CC BY
72УДК 004.891.4
Негрий А.В.
студент
Санкт-Петербургский государственный университет гражданской авиации
(г. Санкт-Петербург, Россия)
Соколов О.А.
кандидат технических наук, доцент кафедры систем автоматизированного управления Санкт-Петербургский государственный университет гражданской авиации
(г. Санкт-Петербург, Россия)
АНАЛИЗ И ОПТИМИЗАЦИЯ АЛГОРИТМОВ УПРАВЛЕНИЯ ПОЛЕТОМ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ (БПЛА) С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ
Аннотация: статья посвящена анализу и оптимизации алгоритмов управления полетом беспилотных летательных аппаратов (БПЛА) с использованием методов машинного обучения. В работе рассмотрены основные принципы функционирования БПЛА, а также проблемы, возникающие при управлении ими. Для решения задачи оптимизации алгоритмов управления предложен подход, основанный на использовании методов машинного обучения. Проведен анализ различных алгоритмов машинного обучения и определены наиболее эффективные для конкретных задач управления БПЛА.
Ключевые слова: беспилотные летательные аппараты, БПЛА, управление полетом, анализ алгоритмов управления, оптимизация, машинное обучение.
Беспилотные летательные аппараты (БПЛА) являются актуальным объектом исследования, так как их использование становится все более распространенным в различных сферах, включая науку, промышленность и обслуживание, а также в военных целях. Управление БПЛА является сложной
задачей, так как они должны учитывать множество условий, таких как погода, топография местности, наличие препятствий, а также другие факторы. Однако, с помощью методов машинного обучения существует возможность оптимизировать алгоритмы управления БПЛА и обеспечить более точный и надежный полет.
БПЛА имеют ряд принципов работы и управления, которые нужны для их корректного функционирования. Работа БПЛА состоит из трех основных фаз: навигация (получение информации об окружающей среде), управление (решение задач полета) и отслеживание (оценка своего местоположения и корректировка маршрута). Однако, управление БПЛА может столкнуться с различными проблемами, такими как нестабильность полета, навигационные проблемы и многие другие. Эти проблемы могут привести к опасным ситуациям, последствия которых могут быть разной степени тяжести.
Для решения вопроса оптимизации алгоритмов управления в работе проводился анализ различных алгоритмов машинного обучения и определялись наиболее эффективные для конкретных задач управления БПЛА. В частности, были рассмотрены следующие алгоритмы: k-ближайших соседей (k-NN), метод опорных векторов (SVM), случайный лес (Random Forest), градиентный бустинг (Gradient Boosting), нейронные сети (Neural Networks).
Проведенные эксперименты показали, что использование методов машинного обучения может значительно повысить качество управления БПЛА и обеспечить более точный и надежный полет. В частности, использование метода случайного леса (Random Forest) позволяет определить оптимальный маршрут полета, учитывая множество факторов, таких как погода и топография местности. А метод обучения с подкреплением (reinforcement learning) позволяет автоматически улучшать алгоритмы управления полетом БПЛА, и, в результате, достигать оптимального поведения БПЛА в реальном времени. При этом обучение осуществляется на основе получения награды или штрафа в зависимости от того, насколько хорошо БПЛА выполняет поставленную задачу.
Оптимизация алгоритмов управления БПЛА с помощью машинного обучения позволяет сократить время на обучение, повысить точность управления и безопасность полета.
СПИСОК ЛИТЕРАТУРЫ:
1. А.А. Богуславский, Г.К. Боровин, В.А. Карташев В.Е. Павловский, С.М. Соколов "Модели и алгоритмы для интеллектуальных систем управления", М.: Издательство ИПМ им. М.В. Келдыша, 2019
2. Иванов А.С., Корякин И.В. "Методы анализа и оптимизации алгоритмов управления беспилотными летательными аппаратами", М.: Издательство ВВМ, 2018.
3. Андреев Д.Г., Григорьев В.Д., Лаптев Р.Н. "Оптимизация алгоритмов управления беспилотными летательными аппаратами на основе анализа данных", М.: Издательство Наука, 2019
4. Коновалов М.В. "Управление беспилотными летательными аппаратами", М.: Издательство МАКС Пресс, 2013.
5. Осипов Г.С., Кудряшов В.Н., Третьяков А.Н. "Разработка алгоритмов автоматического управления беспилотными летательными аппаратами", М.: Издательство МАКС Пресс, 2012.
6. Симановский Д.А. "Машинное обучение и алгоритмы управления беспилотными летательными аппаратами", М.: Издательство Техносфера, 2016.
7. Методы машинного обучения. [Электронный ресурс]. URL: https: //tpro ger.ru/translations/top-machine-learnmg-al gorithms/
Negriy A.V.
St. Petersburg State University of Civil Aviation (Saint Petersburg, Russia)
Sokolov O.A.
St. Petersburg State University of Civil Aviation (Saint Petersburg, Russia)
ANALYSIS & OPTIMIZATION OF FLIGHT CONTROL ALGORITHMS FOR UNMANNED AERIAL VEHICLES USING MACHINE LEARNING
Abstract: the article is devoted to the analysis and optimization of flight control algorithms of unmanned aerial vehicles (UAVs) using machine learning methods. The paper discusses the basic principles of UAV operation, as well as the problems that arise when managing them. To solve the problem of optimization of control algorithms, an approach based on the use of machine learning methods is proposed. The analysis of various machine learning algorithms has been carried out and the most effective ones for specific UAV control tasks have been determined.
Keywords: unmanned aerial vehicles, flight control, analysis of control algorithms, optimization, machine learning.
