель (7) с учетом используемой функции восстанавливающего момента, приводится к обобщенной форме уравнения Дуффинга.

При моделировании задачи обеспечения безопасной посадки ЛА с использованием методов планирования эксперимента основное внимание уделялось выделению «окна безопасной посадки», контролю движения ЛА по глиссаде, оценке интервалов прогноза посадки ЛА в морских условиях, а также использованию фильтра Калмана при оценке характеристик системы «ЛА - ДО». Анализ выполнен в рамках принципа конкуренции применительно к горизонтальной посадке ЛА и посадке вертолета в морских условиях. Интерпретация результатов моделирования сопровождалась визуализацией динамических картин взаимодействия (рис.6).

Рис.6. Динамические картины захода на посадку и касания ЛА полетной палубы в морских условиях

Для определения интервала времени безопасной посадки использовались два алгоритма, реализующие долгосрочный и краткосрочный' прогноз. Долгосрочный прогноз обеспечивает определение момента наступления «окна безопасной посадки» ^ и его продолжительность ТБП. Краткосрочный прогноз устанавливает время подачи сигнала к посадке ^ так, чтобы ЛА достиг полетной палубы (посадочной площадки) в момент времени ^ при наиболее благоприятных условиях (в случае вертикальной качки скорость перемещений точки касания палубы была бы положительна и мала). Процедура краткосрочного прогноза функционирует только в рамках «окна безопасной посадки» и реализуется с использованием стандартных алгоритмов (рис.7).

п,рад

0.040,020-0.02-0.04-

50.00 70.00 90 00 110 00 130.00 150.00 170.00 г, с.

Рис.7. Результаты прогноза килевой качки на основе фильтра Калмана

Момент наступления «окна безопасной посадки» считается нулевым отсчетом времени, относительно которого определяются величины ^ и 1)аГ1Й. Метод долгосрочного прогноза основан на вероятностной аппроксимации огибающей колебательного движения ДО. Правило осуществления прогноза «окна безопасной посадки» иллюстрирует рис.8, на котором кривыми 1 и 2 обозначены верхняя и нижняя границы прогноза, а Э*,^*,^* - предельные значения характеристик качки.

Рис.8. Правило осуществления прогноза «окна безопасной посадки» Метод краткосрочного прогноза базируется на аппроксимации вертикальных колебаний ДО тригонометрическим полиномом и экстраполяции моментов времени, наиболее благоприятных для проведения операции посадки. Исходными данными для процедуры краткосрочного прогноза ЛА при вертикальной посадке являются: высота зависания вертолета над уровнем моря Н; скорость снижения вертолета при посадке V; длина «окна безопасной посадки» т^ь цифровая запись вертикальных колебаний корабля {С} с дискретизацией А.

Сравнительные данные моделирования интервала «окна безопасной посадки» (сек.) на основе стандартного алгоритма и ИНС приведены в табл. 1. Здесь данные в числителе относятся к интенсивности волнения 7 баллов, а в знаменателе - 8 баллов.

Таблица 1. Результаты прогноза «окна безопасной посадки»

Виды Стандартный инс-

качки ДО алгоритм алгоритм

Бортовая качка 34/23 33/25

Килевая качка 25/16 23/18

Вертикальная качка 28/17 27/15

Из табл.1 видно, что прогноз, реализуемый ИНС во всех случаях дает менее «оптимистичные» результаты по сравнению с данными стандартного алгоритма. Таким образом, концепция «окна безопасной посадки» особенно актуальна при интенсивных колебаниях ДО, вызванных значительными внешними возмущениями в экстремальных ситуациях.

Моделирование динамики системы «ЛА - ДО» осуществлялось в рамках принципа конкуренции с использованием фильтра Калмана и

нейросетевых моделей. Функционирование фильтра Калмана обеспечивалось на основе данных о ДО и системе измерения. Математическая модель, описывающая динамику ДО в пространстве состояний, имеет вид:

о о в1У

А = о Ап ВтСР ; в = ад.

$рС^ 0 Ар 0

;С = [0 См 0], (8)

где А\у, В\у, Cw, Ам, Вм, См, Ар, Вр, Ср, матрицы, представляющие соответственно модели волнения, возмущающих сил и непосредственно продольной качки ДО.

Разработанный программный комплекс обеспечивает анализ информации о функционировании системы «ЛА - ДО» в рамках принципа конкуренции. Компьютерная программа позволяет определять и прогнозировать координаты вектора состояния с заданным периодом дискретизации и упреждением. Шумовые последовательности, воздействующие на векторы состояния и измерений, генерируются с помощью специальных подпрограмм. Возмущения типа «белый шум» имеют нулевые средние и дисперсии, варьируемые в процессе вычислительного эксперимента. Одновременно с' фильтром Калмана программа предусматривает оценку и прогноз координат вектора состояния с использованием нейросетевых технологий. В процессе анализа текущие оценки исследуемых параметров на каждом шаге итерации для рассматриваемых вычислительных технологий сравнивались с истинными (номинальными) значениями параметров матриц состояния. При достижении установленного значения числа итераций фиксировались текущие оценки искомых параметров и их среднеквадратиче-ские отклонения от номинальных.

Результаты сравнительной оценки алгоритмов, использующих фильтр Калмана и ИНС представлены в табл.2, где содержатся выборочные данные оценки (1) и прогноза (2) для килевой (\|/) и вертикальной (О качки. Истинные (номинальные) значения параметров матриц состояния принимались в качестве «образца». С этими данными сравнивались результаты, полученные на выходе ИНС и установленные после оценки и прогноза параметров на основе математической модели (8) и алгоритма фильтра Калмана. В таблице приведены значения среднеквадратических отклонений.

Таблица 2. Результаты моделирования

Вычислительные технологии Е, 5' ' ........ ¡1

(1) (2) О) (2)

Стандартный алгоритм 0,058 0,127 0,088 0,141

Нейросетевой алгоритм 0,063 0,131 0,079 0,148

Анализ полученных данных показал, что рассматриваемые вычислительные технологии приводят к практически одинаковому качественному результату. В частности, сходимость данных в оценке и прогнозе параметров существенно зависят от априорных данных начального значения вектора состояния контролируемой системы при фиксированном числе итераций.

Одна из практически важных задач при создании ИС контроля посадки ЛА в морских условиях связана с разработкой методов оценки риска, позволяющих в процессе разработки ИС принять решение о безопасности ДО и оценить возможные сценарии развития ситуаций морской посадки. В отличие от традиционных моделей оценки рисков, в работе рассмотрен подход, связанный с введением новых знаний о климатических спектрах волнения и понятии шторма как пространственно-временного волнового поля. Рассмотрены ситуации, связанные с учетом этих особенностей на перераспределение вероятности риска: качка ДО на смешанном волнении с разделенными системами волн и развитие шторма различной интенсивности. Результаты исследования свидетельствуют о том, что не учет новой информации о динамике внешней среды может приводить к значительной ошибке в оценке риска, причем эта ошибка часто будет в опасную сторону. Анализ различных сценариев штормов показал, что форма усиления и затухания шторма очень важна при оценке риска в задачах морской посадки.

Оценка адекватности используемых математических моделей выполнялась с использованием данных натурного эксперимента. Процедура валидации реализована на основе метода Балчи. Эксперименты с математической моделью динамики системы «ЛА - ДО», описывающей взаимосвязь существенных факторов, проведены путем последовательного статистического анализа. В заключительной части главы содержится оценка надежности принимаемых решений с использованием матрицы риска.

Четвертая глава диссертации содержит описание программного комплекса моделирования и визуализации динамики системы «ЛА -ДО». Содержательная часть этой главы посвящена разработке про-

граммных модулей, обеспечивающих контроль взаимодействия в системе «JIA - ДО» на основе конкурирующих вычислительных технологий, представленных традиционными, нечеткими и нейросетевыми моделями, а также модуля, реализующего анализ альтернатив и приятие решений.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Сформулированы теоретические принципы и концепция создания системы интеллектуальной поддержки принятия решений по обеспечению безопасности посадки JIA морского базирования. Разработана математическая модель взаимодействия, учитывающая реальную структуру волнового поля с использованием концепции «климатических спектров». Откорректировано уравнение килевой качки в задаче горизонтального взлета-посадки (модифицированное уравнение Дуф-финга) с учетом нелинейной функции продольного восстанавливающего момента. Откорректировано уравнение бортовой качки за счет включения нелинейной пространственной функции восстанавливающего момента, играющей определяющую роль при посадке вертолетов в морских условиях.

2. Разработаны алгоритмы обработки информации при контроле операций посадки в морских условиях. Сформулирован общий подход и разработаны теоретические аспекты математического моделирования динамики взаимодействия в системе «JIA - ДО» с использованием конкурирующих вычислительных технологий. Математическое обеспечение системы интеллектуальной поддержки позволяет реализовать эффективные алгоритмы анализа практических задач анализа и прогноза поведения JIA и ДО в рамках концепции мягких вычислений (Soft Computing). В результате открываются возможности анализа и интерпретации информации на основе «Принципа конкуренции», позволяющего выбирать предпочтительную вычислительную технологию в зависимости от особенностей ситуации. При этом основное внимание уделяется использованию алгоритма, построенного на основе нелинейного фильтра Калмана и нейронечетких технологий.

3. Проведено математическое моделирование и визуализация типичных задач анализа и прогноза сложных ситуаций в рамках концепции «Окна безопасной посадки». Оценка адекватности разработанных математических моделей и алгоритмов их реализации осуществлена с использованием схемы Балчи и результатов физического эксперимента.

4. Разработан программный комплекс моделирования и визуализации динамических ситуаций при проведении операции морской посадки. Определена функция выбора, на основе которой получены оценки эффективности принимаемых решений.

Опубликованные научные работы по теме диссертации в изданиях, определенных ВАК:

1. Калюжный Д.А. Инструментальное средство моделирование динамики корабля при обеспечении безопасности посадки летательных аппаратов в морских условиях [Текст] / Калюжный Д.А., Нечаев Ю.И.//Морской вестник. №4 (7) - 2007. - с.37 - 40.

2. Калюжный Д.А. Анализ и прогноз ситуации при выборе условий безопасной посадки летательных аппаратов корабельного базирования [Текст] / Калюжный Д.А., Нечаев Ю.И., Петров О.Н.// Информационно-измерительные и управляющие системы. №9. - 2008. - с.65 - 72.

3. Калюжный Д.А. Интерфейс «Оператор - ИС» в системе корабельной посадки [Текст] // Информационно-измерительные и управляющие системы. №8. Т.6. - 2008. - с.57 - 64.

4. Калюжный Д.А. Нейронечеткий контроль динамики летательного аппарата при посадке в морских условиях [Текст] / Калюжный Д.А., Нечаев Ю.И.// Информационно-измерительные и управляющие системы. №2. Т.7. - 2009. - с.34 - 40.

5. Калюжный Д.А. Структура базы знаний интеллектуальной системы корабельной посадки летательных аппаратов [Текст] / Калюжный Д.А., Нечаев Ю.И. // Информационно-измерительные и управляющие системы. №2. т.7. 2009, с.67- 72.

В других изданиях:

6. Калюжный Д.А. Анализ и прогноз ситуации при выборе условий безопасной посадки летательных аппаратов корабельного базирования [Текст] / Калюжный Д.А., Нечаев Ю.И., Петров О.Н. // Бортовые интеллектуальные системы. Ч.З. Системы корабельной посадки летательных аппаратов. - М.: Радиотехника. — 2008. - с.65 - 72.

7. Калюжный Д.А. Интерфейс «Оператор - ИС» в системе корабельной посадки [Текст] // Бортовые интеллектуальные системы. Ч.З. Системы корабельной посадки летательных аппаратов. - М.: Радиотехника. - с.57 - 64.

8. Нечаев Ю.И. Контроль и визуализация динамических сцен при посадке летательных аппаратов морского базирования [Текст] / Нечаев Ю.И., Калюжный Д.А. // Сборник докладов Международной конференции по мягким вычислениям и измерениям 8СМ-2006. - Санкт-Петербург. - 2006. т.2. - с.54 - 57.

9. Нечаев Ю.И. Neuro-Fuzzy модели контроля динамики летательного аппарата в морских условиях [Текст] / Нечаев Ю.И., Калюжный Д.А. // Сборник Докладов на X Международной конференции по мягким вычислениям и измерениям SCM-2007. - Санкт-Петербург. - 2007. т.2.-с.297-301.

Ю.Калюжный Д.А. Программный комплекс контроля характеристик сложного динамического объекта с использованием нейросетевых технологий [Текст] / Калюжный Д.А., Нечаев Ю.И. // Труды научно-технической конференции «Научное программное обеспечение в образовании и научных исследованиях». - Санкт-Петербург: Изд-во политехнического университета - 2008, - с. 190 - 194.

Н.Калюжный Д.А. Алгоритмы посадки летательных аппаратов корабельного базирования [Текст] / Калюжный Д.А., Нечаев Ю.И. // Материалы 7-й общероссийский конференции и выставки по морским интеллектуальным технологиям «МОРИНТЕХ-2008». Санкт-Петербург. - 2008. - с.70 - 73.

12. Калюжный Д.A. Neuro-Fuzzy реализация фильтра Калмана в системах контроля посадки летательных аппаратов морского базирования [Текст] / Калюжный Д.А., Нечаев Ю.И.// Труды XV Всероссийской научно-методической конференции «Телематика-2008». - Санкт-Петербург. Т. 1. - с.91 - 92.

13. Нечаев Ю.И. Нечеткая интерпретация 'фильтра Калмана при контроле посадки летательного аппарата морского базирования [Текст] / Нечаев Ю.И., Калюжный Д.А. // Сборник докладов XI Международной конференции по мягким вычислениям и измерениям SCM-2008. Санкт-Петербург. - 2008. т.2. - с.45 - 48.

14. Калюжный Д.А. Контроль посадки летательного аппарата морского базирования с помощью Neuro-Fuzzy системы [Текст] / Калюжный Д.А., Нечаев Ю.И. //Доклады 2-й российской мультиконференции по проблемам управления и 5-й научной конференции «Управление и информационные технологии УИТ-2008» Т.2. - Санкт-Петербург. -2008. -С.113 -118.

15. Калюжный Д.А. Анализ физических картин взаимодействия при контроле динамики сложного объекта в экстремальной ситуации [Текст] // Труды XVI Всероссийской научно-методической конференции «Телематика-2009». Санкт-Петербург. Т.2, с. 429-231.

16. Калюжный Д.А. Контроль динамики летательного аппарата при посадке в морских условиях [Текст] / Калюжный Д.А., Нечаев Ю.И. // Морские интеллектуальные технологии. №2. - 2009. - с. 34 - 40.

ИЦ СПбГМТУ, Лоцманская, 10 Подписано в печать 10.11.2009. Зак. 3872. Тир.ЮО. 1,1 печ. л.

ВВЕДЕНИЕ.

Глава 1. Проблема обеспечения безопасности посадки ЛА в морских условиях.

1.1. Состояние проблемы и особенности пилотирования ЛА в морских условиях.

1.2. Интеллектуальные технологии в системах обеспечения безопасности посадки ЛА в морских условиях.

1.3. Аналитический обзор.

1.4. Постановка задачи исследования.

1.5. Общая характеристика диссертационной работы.

Выводы по первой главе.

Глава 2. Синтез системы контроля динамики посадки ЛА в морских условиях.

2.1 .Общие принципы построения системы интеллектуальной поддержки при обеспечении посадки ЛА в морских условиях.

2.2.Концептуальная модель формализации динамической базы знаний на основе конкурирующих вычислительных технологий.

2.3.Архитектура нейронечеткой системы и ее функциональные модули.

2.4.Функционирование системы в рамках концепции мягких вычислений.

2.5.Модель оценки риска принимаемых решений при контроле динамики посадки ЛА в морских условиях.

Выводы по второй главе.

Глава 3. Моделирование, анализ и прогноз динамики посадки ЛА в морских условиях.

3.1.Методы и модели в задачах приятия решений при контроле динамики посадки ЛА.

3.2. Моделирование и визуализация динамики взаимодействия при контроле посадки ЛА в морских условиях.

3.3. Моделирование динамики системы «JIA- ДО» в рамках принципа конкуренции с использованием фильтра Калмана.

3.4. Тестирование динамической базы знаний при контроле динамики посадки JIA.

3.5,Оценка адекватности математической модели контроля динамики посадки

JIA в морских условиях.

Выводы по третьей главе.

Глава 4. Разработка программного комплекса, обеспечивающего функционирование динамической базы знании на основе разработанных принципов интерпретации информации.

4.1 .Общий подход к оценке поведения сложного ДО в рамках принципа конкуренции.

4.2 Средства имитационного моделирования и визуализации процесса посадки JIA в морских условиях.

4.3. Контроль взаимодействия ДО с внешней средой и посадки JIA морского базирования с использованием традиционных и нейронечетких моделей

4.4. Обучение, адаптация, настройка и тестирование БЗ.

Выводы по четвертой главе.

Диссертационная работа посвящена исследованию поведения сложного динамического объекта (ДО) в экстремальной ситуации, связанной с посадкой летательных аппаратов (ЛА) морского базирования. Посадка летательных аппаратов (ЛА) в морских условиях — одна из сложных операций пилотирования. Эта операция осуществляется на посадочные площадки плавучих динамических объектов (ДО), а также суда и плавучие технические средства освоения океана, оборудованные вертолетной площадкой. Опыт морской посадки ЛА насчитывает уже более 50 лет. За эти годы отработана техника пилотирования при выполнении операций вертикальной и горизонтальной посадки, постоянно совершенствуются теоретическая база динамики полета, созданы системы безопасности при автоматической и полуавтоматической посадке в сложных условиях. Повышению эффективности взлетно-посадочных операций способствует обучение операторов (руководитель посадки, пилот) на специальных тренажерах и пилотажных центрах, оборудованных системой визуализации и приборами управления.

Разработка системы посадки ЛА на плавучие технические средства освоения океана представляет сложную комплексную проблему. Эта проблема требует системного подхода, который заключается в учете комплекса задач оценки поведения ДО и ЛА при взаимодействии с внешней средой. Недостатки существующих способов прогнозирования поведения посадочной площадки снижают эффективность использования судовой авиации в сложной гидрометеорологической обстановке и нередко приводят к тяжелым авариям. Анализ аварий свидетельствует о просчетах и ошибочных действиях пилотов и лиц, принимающих решения в экстремальных ситуациях во время взлетно-посадочных операций, вследствие острого дефицита времени.

Для реализации принципов обработки информации при посадке ЛА морского базирования необходимо выполнить следующие условия: разработать динамическую базу знаний контроля посадки ЛА в режиме реального времени; выделить структуры, методы и модели, описывающие поведение системы «ЛА — ДО» в условиях сложного гидроаэродинамического взаимодействия; в разработать адаптивные алгоритмы контроля посадки ЛА и установить закономерности между особенностями исследуемых процессов и поведением ДО при различной интенсивности внешних возмущений.

Наличие посадочной площадки на любом носителе (авианосец, суда и плавучие технические средства освоения океана) значительно усложняет эту трудноформализуемую проблему. Не случайно при наличии современных достаточно надежных систем автоматической посадки зарубежные фирмы и компании, занимающиеся этой проблемой, все чаще прибегают к поиску более эффективных решений. Одним из путей повышения безопасности взлетно-посадочных операций является использование интеллектуальных систем (ИС). Являясь «интеллектуальным помощником» пилота и руководителя посадки, такие системы вовсе не исключают использования других средств обеспечения безопасной посадки (в том числе и автоматических систем), поскольку выдаваемые ими конкретные практические советы в сложной (а часто экстремальной) ситуации при жесточайшем дефиците времени на принятие решений носят рекомендательный характер.

Разработка новых концепций организации бортовых систем привела к широкому использованию методов искусственного интеллекта (ИИ) при решении комплекса задач, стоящих при оценке состояния измерительной аппаратуры, анализу полетной ситуации, планированию выполняемых задач и автоматизации принятия решений по управлению ЛА в сложной гидрометеорологической обстановке, в том числе и при посадке в морских условиях.

Таким образом, расширение функциональных возможностей и повышение эффективности ИС обеспечения посадки ЛА морского базирования в настоящее время достигается за счет использования новых подходов к организации вычислительной технологии. Разрабатываемые методы, модели и алгоритмы обработки информации в условиях непрерывного изменения динамики объекта и внешней среды позволяют обеспечить надежность принимаемых решений и рационально организовать процесс контроля и прогноза полетной ситуации.

Диссертация посвящена реализации идей совершенствования методов математического моделирования при контроле и прогнозе посадки ЛА в морских условиях на основе патента научного руководителя [147], позволяющего построить алгоритм обработки измерительной информации, обеспечивающий выделение области колебательного движения ДО — «окна безопасной посадки», значительно расширить интервал упреждения и построить модель контроля и прогноза этой сложной операции.

Актуальность. В диссертационной работе рассматриваются вопросы моделирования и визуализации одной из сложных динамических ситуаций, связанных с контролем поведения системы «Летательный аппарат — Плавучий динамический объект» в морских условиях. Посадка летательных аппаратов (ЛА) в сложных гидрометеорологических условиях — одна из сложных операций пилотирования. Эта операция осуществляется на посадочные площадки плавучих динамических объектов (ДО), а также суда и плавучие технические средства освоения океана, оборудованные вертолетной площадкой. Опыт морской посадки ЛА насчитывает уже более 50 лет. За эти годы отработана техника пилотирования при выполнении операций вертикальной и горизонтальной посадки, постоянно совершенствуются теоретическая база динамики полета, созданы системы безопасности при автоматической и полуавтоматической посадке в сложных условиях.

Разработка системы посадки ЛА на плавучие технические средства освоения океана представляет сложную комплексную проблему, которая заключается в учете всего многообразия задач оценки поведения ДО и ЛА при взаимодействии с внешней средой. Недостатки существующих способов прогнозирования поведения посадочной площадки снижают эффективность использования судовой авиации в сложной гидрометеорологической обстановке и нередко приводят к тяжелым авариям. Анализ аварий свидетельствует о просчетах и ошибочных действиях пилотов и лиц, принимающих решения в экстремальных ситуациях во время взлетно-посадочных операций, вследствие острого дефицита времени. Для реализации принципов обработки информации при посадке ЛА морского базирования необходимо выполнить следующие условия: разработать динамическую базу знаний контроля посадки ЛА в режиме реального времени; выделить структуры, методы и модели, описывающие поведение системы «ЛА - ДО» в условиях сложного гидроаэродинамического взаимодействия; разработать адаптивные алгоритмы контроля посадки ЛА и установить закономерности между особенностями исследуемых процессов и поведением ДО при различной интенсивности внешних возмущений.

Диссертация посвящена реализации идей совершенствования методов контроля и прогноза при посадке ЛА в морских условиях на основе патента научного руководителя, позволяющего построить алгоритм обработки измерительной информации, обеспечивающий выделение области колебательного движения ДО — «окна безопасной посадки» и значительно расширить интервал упреждения при прогнозировании этой сложной операции.

Целью работы является разработка и исследование модели динамической базы знаний, обеспечивающей обработку данных измерений при контроле посадки ЛА в морских условиях при неопределенности и неполноте исходной информации. Для достижения этих целей в диссертации решались следующие основные задачи: в разработка и обоснование модели динамической базы знаний на основе концепции «Окна безопасной посадки»; разработка алгоритмов функционирования динамической базы знаний при обработке информации при посадке ЛА в морских условиях и программного комплекса, их реализующего; о моделирование и визуализация динамики взаимодействия системы «ЛА — ДО» с внешней средой при различном уровне внешних возмущений.

Методы исследования. Для решения поставленных задач в работе были использованы системный анализ, методы математического моделирования, методы вычислительной математики, теория вероятностей и математической статистики, теория графов, аппарат линейной алгебры, теория нейронных сетей, а также методы искусственного интеллекта и прикладного программирования.

Объект исследования. Объектом исследования являются ситуации, определяющие сложное гидроаэродинамическое взаимодействие системы «ЛА — ДО» при принятии решений по обеспечению безопасности посадки ЛА в морских условиях.

Научную новизну работы составляет: в модель динамической базы знаний посадки ЛА в морских условиях, разработанная в рамках принципа конкуренции на основе концепции «окна безопасной посадки»; методы и алгоритмы обработки измерительной информации при контроле поведения ЛА и ДО на основе конкурирующих вычислительных технологий; в моделирование динамики системы «ЛА - ДО» на основе новых представлений о динамике ветроволновых режимов с использованием концепции «климатических спектров», а также математической модели колебательного движения ДО, включающей нелинейную функцию продольного восстанавливающего момента, учитывающую развал бортов в оконечностях

ДО.

Практическая ценность работы заключается в следующем: • Разработана модель динамической базы знаний и алгоритмы анализа измерительной информации при оценке поведения системы «ЛА — ДО» в сложных ситуациях. Разработан программный комплекс, обеспечивающий решение задач моделирования и визуализации при функционировании системы «ЛА — ДО».

Практическая значимость диссертационного исследования обеспечена прикладной направленностью и созданием конкретных методов, алгоритмов и программных средств в системах интеллектуальной поддержки оператора бортовой ИС контроля поведения системы «ЛА - ДО» в сложных ситуациях.

Научные положения, выносимые на защиту

1 .Концептуальная модель поддержки принятия решений при контроле поведения системы «ДО — ЛА», интегрирующая знания предметной области в рамках принципов обработки информации в мультипроцессорной вычислительной среде.

2.Методы и алгоритмы анализа сложных ситуаций при различном уровне внешних возмущений, определяющих поведение системы «ЛА — ДО» в рамках представления «Окна безопасной посадки».

3.Модель взаимодействия ДО с внешней средой, построенная на основе нового представления о динамике ветроволновых возмущений на основе концепции «Климатического спектра» морского волнения и математических моделей, включающих нелинейные функции восстанавливающего момента при продольной и бортовой качке ДО на волнении.

4.Программный комплекс поддержки принятия решений при анализе и прогнозе сложных ситуаций, определяющих гидроаэродинамическое взаимодействие системы «ЛА — ДО».

Достоверность научных результатов и выводов подтверждаются строгостью доказательства утверждений и наложенных ограничений, обоснованностью применения математического аппарата, оценкой адекватность математических моделей, результатами тестирования алгоритмов и программного обеспечения.

Внедрение результатов работы

Разработанные методы, алгоритмы и программные средства внедрены в ФГУП «Адмиралтейские верфи» для реализации при разработке новых типов судов и используются в учебном процессе СПбГМТУ при проведении лабораторных и курсовых работ по курсу «Инженерия знаний» в рамках магистерской подготовки студентов специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем».

Апробация работы

Основные результаты работы докладывались и обсуждались на национальных и международных научно-технических конференциях:

1. Международная конференция по мягким вычислениям и измерениям 8СМ-2006, Санкт-Петербург, 2006.

2. Международная конференция по мягким вычислениям и измерениям 8СМ-2007, Санкт-Петербург, 2007.

3. Международная конференция по мягким вычислениям и измерениям 8СМ-2008, Санкт-Петербург, 2008.

4. Национальная конференция «Управление и информационные технологии» УИТ-2008, Санкт-Петербург, 2008.

5. Национальная конференция «Научное программное обеспечение в образовании и научных исследованиях», Санкт-Петербург, 2008;

6. Всероссийская научно-методическая конференции «Телематика-2008», Санкт-Петербург, 2008.

7. Всероссийская научно-методическая конференции «Телематика-2009», Санкт-Петербург, 2009;

8. Международная конференция МОРИНТЕХ'2008, Санкт-Петербург, 2008.

Публикации. По теме диссертации опубликовано 16 работ, из них - 8 статьи (5 статей опубликовано в ведущих рецензируемых научных журналах и изданиях, определенных ВАК), а также 8 работ и докладов в трудах международных и всероссийских конференций.

Объем и структура работы

Работа состоит из введения, четырех глав, заключения и двух приложений. Объем — 186 страницы, в том числе 71 рисунок, 15 таблиц. Список литературы включает 285 наименований.

Выводы по четвертой главе

Исследования, выполненные в четвертой главе диссертации, позволяют сделать следующие основные выводы:

1.Разработан программный комплекс, позволяющий осуществлять непрерывный контроль процесса посадки ЛА на посадочную палубу ДО при различных уровнях внешних возмущений.

2.Сформирована информационная среда имитационного моделирования, определяющая состав технических средств и методы моделирования рассматриваемых динамических ситуаций на базе бортовой ИС.

3.Определен набор функциональных блоков, образующих программный комплекс, и последовательность выполняемых ими операций по обработке информации при функционировании бортовой ИС контроля процесса морской посадки. 4.0писаны методы и средства, использующиеся при обучении и настройке базы знаний, а также при тестировании программного комплекса на основе данных математического моделирования.

Таким образом, материалы исследования, проведенного в четвертой главе диссертации позволяют осуществлять анализ данных динамический измерений при функционировании бортовой ИС в нестандартных ситуациях и оценить эффективность предлагаемых решений в условиях неопределенности и неполноты исходной информации, а также реализовать вычислительные процедуры анализа альтернатив в нечеткой среде.

ЗАКЛЮЧЕНИЕ

1. Сформулированы теоретические принципы и концепция создания системы интеллектуальной поддержки принятия решений по обеспечению безопасности посадки JIA морского базирования. Разработана математическая модель взаимодействия, учитывающая реальную структуру волнового поля с использованием концепции «климатических спектров». Откорректировано уравнение килевой качки в задаче горизонтального взлета-посадки (модифицированное уравнение Дуффинга) с учетом нелинейной функции продольного восстанавливающего момента. Откорректировано уравнение бортовой качки за счет включения нелинейной пространственной функции восстанавливающего момента, играющей определяющую роль при посадке вертолетов в морских условиях.

2. Разработаны алгоритмы обработки информации при контроле операций посадки в морских условиях. Сформулирован общий подход и разработаны теоретические аспекты математического моделирования динамики взаимодействия в системе «JIA - ДО» с использованием конкурирующих вычислительных технологий. Математическое обеспечение системы интеллектуальной поддержки позволяет реализовать эффективные алгоритмы анализа практических задач анализа и прогноза поведения JIA и ДО в рамках концепции мягких вычислений (Soft Computing). В результате открываются возможности анализа и интерпретации информации на основе «Принципа конкуренции», позволяющего выбирать предпочтительную вычислительную технологию в зависимости от особенностей ситуации. При этом основное внимание уделяет использованию алгоритма, построенного на основе нелинейного фильтра Калмана и нейронечетких технологий.

3. Проведено математическое моделирование и визуализация типичных задач анализа и прогноза сложных ситуаций в рамках концепции «Окна безопасной посадки». Оценка адекватности разработанных математических моделей и алгоритмов их реализации осуществлена с использованием схемы Б алчи и результатов физического эксперимента.

4. Разработан программный комплекс моделирования и визуализации динамических ситуаций при проведении операции морской посадки. Определена функция выбора, на основе которой получены оценки эффективности принимаемых решений.

1.Абдуллаев Н.Д., Петров Ю.П. Теория и методы проектирования оптимальных регуляторов. - JL: Энергоатомиздат, 1985.

2. Аверкин А.Н, Батыршин А.Н., Блишун А.Ф., Силов В.Б., Тарасов В.Б.

3. Нечеткие множества в задачах управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука. 1986.

4. Агаджанов П.А., Воробьев В.Г., Кузнецов A.A. и др. Автоматизация самолетовождения и управление воздушным движением — М.:Транспорт, 1980.

5. Айзерман М.А., Алексеров Ф.Т. Выбор вариантов. Основы теории. М.: Наука, 1990.

6. Александров А.Г. Оптимальные и адаптивные системы. М.: Высшая школа, 1989.

7. Александров В.В., Болтянский В.Г. Лемак С.С. и др. Оптимальное управление движением. М.: ФИЗМАТ ЛИТ, 2005.

8. Алексеев А., Борисов А., Вилгомс Е. и др. Интеллектуальные системы принятия решений. Рига, Знание, 1997.

9. Алексеев A.A., Кораблев Ю.А. , Шапошников С.О. Адаптивная нейро-нечеткая классификация информации в технических системах // Сборник научных трудов П всероссийской научно-технической конференции «Нейроинформатика -1999». 4.2, МИФИ 1999, с. 183 189.

10. Андронов A.A., Витт С., Хайкин С.Э. Теория колебаний. М.: Наука, 1981. Ю.Анцыферов С.С. Евтихиев И.Н. Адаптивные системы распознавания образов пространственно-временных полей // Искусственный интеллект. 2004. №3, с.405 -416.

11. П.Арнольд В.И. Теория катастроф. М.: Наука, 1990.

12. Аэромеханика самолета / Под ред. А.Ф. Бочкарева. М.: Машиностроение, 1977.

13. З.Бабаков H.A. Воронов A.A., Воронова A.A. и др. Теория автоматического управления. М.: Высшая школа. 1997,

14. Бабкин В. А., Щедринов A.B. Повышение качества идентификации адаптивной системы управления // Автоматизация и информационные технологии. 2006. №9, с.42-46.

15. Балакришнан Ф. Теория фильтрации Калмана. М.: Мир, 1988

16. Барабанов А.Т., Скороход Б.А. Локальные алгоритмы обработки информации в линейных системах. Асимптотическое поведение. Алгоритмы с интенсивной обработкой в конце // Автоматика и телемеханика. 1990. №2, с.3-15.

17. Батенко А.П. Управление конечным состоянием движущихся объектов. М.: Сов. радио, 1977.

18. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. — М.: Мир, 1976.

19. Белозерский Л.А. Классификация и решающие правила логических систем распознавания // Искусственный интеллект. №4. 2002, с.422-427.

20. Бессекерский В.А., Попов Е.П. Теория систем автоматического управления. -И.: Наука, 1972.

21. Блакъер О. Анализ нелинейных систем. — М.: Мир, 1979.

22. Богатырев М.Ю. Структурно-инвариантный анализ в информационно-управляющих системах // Труды всероссийской научной конференции «Управление и информационные технологии УИТ-2003». Т.2, с.131 — 136.

23. Богданов A.B., Дегтярев А.Б., Нечаев Ю.И. Проблемы создания виртуального полигона моделирования сложных динамических объектов //

24. Сборник докладов на международной научной конференции «Суперкомпьютерньте системы и их применение». Минск. 2004, с.31-37.

25. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. — М.: Мир, 1974.

26. Бородай И.К., Нецветаев Ю.А. Качка судов на морском волнении. Л.: Судостроение, 1969.

27. Бородай И.К., Нецветаев Ю.А. Мореходность судов. — Л.: Судостроение, 1982.

28. Бородай И.К., Мореншильдт В.А., Виленский Г.В., Дубицкий В.М.,Смирнов Б.Н. Прикладные задачи динамики судов на волнении. — Л.: Судостроение, 1989.

29. Бортовые интеллектуальные системы. Часть 1. Авиационные системы. Часть 2.Корабельные системы. М.: Радиотехника, 2006. Часть 3. Системы корабельной посадки летательных аппаратов. — М.: Радиотехника, 2008.

30. Бочкарев А.М., Почуев С.И. Экспертные системы электронные консультанты летчика // Зарубежная радиоэлектроника. 1989. №10-12, с.42 — 51.

31. Боэм Б.У. Инженерное проектирование программного обеспечения. М.: Радио и связь, 1985.

32. Браверман А.С., Вайнтруб А.П. Динамика вертолета. Предельные режимы полета. М.: Машиностроение, 1988.

33. Брайсон А., Хо Ю-ши. Прикладная теория оптимального управления.- М.: Мир, 1972.

34. Брусов B.C., Тюменцев Ю.В. Синтез оптимального ансамбля нейроконтроллеров для многорежимного летательного аппарата // Труды V Всероссийской конференции «Нейроинформатика-1999». М.: МИФИ. 1999. Часть 2, с. 190-201.

35. Бураков М.В. Генетическое конструирование нейронечетких систем // Сборник научных трудов УШ всероссийской научно-технической конференции НЕЙРОИНФОРМАТИКА-2006. Москва: МИФИ. 2006. Ч.З, с.43 48.

36. Бюшгенс Г.С., Студнев Р.В. Динамика самолета. Пространственное движение. -М.: Мапшностроение. 1983.

37. Винер Н. Творец и робот. -М.: Прогресс, 1966.

38. Вовк С.П. Разработка технологии нечеткого моделирования ситуаций принятия решений в частично формализуемых средах // Программные продукты и системы. №3. 2004, с. 16-22.

39. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. — Санкт-Петербург. Питер, 2000.

40. Гепленер В.В. Деревья решений в распознавании образов // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-99 // Санкт-Петербург. 1999. т.2, с. 130-136.

41. Герасимов А.В. Энергостатистическая теория нерегулярной качки судна. — JI.: Судостроение, 1979.

42. Горячев В.Д., Балашов М.Б., Рыков Д.С., Смирнов Е.М. Распределенная информационно-вычислительная система моделирования методами вычислительной гидродинамики // Программные продукты и системы. №3. 2004, с.2-7.

43. Григорьев В.В., Дудров П.В., Медынский Ю.В. Построение систем сравнения и оценки качества процессов // Научно-технический вестник СПбГУИТМО. №33. Санкт-Петерберг. 2006, с.З 8.

44. Григорьев В.В., Козис Д.В., Коровьяков А.Н., Парамонов П.П., Медынский

45. Ю.В. Обеспечение информационного подобия модели и реальной системы в навигационных комплексах // Научно-технический вестник СПбГУИТМО. №33. Санкт-Петерберг. 2006, с.8 — 11.

46. Григорьев В.В., Мансурова O.K., Медынский Ю.В. Прогнозирование килевой качки корабля // Сборник научных трудов «Социально-экономические последствия научно-технического прогресса».-Санкт-Петербург.2006,с.90— 97.

47. Гудкова Н.В. Алгоритмы адаптивной идентификации технических объектов // Автоматизация и современные технологии. 2005. №8, с.З 9.

48. Гэри М., Джонсон Д. Вычислительные сложности и труднорешаемые задачи. — М.: Мир, 1982.

49. Давидан И.Н., Лопатухин Л.И., Рожков В.А. Ветровые волны в мировом океане. Л.: Гидрометеоиздат, 1985.

50. Домрачев В.Г., Безрукавный Д.С., Калинина Э.В., Ретинская И.В., Скуратов А.К. Нечеткие методы в задачах сетевого трафика // Информационные технологии. №3. 2006, с.2 — 10.

51. Дубовик С.А. Композиционный синтез линейно-квадратических регуляторов // Проблемы управления и информатики. — 1999. — №2.- С. 50-62.

52. Дубовик С.А. Аналитическое конструирование регуляторов для сингулярно возмущённых систем // Проблемы управления и информатики. 1999. - №5.- С. 54-68.

53. Дубовик С.А. Математические проблемы синтеза систем управления посадкой летательных аппаратов корабельного базирования // Информационно-измерительные и управляющие системы. №8.т.6. 2008, с.27 — 37.

54. Дубовик С.А. Синтез грубых систем управления на основе сингулярно возмущенных представлений // Труды V Международной конференции «Идентификация систем и задачи управления» SICPRO'06 ИПУ им. В.А. Трапезникова, Москва, 2006. С. 1495-1513.

55. Евгеньев Г.Б. Системология инженерных знаний. М. МГТУ им. Н.Э.Баумана, 2001.

56. Елисеев A.B. Идентификация нечеткой модели в задаче синтеза регулятора // Автоматизация и современные технологии. 2005. №11, с.З — 12.

57. Еремеев А.П. Инструментальная среда для конструирования виртуальной реальности в диалоговых системах принятия решений // Труды национальной конференции по искусственному интеллекту с международным участием КИИ-98. Пущино.1998. Т.2, .с.543- 548.

58. Евгеньев Г.Б. Интеграция прикладных систем на основе баз знаний // Программные продукты и системы. №3. 2005, с.42 — 46.

59. Елашкин М. Как оценивать эффективность ИТ? // Открытые системы. №7. 2004, с.З8-41.

60. Еремеев А.П., Куриленко И.Е. Реализация временных рассуждений для интеллектуальных систем поддержки принятия решений реального времени // Программные продукты и системы. №2. 2005, с.8 16.

61. Жаринов A.B., Черноусое B.B. Выбор параметров взлетно-посадочной площадки вертолета на нефтедобывающей платформе типа «Приразломная» // Морской вестник. №4(28). 2008, с.99 103.

62. Жданов A.A. Метод автономного адаптивного управления // Известия Академии Наук. Теория и системы управления, 1999, № 5, с. 127-134.

63. Жданов A.A., Крыжановский М.В. Нейронная адаптивная система управления // Сборник научных трудов V всероссийской научно-технической конференции «Нейроинформатика-2003». Москва: МИФИ. 2003, с. 163 168.

64. Жданов A.A. О методе автономного адаптивного управления // Сборник научных трудов VI всероссийской научно-технической конференции «Нейроинформатика-2004». Москва: МИФИ. 2004. Лекции по нейроинформатике. 4.1, с.15 -56.

65. Калюжный Д.А., Нечаев Ю.И. Инструментальное средство моделирование дицамики корабля при обеспечении безопасности посадки летательных аппаратов в морских условиях // Мдрской вестцик, №4 (7). 2007, с.37 40.

66. Калюжный Д.А., Нечаев Ю.И. Алгоритмы посадки летательных аппаратов корабельного базирования // Материалы 7-й общероссийский конференции и выставки по морским интеллектуальным технологиям «МОРИНТЕХ-2008». Санкт-Петербург. 2008, с.70 73.

67. Калюжный Д.А., Нечаев Ю.И. Neuro-Fuzzy реализация фильтра Калмана с системах контроля посадки летательных аппаратов морского базирования // Труды XV Всероссийской научно-методической конференции «Телематика-2008». Санкт-Петербург. Т.1,с.91 —92.

68. Калюжный Д.А., Нечаев Ю.И., Петров О.Н. Анализ и прогноз ситуации при выборе условий безопасной посадки летательных аппаратов корабельного базирования // Информационно-измерительные и управляющие системы. №9. 2008, с.65 72.

69. Калюжный Д.А. Интерфейс «Оператор ИС» в системе корабельной посадки // Информационно-измерительные и управляющие системы. №8. т.6.2008, с.57 -64.

70. Калюжный Д.А. Интерфейс «Оператор ИС» в системе корабельной посадки // Бортовые интеллектуальные системы. Ч.З. Системы корабельной посадки летательных аппаратов. - М.: Радиотехника, с.57 — 64.

71. Всероссийской научно-методической конференции «Телематика-2009». Санкт-Петербург. Т.2, с. 429-431.

72. Калюжный Д.А., Нечаев Ю.И. Контроль динамики летательного аппарата при посадке в морских условиях // Морские интеллектуальные технологии. №2. 2009, с. 34 40.

73. Капица С.П., Курдюмов С.П., Малинецкнй Г.Г. Синергетика и прогнозы будущего. М.: Наука. 1997.

74. Караваев М.В., Жданов A.A. Построение нечетких контроллеров по методологии автономного адаптивного управления // Сборник научных трудов VIII всероссийской научно-технической конференции «Нейроинформатика-2006». Москва: МИФИ. 2006. 4.1, с.31 37.

75. Карпов A.B. Информационные конфликты в автоматизированных системах // Программные продукты и системы. №3. 2004, с.22-26.

76. Кендалл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. — М.: Мир, 1976.

77. Карпов A.B. Информационные конфликты в автоматизированных системах // Программные продукты и системы. №3. 2004, с.22-26.

78. Каширин В.Ю. Способ посадки летательного аппарата на корабль. Заявка №5058382 от 11 августа 1992. Решение о выдаче патента на изобретение от 11 октября 1995.

79. Каширин В.Ю., Третьяков О.В., Этмишев Т.Э. Формирование запретов посадки корабельных самолетов на авианосец в условиях морского волнения // Сборник трудов П Международной конференции «МОРИНХЕХ». Санкт-Петербург. 1998. Т. 1, с. 123 131.

80. Квакернаак X., Сиван Р. Линейные оптимальные системы управления М.: Мир, 1977.

81. Кендал М., Дж., Стюарт А. Многомерный статистический анализ и временные ряды. -М.: Мир, 1976.

82. Кини Р.Л., Райфа X. Принятие решений при многих критериях. Предпочтения и замещения. — М.: Радио и связь, 1981.

83. Кобзев В.В. Интеллектуальный тренажер на борту судна // Судостроение. 1994. №4, с.23-24.

84. Колесников А.А. Проблемы системного синтеза: тенденции развития и синергетический подход // Сборник докладов Всероссийской научной конференции «Управление и информационные технологии». Санкт-Петербург.2003.Т. 1, с.5-12.

85. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М. МГТУ им. Н.Э.Баумана, 2002.

86. ЮЗ.Костерев В.В., Аверкин А.Н. Формальное описание риска в нечетких системах // Труды международной конференции по мягким вычислениям и измерениям 8СМ-2001. Т.1. Санкт-Петербург. 2001, с. 170-173.

87. Костерев В.В., Лапшина В.А. Метод экспертной оценки, риска с использованием лингвистических переменных // Сборник докладов Международной конференции по мягким вычислениям и измерениям 8СМ-2003. Санкт-Петербург. 2003. т.2, с.112-115.

88. Котик М.Г. Динамика взлета и посадки самолетов. М.: Машиностроение, 1984.

89. Юб.Кофман А. Введение в теорию нечетких множеств. -М.: Радио и связь, 1982.

90. Красовский A.A., Наумов А.И. Аналитическая теория самоорганизующихся систем управления с высоким уровнем искусственного интеллекта // Известия РАН. Теория и системы управления. 2001. №1, с.69 — 75.

91. Красовский A.A. Системы автоматического управления полетом и их аналитическое конструирование. М.: Наука, 1973.

92. Красовский A.A. Концепция оптимального инструктора и автоматизация обучения на тренажерах // Изв. АН СССР. Техническая кибернетика. 1989. №6, с.139-144.

93. ПО.Красовский A.A. Основы теории авиационных тренажеров. М.: Машиностроение. 1995.

94. Ш.Кузин, Никольский. Военно-морской флот СССР. 1945 1991. Спб. Историческое морское общество. 1996.

95. Куприянов A.A., Емельянов A.A. Механизмы и средства поддержки человеко-компьютерного взаимодействия в среде интегрированных комплексов средств автоматизации // Морская радиоэлектроника. №2(8). 2004, с.ЗО 34.

96. Лазарев В Л. Динамический синтез энтропийных систем управления в условиях неопределенности // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2005. Санкт-Петербург. 2005. Т.1, с.114 -117.

97. Липаев В.В. Верификация и тестирование сложных программных средств // Информационные технологии. №7. 2004, с.42-47.

98. Лихогруд Г.М. Неполная семиотическая система в интеллектуальном управлении квазистационарными объектами // Труды V национальной конференции по искусственному интеллекту. Казань. 1996. т.З, с.471 474.

99. Литвинцева Л.В., Налитов С.Д. Виртуальная реальность. Анализ состояния и подходы к решению // Новости искусственного интеллекта. 1995.№3.с.24-90.

100. Ломов В.А. Системотехнические особенности задания требований к сложной технической системе // Сборник докладов Международной конференции и выставки по морским интеллектуальным технологиям МОРИНТЕХ-2005. Санкт-Петербург. 2005, с.98 102.

101. Лонге-Хиггинс М.С. Статистический анализ случайной движущейся поверхности. Ветровые волны. М.: Изд-во иностр. лит.1962, с.112 230.123 .Лоскутов А.Ю., Михайлов A.C. Введение в синергетику. М.: Наука. 1990.

102. Луговский В.В. Математические модели для исследования устойчивости нелинейной качки судов на волнении // Сборник трудов Международный симпозиум по корабельной гидродинамике «ISSN»: Санкт-Петербург. 1995, с.83-91.

103. Лямин A.B., Михайлов С.В., Никифоров В.О. и др. Исследование моделей объектов управления и среды функционирования. Санкт-Петербург: СПбГУ ИТМО. 2000.

104. Майника Э. Алгоритмы оптимизации на сетях и графах. М. Мир. 1981.

105. Макаренко Н.Г. Как получить временные ряды из геометрии пространственных паттернов // Труды 6-й Всероссийской научно-технической конференции «Нейроинформатика 2004». Лекции по нейроинформатике. Часть 2, с.140-199.

106. Макаров И.М. Теория принятия решений. М.: Наука, 1986.

107. Малинецкий Г.Г., Кульба В.В., Косяченко С.А., Шнирман М.Г. и др.

108. Управление риском. Устойчивое развитие. Синергетика. — М.: Наука. 2000.

109. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. — М.: Энергоатомиздат, 1991.131 .Математические методы в теории систем: новое в зарубежной науке / Подред. А.Н.Колмогорова, С.П.Новикова. Вып. 14. М. Мир, 1979.

110. Матвеев Ан. А., Матвеев A.A. Применение калмановской фильтрации в задачах обработки измерительной информации // Измерительная техника. №1. 1989, с.5-7.

111. Медведев B.C., Потемкин В.Г. Control System Toolbox. MATLAB 5 для студентов. М.: ДИАЛОГ-МИФИ, 1999. - 287с.

112. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

113. Месарович М., Такахара Я. Общая теория систем: математические основы. — М. Мир, 1978.

114. Михалев И.А., Окоемов Б.Н., Чикулаев М.С. Системы автоматического управления самолетом. М.: Машиностроение, 1987.

115. Михалев И.А., Окоемов Б.Н., Чикулаев М.С. Системы автоматической посадки. М.: Машиностроение, 1975.

116. Мистров Л.Е. Метод синтеза технических систем // Автоматизация и информационные технологии. 2006. №8, с.31 36.

117. Моисеев H.H. Численные методы в теории оптимальных систем. М.: Наука, 1971.

118. Нариньяни A.C. Не-факторы: неточность и недоопределенность различие и взаимосвязь // Известия РАН. Теория и системы управления. №5, с.44 - 56.

119. Неделко В.Н. Прогнозирование информационных потребностей операторов особо сложных систем управления // Искусственный интеллект. №3.2002, с.420 -427.

120. Неймарк Ю.И., Ланда П.С. Стохастические и хаотические колебания. М.: Наука, 1987.

121. Нейрокомпьютеры в авиации (самолеты) / Под ред. В.И.Васильева, Б.Г.Ильясова, С.Т.Кусимова. М.: Радиотехника. 2004.

122. Нечаев Ю.И. Способ прогнозирования качки судна. Патент РФ №2019845 от 15.09.94.

123. Нечаев Ю.И. Моделирование остойчивости на волнении. Современные тенденции.-Л.: Судостроение, 1989.

124. Нечаев Ю.И. Принципы использования измерительных средств в бортовых интеллектуальных системах реального времени // Труды V Национальной конференции по искусственному интеллекту с международным участием КИИ-1996. Казань. 1996. т.1, с.362-364.

125. Нечаев Ю.И. Исследование динамики ветроволновых полей с помощью судовых интеллектуальных систем // Навигация и гидрография: Сб. тр. 1996. № 3, с.45-50.

126. Нечаев Ю.И., Сиек Ю.Л., Васюнин Д.А. Концепция мягких вычислений в бортовых интеллектуальных системах реального времени // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-1999. Санкт-Петербург. 1999. Т.2, с.64-68.

127. Нечаев Ю.И., Завьялова О.П. Формирование стратегий принятия решений при оперативном управлении сложными динамическими объектами // Искусственный интеллект. №3. Донецк. 2001, с.80-88.

128. Нечаев Ю.И., Дегтярев А.Б., Кирюхин И.А. Синтез самоорганизующейся нейронной сети в задаче идентификации состояния сложного динамического объекта // Сборник научных трудов П1 Всероссийской конференции «Нейроинформатика-2001». Москва: ч.2,с.169-177.

129. Нечаев Ю.И., Завьялова О.П., Шамонин Д.П. Моделирование и визуализация сложных структур в системе виртуальной реальности // Искусственный интеллект. №3. 2002, с.588 — 595.

130. Нечаев Ю.И. Нейросетевые технологии в интеллектуальных системах реального времени // Труды IV всероссийской конференции «Нейроинформатика 2002». М.: МИФИ. 2002. Лекции по нейроинформатике. Часть 1, с.114-163.

131. Нечаев Ю.И. Искусственный интеллект: концепции и приложения. Санкт-Петербург. ГМТУ, 2002.

132. Нечаев Ю.И., Дегтярев А.Б., Кирюхин И.А., Тихонов Д.Г. Формирование процедур принятия решений в динамически меняющейся среде на базе суперкомпьютерных технологий // Искусственный интеллект. №3. 2002, с.305 — 313.

133. Нечаев Ю.И. Математическое моделирование в бортовых интеллектуальных системах реального времени // Труды 5-й Всероссийской конференции «Нейроинформатика-2003». М.: МИФИ. 2003. Лекции по нейроинформатике. Часть 2, с.119-179.

134. Нечаев Ю.И., Сиек Ю.Л. Нейросетевые модели в морских интеллектуальных системах // Морской вестник. 2003. №1(5), с. 87-93.

135. Нечаев Ю.И., Бухановский A.B., Иванов С.А. Виртуальное моделирование динамики судна на морском волнении в интеллектуальных тренажерах // Искусственный интеллект. №3. 2004, с 350-359.

136. Нечаев Ю.И. Нейроаппроксимация и нейропрогноз при контроле динамики сложного объекта // Нейрокомпьютеры: разработка, применение, № 10-11. 2005, с.22-31.

137. Нечаев Ю.И. Применение нейрокомпьютеров в ракетно-космической технике. Книга 21. М.: Радиотехника. 2005, с.22-31.

138. Нечаев Ю.И., Тихонов Д.Г. Нейропрогноз на основе логического вывода по прецедентам // Сборник научных трудов 7-й всероссийской научно-технической конференции «Нейроинформатика 2005. 4.2, МИФИ 2005, с. 197-204.

139. Нечаев Ю.И., Калюжный Д.А. Контроль и визуализация динамических сцен при посадке летательных аппаратов морского базирования // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2006. Санкт-Петербург. 2006. т.2, с.54 57.

140. Нечаев Ю.И., Дорогое А.Ю. Организация измерительной системы и алгоритмов преобразования исходной информации // Бортовые интеллектуальные системы. Часть 2. Корабельные системы. Изд-во «Радиотехника». 2006, с. 13 — 22.

141. Нечаев Ю.И. Концептуальные основы создания бортовых интеллектуальных систем // Бортовые интеллектуальные системы. Часть 2. Корабельные системы. — М.: Радиотехника, 2006, с.4 8.

142. Нечаев Ю.И., Калюжный Д.А, Кеиго-Риггу модели контроля динамики летательного аппарата в морских условиях // Сборник Докладов на X Международной конференции по мягким вычислениям и измерениям 8СМ-2007. Санкт-Петербург. 2007. т.2, с.297 301.

143. Нечаев Ю.И. Анализ и прогноз «окна безопасной посадки» // Информационно-измерительные и управляющие системы. №9. 2008, с. —.

144. Нечаев Ю.И. Нейронечеткая система поддержки принятия решений при оценке поведения сложного динамического объекта // Труда Х-й Всероссийской конференции «Нейроинформатика-2008». М.: МИФИ. 2008. Лекции по нейроинформатике. Часть 2, с.97- 164.

145. Нечаев Ю.И. Концепция мягких вычислений в бортовых интеллектуальных системах II Информационно-измерительные и управляющие системы. №2. Т.7, 2009, с.З 11.

146. Нечаев Ю.И. Интеллектуальные технологии — проблемы и перспективы // Морские интеллектуальные технологии. 1(1), 2009, с5 9.

147. Ошибка пилота: человеческий фактор. М.: Транспорт, 1986. 182.Пападимитриу X., Стайглиц Л. Комбинаторная оптимизация: алгоритмы и сложность. -М.: Мир. 1985.183 .Парфенова М.Я., Колганов С.К., Парфенов И.И., Иванов В.И.

148. Человеческий фактор в интеллектуальных информационных технологиях для профилактики, предупреждения и устранения аварийных ситуаций // Информационные технологии. 2005. №5, с.21-29.

149. Пашковский И.М. Динамика и управляемость самолета. М.: Машиностроение, 1987. - 248с.

150. Петров Ю.П. Оптимизация управляемых систем, испытывающих воздействие ветра и морского волнения. Л.: Судостроение, 1973.

151. Планирование эксперимента в исследовании технологических процессов /

152. К.Хартман и др. -М.: Мир, 1977.

153. Плотников В.Н., Зверев В.Ю. Оптимизация оперативно-организационного управления. М.: Машиностроение, 1980.

154. Пойа Дж. Математика и правдоподобные рассуждения. Наука, 1975.

155. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика. 1996.

156. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.

157. Поспелов Д.А., Эрлих А.И. Прикладная семиотика новый подход к построению систем управления и моделирования // Динамические интеллектуальные системы в управлении и моделировании. М.: ЦРДЗ. 1996, с.30-33.

158. Применение экспертных систем для обучения на тренажерах // A.B. Ефремов и др. Динамические экспертные системы в управлении и моделировании. М.: ЦРДЗ. 1996, с.92-94.

159. Пропай А.И. Элементы теории оптимальных дискретных процессов. М.: Наука, 1973.

160. Пугачев B.C., Синицын И.Н. Стохастические дифференциальные системы. -М.: Наука, 1985.

161. Рахманин H.H. Стохастическое описание морской поверхности. СПб., Изд. ЛКИ, 1994.

162. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь. 1991.

163. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь. 1993.

164. Сарайский Ю.Н. Автоматизированные системы посадки. — М.: ВИНИТИ. 1986. т. 14, с.114— 136.

165. Синергетическая парадигма. Многообразие поисков и подходов. М.1. Прогресс-Традиция, 2000.

166. Сизов A.B. Эффективная технология обоснования оптимального управления развитием парка летательных аппаратов морского назначения // Труды Международной конференции «МОРИНТЕХ-99». Санкт-Петербург. 1999, с.189 -192.

167. Снешко Ю.И. Устойчивость и управляемость самолета в эксплуатационной области режимов полета. Справочная библиотека авиационного инженера-испытателя. . — М. Машиностроение, 1987.

168. Советов Б.Я., Яковлев С.А. Моделирование систем. — М.: Высшая школа, 2001.

169. Соснин П.И. Человеко-компьютерная диалогшса. Ульяновск. УлГТУ, 2001.

170. Справочник по теории корабля / Под. ред. Я.О.Войткунского. В 3-х т. JI.Судостроение, 1985.

171. Субботин С.А. Метод синтеза нейронечетких аппроксиматоров // Автоматизация и современные технологии. 2007. №11, с.14 — 18.

172. Терано Т., Асаи К, Сугено М. Прикладные нечеткие системы. М.: Мир, 1993.

173. Уидроу Б., Сгириз С. Адаптивная обработка сигналов. — М.: Радио и связь, 1989.211 .Уоссермен Ф. Нейрокомпьютерная техника. — М.: Мир. 1992.

174. У правление рисками. М.: Наука, 2000.

175. Федунец Н.И., Фомичева O.E. Технология объектно-ориентированного программирования интеллектуальной системы поддержки диспетчера // Программные продукты и системы. 1994. №3, с.36 40.

176. Федунов Б.Е. Проблемы разработки бортовых оперативно советующих систем для антропоцентрических объектов // Изв. РАН. Теория и система управления. 1996. №5, с. 147-159.

177. Федунов Б.Е. Интеллектуальные системы пилотируемых летательных аппаратов // Информационно-измерительные и управляющие системы. Бортовые интеллектуальные системы (авиационные системы). №8. т.4. 2006, с.4 16.

178. Фролова М.С. Нейронечеткие адаптивные системы управления // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2005. Санкт-Петербург. 2005. Т.1, с.2888 -290.

179. Хакен Г. Синергетика: иерархии неустойчивостей в самоорганизующихся системах и устройствах. -М.: Мир, 1985.

180. Характеристикн ветровых возмущений в нижних слоях атмосферы: Обзор БНТИ ЦАГИ. М.: 1979.

181. Хаскинд М.Д. Гидродинамическая теория качки корабля. М.: Наука, 1973.

182. Хафер К., Закс Г. Техника вертикального взлета и посадки: Пер. с нем. М.: Мир, 1985.

183. Хаяси Т. Нелинейные колебания в физических системах. -М.: Мир, 1973.

184. Химмельблау Д. Анализ процессов статистическими методами. М.: Мир. 1974.

185. Ходашинский И. А. Оценивание величин: подход на основе мягких вычислений // Информационные технологии. №4. 2006, с.14 — 21.

186. Чалей И.В., Лисицын Н.В., Рябцов М.В. Формальное описание риска при принятии технических решений // Сборник докладов Международнойконференции по мягким вычислениям и измерениям SCM-2005. Санкт-Петербург. 2005. т.2, с.70-73.

187. Чечкин А.В. Математическая информатика.- М.: Наука, 1991.

188. Штеттер X. Анализ методов дискретизации для обыкновенных дифференциальных уравнений. М., Мир, 1978.

189. Ярушкина Н.Г. Нечеткие нейронные сети с генетической настройкой // Сборник научных трудов VI всероссийской научно-технической конференции НЕЙРОИНФОРМАТИКА-2004. Москва: МИФИ. 2004. Лекции по нейроинформатике, с.151 —198.

190. Aircraft Recovery Bulletin 61 126. Mark 6 Fresnel Lens Optical Landing System. Department of the Navy. Naval Air System Command. W. 24 April 1972.

191. Anderson J., Rosenfeld E. Neurocomputing: foundation of research. MIT Press. Cambridge. MAAS,1988.

192. Anderson T.W. The statistical analysis of time series. John Wiley and Sons, 1971.

193. Asai K., Sugeno M., Terano T. «Applied fuzzy system», Academic Press, New York, 1994.

194. Balci O. Validation, verification and testing techniques throughnt the life cycle of a simulation study. Annals of Operation Research, 1994.

195. Boehm B.W. A spiral model of software development and enhancement // ACM SIGSOFT Software Engineering Notes. Vol.11. No 4, 1986.

196. Bogdanov A.V., Degtyarev A,B-, Nechaev Yu.I. Parallel algorithms for virtual testbed // Proceedings of International conference CSIT-2005. Yerevan. Armenia.2005, p.p.393-403.

197. Calise A J. Kim B.S., Leiter J.,Prasad J.V.R. Helicopter adaptive flight control using neural networks // Proceedings of the 33-rd conference on decision and control, 1994.

198. CaIise A.J., Prasad J.V.R., Corban J.E. Flight evaluation of adaptive neural network flight controller of an uninhabited Helicopter // XXV-th European. Rotorcraft Forum, Italy, 1999.

199. Carson J.S. Model verification and validation // Proceedings of the 2002 Winter Simulation Conference. 2001, p.p.52-58.

200. Clary G.R., Chichjlm J.P. Development and flight test on a X-band precision approach concept for remote-area rotorcraft operations. «IEEE/AIAA Sth dig. avionics Syst. Conf. proc. Seattle, Wash.». 1983. 3.4/1-3.4/8.

201. Cyberspase Developer Kit Release 2.0. reference Manual.-Futodeck. Inc, 1994.

202. De Schutter, J., De Geeter, J., Lefebvre, T, Bruyninckx, H. Kalman Filters: A Tutorial-1999.

203. Durand T.S., Wasicko R.J. Factors Influencing Glide Path Control in Carrier Landing. «Journal of Aircraft». 1967. Vol.4. №2, p.p. 146-158.

204. Fegorov G.V. Risk theory based minimization of transport fleet influence on the environment // Proceedings of Second International conference of navy and shipbuilding Nowadays NSN-2001. St.-Petersburg. KSRI. 2001, p.p.190 197.

205. France W., Levadou M., Treakle T.W., Paulling J.R., Michel R.K., Moore K. An investigation of head-sea parametric rolling and its Influence on Container Lashing Systems // ANAME Annual Meeting 2001 Presentation, p.p.l 24.

206. Fréchot J. Realistic simulation of ocean surface using wave spectra, Proceedings of the First International Conference on Computer Graphics Theory and Applications (2006), pp. 76-83.

207. Gary A. Mastín, Peter A. Watterberg, John F. Mareda, Fourier Synthesis of Ocean Scenes, IEEE Computer Graphics and Applications, Vol.7 , Issue 3 (March 1987), pp. 16-23

208. Heffley R.K. Terminal control factors for the carrier landing task. AIAA Guid., Nav, and Contr. Conf., Williamsburg, 1986. Collect. Techn. Pap. New York, p.p. 867874.

209. Jang J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference Systems // IEEE Trans. On systems, man and cybernetics. Vol.23. 1993, p.p.665 685.

210. Kagiwada H., Kalaba R.E., Kutchinki C.R., Mender A.J. Analytical Decision-Making for Airborne Defense Management // IEEE National Aerospace and Electronics Conference. Dayton. 20-24 May, 1985.

211. KelIy M.McCool, Haas David J., Schaefer Carl G. A Neural network based approach to helicopter angle estimation. AIAA 96-3481-CP, 1996.256. 3D Studio MAX R2. Users's Guide,-Autodeck, Inc., 1997.

212. KaIavsky R.S. A comprehensive virtual environment laboratory facility Virtual Reality Systems / Ed. by R.A. Earnshaw, M.A. Gigante, H. Jones — Cambridge. UK. Academic Press. 1994.

213. Lange, F. Fast and Accurate Training of Multilayer Perceptrons Using an Extended Kalman Filter (EKFNet) Institute for Robotics and Systems Dynamics, Wessling, internal paper, 1995.

214. Lopatoukhin L.J., Rozhkov V.A., Ryabinin V.E., Swail V.R., Boukhanovsky A.V., Degtyarev A.B. Estimation of extreme wave heights. JCOMM Technical Report, WMO/TD. №1041,2000.

215. Maybeck P.S. Stochastic models estimation and control. New York. 1983. Vol. 1 — 3.

216. Medynsky Yu.V. Synthesis of an algorithm for forecasting the estimated point of an aircrafts touchdown onto a moving base // 10th International Olympiad on automatic control BOAC-2004. St.-Petersburg, 2004, p.p. 12 16 BOAC-2004

217. Nechaev Yu. I. The problem of wave parameters identification in ships intelligence system // Proc. of 13th International conference on hydrodinamics in ship design Hydronaf-99 and Manoeuvring-99 . Gdansk Ostroda, Poland. 1999, p.p.201-208.

218. Nechaev Yu.I., Dubovik S.A. Probability-asymptotic methods in ship dynamic problem // Proceedings of 15th international conference on hydrodynamics in ship design, safety and operation. Gdansk. Poland. 2003, p.p.187-199.

219. PauIk Clyde H., Phatak Antil V. Evaluiion of real-time predictive guidance law for landing VTOL aircraft at sea. Conf. Proc. Baltimore. MD. 1984. New York, 1984, p.p.359-371.

220. PracticaI aspects of Kalman filtering implementation. — AGARD Lecture series, 1986.

221. Puskorius, G.V., Feldkamp, L.A. Neurocontrol of Nonlinear Dynamical Systems with Kalman Filter Trained Recurrent Networks IEEE Transactions on Neural Networksm Vol. 5, No. 2, 1994, 279-297.

222. Schroeder W, Martin K., Lorensen B. The visualization Toolkit, an object oriented approach to 3D graphics (2nd edition). Prentice Hall, Upper Saddle River, NJ,1997. ISBN 0-13-954694-4.

223. Schust A.P., Young P.N., Simpson W.R. Automatic Carrier Landing System (ACLS). Jul. 1982. Arinc Research Corp. Annapolis.

224. Triantafyllou M., Bodson, M., Äthans, M. Oceanic Engineering, IEEE Journal of Volume 8, Issue 1, Jan 1983, pp. 9 20.

225. Urness J.M., Hess R.K. Jntergrated flight control systems development. The F/A-18A automatic carrier landing system. Collect. Techn. Rap. New York, 1983, p.p.920-930.

226. U.S. Military Handbook MIL-HDBK-1797, 19 December 1997

227. Vandell G. Check-List-CFIT-FSF. Rev.2.2R/500/T-IKAO. Monreal: 1994

228. Welsh, G., Bishop, G. An Introduction to the Kaiman Filter Department of Computer Science, University of North Carolina, TR 95-041, 2002.

229. Williams, R.J. Some Observations on the Use of the Extended Kaiman Filter as a Recurrent Network Learning Algorithm — Colleage of Computer Science, Northeastern University, Boston, TRNU-CCS-92-1, 1992.

230. Zimmerman W.F. Cvn-68 Nimitz, U.S. Navy Aircraft Carrier, Nimble Books, 2008

231. Zadeh L. Fuzzy logic, neural networks and soft computing // Commutation on the ASM-1994. Vol.37. №3, p.p.77 84.