Корректор высоты полета экраноплана, основанный на использовании элемента искусственного интеллекта – нечеткой логике

Анализ подходов к построению нечеткой системы коррекции высоты полета тяжелого экраноплана с учетом современных тенденций внедрения систем искусственного интеллекта. Общая характеристика пакета Matlab Fuzzy Logic Toolbox, рассмотрение основных функций.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 18.08.2020
Размер файла 1,4 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Рассмотрены подходы к построению нечёткой системы коррекции высоты полёта тяжёлого экраноплана с учётом современных тенденций внедрения систем искусственного интеллекта (ИИ) в самые разнообразные сферы жизни. Моделирование осуществлено в пакете Matlab Fuzzy Logic Toolbox.

Современный научно-технический прогресс имеет всё более нарастающую тенденцию, тесно связанную с разработкой и внедрением во многие сферы жизни методов искусственного интеллекта (ИИ): экспертных систем, нечётких систем, нейронных сетей, генетических алгоритмов. Они находят самое разнообразное применение в науке, технике, экономике и других сферах деятельности. В данной статье будет рассмотрено использование метода ИИ в авиации - в частности авторами предлагается концептуальная модель нечёткой системы коррекции высоты полёта низколетящего летательного аппарата (ЛА) типа тяжёлый экраноплан-носитель многоразового воздушно-космического самолёта (ВКС) горизонтального взлёта и посадки. Основное назначение данной техники: а) несущая платформа для запусков и приёма многоразовых ВКС[1]; б) перевозчик большого объёма грузов и продовольствия между арктическими поселениями (города, посёлки, порты, полярные станции и т.п.); в) транспорт для проведения поисково-спасательных операций. В настоящее время имеется интерес к использованию в качестве района эксплуатации обширной, относительно ровной поверхности Северного Ледовитого океана в Арктической зоне России[2]. Известные достоинства экраноплана (большая экономичность околоэкранного полёта и возможность экстренного приводнения или приземления с небольшой высоты полёта в аварийных ситуациях) делают весьма целесообразным его использование для выполнения указанных выше задач. Отдельно стоит отметить, что средняя скорость полёта экраноплана равна примерно половине скорости отрыва от поверхности и составляет 400-500 км/ч, что при классификации его как морского судна делает на порядок быстрее любого из существующих кораблей.

Ввиду того, что экраноплан - низколетящий ЛА, существует проблема стабилизации и контроля высоты его полёта во избежание столкновения с поверхностью. Аварийная ситуация на таком ЛА развивается стремительно, и экипаж практически не обладает никаким запасом времени на реагирование и исправление, поэтому к нему предъявляются особо строгие требования к наивысшей точности измерения параметров полёта, а также умение обнаруживать опасное высотное препятствие (например, большой айсберг высотой более 10 м) на расстоянии 50-100 км впереди на пути следования. В связи с этим в данной статье предлагается использовать для коррекции высоты полёта экраноплана элемент ИИ - нечёткую логику.

Чтобы перейти к модели корректора, для начала необходимо определить некоторые исходные данные. Тяжёлый экраноплан обычно летит на высоте 15% от длины хорды его крыла: так если длина хорды 40 м, то средняя высота полёта составит 6 м[3]. Этой высоты достаточно для использования экраноплана в условиях среднего арктического морского волнения в 6 баллов, высота (амплитуда) волны при котором составляет 3 м. Поскольку значение длины хорды приняли равным 40 м, максимальная высота действия экранного эффекта составит 40 м, выше которой для полёта используется только подъёмная сила. Для достижения наибольшего выигрыша в экономичности от усиления действия «экрана» допустима предельно малая высота полёта - 4 м. Полёт на этой высоте разрешён лишь в условиях полного штиля, при отсутствии регулярных высотных препятствий и при хорошо отлаженном приборном оборудовании, дающем минимальную или приемлемую погрешность измерения высоты.

Постановка задачи для нечёткой системы регулирования высоты полёта экраноплана выглядит следующим образом: а) осуществить набор высоты, если хотя бы один из параметров, влияющих на высоту полёта, становится критическим и препятствует полёту на текущей высоте; б) обратная задача - осуществить снижение, если текущая высота полёта много больше, чем требуется в условиях окружающей обстановки; в) продолжить нормальный полёт на заданной высоте, если текущая высота полёта соответствует необходимому значению как в условии допустимых параметров, так и для превышения критического значения хотя бы одного из них. В соответствии с поставленными задачами предлагается следующее решение с помощью пакета Fuzzy Logic Toolbox программы Matlab. Пусть имеется совокупность параметров, влияющих на безопасность полёта экраноплана и, соответственно, на принятие решения о наборе высоты, снижении или нормальном полёте (рис. 1). Дополнительный параметр «Расстояние L», включённый в модель - это возможный нежелательный случай, связанный с объектом, обладающим противокорабельными ракетами (ПКР), расстояние L - дальность полёта ПКР. Поскольку сверхтяжёлый экраноплан классифицируется как морское судно, а если несёт на себе ВКС для запуска - ещё и чрезвычайно дорогое, то применение в модели для самозащиты такого показателя более, чем целесообразно. В конечном итоге все представленные в системе параметры будут являться лингвистическими переменными.

Рисунок 1. Лингвистические переменные входных параметров и выходных блоков нечёткого корректора

Каждая из этих лингвистических переменных разделена на нечёткие интервалы, характеризуемые функциями принадлежности мN(X) треугольного типа: а) «ВысотноеПрепятствие» делится на «Нет», «Низкое», «Среднее», «Высокое», «Опасное»; б) «ПогрешностьИзмеренияВысоты» делится на «Минимальная», «Приемлемая», «Большая»; в) «СкоростьВетра» делится на «Cлабый», «Средний», «Сильный», «Шторм» в связи со значениями параметров на основе шкалы Бофорта; г) «ВысотаПолёта» делится на «Недостаточная», «ПредельноМалая», «Средняя», «Большая», «Экранолёт»; д) «РасстояниеL» имеет нечёткие интервалы «Опасное», «Приемлемое», «ВнеОбнаружения». На следующем шаге формируются выходные блоки системы, аналогично заданные лингвистическими переменными и треугольными функциями принадлежности (рис. 1) На рисунке 2 показан пример задания функций принадлежности переменной «ВысотноеПрепятствие» с численными значениями нечётких интервалов.

Рисунок 2. Функции принадлежности для «ВысотноеПрепятствие»

Для предотвращения столкновения экраноплана, летящего на высоте 6 м, с поверхностью мы должны иметь запас высоты как минимум 1 м, поэтому препятствие считается опасным уже при значении 5 м.

На следующем этапе прописываются правила для всех возможных нечётких вариантов параметров в центральном блоке Rule Editor (алгоритм mamdani). С помощью одной из формул комбинаторики[4] посчитано общее число правил N = 5*3*4*5*3 = 900. Реализация этих правил в Fuzzy Logic показана на рисунке 3. В случае полного штиля при минимальной и приемлемой погрешностях измерения высоты, не опасном расстоянии L, а также при низком высотном препятствии или его отсутствии осуществляется подъём/снижение до предельно малой высоты полёта 4 м либо полёт на ней. При высотном препятствии до высокого включительно, средней скорости ветра с 6-балльным морским волнением и не опасном расстоянии L осуществляется полёт на средней высоте 6 м. Если же высотное препятствие является опасным (> 5 м) или ветер становится сильным, вызывающим волны высотой более 5 м (возможен также совместный сценарий) при неопасном расстоянии L, то в таком случае происходит околоэкранный полёт на значительной высоте от 7 до 40 м (в пределах действия экранного эффекта), а также набор высоты или снижение в этом интервале. Прибегать к экстренному набору высоты и переходу в режим экранолёта либо продолжать нормальный полёт на высоте более 40 м вынуждают такие крайне неблагоприятные сценарии (возможен также совместный) как: а) скорость ветра штормовая, что делает невозможным околоэкранный полёт; б) расстояние L становится опасным. Соответственно с высоты полёта в режиме экранолёта при отсутствии этих критических факторов происходит либо экстренное снижение до предельно малой (4 м) или средней (6 м) высоты, либо значительное снижение до большой высоты (7-40 м) в зависимости от других параметров.

Рисунок 3. Правила вида If n1 and n2 … and ni then R системы

Рисунок 4. Зависимость снижения от скорости ветра и высоты полёта

В ходе моделирования были получены 30 трёхмерных графиков (по 10 на набор высоты, высоту нормального полёта или величину снижения) зависимости принятого решения по высоте от всех возможных пар параметров полёта. Рассмотрим хотя бы один из них (рис. 4). На графике имеются две «возвышенности» с максимальным значением средней величины снижения (30 м) каждая, что связано с большим числом экстренных снижений при полёте в режиме экранолёта при слабой и средней ветрености и без других необходимых для этого причин. «Впадина» между «возвышенностями» на графике - это участок меньших по величине значительных снижений при полёте в режиме экранолёта, когда экстренное не позволяют осуществлять другие параметры (опасное расстояние L, опасное высотное препятствие). Минимальные значения снижения - синие участки графика на высотах полёта 0-40 м при средней ветрености и свыше 40 м при сильной ветрености.

В заключение стоит добавить следующее. Несмотря на то, что полёт исследуемого сверхтяжёлого экраноплана будет осуществляться в благоприятной обстановке на средней высоте полёта 6 м, в полученной модели корректора высоты полёта медианные значения составляют: для набора высоты - 25 м, для нормального полёта 26,5 м, для снижения - 25 м. Они связаны с введением в модель таких критических параметров для наихудших сценариев, как опасное расстояние L и шторм. Тем не менее, медианные значения составляют менее 40 м, т.е. установленной для данного тяжёлого экраноплана максимальной высоты действия экранного эффекта. Это делает модель корректора высоты состоятельной и пригодной для использования.

Библиографический список

высота полет искусственный интеллект

1.Сайфуллин Т. И. Морской старт космических аппаратов с использованием тяжёлых экранопланов / Т. И. Сайфуллин, С. М. Ганин // Актуальные проблемы авиации и космонавтики. Сер. Электротехника, электронная техника, информационные технологии. 2010. С. 305-306.

2.Cетевое издание «Военное обозрение». URL:

https://topwar.ru/144996-borisov-rossiya-budet-stroit-boevye-ekranoplany.html(30.07.2018)

3.Небылов, А. В. Измерение параметров полёта вблизи морской поверхности / А. В. Небылов. СПб.: СПбГААП, 1994. С. 35-40.

4.Виленкин, Н. Я. Комбинаторика / Н. Я. Виленкин; под ред. Г. В. Дорофеевой. М.: Наука, 1969. 32 с.

5.Alexander Nebylov, Vladimir Nebylov. Feasibility study of reusable space plane landing with WIG-craft assist. EUCASS-2019 8th European Conference for AeroSpace Sciences (EUCASS-2019), 1-4 July 2019, Madrid, Spain.

Размещено на Allbest.ru

...

Подобные документы

  • Понятие и суть нечеткой логики и генетических алгоритмов. Характеристика программных пакетов для работы с системами искусственного интеллекта в среде Matlab R2009b. Реализация аппроксимации функции с применением аппарата нечеткого логического вывода.

    курсовая работа [2,3 M], добавлен 23.06.2012

  • Понятие искусственного интеллекта как свойства автоматических систем брать на себя отдельные функции интеллекта человека. Экспертные системы в области медицины. Различные подходы к построению систем искусственного интеллекта. Создание нейронных сетей.

    презентация [3,0 M], добавлен 28.05.2015

  • Сущность и проблемы определения искусственного интеллекта, его основных задач и функций. Философские проблемы создания искусственного интеллекта и обеспечения безопасности человека при работе с роботом. Выбор пути создания искусственного интеллекта.

    контрольная работа [27,9 K], добавлен 07.12.2009

  • Проектирование экспертной системы выбора нейронной сети. Сущность семантических сетей и фреймов. MatLab и системы Фаззи-регулирования. Реализация программы с использованием пакета fuzzy logic toolbox системы MatLab 7. Составление продукционных правил.

    курсовая работа [904,4 K], добавлен 17.03.2016

  • Эволюция систем искусственного интеллекта. Направления развития систем искусственного интеллекта. Представление знаний - основная проблема систем искусственного интеллекта. Что такое функция принадлежности и где она используется?

    реферат [49,0 K], добавлен 19.05.2006

  • Искусственный интеллект – научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. Черты искусственного интеллекта Развитие искусственного интеллекта, перспективные направления в его исследовании и моделировании.

    реферат [70,7 K], добавлен 18.11.2010

  • Характеристика сущности искусственного интеллекта. Проблема создания искусственного интеллекта. Базовые положения, методики и подходы построения систем ИИ (логический, структурный, эволюционный, имитационный). Проблемы создания и реализация систем ИИ.

    реферат [43,1 K], добавлен 19.07.2010

  • Информация, хранящаяся в наших компьютерах, главное содержание, принципы построения и требования к ней. Основные методы учета рисков при анализе проектов. Теория Нечеткой Логики (Fuzzy Logic), направления и специфика применения с помощью пакета Matlab.

    контрольная работа [2,9 M], добавлен 06.10.2014

  • Начало современного этапа развития систем искусственного интеллекта. Особенности взаимодействия с компьютером. Цель когнитивного моделирования. Перспективы основных направлений современного развития нейрокомпьютерных технологий, моделирование интеллекта.

    реферат [24,7 K], добавлен 05.01.2010

  • Сущность искусственного интеллекта, сферы человеческой деятельности, в которых он распространен. История и этапы развития данного явления. Первые идеи и их воплощение. Законы робототехники. Использование искусственного интеллекта в коммерческих целях.

    реферат [40,8 K], добавлен 17.08.2015

  • История развития искусственного интеллекта в странах дальнего зарубежья, в России и в Республике Казахстан. Разработка проекта эффективного внедрения и адаптации искусственного интеллекта в человеческом социуме. Интеграция искусственного в естественное.

    научная работа [255,5 K], добавлен 23.12.2014

  • История развития искусственного интеллекта. Экспертные системы: их типы, назначение и особенности, знания и их представление. Структура идеальной и инструменты построения экспертных систем. Управление системой продукции. Семантические сети и фреймы.

    реферат [85,7 K], добавлен 20.12.2011

  • Применение методов искусственного интеллекта и современных компьютерных технологий для обработки табличных данных. Алгоритм муравья, его начальное размещение и перемещение. Правила соединения UFO-компонентов при моделировании шахтной транспортной системы.

    дипломная работа [860,8 K], добавлен 23.04.2011

  • Общая характеристика дисциплины "Основы искусственного интеллекта". Ее предмет, цели и задачи. Особенности и расшифровка ряда понятийных терминов, характеризующих сущность кибернетики. Методы и алгоритмы анализа данных для получения знаний и обучения.

    презентация [10,9 K], добавлен 03.01.2014

  • История создания и основные направления в моделировании искусственного интеллекта. Проблемы обучения зрительному восприятию и распознаванию. Разработка элементов интеллекта роботов. Исследования в области нейронных сетей. Принцип обратной связи Винера.

    реферат [45,1 K], добавлен 20.11.2009

  • Обзор образовательных стандартов педагогического образования в области искусственного интеллекта. Построение модели предметной области в виде семантических сетей. Характеристика проблемного обучения. Основные средства языка программирования Пролог.

    дипломная работа [387,8 K], добавлен 01.10.2013

  • Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.

    курсовая работа [41,3 K], добавлен 29.08.2013

  • Понятие искусственного интеллекта в робототехнике и мехатронике. Структура и функции интеллектуальной системы управления. Классификация и типы знаний, представление их с помощью логики предикатов. Суть семантических сетей, фреймовое представление знаний.

    курс лекций [1,1 M], добавлен 14.01.2011

  • Исторический обзор развития работ в области искусственного интеллекта. Создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. От логических игр до медицинской диагностики.

    реферат [29,1 K], добавлен 26.10.2009

  • Разработка системы снижения валового выброса, с применением технологии искусственного интеллекта для вычисления долей изменения нагрузки предприятий в соответствии с их долями в выбросах загрязнений в атмосферу в условиях неполной и нечеткой информации.

    диссертация [1,9 M], добавлен 18.11.2017

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.