автореферат диссертации по транспорту, 05.22.13, диссертация на тему:Разработка методов контроля местоположения воздушных судов государственной авиации при управлении воздушным движением во внетрассовом секторе воздушного пространства

На правах рукописи

ШАНИН Алексей Вячеславович

РАЗРАБОТКА МЕТОДОВ КОНТРОЛЯ МЕСТОПОЛОЖЕНИЯ ВОЗДУШНЫХ СУДОВ ГОСУДАРСТВЕННОЙ АВИАЦИИ ПРИ УПРАВЛЕНИИ ВОЗДУШНЫМ ДВИЖЕНИЕМ ВО ВНЕТРАССОВОМ СЕКТОРЕ ВОЗДУШНОГО ПРОСТРАНСТВА

Специальность 05.22.13 - Навигация и управление воздушным движением

АВТОРЕФЕРАТ л

- з ДЕК 2009

диссертации на соискание ученой степени кандидата технических наук

Москва-2009

003487047

Работа выполнена на кафедре «Авиационных радиоэлектронных систем» Федерального государственного образовательного учреждения высшего профессионального образования «Московский государственный технический университет гражданской авиации».

Научный руководитель: Заслуженный деятель пауки РФ

доктор технических наук, профессор Черняков Михаил Владимирович

Официальные оппоненты: доктор технических наук, профессор

диссертационного совета Д.223.011.01 при Московском государственном техническом университете гражданской авиации по адресу: 125993, г. Москва, А-493, ГСП - 3, Кронштадтский бульвар, 20.

С диссертацией можно ознакомиться в библиотеке МГТУ ГА.

Самохин Алексей Васильевич

кандидат технических наук, доцент Забелин Игорь Владимирович

Ведущая организация: ГосНИИ "Аэронавигация1

л

Защита состоится « Xе/ » 2009 г. в

на заседании

Автореферат разослан «_»

2009 г.

Ученый секретарь диссертационного сое доктор технических наук, профессор

С.В. Кузнецов

Общая характеристика работы

Актуальность работы. Постоянное совершенствование авиационной техники, растущие потребности в воздушных перевозках, организационные и структурные изменения в системах использования воздушного пространства (ИВП) и управления воздушным движением (УВД) предопределяют повышение требований к современным и перспективным автоматизированным системам управления воздушным движением (АС УВД). Подсистема наблюдения за воздушной обстановкой, являясь ключевым функциональным элементам АС УВД, в первую очередь должна соответствовать новым требованиям, изменяющимся под влиянием различных организационно-экономических и технических факторов, таких как:

- увеличение интенсивности воздушного движения;

- сокращение минимальных интервалов эшелонирования при полетах по воздушным трассам, внедрение процедур зональной навигации и концепции «свободного полета»;

- укрупнение зон ответственности центров Единой системы организации воздушного движения (ЕС ОрВД);

- межведомственная информационная интеграция подсистем наблюдения за воздушной обстановкой и УВД;

- совершенствование летных характеристик воздушных судов (ВС) государственной авиации.

Одной из значимых современных тенденций является организационная, информационная и техническая интеграция систем и средств наблюдения за воздушной обстановкой и контроля воздушного пространства (ВП) различной ведомственной принадлежности. Так, в соответствии с федеральной целевой программой «Совершенствование федеральной системы разведки и контроля воздушного пространства Российской Федерации (2007-2010 годы)», утвержденной Постановлением Правительства Российской Федерации от 2 июня 2006 г. №345, основным направлением развития средств контроля ИВП и УВД Минобороны и Минтранса России является последовательная их интеграция в единую автоматизированную систему. При этом, для контроля ИВП и обеспечения безопасности полетов как государственной, так и гражданской авиации будут использоваться системы и средства, разработанные с учетом требований Минобороны и Минтранса России.

Кроме того, согласно Указа Президента РФ от 05.09.2005 № 1049 и соответствующего Постановления Правительства РФ от 30.03.2006 №173 «О Федеральной аэронавигационной службе», функции контроля за ИВП и УВД над всей территорией РФ должны обеспечиваться единым федеральным органом - Росаэронавигашсй.

Таким образом, в настоящее время контроль за ИВП и УВД как в трассовых, так и во внетрассовых секторах ВП должен обеспечиваться гражданскими органами ЕС ОрВД с использованием существующих и перспективных систем и средств наблюдения за воздушной обстановкой.

Необходимо также отметить, что современное состояние и тенденции развития авиационной техники предопределяют все более жесткие требования к средствам наблюдения за воздушной обстановкой. К одной га основных тенденций развития военного самолетостроения можно отнести создание нового типа сверхманевренных летательных аппаратов, способных выполнять маневры со сложными пространственными эволюциями.

В связи с этом к подсистеме наблюдения за воздушной обстановкой современных и перспективных АС УВД предъявляются существенно более высокие требования по обеспечению контроля местоположения ВС различной ведомственной принадлежности как при их равномерном и прямолинейном движении по воздушным трассам, так и при интенсивном маневрировании во внетрассовом ВП.

Применяемые в существующих АС УВД гражданского назначения методы обработки информации о воздушной обстановке в основном рассчитаны на контроль местоположения ВС гражданской авиации в пределах воздушных трасс. Необходимость контроля местоположения высокоманевренных ВС государственной авиации существенно усложняет процесс УВД во внетрассовом секторе ВП и, в конечном итоге, может привести к снижению уровня безопасности полетов.

Одним из возможных путей решения данной проблемы является совершенствование методов обработки информации, используемых в современных и перспективных АС УВД при наблюдении за воздушной обстановкой.

Цель и задачи исследований. Целью диссертационной работы является повышение функциональных возможностей современных и перспективных АС УВД в части обеспечения контроля местоположения интенсивно маневрирующих ВС государственной авиации для сохранения требуемого уровня безопасности полетов.

Для достижения поставленной цели были решены следующие задачи:

- разработаны и исследованы различные типы алгоритмов обработки информации при сопровождении интенсивно маневрирующих ВС, оценены их преимущества и недостатки относительно используемых в современных АС УВД;

- разработана методика комплексной оценки эффективности функционирования алгоритмов, учитывающая различные критерии и условия применения и позволяющая оценить относительную эффективность различных типов алгоритмов между собой;

- на основе разработанной методики получены комплексные количественные оценки эффективности функционирования всех исследуемых типов алгоритмов, выбран наиболее эффективный алгоритм с точки зрения возможного использования в современных и перспективных АС УВД.

Методы исследований. При синтезе и исследовании алгоритмов обработки информации были использованы методы марковской теории оценивания случайных процессов, методы оптимальной линейной и нелинейной фильтрации, методы теории идентификации параметров систем. При разработке методики оценки эффективности алгоритмов использовались положения теории систем, теории полезностей, теории измерений, теории принятия решений. При имитационном моделировании использовался метод статистических испытаний Монте-Карло.

Научная новизна работы. Научная новизна диссертационной работы состоит в:

- использовании при синтезе алгоритмов обработки информации процедур ана-лого-дискретной фильтрации, как наиболее точно отражающих процесс обновления информации о воздушной обстановке в существующих АС УВД;

- применении методов адаптации алгоритмов обработки информации, ранее не использовавшихся в подсистеме наблюдения АС УВД, позволяющих более точно контролировать местоположение интенсивно маневрирующих ВС государственной авиации;

- разработанной методике комплексной оценки эффективности функционирования алгоритмов обработки информации, учитывающей различные критерии и условия применения и позволяющей получить количественную оценку эффективности раз-

личных типов перспективных алгоритмов по отношению друг к другу, а также к используемым в существующих АС УВД алгоритмам.

На защиту выносятся следующие научные положения и результаты:

1) Математическая модель динамики движения ВС, учитывающая различные параметры возможного маневра:

- увеличение размерности модели динамики движения ВС до 4-го порядка;

- изменение случайной составляющей маневра в пределах значений, соответствующих максимально возможному ускорению ВС от 0 до 10§;

- изменение длительности маневра в пределах от 1 до 60 с.

2) Алгоритмы, обеспечивающие более высокие (по сравнению с существующими в АС УВД) характеристики точности и устойчивости при обработке информации о местоположении интенсивно маневрирующих ВС. В основу синтеза пяти различных типов адаптивных алгоритмов были положены:

- 8-модификации фильтра Калмана;

- измеритель с оптимальной коррекцией прогноза состояния;

- многоканальный измеритель для постоянных параметров моделей состояния;

- многоканальный измеритель с перекрестными связями;

- измеритель с идентификацией параметров модели состояния.

3) Методика комплексной оценки эффективности функционирования алгоритмов обработки информации, учитывающая различные критерии и условия применения, позволяющая количественно оценить относительную эффективность различных типов алгоритмов между собой.

4) Результаты исследования синтезированных алгоритмов, а также сравнительные оценки их эффективности, полученные на основе разработанной методики.

Практическая значимость работы состоит в том, что:

- разработанные методы могут быть применены в современных и перспективных АС УВД для обеспечения контроля местоположения интенсивно маневрирующих ВС государственной авиации, что позволит повысить точность информации о воздушной обстановке и обеспечит увеличение уровня безопасности полетов;

- разработанная методика комплексной оценки эффективности может быть использована для определения наиболее подходящих алгоритмов обработки информации в АС УВД для различных условий использования и ограничений.

Внедрение результатов. Результаты диссертационной работы использованы при выполнении ОКР «Автоматизированная система управления полетами, навигации, посадки и связи для аэродромов государственной авиации» (шифр «Рейс-2000») в ОАО «НПО «ЛЭМЗ», при выполнении ОКР по созданию изделия А-100 в ОАО «Концерн радиостроения «Вега», в учебном процессе ВВИА им. Н.Е. Жуковского, а также при выполнении НИР «Дециан-08» в 24 НЭИУ МО РФ.

Апробация результатов. Материалы диссертации докладывались и обсуждались на VIII Всероссийской научно-технической конференции в ТВВАИУРЭ (Тамбов, 2006 г.), НТС в 24 НЭИУ МО РФ и межкафедральных семинарах в МГТУ ГА.

Публикация результатов. Основные результаты диссертации опубликованы в восьми научных статьях (четыре из которых - в изданиях, рекомендованных ВАК для опубликования научных результатов диссертационных работ).

Структура и объем работы. Диссертация состоит из введения, грех глав, заключения, библиографического списка использованной литературы. Общий объем рукописи составляет 130 страниц, включает 59 рисунков, 13 таблиц. Библиографический список содержит 67 источников.

Содержание работы

Первая глава посвящена обзору существующих и перспективных АС УВД, описанию средств, используемых в качестве источников информации для подсистемы наблюдения АС УВД и оценке влияния современных тенденций развития авиации на повышение требований к характеристикам АС УВД.

Показано, что подсистема наблюдения за воздушной обстановкой, являясь важнейшей частью современных и перспективных АС УВД, должна обеспечивать полный и объективный контроль местоположения всех ВС, находящихся в ВП, контролируемом АС УВД. Устойчивое сопровождение ВС как в трассовом, так и во внетрас-совом секторах является залогом обеспечения безопасности воздушного движения и эффективности использования ВП.

Рассмотрены основные факторы, определяющие состояние и перспективы развития подсистемы наблюдения за воздушной обстановкой. Дана краткая характеристика каждого фактора и оценена степень его влияния на повышение требований к подсистеме наблюдения за воздушной обстановкой.

К наиболее значимым факторам отнесены современные тенденции:

- информационной и технической интеграции систем и средств наблюдения за воздушной обстановкой различной ведомственной принадлежности;

- совершенствования маневренных характеристик ВС государственной авиации.

Далее проведен анализ методов обработки информации, используемых в подсистемах наблюдения современных АС УВД. Показано, что совершенствование маневренных характеристик авиационной техники, с одной стороны, и тенденции к интеграции систем и средств наблюдения за воздушной обстановкой различных ведомств в единую систему, с другой стороны, существенно повысят требования к алгоритмам обработки информации, используемым в подсистемах наблюдения существующих и перспективных АС УВД.

Требования одновременного сопровождения нескольких сотен ВС при ограниченной производительности вычислительных систем современных АС УВД предопределяют необходимость использования упрощенных математических моделей динамики движения ВС, основанных на гипотезе движения с постоянной скоростью. Такие модели движения в достаточной мере удовлетворяют условиям слежения за гражданскими ВС на трассах. Однако, при сопровождении интенсивно маневрирующих ВС, когда появляется продольное и поперечные ускорения (производные ускорения), экстраполяция местоположения ВС будет выполняться с достаточно большими ошибками. Это влечет за собой появление нарастающих ошибок оценивания всех фазовых координат ВС и повышает вероятность срыва сопровождения. Примером подобного интенсивного маневра может быть выполнение ВС разворота в вертикальной плоскости с малым радиусом, когда за несколько секунд направление вектора скорости изменяется на противоположное.

Применяемые в существующих и разрабатываемых АС УВД алгоритмы сопровождения ВС, основанные на классических калмановских фильтрах 2-го или 3-го порядка, в полной мере не могут обеспечить устойчивое сопровождение высокоманевренных ВС на всех этапах полета.

В заключении главы сделан вывод о том, что для обеспечения контроля местоположения ВС государственной авиации и УВД во внетрассовых секторах ВП в современных и перспективных АС УВД необходимо использовать более совершенные алгоритмы. Использование подобных алгоритмов позволит повысить безопасность полетов как гражданской, так и государственной авиации.

Во второй главе выбрана математическая модель динамики движения ВС, учитывающая различные варианты возможного маневра, обоснованна необходимость использования при синтезе адаптивных алгоритмов - процедур аналого-дискретной фильтрации, синтезированы пять различных типов адаптивных алгоритмов сопровождения ВС и исследованы их характеристики.

В качестве математической модели динамики движения ВС выбрана классическая модель Зингера с уравнением состояния:

Х(к) = Р(к,к -1)Х(к -1) + С(к)Л ,(к), (1)

где Х(к) - вектор оцениваемых фазовых координат на к-ом цикле обработки информации;

К(к,к -1)- переходная (фундаментальная) матрица; в(к) - матрица формирующих шумов;

Т1х(к) - белый гауссовский шум, характеризующий случайный маневр ВС, с нулевым математическим ожиданием и дисперсией а'(к). Переходная матрица Г(к,к -1) в этом случае определяется выражением:

F(k,k-1) =

Т -U-l + aT + e"T а

(2)

где Т - интервал дискретизации, как правило, равный периоду обновления информации о ВС; а - величина, обратная постоянной времени маневра х„ (а = 1/т„ ).

Значение интервала дискретизации Т, в используемых моделях состояния является фиксированным и может составлять от 5 с до 20 с (для аэродромных и трассовых АС УВД). Значения параметра а зависят от предполагаемых маневренных характеристик ВС. Например, а»1/60 (при медленном развороте ВС), а«1/20... 1/5 (при интенсивном маневре ВС), о~1 (при атмосферной турбулентности). Интенсивность случайной составляющей маневра ВС, характеризуемая дисперсией а* (к) белого гауссов-ского шума, также зависит от маневренных характеристик и типа ВС. Характеристики маневренных возможностей различных типов ВС приведены в табл. 1. ____Таблица 1

Типы ВС Максимальная скорость (в проекции на оси прямоугольной декартовой СК), м/с Дисперсия скорости, mVc1 Максимальное ускорение (а проекции на оси прямоугольной декартовой СЮ, м^с1 Дисперсия ускорения, м/с*

Пассяжирские, транспортные самолеты 300 10000 15 25

Вертолета 100 1100 25 70

Истребители-перехватчики 3-го поколения 680 51380 70 540

Истребители-перехватчики и многофункциональные самолеты 4-го поколения 830 76540 90 900

Истребители-перехватчики и многофункциональные самолеты 5-го поколения 9Ш 90000 95 1003

Использование процедур аналого-дискретной фильтрации позволяет более адекватно отражать реальную физическую сущность процесса обновления информации о ВС в современных АС УВД. Интервал дискретизации модели т, в этом случае, выби-

рается меньше периода обновления информации Т. Уравнение наблюдения, в этом случае, будет иметь вид:

2(к) = 02(к)[НХ(к) + £и(к)], (3)

[1, при к = ¡Т/т, ¡ = 0,1,2..., д'(к) = 10,прик*П7т, (4)

- признак поступления очередных измерений; Цк) - измеряемые фазовые координаты;

Н - матрица связи вектора состояния с вектором измерения; |„(к) - вектор белых га-уссовских шумов измерений с нулевым матожиданием и дисперсией о^(к).

Апостериорная ковариационная матрица ошибок для алгоритма аналого-дискретной фильтрации определяется из следующих уравнений:

Г[Е-Кф(к)Нр>(к,к-1), при к = ГГ/г;

|й(к,к — 1), при к * ¡Т/г; 1 '

Кф(к) = 0(к,к - 1)Нт[Ш)(к,к - 1)НТ + ст^(к)]4;

(б)

И(к, к -1) = Г(к, к - 1)Ю(к - 1)К'(к, к -1) + в(к)о] (к)Ст(к).

Оценки вектора состояния в алгоритме аналого-дискретной фильтрации вычисляются по рекуррентным соотношениям:

хос)=|х"(к)+К*(к)[2(к)" НХ»(к)1' "Ри к = Шт'

1Х„(к), при к* ¡Т/г, (7)

Х„(к) = К(к,к-1)Х(к-1).

В уравнениях (4) - (7) Т - период поступления очередных измерений, х « Т -интервал дискретизации модели состояния, к - соответствующие моменты дискретизации.

Отличие алгоритма аналого-дискретной фильтрации от классического калманов-ского алгоритма заключается в том, что экстраполяция вектора состояния Х(к) и ковариационная матрица ошибок экстраполяции 0(к,к-1) вычисляются с малым интервалом т, а измерения (3) и коррекция вектора оценок (7) происходят с большим интервалом Т. При этом в моменты между поступлениями измерений вектору Х(к) присваивается значение вектора Х,Д), а апостериорной ковариационной матрице ошибок фильтрации О(к) присваивается значение ковариационной матрицы ошибок экстраполяции 1)(к,к-1).

Достоинством алгоритма аналого-дискретной фильтрации является возможность непрерывно (с малым интервалом х) получать информацию о фазовых координатах сопровождаемых ВС при достаточно большом периоде поступления измерений Т.

На основе алгоритма аналого-дискретной фильтрации были синтезированы пять различных типов адаптивных алгоритмов сопровождения:

- алгоритм с обнаружителем маневра и коррекцией коэффициентов усиления (Э-модификация фильтра Калмана);

- измеритель с оптимальной коррекцией прогноза состояния (ОКПС);

- многомодельный измеритель для постоянных параметров моделей состояния (ППМС);

- многомодельный измеритель с перекрестными связями между моделями состояния (ПСМС);

- измеритель с идентификацией параметров модели состояния (ИПМС). З-модификация фильтра Калмана (рис. 1)

¡РЁНЛРУЖИТЕЛ») S(k> Г КОРРЕКТОР MAHESPA !

ФИЛЬТР КАПМАНА

Рис. 1

Начало маневра идентифицируется по правилу:

AZ'(k)AZ(k) > tr{M(AZ(k)AZT(k))}= tr{lID(k,k - l)HT + c'(k)}, где tr{...} - след матрицы, М(...) - символ математического ожидания. Весовой коэффициент S вычисляется по правилу:

= tr[AZ(k)AZT(k) - HG(k)cr'(k)GT(k)HT - cfo)] tr[HF(k, k - l)D(k - 1)FT (k, k - 1)HT ] Коэффициент усиления корректируется за счет изменения априорной ковариационной матрицы ошибок:

D(k, к -1) = SF(k, к - l)D(k - 1)F* (к, к -1) + G (к -1)^ (к - 1)Gт (к -1), (10)

(8)

(9)

Измеритель с ОКПС (рис. 2)

ВЫЧИСЛИТЕЛЬ УПРАВЛЯЮЩИХ ПОПРАВОК ПРОГНОЗ* СОСТОЯНИЯ

км

•

вД-«ьЬЛ

i а

ФИЛЬТР КАЛМАНА

Рис. 2

Адаптация фильтра сопровождения к изменению динамики движения ВС основана на оптимальной коррекции прогноза Х„(к) при определении оценки вектора состояния Х(к) по формулам (7) путем введения аддитивной управляющей поправки ик.

Вектор чк управляющих поправок является оптимальный по минимуму функционала качества:

1 = м^-нхргдр[г-нхр]+и;крик}; (И)

где (}р - матрица штрафов за точность приближения НХрк Ъ\ Кр- матрица штрафов за величину управляющих поправок; М{...} - математическое ожидание случайной величины.

Используя алгоритмы статистической теории оптимального управления для определения значения вектора управляющих поправок можно получить выражение: а, (к) = И„[(Е - НКф(к))(г(к) - НХ„ (к))], (12)

где

11РУ=(НЧ}РН+КРГ'Н'(}Р (13)

- матричный коэффициент усиления ошибки управления;

Х,р(к) = Р(к,к-1)Хр(к-1) (14)

- прогноз состояния оцениваемого процесса.

Результирующая оценка вектора состояния определяется выражением:

Хр (к) = Х,р (к) + {ИдЕ ~ НКф (к)] + Кф (к) |г(к) - НХ]р (к)] (15)

Многомодельный измеритель для ППМС (рис. 3)

При синтезе алгоритма на основе многомодельного измерителя для ППМС предполагается, что множество возможных значений параметров и типов маневра ВС фиксировано, конечно и определенно для каждого момента времени.

-1 I___I

ФИЛЬТР КАРМАНА НМ-11-Й канн* :

Рис. 3

Область возможных гипотез Е" дискретизируется в соответствии с предположениями о возможных вариантах состояния ВС (отсутствии или наличии маневра, типе маневра и значениями параметров маневра).

Е"={т7, ¡ = 6ЖГ1, (16)

где М - количество возможных гипотез состояния ВС; ш° - гипотеза отсутствия маневра; ш', 1 = 1,М-1 - гипотезы наличия маневра определенного типа.

Оптимальная оценка вектора состояния Х(к) в этом случае определяется как:

Х(к) = |;Х(к,т|)Р(т||гк), (17)

1=0

где Х(к,т') - условная оценка вектора состояния фильтром Калмана, «настроенным» на ш'-ю гипотезу состояния ВС, которая определяется классическими уравнениями (7) с параметрами Р(к,к-1), а,, тм , соответствующими этой гипотезе; Р(т'|г.к) - апостериорная вероятность гипотезы т' при условии получения =

[2(\)...Х(к)] - совокупности наблюдений до к-го момента времени, которая определяется соотношением:

Р(т'|гк) = д!^ М ,

£Р(т'|гы)Р(2(к)|гкч,т')

(18)

где Р(г(к)|гк ',т') - условная одношаговая функция правдоподобия, определяемая плотностью вероятности наблюдения Х(к) при условии получения совокупности наблюдений до (к-1)-го момента времени и нахождении ВС в состоянии, соответствующем та'-ой гипотезе. С учетом гауссовской аппроксимации плотности вероятности для условной одношаговой функции правдоподобия можно получить:

- 1

Р(г(к)йк-',ш,)=

7(2п)° сЫ{ШУ (к, к - 1)НТ + о| (к)}'

хехр<-

Д2?(к)Д7;(к)

(19)

2НО'(к,к-1)Нт+^(к)|' где 0'(к,к-1) - ковариациишая матрица ошибок экстраполяции, вычисляемая для гипотезы т1 по формулам (6) в каждом из фильтров, «настроенных» на различные гипотезы; АХ, (к) = 7(к)-НХ!ж(к) - обновляющий процесс (невязка), рассчитываемая в фильтре, «настроенном» на гипотезу состояния ВС т'; п - размерность вектора Х(к).

Многомодальный измеритель с ПСМС (рис. 4)

\*(к-| I и №-1 I

Х'и(к-П п )

...Г ФК1 ФК

1 т

| ФК

Т-'"_

Объединение по вероятностям для модели ш"

Х""'(к> 1.\"*......(к)

Вычисление вероятностен

Объединение по вероятностям для модели т" 1

Комбинация выходноЛ оиенкп

С.

р:и\|2':

Х"|к| Ик, \|Ь) Р|к) Х'"(к) р""(к| Рис. 4

При реализации алгоритма на основе многомодельного измерителя с ПСМС считается, что уравнения состояния и наблюдения описываются аналогично (1), (3): Х(к) = F(mj )Х(к -1) + G(m{ (т[ ), Z(k) = HX(k) + !jB (к),

где mj - одна из возможных гипотез о состоянии ВС в к-й момент времени; j = 0,M-l, M - число возможных гипотез о состоянии ВС; F(mJk) - переходная матрица состояния, соответствующая одной из возможных моделей (гипотез) состояния

ВС в к-й момент времени; 0к = {m|,mJ2.....mj}, i,j,...q = 0,M-l - последовательность

возможных гипотез состояний, которые ВС могло бы принимать от исходного до к-го момента времени; - вектор формирующих белых гауссовских шумов, соответствующий гипотезе состояния ВС mi, с нулевым математическим ожиданием и дисперсией a^(mj).

Предполагается также, что переход ВС от одного состояния к другому с соседние моменты времени моделируется односвязной цепью Маркова с матрицей переходных вероятностей р = [цв] где = р{т£|т'к_,} - условная вероятность того, что ВС в к-й момент времени перейдет в состояние mi, при условии, что в момент времени к-1 оно находилось в состоянии п^.,.

Основные вычислительные этапы, реализующие цикл данного алгоритма можно представить в виде следующей последовательности действий:

1) После поступления на очередном k-ом временном интервале очередных измерений Z(k) в каждом из М2 параллельных фильтров Калмана формируются оценки векторов состояния и ковариационные матрицы ошибок оценок по классическим калмановским алгоритмам:

xL(k) = FK)X4k-l);

D"(к, к -1) = F(mi )Di (к - 1)F'(mj ) + G (mj, )<r2x (m'k )G'(m[ );

KJ(k) = Dij(k,k-l)HT[HDij(k,k-l)HT + огв(к)Г'; (21)

ХЧк) = Xl (к) + KJ(k)[Z(k) - HXi(k)];

D» (к) = IE - К J (k)H]Dij (к, к -1).

2) Рассчитываются условные плотности вероятностей наблюдения, соответствующие последовательности состояний {m'u.mj} по формуле:

A^rfZtkK-i.mi.Z'-1]«

= \2л)° det{S,J(k)}}"/2exp{-0,5AZ;(k)S:,(k)AZ,J(k)},

где п - размерность вектора наблюдения Z(k); AZ[((k) = Z(k) - HXJB(k) - обновляющий процесс (невязка); Sa(k) = HDIJ(k,k-1)1Г +a!„(k) - ковариация обновляющего процесса; Zk"' = [Z(l)...Z(k-I)] - совокупность наблюдений до (к-1)-го момента времени.

3) Вычисляются условные вероятности состояний mj и m,., ВС:

М-1 ( | )

-Г——¡;

¡=0

1Л1)(к)ц,р{т'к к,"}

гу1е 7} = [2^1)...г(к)] - совокупность наблюдений до к-го момента времени.

4) Формируются выходные оценки вектора состояния и ковариационные матрицы ошибок оценок для каждой из М предполагаемых гипотез (моделей) состояния ВС, как весовая сумма оценок М фильтров Калмана:

М°1 (24)

Эти оценки вектора состояния Х'(к)и ковариационные матрицы ошибок оценок О'(к) будут являться входными условиями всех фильтров Калмана на следующем (1с+1)-ом цикле работы алгоритма.

5) Определяется итоговая оценка вектора состояния и ковариационная матрица ошибок оценки, как комбинация (взвешенная сумма) выходных оценок и ковариационных матриц ошибок, рассчитанных для каждой из М предполагаемых гипотез (моделей) состояния ВС:

Х(к)=Х;Х'(к)Р|ггфк};

£ (25)

Щк) = £р{т^фчк) + [ХЧк)- Х(к)][Х'(к)-Х(к)]'}.

Измеритель с ИПМС (рис. 5)

ФИЛЬТР КАЛМАНА

рве. 5

Суть метода, используемого в измерителе с ИПМС, заключается в оценке элементов фундаментальной матрицы модели состояния Р(к,к-1), и их сравнение с априорными значениями % положенными в основу модели движения ВС. Если ВС не маневрирует, то оценки практически совпадают с их априорными значениями и фильтр отслеживаемого процесса функционирует по традиционному алгоритму фильтрации. Если ВС начинает маневрировать, то появляются отличия оценок элементов фундаментальной матрицы модели состояния Р(к,к-1) от их априорных значений, и принимается решение о наличии маневра.

В качестве решающего правила о начале маневра может использоваться условие:

в (26) где - определенный порог для каждого коэффициента матрицы Р(к,к-1). Если хотя бы для одного (двух, трех и т.д.) коэффициента выполняется условие (26), то принимается решение о начале маневра и соответствующей коррекции фильтра.

Идентификация параметров моделей состояния, используемых при синтезе фильтров сопровождения, может быть выполнена на основе метода Мейна, представляющего собой алгоритм калмановской фильтрации, в котором оценивается не вектор состояния, а вектор параметров модели. Метод позволяет для уравнения состояния: Х(к) = Р(к,к-1)Х(к-1) + ^(к-1) (27)

оценить вектор

а(к) = [Г, (к, к -1), К2(к,к -1),..., Р„(к,к - 1)]т (28)

параметров модели (27), где Р;(к,к-1) (¡=1.. .п) - вектор-строки фундаментальной матрицы Г(к,к—1).

Оптимальная по минимуму СКО оценка параметров модели определяется выражениями:

а(к) = а(к -1) + Ка (к)[Х(к) - М(к)а(к -1)], а(0) = ао; (29)

К,(к) = 0,(к-1)МтТк)[М(к)0,(к-1)Мт(к) + В(к)Г1; (30)

где

М(к) =

Хт(к -0

0

1)

0

Х'(к-1)

о

о о о

Х'(к-1)

(31)

- матрица размером пхп , п - размерность модели.

О,(к) = О,(к -1) - ИДк - 1)Мт(к)[М(к)В.(к - 1)М*(к) + »(к)]-' х хМ(к)0,(к~1), (32)

0.(0) = О>0,

где а0 и Оао - начальные условия, а матрица Э(к) определяется (5) и (6).

Оценки параметров модели, полученные по методу Мейна (29)-(32), используются в дальнейшем для корректировки моделей, изначально заложенных в фильтр.

Исследования синтезированных алгоритмов пяти различных типов, проведенные на основе имитационного моделирования, показали, что использование любого из этих типов алгоритмов в современных и перспективных АС УВД позволит повысить точность и устойчивость сопровождения высокоманевреккых ВС при наблюдении во внетрассовом секторе воздушного пространства. Выбор какого-то определенного ти-

па алгоритмов сопровождения, как наиболее эффективного не является очевидным и зависит от ряда условий и критериев:

- возможные варианты динамики движения (маневренные характеристики) ВС и математические модели, используемые для их описания;

- требуемая точность сопровождения ВС в условиях равномерного движения и при выполнении маневров различной длительности и интенсивности;

- возможности адаптации алгоритмов к резким изменениям динамики движения ВС в процессе сопровождения;

- предполагаемое количество одновременно сопровождаемых ВС и вычислительные возможности (быстродействие, объем памяти) средств, реализующих алгоритмы обработки информации.

Таким образом, возникает необходимость комплексной оценки эффективности функционирования алгоритмов обработки информации и их сравнения между собой.

В третьей главе изложены основные положения теории сложных систем и теории принятия решения, используемые при разработке методики комплексной оценки эффективности алгоритмов обработки информации, разработана методика и проведена сравнительная оценка исследуемых типов алгоритмов.

Сущность разработанной методики заключается в многоуровневом взвешенном суммировании частных показателей эффективности по различным критериям, характеристикам и при различных условиях функционирования алгоритмов.

Основные принципы, учитываемые при разработке методики:

- принцип аддитивной полезности: «полезность целого равна сумме полезностей его частей», означающий, что каждый доминирующий показатель более высокого уровня иерархии является интегральным показателем от частных (доминируемых) показателей более низкого уровня иерархии;

- процедура оценки эффективности должна быть рассчитана на проведение любой потребной детализации задачи, т.е. на сокращение/увеличение показателей эффективности, как по числу показателей на одном уровне (в «ширину»), так и по числу уровней (в «глубину»);

- обеспечение возможности использования в методике как количественных, так и качественных показателей эффективности;

- принцип взвешенности, учитывающий различную важность показателей эффективности (назначение показателям соответсгвующих весовых коэффициентов).

Процедура комплексной оценки эффективности состояла из следующих этапов:

- определение состава и структуры частных показателей эффективности;

- расчет частных показателей эффективности;

- расчет обобщенных показателей эффективности.

Состав и структура частных показателей эффективности определялись исходя из основных критериев оценки эффективное™ функционирования алгоритмов (точность, устойчивость, быстродействие), а также исходя из различных вариантов условий применения исследуемых алгоритмов (при отсутствии маневра ВС и при наличии маневра различных топов и интенсивности).

Значения частных показателей эффективности по критериям точности и устойчивости определялись на основе имитационного моделирования и последующего сравнения среднеквадратических ошибок (СКО) оценок дальности, полученных исследуемыми алгоритмами, с СКО оценок дальности, полученных эталонным алгоритмом на основе классического фильтра Калмана, функционирующего в аналогич-

ных условиях. Примеры результатов имитационного моделирования приведены на ¡рафиках (рис. 6, 7).

Рис. 6 СКО оценок дальности до ВС при использовании классического фильтра Калмана и измерителя с ОКПС (при маневре предполагается увеличение максимально возможного ускорения ВС от 2£ до 10§ и уменьшение интервала корреляции от 60с до 20с)

Рис. 7 СКО оценок дальности до ВС при использовании классического фильтра Калмана и 2-модельного измерителя для ППМС (при маневре предполагается увеличение размерности модели динамики движения ВС с 3-го

до 4-го порядка)

Показатели эффективности по критерию точности рассчитывались в %, на которые изменялись значений СКО оценок исследуемыми фильтрами (символы «О» на графиках) по отношению к соответствующим значениям СКО оценок классическим

фильтром Калмана (символы «□» на графиках).

Значения временных характеристик переходных процессов в исследуемых алгоритмах, относящихся к критерию оценки устойчивости, также определялись непосредственно по результатам имитационного моделирования (рис.6, 7).

Частные показатели эффективности, характеризующие быстродействие исследуемых алгоритмов, определялись на основе анализа математических выражений (уравнений), описывающих эти алгоритмы (8) - (32).

Результаты расчетов значений частных показателей эффективности функционирования алгоритмов, представлены в табл. 2.

Таблица 2

Частные показателе эффективности Типы исследуемых алгоритмов сопровождения

S-Калман Измеритель с ОКПС 2-модельный измеритель с 11ЛМС 2-модельный измеритель с ПСМС Измеритель с ИПМС

1. Точность

1 1 СКО фильтрации (в % по сравнению с классическим фильтром Калмана)

1 II Маневр отсутствует -2 -2 -2 -2 -2

1.1 2 Увеличение ускорения от 2% до и уменьшение интервал» корреляции от 60 с до 20 с 39 35 27 39 32

I I 3. Увеличение ускорения от 2% до 10$ в уменьшение интервала корреляции от 60 с до 20 с 41 4$ 47 56 43

1.1 4 Уьегатчение порядка размерности модели динамики движения с 3-го до 4-го 72 73 73 78 73

12 СКО экстраполяции (в % по срввчентоо с классическим фильтром Калмэна)

1 2 1. Майе вр отсутствует -12 -124 -25 • 11 -19

12 2. Уьелппекие ускорения от 2 g до 7g я уменьшение интервале корреляции от 60 с до 20 с 25 25 19 28 20

1.2.3 Увеличение ускорения от 2g до I0g и уменьшение интервала корреляции от 60 с до 20 с 20 35 31 41 IS

12 4. Увеличение поршэ размерности модели динамики движения с 3-ю до 4-го 34 42 65 70 69

2. Чувствительность

2 1 Длительность переходных проаессов, с

2.1 I. Увеличение ускорения от 2g до 7g в уменьшение интервала корреляции от 60 с до 20 с 20 10 15 10 20

2.1.2. Уменьшение ускорения от 7g до 2g и увеличение интервала корреляшш от 20 с до 60 с 10 20 15 15 IS

2 1.3. Увеличение ускорения от 2g до 10g в уменьшение янтгрвала корреляции от 60 с до 20 с J5 10 10 15 25

2.1.4. Уменьшение ускорения от I0g до 2g и увеличение интервчла корреляции от 20 с до 60 с 15 20 10 15 15

2 1.5 Увеличение порядка размерности модели дгша-мики давления с 3-го до 4-го 15 15 15 IS 10

2 16 Уменьшает с в порядок размерности модели движения ЛА с 4-го до 3-го IS 15 15 15 10

3. Быстродействие (обьем вычислений)

3.1. Количество математических операций сложения матриц 7 П 17 46 10

3 2. Количество математических операций умножение и обращения матриц 21 25 58 164 26

3.3. Количество математических ооераинй транспонирования матриц 6 8 12 20 8

При расчетах обобщенных показателей эффективности рассматривались четыре различных стратегии принятия решения о более эффективном алгоритме (табл.3).

Результаты расчетов обобщенных показателей эффективности функционирования алгоритмов сопровождения приведены в табл.3, где для каждой стратегии принятия решения исследуемые алгоритмы сгруппированы в порядке убывания обобщенного показателя эффективности (ухудшения эффективности).

Таблица 3

Стратегия 1 (Более эффективным считается алгоритм с наилучшими показателями качества при любых возможных условиях применения и при отсутствии ограничений на объем вычислительных затрат} Стратегия 2 (Болег эффективным считается алгоритм с наилучшими показателями качества при отсутствии интенсивно маневрирующих ВС, при этом отсутствуют ограничения на объем вычислительных затрат) Стратегия 3 (Более эффективным считается алгоритм с наилучшими показатели качества при отсутствии интенсивно маневрирующих ВС, при этом объем вычислительных затрат ограничен) Стратегия 4 (Более эффективным считается алгоритм с наилучшими показатели качества при любых возможных условиях применения, при ътом объем еы-числительных затрат ограничен)

2-модельный измеритель с ПСМС (047) 2-молельный измеритель с ПСМС (0,46) Измеритель с ИПМС (0,62) Измеркгель с ИПМС (0,59)

2-модельный измеритель с ППМС (0,50) Измерктелъ на основе Э-Калмана (0,45) 2-модельный измеритель с ППМС (031) Измеритель с ОКПС (0,56)

Измеритель с ИПМС (0,47) Измеритель с ИПМС (0,42) Измеритель с ОКПС (0,41) 2-модельный измеритель с ППМС (034)

Измеритель с ОКПС (0,41) 2-модельный измеритель с ППМС (0,40) 2-моделькый измеритель с ПСМС (0,23) 2-модельный измеритель с ПСМС (0,37)

Измеритель на основе Калмана (0,38) Измеритель с ОКПС (0,00) Измеркгель на основе Э-Калмана (0,23} Измеритель на основе $-Калмана (0,26)

Примечания^ в скобках жирным шрифтом указаны соответствующие значения обобщенных показателей эффективное™.

Из табл. 3 видно, что в условиях неограниченного объема вычислительны затрат (стратегии 1 и 2) наивысший показатель эффективности обеспечивается алгоритмом на основе измерителя с ПСМС, который является наиболее ресурсоемким с точки зрения объема вычислений. При ограничениях на объем вычислительных затрат (стратегии 3 и 4) наивысший показатель эффективности обеспечивается алгоритмом на основе измерителя с ИПМС.

Учитывая, что в условиях высокой интенсивности воздушного движения современным и перспективным АС УВД необходимо единовременно контролировать большое количество ВС, ограничения на объем вычислительных затрат при реализации алгоритмов сопровождения являются актуальными. Поэтому рассматриваемые стратегии принятия решения 3 и 4 являются наиболее приближенными к реальным условиям эксплуатации АС УВД. Следовательно, использование в современных и перспективных АС УВД алгоритма на основе измерителя с ИПМС является более эффективным с точки зрения минимизации вычислительных затрат при заданной точности контроля местоположения интенсивно маневрирующих ВС.

Заключение

Диссертационная работа направлена на решение актуальной научной задачи -повышение функциональных возможностей современных и перспективных АС УВД в части контроля ИВП и УВД при наблюдении за высокоманевренными ВС государственной авиации.

На основе проведенных исследований получены следующие основные научные результаты и выводы.

1. Определены наиболее значимые организационно-экономические и технические факторы, влияющие на облик и характеристики подсистемы наблюдения за воздушной обстановкой современных и перспективных АС УВД.

2. Обоснована необходимость совершенствования методов обработки информации о воздушной обстановке в подсистемах наблюдения АС УВД с целью обеспечения контроля местоположения ВС гражданской и государственной авиации как в трассовом, так и во внетрассовом секторах. В качестве направлений совершенствования предложено использование специальных алгоритмов обработки информации при сопровождении высокоманевренных ВС.

3. Выбрана модель динамики движения ВС, наиболее полно учитывающая различные типы и параметры возможного маневра.

4. Разработаны адаптивные алгоритмы обработки информации на основе:

- Б-модификации фильтра Калмана;

- измерителя с ОКПС;

- многоканального измерителя для ППМС;

- многоканального измерителя с ПСМС;

- измерителя с ИПМС.

Исследования функционирования алгоритмов обработки информации при сопровождении ВС, проведенные на основе имитационного моделирования, показали, что использование любого из указанных типов алгоритмов позволит существенно повысить точность и устойчивость сопровождения интенсивно маневрирующих ВС по сравнению с алгоритмами, используемыми в существующих АС УВД.

5. Разработана методика комплексной оценки эффективности алгоритмов, учитывающая различные критерии и условия применения и позволяющая получить сравнительную количественную оценку эффективности различных типов алгоритмов по отношению друг к другу.

6. На основе разработанной методики проведена сравнительная оценка эффективности исследуемых типов алгоритмов. Показано, что интегральные показатели точности, устойчивости и чувствительности исследуемых алгоритмов увеличиваются с ростом вычислительных затрат. В результате сравнительной оценки с использованием четырех различных стратегий принятия решения выбраны два типа алгоритмов, обеспечивающих наивысшее значение интегрального показателя эффективности.

7. Более эффективным алгоритмом обработки информации с учетом ограниченности вычислительных ресурсов АС УВД является алгоритм на основе измерителей с ИПМС. Без учета объема вычислительных затрат более эффективным алгоритмом является алгоритм на основе измерителей с ПСМС.

Полученные научные результаты и выводы позволяют дать следующие рекомендации.

1. Исследованные в работе адаптивные алгоритмы обработки информации целесообразно использовать в подсистемах наблюдения существующих и перспективных АС УВД для полноценного контроля ИВП и УВД как в трассовом, так и во внетрас-совом секторах ВП с целью повышения уровня безопасности полетов.

2. Разработанная методика комплексной оценки эффективности алгоритмов и расчетная программа, выполненная на ее основе, может быть использована при сравнительной оценке существующих и разрабатываемых алгоритмов с учетом использования различных критериев и условий применения.

3. Результаты, полученные в процессе исследований, показывают целесообразность использования многомодельных измерителей и измерителей на основе идентификации параметров модели состояния в процедурах идентификации траекторий ВС.

По материалам диссертации опубликованы следующие работы:

1. В изданиях, входящих в перечень, рекомендованный ВАК для опубликования основных научных результатов диссертаций:

1.1. М.В. Черняков, A.B. Шанин. Оценка эффективности системы наблюдения за воздушной обстановкой Московского зонального центра УВД. // Научный вестник Mi ТУ ГА, серия Радиофизика и радиотехника, 2001. -№27.

1.2. М.В. Черняков, A.B. Шанин. Структура показателей эффективности системы наблюдения за воздушной обстановкой Московского зонального центра УВД. // Научный вестник МГТУ ГА, серия Радиофизика и радиотехника, 2001. -№26.

1.3. М.В. Черняков, A.B. Шанин. Перспективы развития систем наблюдения за воздушной обстановкой. // Наукоемкие технологии, 2008. -№6.

1.4. М.В. Черпяков, A.B. Шанип. Алгоритмы сопровождения интенсивно маневрирующих летательных аппаратов для радиолокационных комплексов двойного назначения. // Научный вестник МГТУ ГА, серия Радиофизика и радиотехника, 2008. -№133.

2. В прочих изданиях:

2.1. A.B. Шанин, Е.В. Попов. Стационарный фильтр для слежения за сверхманевренными целями. //Сборник научно-методических материалов по многофункциональным РЭК под ред. П.И.Дудника. -М.: ВВИА им. Н.Е.Жуковского, 1995.

2.2. A.B. Шанин, М.А. Еськип, Е.В. Попов. Исследование стационарного фильтра измерителя дальности. // Сборник научно-методических материалов по многофункциональным РЭК под ред. П.И.Дудника. -M.: ВВИА им. Н.Е.Жуковского, 1996.

2.3. A.B. Шанин, Б.С. Пряхин. Возможность и целесообразность использования алгоритмов сопровождения интенсивно маневрирующих летательных аппаратов в радиолокационных комплексах двойного назначения. // Научный вестник ГосНИИ «Аэронавигация», серия Проблемы организации воздушного движения. Безопасность полетов, 2006. -№6.

2.4. С.Н. Ключников, H.A. Мартынов, A.B. Шанин. Методика сравнительного анализа альтернативных типов радиолокационных систем посадки государственной авиации. // Научный вестник ГосНИИ «Аэронавигация», серия Проблемы организации воздушного движения. Безопасность полетов, 2006. -№6.

Соискатель

Связаться с автором можно по телефону: +7 (495) 542-3182, или по электронной почте: [ alex@info-svvaz.ru

Подписано в печать 07.10.09 г. ;чать офсетная Формат 60x84/16 1,25 уч.-изд. л. 16 усл.печл._Заказ № 881/ f/J"_Тираж 80 экз.

осковский государственный технический университет ГА 5993 Москва, Кронштадтский бульвар, д. 20 •дакционно-издательский отдел 5493 Москва, ул. Пулковская, д.ба

© Московский государственный технический университет ГА, 2009

Перечень сокращений.

Введение.

Глава 1 Подсистема наблюдения за воздушной обстановкой — основной источник информации в современных автоматизированных системах управления воздушным движением.

1.1 Роль и место подсистемы наблюдения в современных автоматизированных системах управления воздушным движением.

1.2 Традиционные и перспективные источники информации в подсистемах наблюдения за воздушной обстановкой.

1.3 Требования к подсистеме наблюдения в современных условиях развития авиационной техники и воздушного транспорта.

1.3.1 Увеличение интенсивности воздушного движения, сокращение минимумов эшелонирования, внедрение требуемых навигационных характеристик.

1.3.2 Укрупнение зон ответственности центров управления воздушным движением и информационная интеграция подсистем наблюдения за воздушной обстановкой различных ведомств.

1.3.3 Совершенствование летных характеристик (маневренных свойств) воздушных судов.

1.4 Анализ методов обработки информации, используемых в современных подсистемах наблюдения за воздушной обстановкой автоматизированных систем управления воздушным движением.

1.4.1 Общие сведения об алгоритмах и процедурах обнаружения и оценки параметров движения воздушных судов.

1.4.2 Процедуры вторичной обработки информации, используемые в современных подсистемах наблюдения за воздушной обстановкой.

1.5 Оценка влияния маневренных возможностей воздушных судов на алгоритмы обработки информации в подсистеме наблюдения автоматизированных систем управления воздушным движением.

Глава 2 перспективные алгоритмы обработки информации при наблюдении за воздушной обстановкой.

2.1 Общая характеристика направлений совершенствования алгоритмов сопровождения маневрирующих воздушных судов.

2.2 Использование различных моделей состояния при описании динамики движения воздушных судов.

2.2.1 Классическая математическая модель динамики движения воздушных судов и уравнения оценки параметров движения.

2.2.2 Упрощенные алгоритмы калмановской фильтрации: сс-/3- и ильтры.

2.2.3 Исследование дискретных линейных калмановских фильтров различной размерности при сопровождении маневрирующих воздушных судов.

2.2.4 Применение алгоритмов аналого-дискретной фильтрации.

2.3 Обнаружение маневра воздушных судов путем анализа невязки с последующей коррекцией коэффициентов усиления фильтра сопровождения.

2.4 Алгоритмы адаптивпой фильтрации с оптимальной коррекцией прогноза состояния.

2.5 Многомодельные (могогипотезные) алгоритмы сопровождения воздушных судов.

2.5.1 Многомодельный измеритель для постоянных параметров моделей состояния.

2.5.2 Многомодельный измеритель с перекрестными связями между моделями состояния.

2.6 Алгоритмы сопровождения на основе идентификации параметров модели состояния.

Глава 3 Оценка эффективности функционирования алгоритмов сопровождения воздушных судов.

3.1 Методические основы оценки эффективности функционирования алгоритмов.

3.2 Разработка методики и оценка эффективности функционирования алгоритмов сопровождения воздушных судов.

3.2.1 Структура показателей оценки эффективности.

3.2.2 Расчет частных показателей эффективности.

3.2.3 Расчет обобщенных показателей эффективности.

Постоянное совершенствование авиационной техники, растущие потребности в воздушных перевозках, организационные и структурные изменения в системах использования воздушного пространства (ИВП) и управления воздушным движением (УВД) предопределяют повышение требований к современным и перспективным автоматизированным системам управления воздушным движением (АС УВД). Подсистема наблюдения за воздушной обстановкой, являясь ключевым функциональным элементом АС УВД, в первую очередь должна соответствовать новым требованиям, изменяющимся под влиянием различных организационно-экономических и технических факторов, таких как:

- увеличение интенсивности воздушного движения;

- сокращение минимальных интервалов эшелонирования при полетах по воздушным трассам, внедрение процедур зональной навигации и концепции «свободного полета»;

- укрупнение зон ответственности центров Единой системы организации воздушного движения (ЕС ОрВД);

- межведомственная информационная интеграция подсистем наблюдения за воздушной обстановкой и УВД;

- совершенствование летных характеристик воздушных судов (ВС) государственной авиации.

Одной из значимых современных тенденций является организационная, информационная и техническая интеграция систем и средств наблюдения за воздушной обстановкой различной ведомственной принадлежности. Так, в соответствии с «Концепцией совершенствования Федеральной системы разведки и контроля воздушного пространства Российской Федерации на 2001-2010 годы», утвержденной Постановлением Правительства РФ от 2 июня 2006 г. №345, основным направлением развития средств и систем наблюдения Минобороны и Минтранса России является последовательная их интеграция в Единую автоматизированную систему в рамках Федеральной системы разведки и контроля воздушного пространства (ВП) Российской Федерации. При этом, для контроля использования ВП и обеспечения безопасности полетов как государственной, так и гражданской авиации будут использоваться системы и средства двойного назначения, разработанные с учетом требований Минобороны и Минтранса России.

Кроме того, согласно Указа Президента РФ от 05.09.2005 № 1049 и соответствующего Постановления Правительства РФ от 30.03.2006 №173 «О Федеральной аэронавигационной службе», функции контроля использования ВП и УВД над всей территорией РФ должны обеспечиваться единым федеральным органом - Росаоронавигацией (бывшее название -«Федеральная аэронавигационная служба»).

Таким образом, в настоящее время контроль за ИВП и УВД как в трассовых, так и во внетрассовых секторах ВП (бывшие названия — «гражданские и военные сектора ВП») должен обеспечиваться органами ЕС ОрВД с использованием существующих и перспективных систем и средств наблюдения за воздушной обстановкой и УВД.

Необходимо также отметить, что современное состояние и тенденции развития авиационной техники предопределяют все более жесткие требования к средствам наблюдения за воздушной обстановкой. К одной из основных тенденций развития военного самолетостроения можно отнести создание нового типа сверхманевренных летательных аппаратов, способных выполнять маневры со сложными пространственными эволюциями. В связи с этим к подсистеме наблюдения за воздушной обстановкой современных и перспективных АС УВД предъявляются существенно более высокие требования по обеспечению контроля за местоположением ВС различной ведомственной принадлежности как при их равномерном и прямолинейном движении по воздушным трассам, так и при интенсивном маневрировании во внетрассовом ВП.

Применяемые в существующих АС УВД методы обработки информации о воздушной обстановке до недавнего времени были рассчитаны на контроль ВП лишь в пределах воздушных трасс и на сопровождение ВС гражданской авиации. В настоящее время, в связи с возникновением задач по контролю внетрассового ВП и сопровождению полетов ВС государственной авиации, возникла острая необходимость совершенствования методов обработки информации, используемых в АС УВД при наблюдении за воздушной обстановкой.

Основной целью данной работы является повышение функциональных возможностей современных и перспективных АС УВД в части обеспечения контроля местоположения интенсивно маневрирующих ВС государственной авиации для сохранения требуемого уровня безопасности полетов. Для достижения поставленной цели в рамках работы было проделано следующее:

- разработаны и исследованы несколько различных типов алгоритмов сопровождения интенсивно маневрирующих ВС, оценены их преимущества и недостатки относительно используемых в современных АС УВД аналогов;

- разработана методика комплексной оценки эффективности алгоритмов, учитывающая различные критерии и условия применения и позволяющая оценить относительную эффективность различных типов алгоритмов сопровождения между собой;

- на основе разработанной методики получены комплексные количественные оценки эффективности всех исследуемых типов алгоритмов, выбран наиболее эффективный алгоритм сопровождения с точки зрения возможного использования в современных и перспективных АС УВД.

Выводы по главе 3

Разработанная методика комплексной оценки эффективности функционирования алгоритмов позволяет учитывать различные критерии и условия применения. Данная методика основана па многоуровневом взвешенном суммировании частных показателей эффективности и рассчитана на проведение любого потребного расширения структуры показателей (как в «ширину», так и в «глубину»). На основе методики рассчитываются обобщенные показатели эффективности функционирования алгоритмов, которые позволяют количественно оценить относительную эффективность различных типов алгоритмов между собой.

Расчеты, проведенные по данной методике, позволили определить для перспективных АС УВД наиболее эффективные алгоритмы сопровождения ВС при наблюдении и управлении воздушным движением во внетрассовом секторе воздушного пространства. Результаты расчетов показали, что наиболее эффективным (из исследуемых) алгоритмом сопровождения ВС в реальных условиях эксплуатации современных и перспективных АС УВД является алгоритм на основе измерителей с идентификацией параметров модели состояния. Если предположить, что вычислительные ресурсы АС УВД неограниченны или быстродействие системы не имеет существенного значения, то наиболее эффективным (из исследуемых) алгоритмом сопровождения в этом случае будет являться алгоритм на основе измерителей с перекрестными связями между моделями состояния.

ЗАКЛЮЧЕНИЕ

Основными результатами исследований, проведенных в рамках данной работы, являются следующие:

1) Определены наиболее значимые организационно-экономические и технические факторы, влияющие на облик и характеристики подсистемы наблюдения за воздушной обстановкой современных и перспективных АС УВД.

2) Обоснована необходимость совершенствования методов обработки информации о воздушной обстановке в подсистемах наблюдения АС УВД с целью обеспечения контроля местоположения ВС гражданской и государственной авиации как в трассовом, так и во вне-трассовом секторах. В качестве направлений совершенствования предложено использование алгоритмов сопровождения высокомансвреипых ВС и специальных процедур обнаружения маневров.

3) Разработаны адаптивные алгоритмы сопровождения ВС различных типов на основе:

- Э-модификации фильтра Калмана;

- измерителя с оптимальной коррекцией прогноза состояния;

- многоканального измерителя для постоянных параметров моделей состояния;

- многоканального измерителя с перекрестными связями между моделями состояния;

- измерителя с идентификацией параметров модели состояния.

Исследования функционирования алгоритмов сопровождения ВС, проведенные на основе имитационного моделирования, показали, что использование любого из этих типов алгоритмов позволит существенно повысить точность и устойчивость сопровождения интенсивно маневрирующих ВС по сравнению с алгоритмами, используемыми в существующих АС УВД.

4) Разработана методика комплексной оценки эффективности функционирования алгоритмов сопровождения, учитывающая различные критерии и условия применения и позволяющая получить сравнительную количественную оценку эффективности различных типов алгоритмов по отношению друг к другу или к эталонному (используемому) алгоритму. Данная методика, основанная на многоуровневом взвешенном суммировании частных показателей эффективности, является универсальной с точки зрения используемых критериев и характеристик эффективности и рассчитана на проведение любого потребного расширения структуры показателей (как в «ширину», так и в «глубину»).

5) На основе разработанной методики проведена сравнительная оценка эффективности функционирования исследуемых типов алгоритмов сопровождения. Показано, что интегральные показатели точности, устойчивости и чувствительности исследуемых алгоритмов увеличиваются с ростом вычислительных затрат. В результате сравнительной оценки с использованием четырех различных стратегий принятия решения выбраны два типа алгоритмов, обеспечивающих наивысшее значение интегрального показателя эффективности.

6) Из всех исследуемых типов алгоритмов сопровождения ВС при наблюдении во вне-трассовом секторе ВП наиболее эффективным является:

- алгоритм на основе измерителей с идентификацией параметров модели состояния (с учетом ограничений на вычислительные ресурсы АС УВД);

- алгоритм на основе измерителей с перекрестными связями между моделями состояния (без учета ограничений на вычислительные ресурсы АС УВД).

1. Бабич В.К., Баханов Л.Е. Герасимов Г.П. и др. Авиация ПВО России и научно-технический прогресс. Боевые комплексы и системы вчера, сегодня, завтра. /Под ред. Е.А.Федосова-М.: Дрофа, 2004.

2. Бакулев П. А.,Сычев М.И., Нгуен Чонг Лыу. Многомодельный алгоритм сопровождения траектории маневрирующей цели по данным обзорной РЛС. — Радиотехника, 2004, №1.

3. Бляхман А. РЛС «Противник-Г» ломка стереотипов. -Воздушно-космическая оборона, 2006, №6.

4. Габец В.Н. Выбор и принятие решений в задачах технической эксплуатации авиационного оборудования: Учеб. Пособие. -М.: МГТУ ГА, 1988.

5. Грооп Д. Методы идентификации систем /Пер. с англ. -М.: Мир, 1979.

6. Емельянов C.B., Ларичев О.И. Многокритериальные методы принятия решений. -М: Знание, 1985 (Новое в жизни, науке, технике. Сер. Математика, кибернетика; № 10).

7. Емельянов C.B., Озерной В.М., Ларичев О.И. Обзор. Проблемы и методы принятия решений. -М.: ВИНИТИ, 1973.

8. Зингер P.A. Оценка характеристик оптимального фильтра для слежения за пилотируемой целью. -Зарубежная радиоэлектроника, 1971, №8, с. 40-57.

9. Ильчук А.Р., Канащенков А.И., Меркулов В.И. и др. Алгоритмы автоматического сопровождения целей в режиме обзора. -Радиотехника, 1999, № 11, с. 3-21.

10. Канащенков А.И., Меркулов В.И., Самарин О.Ф. Облик радиолокационной системы современного истребителя с учетом состояния и перспектив развития авиации. -Радиотехника, 2000, №1.

11. Кини P.JI., Ральфа X. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. / Под ред. И.Ф. Шахнова. -М.: Радио и связь, 1981.

12. Козлов В. Лидер локаторов боевого режима. -Воздушно-космическая оборона, 2006, №3.

13. Козлов В. Радиолокационной симфонии предшествуют «Гаммы». -Воздушно-космическая оборона, 2006, №5.

14. Колганов С., Сумин А. Радиолокационное вооружение. -Воздушно-космическая оборона, 2005, №5

15. Кореньков В., Колик А. PJIC 96JI6E к серии готова. -Воздушно-космическая оборона, 2006, №6.

16. Корляков В. Радиолокация на современном этапе. -Воздушно-космическая оборона, 2006, №6.

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

18. Кузьмин С.З. Основы теории цифровой обработки радиолокационной информации. -М.: Советское радио, 1974.

19. Кузьмин С.З. Основы проектирования систем цифровой обработки радиолокационной информации. -М.: Радио и связь, 1986.

20. Лыонг JI. Идентификация систем. Теория для пользователей. -М.: Наука, 1991.

21. Меркулов В.И., Викулов О.В. Выбор коэффициентов штрафов функционала качества Летова-Калмана при синтезе радиоэлектронных следящих систем. -Радиотехника, 1996, №3, с. 22-26.

22. Меркулов В.И., Глик А.Л., Сабин В.Н. Синтез сигналов управления радиолокационной следящей системой, оптимальных по минимуму квадратично-биквадратного функционала качества. -Радиотехника и электроника, 2001, т.46, №6.

23. Меркулов В.И., Дрогалин В.В. Устранение расходимости процедур линейного дискретного оценивания методом оптимальной коррекции прогноза. -Радиотехника, 1999, №2, с. 81-85.

24. Меркулов В.И., Забелин И.В. Устранение расходимости процессов линейной фильтрации путем оптимальной коррекции прогноза состояния. -Радиотехника и электроника, 1999, том 44, №2, с. 185-189.

25. Меркулов В.И., Забелин И.В. Шуклин А.И. Синтез следящей системы дальномера с обнаружением маневра и адаптации к нему путем оптимальной коррекции прогноза в режиме АСЦРО. -Радиотехника, 2005, №6, с. 71-75.

26. Меркулов В.И., Канащенков А.И., Перов А.И., Саблин В.Н. и др. Оценивание дальности и скорости в радиолокационных системах, ч. 1 /Под ред. А.И.Канащенкова и В.И.Меркулова. -М.: Радиотехника, 2004.

27. Миркин Б.Г. Анализ качественных признаков и структур. —М.: Статистика, 1980.

28. Нечеткие множества и теория возможностей. Последние достижения. Пер. с англ./ Под ред. P.P. Ягера. —М.: Радио и связь, 1986.

29. Организация управления воздушным движением. / В.И. Алешин, Ю.П. Дарымов, Г.А. Крыжановский и др.; Под ред. Г.А. Крыжановского. —М.: Транспорт, 1988. — 264с.

30. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981.

31. Отчет о НИР «Обоснование предложений по укрупнению районов УВД Единой системы организации воздушного движения Российской Федерации» (шифр «Укрупнение»), 24 НЭИУ МО РФ, 2003.

32. Пацко B.C., Пятко С.Г., Кумков С.И., Федотов A.A. Оценивание траекторного движения воздушного судна на основе информационных множеств. —СПб.: Научные доклады. Академия ГА, 1999.

33. Первачев C.B., Перов А.И. Адаптивная фильтрация сообщений. -М.: Радио и связь, 1991.

34. Перов А.И. Адаптивные алгоритмы сопровождения маневрирующих целей. -Радиотехника, 2002, №7, с.73-81.

35. Петухов С., Шестов И. История создания и развития вооружения и военной техники ПВО сухопутных войск России. —М.: Издательство «ВПК», 1999.

36. Пояснительная записка к эскизному проекту «Система наблюдения, связи и передачи данных для управления полетами государственной авиации» (шифр «Прогноз-небо»). ООО «Фирма «НИТА», 2005.

37. Прикладные нечеткие системы: пер. с япон./К. Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Терано, К. Асаи, М. Сугэно. -М.: Мир, 1993.

38. Руководство по требуемым навигационным характеристикам (RNP). Изд. Второе, Doc 9613-AN/937, 1999.

39. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1993.-320 с.

40. Статистические данные: Общий рост авиаперевозок. -Авиаглобус, 2008, №3, с. 11.

41. Тихонов В. И., Харисов В. Н. Статистический анализ исинтез радиотехнических устройств и систем. -М: Радио и связь, 1991.

42. Тучков Н. Т. Автоматизированные системы и радиоэлектронные средства управления воздушным движением. -М.: Транспорт, 1994.

43. Фарина А., Студер Ф. Цифровая обработка радиолокационной информации. Сопровождение целей. —М.: Радио и связь, 1993.

44. Федеральная целевая программа «Совершенствование федеральной системы разведки и контроля воздушного пространства Российской Федерации (2007-2010 годы)». Утверждена Постановлением Правительства РФ № 435 от 02.06.2006г. Издание официальное.

45. Федеральная целевая программа «Модернизация транспортной системы России (2002-2010 годы)». Подпрограмма «Единая система организации воздушного движе-иия». Утверждена Постановлением Правительства РФ № 848 от 05.12.2001г. Издание официальное.

46. РЭК под ред. П.И.Дудника. -М.: ВВИА им. Н.Е.Жуковского, 1995.

47. Энциклопедия «Оружие и технологии России. XXI век», т. 9 «Противовоздушная и противоракетная оборона» -М.: Издательский дом «Оружие и технологии», 2004.

48. Bar-Shalom Y., Chang К.С., Blom Н.А. Tracking a Maneuvering Target Using Input Estimation Versus the Interacting Multiple Model Algorithm. —IEEE Transactions on Aerospace and Electronic Systems, 1989, vol. 25, № 2, pp. 296-300.

49. Bizup D.F., Brown D.E. Maneuver Detection Using the Radar Range Rate Measurement. -IEEE Transactions on Aerospace and Electronic Systems, 2004, vol. 40, № 1, pp. 330336.

50. Blom H. A., Bar-Shalom Y. The Interacting Maltiple Model Algorithm for Systems with Markovian Switching Coefficients. -IEEE Transactions on Automatic Control, 1988, vol. 33, pp. 780—783.

51. Kalata P.R. The tracking index: a generalized parameter for a-ft and a-ft-y target trackers. -IEEE Transactions on Aerospace and Electronic Systems, 1984, vol. 20, № 2, pp. 174182

52. Song T. L, Ahn J. Y., Park C. Suboptimal Filter Design with Pseudomeasurements for Target Tracking -IEEE Transactions on Aerospace and Electronic Systems, 1988, vol. 24, № 1, pp. 28-39.