CC BY
63
МЕТОДЫ И ТЕХНОЛОГИИ ПРИНЯТИЯ РЕШЕНИЙ
УДК 629.73.07 DOI: 10.18287/2223-9537-2020-10-3-380-392
Классификация приоритетности боевых беспилотных летательных аппаратов на основе комплексной оценки
12 1 А.В. Крянев , С.С. Семенов , А.Э. Калдаева
1 Национальный исследовательский ядерный университет (МИФИ), Москва, Россия
2АО Государственное научно-производственное предприятие «Регион», Москва, Россия
Аннотация
Рассмотрена задача получения оценок перспективности боевых беспилотных летательных аппаратов (БЛА) и дальнейшей их кластеризации по значению комплексного показателя приоритета. Предложена новая схема оценивания с использованием пяти известных частных показателей БЛА, которые после их нормирования объединены в комплексный показатель БЛА. На основе полученных оценок комплексных показателей рассматриваемых БЛА, проведена кластеризация рассматриваемых БЛА согласно принадлежности комплексного показателя интервалам его возможных значений в баллах от 0 до 100. Сто или ноль баллов может получить тот БЛА, у которого все частные показатели имеют лучшие или худшие значение среди всех сравниваемых БЛА, соответственно. Кластеризация позволила разделить БЛА на группы по принципу близости значений комплексного показателя. На языке программирования Python разработана программа, которая реализует предложенную схему кластеризации, позволяет получать оценки объектов и классифицировать их по указанному принципу. Эта схема позволяет выявить лучшие и худшие БЛА в каждом из классов БЛА, выделяемых по обычно используемому показателю кластеризации - взлётной массе. Около 14% БЛА, рассмотренных в настоящей работе, вошли в лучший по комплексному показателю кластер со значением показателя не ниже 59 баллов при максимальной оценке 100 баллов. Полученные результаты могут быть использованы при разработке требований к оборудованию и эксплуатации БЛА.
Ключевые слова: классификация, беспилотные летательные аппараты, оценочные показатели, метрический анализ.
Цитирование: Крянев, А.В. Классификация приоритетности боевых беспилотных летательных аппаратов на основе комплексной оценки / А.В. Крянев, С.С. Семенов, А.Э. Калдаева // Онтология проектирования. - 2020. - Т.10, №3(37). - С.380-392. - DOI: 10.18287/2223-9537-2020-10-3-380392.
Введение
Разработка разведывательно-ударных и ударных беспилотных летательных аппаратов (БЛА) является одним из перспективных направлений развития боевых БЛА. Разведывательно-ударные БЛА предназначены для осуществления разведывательных задач, наблюдения и мониторинга с возможностью применения авиационных средств поражения (АСП) класса «воздух-поверхность» по обнаруженным объектам поражения. Ударные БЛА предназначены для поражения заданных или обнаруженных объектов поражения. В начале XXI века роль БЛА значительно возросла, особенно в локальных военных конфликтах [1].
Ведущие позиции в области создания комплексов БЛА указанных классов занимают страны: США, Китай, Израиль; другие страны - Иран, Турция, ОАЭ, Италия, Южная Корея, Индия, ЮАР - также осуществляют подобные разработки БЛА. Страны Евросоюза (Герма-
ния, Франция, Великобритания, Испания, Италия) в кооперации с другими странами проводят исследования по выбору варианта ударного комплекса БЛА. Состав комплекса БЛА может изменяться в зависимости от решаемых задач и условий применения БЛА.
Знаковым образцом разведывательно-ударного типа БЛА стал многоцелевой БЛА М^-1 «Предейтор» [2]. Эволюция БЛА серии «Предейтор» (рисунок 1) в различных модификациях выглядит следующим образом:
■ модель М^-1 «Предейтор» с поршневым двигателем имела продолжительное время полёта и возможность нести оружие;
■ в модели М^-9 «Предейтор В» («Рипер») была увеличена масса полезной (целевой) нагрузки, скорость и максимальная высота полёта;
■ модель «Предейтор С» («Эвенджер») получила дополнительную скорость для более быстрого ответного удара или быстрой передислокации с целью повышения гибкости выполнения боевой задачи и выживаемости.
Рисунок 1 - Эволюция беспилотных летательных аппаратов семейства «Предейтор»1: сверху вниз - «Предейтор», «Предейтор В» («Рипер»), «Предейтор С» («Эвенджер»)
Модель М^-9 «Рипер» («Предейтор В») [3, 4], прошла сертификацию и было получено разрешение на полеты в общем с гражданской авиацией воздушном пространстве.
1 Основные подходы к классификации БЛА
Целью классификации БЛА является выделение групп БЛА, характеризующихся определёнными свойствами по своим тактико-техническим характеристикам. В основу классификации современных БЛА положены такие признаки как дальность, высота и продолжительность полёта, взлётная масса.
В статье рассмотрены варианты классификаций БЛА массой от 300 кг и более, способные нести оружие класса «воздух-поверхность» массой от 50 кг и более для поражения широкой номенклатуры целей на театре военных действий. Например, в статье [5] предложена классификация по категориям по признаку взлётной массы (таблица 1). В работе [6] классификация основана на трёх признаках - радиусе действия, высоте полёта и времени полёта (таблица 2). Классификация БЛА, учитывающая взлётную массу, высоту и продолжитель-
1 Щербаков В. "Мститель" - наследник "Хищника" и "Жнеца". Разведывательно-ударный аппарат "Эвенджер" // Аэрокосмическое обозрение. - 2017. - № 1. - С. 42-49.
ность полёта, принята в вооружённых силах США (таблица 3) [7]. В монографии [8] приведены данные, характеризующие БЛА категории MALE и HALE (таблица 4).
Таблица 1 - Классификация БЛА по категориям (III-IX) [5]
Категория Взлетная масса БЛА, кг Тип БЛА Требования БАС
В Европе В России
БЛА
III-IV от 150 до 750 Лёгкие Нормы на основе NATO STANAG 4671. Единые требования EASA (разработка). Разрешение EASA пользоваться в настоящее время STANAG 4671 (EASA Rulemaking EY013-01 Проект АП с лёгкими и средними БЛА ЦЭСАТ ФГУП «ЦАГИ» (разработка)
IV-VII от 750 до 8600 Средние
VII-IX от 8600 до 20000 Тяжёлые -
Таблица 2 - Классификация БЛА с учётом летно-тактико-технических характеристик [6]
Радиус действия (РД), км Высота полёта, м Время полёта, ч
БЛА
Тактические Микро < 10 250 < 1
Мини < 10 500 < 2
Ограниченного РД 10-30 3000 2-4
Ближнего РД 30-70 3000 3-6
Среднего РД 70-200 3000-5000 6-10
Среднего РД с большой продолжительностью полёта
500 5000-8000 10-18
Низковысотные БЛА с большой продол- > 500 250-3000 > 24
жительностью полёта
Низковысотные БЛА дальнего действия > 250 50-5000 0,5-1
Средневысотные БЛА с большой про- 500-750 5000-8000 24-48
должительностью полёта
Высотные БЛА с большой продолжи- 1000-6000 15000- 24-48
Стратегические тельностью полёта 20000
Стратосферные БЛА > 2000 > 20000 > 48
Таблица 3 - Классификация БЛА, принятая в вооружённых силах США [7]
Категория Максимальная Максимальная Продолжитель-
взлётная масса, кг высота, м ность полёта, ч
Средние Средневысотные с большой продолжительностью полёта (Medium Altitude Long Endurance, MALE) 100-1500 1500-2500 3000-8000 3000-8000 2-24 12-24
Высотные с большой продолжительностью полёта (High Altitude Long Endurance, HALE) Ударные / Боевые 2500 - 5000 5000-20 000 8000-12 000 12-24
Таблица 4 - Классификация БЛА категории MALE и HALE [8]
Категория Максимальная взлётная масса, кг Радиус действия, км Максимальная высота, м Продолжительность полёта, ч
Средневысотные с большой продолжительностью полёта (MALE) 1000-1500 > 500 < 8000 24-48
Высотные с большой 2500-5000 > 2000 20 000 24-48
продолжительностью полёта (HALE)
Международной ассоциацией по беспилотным системам AUVSI (Association for Unmanned Vehicle Systems International, до 2004 г. она называлась Европейской ассоциацией по беспилотным системам - EURO UVS) была предложена универсальная классификация БЛА (таблица 5), в основе которой лежит масса аппарата и основные лётно-тактико-технические характеристики [9].
Таблица 5 - Универсальная классификация БЛА по лётным параметрам (фрагмент) [9]
Группа Категория (англоязычное обозначение) Взлётная Дальность Высота Продолжитель-
масса, кг полёта, км полёта, м ность полёта, ч
Средние БЛА (Medium Range, MR) 150-500 70-200 5000 6-10
Средние БЛА с большой продолжительностью полёта (Medium Range Endurance, MRE) 500-1500 > 500 8000 10-18
Тактические Маловысотные БЛА для проникновения в глубину обороны противника (Low Altitude Deep Penetration, LADP) 250-2500 > 250 50-9000 0,5-1
Маловысотные БЛА с большой продолжительностью полёта (Low Altitude Long Endurance, LALE) 15-25 > 500 3000 >24
Средневысотные БЛА с большой продолжительностью полёта (Medium Altitude Long Endurance, MALE) 1000-1500 > 500 5000-8000 24-48
Стратеги- Высотные БЛА с большой продолжительностью полёта (High Altitude Long Endurance, HALE) 2500-5000 > 2000 20000 24-48
Боевые (ударные) БЛА (Unmanned Combat Aerial Vehicles, UCAV) > 1000 1500 12000 2
В связи с тем, что в источниках информации можно обнаружить данные как о «радиусе действия», так и о «дальности полёта», которые могут быть использованы при проведении сравнительного анализа БЛА, целесообразно уточнить их понятия с целью правильного использования. По данным работы [10] тактический радиус действия авиационного комплекса - максимальное удаление авиационного комплекса от аэродрома базирования, при котором обеспечивается воздействие по цели и возвращение на свой аэродром; максимальная практическая дальность полёта - это практическая дальность полёта по маршруту на наивыгоднейшей высоте и режиме максимальной дальности с полной заправкой и выходом на аэродром посадки с гарантийным остатком топлива. При использовании оценочного показателя «Радиус действия ^БЛА» его значение при наличии данных о дальности полёта составит 3040% дальности полёта .0БЛА. Из приведённых сведений видно, что устойчивая классификация БЛА на сегодняшний момент окончательно не сложилась.
Было выявлено более восьмидесяти БЛА массой в диапазоне от 300 до 40000 кг и более, предназначенных для решения разведывательно-ударных и ударных задач, которые образуют самостоятельную большую группу боевых авиационных систем (БАС). Распределение количества существующих и разрабатываемых разведывательно-ударных и ударных БЛА по взлётной массе на равномерной шкале представлено на рисунке 2.
Определяющими факторами в техническом облике по конструктивному исполнению БЛА рассматриваемых классов являются выбор планера и тип двигательной установки, определяющие дальность полёта, маневренные и ударные возможности. Предварительный анализ информации по собранным материалам о БЛА самолётного типа показал, что все со-
временные разведывательно-ударные и ударные БЛА выполнены по известным аэродинамическим схемам (см. рисунок 3).
При определении уровня разработки БЛА в данной работе используется понятие «приоритетность», которое измеряется в баллах (100 баллов - верхняя граница). Для оценки приоритетности БЛА приняты следующие оценочные показатели: взлётная масса, масса полезной
нагрузки, продолжительность, дальность, крейсерская скорость и высота полёта.
28 I 24 ^ 20 LO Si 16 1- и % 12 S J 8 4 0 [0,3-
2-4 4-6
-1
6-8
2) [ ) [ ) [ ) [8 0) [10-12) Взле [12-14) тная м [14-16) эсса Mf [16-18) «я, [т] [18-20) [20-22) [22-24) [24-26] >26
Рисунок 2 - Гистограмма распределения разведывательно-ударных и ударных БЛА стран мира
по взлётной массе
Рисунок 3 - Разведывательно-ударные (а, б, в) и ударный (г) БЛА: а) «Скай Уорриор» (США)2, б) «Фотрос» (Иран)3, в) Р.1НН «Хаммер Хед» -(Италия)4; г) СН-7 (Китай)5
2 Параметрические зависимости как фактор кластеризации БЛА
Задача кластер-анализа состоит в выяснении по набору данных о скоплении объектов в виде отдельных групп - «кластеров» (от англ. cluster - гроздь, скопление) [11]. Точечные диаграммы и графические аппроксимации, отражающие связи основных оценочных показателей БЛА из таблицы 6, представлены на рисунках 4-6. На рисунках каждая точка соответствует характеристикам конкретного БЛА. Приведённые данные позволяют выявить воз-
2Малышев С. Состояние и перспективы разработки боевых БЛА. Часть I // Аэрокосмическое обозрение. - 2018. - № 3. -С.24-30.
3 Беспилотный летательный аппарат дальнего действия Fotros (Иран). http://bastion-karpenko.ru/fotros/ ВТС "БАСТИОН" Л.У. Кагрепко.
4 Серийное производство разведывательных БЛА Р.1НН "Хаммер Хед". Экспресс-информация. - 2016. - № 41. - С. 6.
5 Курильченко А. Боевой беспилотник СН-7: как в Китае умеют чужие неудачи превращать в свои реальные достижения / А. Курильченко // Звезда. 26.08.2018. https://zvezdaweekly.rU/news/t/201811231442-q8Bh0.html.
можные группы разведывательно-ударных и ударных БЛА с лучшими и худшими соотношениями различных пар показателей этих аппаратов и провести их кластеризацию.
Таблица 6 - Исходные оценочные показатели разведывательно-ударных и ударных БЛА (по возрастанию взлётной массы)
Наименование БЛА (страна) Взлётная Масса по- Отношение Дальность Продол- Максимальная Высота
масса лезной Мпн / Мвзл полёта жительность скорость полёта
Мвзл, кг (боевой) 0П, км полёта полёта (практиче-
нагрузки Тп, ч РМакс, км/ч ский пото-
Мпн кг лок) НП, м
1. «Буревестник-МБ» (Белоруссия) 300 70 0,23 300 8 250 5000
2. «Шахед 129» (Иран) 450 60 0,13 350 24 170 9000
3. «Сикер-400» (ЮАР) 450 100 0,22 750 16 220 6000
4. «Форпост-М» (Россия) 454 100 0,22 500 17,5 200 5000
5. «Дозор-600» (Россия) 640 220 0,34 3700 30 210 7500
6. СН-3 (Китай) 640 100 0,15 2400 12 250 6000
7. «Байрактар ТВ2» (Турция) 650 55 0,08 300 24 220 7000
8. ЯО-5Л «Хантер» (США) 726 90 0,12 300 21 220 4570
9. ЯО-1/МО-1 «Предейтор А» (США) 1020 340 0,33 7400 40 240 7600
10. «Стар Лайнер» (Израиль) 1100 350 0,32 4000 36 110 9000
11. «Вин Лун-1» (Китай) 1150 200 0,17 4000 20 280 7500
12. «Гермес 900» (Израиль) 1180 350 0,29 4000 36 220 9145
13. «Скай-У» (Италия) 1200 150 0,12 1850 14 320 7620
14. СН-4С (Китай) 1200 345 0,29 2000 40 235 7200
15. «Орион-1 (Э)» (Россия) 1200 200 0,16 600 24 200 8000
16. «Импакт 1300» (Израиль) 1300 400 0,30 1500 30 250 9000
17. СН-4В (Китай) 1350 345 0,25 1600 14 250 7000
18. «Скай-Х» (Италия) 1450 350 0,24 2600 1 860 9150
19. ЯО-1С «Скай Уорриор» (США) 1451 488 0,33 8000 30 250 9000
20. «Вин Лун-Ш» (Китай) 1500 400 0,26 2000 35 280 7500
21. МО-1С «Грэй Игл» (США) 1634 478 0,29 8000 36 280 8840
22. «Лпка-8» (Турция) 1680 230 0,13 400 24 260 9145
23. «Рустом-2» (Индия) 1800 350 0,19 900 24 300 10600
24. МО-1С «Грей Игл» ОЕ-ЕЯ (США) 1905 487 0,25 8000 48 240 8800
25. Х-47А (США) 2678 454 0,17 4400 12 720 12200
26. ТО328 (Китай) 2800 1100 0,39 7500 45 280 8000
27. «Клауд Шэдоу» (Китай) 3000 400 0,13 2000 6 620 14000
28. РЪ-1 (Китай) 3200 1000 0,31 500 45 320 8000
29. СН-5 (Китай) 3300 1200 0,36 2000 40 300 7000
30. «Фотрос» (Иран) 3500 1000 0,28 2000 30 400 9000
31. «Вин Лун-2» (Китай) 4200 400 0,09 2000 32 370 9000
32. «Акинчи» (Турция) 4500 1350 0,30 500 24 463 12200
33. МО-9 «Рипер» (США) 4760 1760 0,37 5900 32 480 15240
34. «Орион-2» (Россия) 5000 1000 0,20 5000 24 350 12000
35. МО-9 «Рипер-ЕН» (США) 5020 1760 0,35 7500 40 480 15000
36. «Херон ТР» (Израиль) 5300 1000 0,19 7400 40 450 14000
37. Х-45А (США) 5530 500 0,09 2400 24 980 10700
38. ТО356 (Китай) 5600 1000 0,18 7000 30 330 9000
39. Р.1НН «Хаммерхед» (ОАЭ) 6146 500 0,08 8148 16 737 13700
40. «Нейрон» (Франция) 7000 1500 0,21 500 10 980 12000
41. «Альтиус-У» (Россия) 7500 2000 0,26 10000 48 450 15000
42. «Предейтор С» (Эвенджер) (США) 8255 1360 0,16 6000 20 740 18290
43. «Предейтор С» (Си-Эвенджер) (США) 8255 2948 0,35 6000 18 740 15240
44. «Эвенджер-ЕН» (США) 8255 1360 0,16 6000 20 740 20000
45. «Мантисс» (Великобритания) 9000 1000 0,11 16000 36 555 15200
46. Х-45С (США) 15556 2040 0,13 4800 7 1040 12200
47. Х-45С («Фантом Рэй») (США) 16556 2000 0,12 4800 2 1020 12200
48. Х-47В (США) 20865 2040 0,09 9750 9 1100 12200
49. ТО756 (Китай) 65000 24000 0,37 7500 30 795 13000
Подобные зависимости могут быть полезными при анализе тенденций развития БЛА. Они позволяют определить коэффициент использования БЛА по полезной нагрузке, выявить
возможности использования БЛА на различных дальностях, выбрать наиболее рациональные решения при разработке БЛА.
—
» •
• • • л " 1 ' и • > • •
-Тренд
а)
•
• •
• •
• .8 • п » • • • ........ •
0,5
1,5 2 2,5
Взлетная масса Мвзп, [т]
3,5 -Тренд
4,5
б)
Рисунок 4 - Связь между массой полезной нагрузки и взлётной массой БЛА: а) для значений 0,5-25 т; б) для значений 0,5-5 т.
0,5 0,4 0,3 0,2 0,1 0
1 * • • • • • |
* • • • • 1 1
--1—• ; ! . ' 1 •
•• • | ■ •
1000 2000 3000 4000 5000 6000 Дальность полета 0П, [км] -Тренд
7000
8000 9000
а)
£ 1 I- <и га 1—1
* I
^ о
о га
с 5
го о:
х ш х -ш ■ Э £
0,5 0,4 0,3 0,2 0,1 0
1 1
* • •
• | • • •
• • •
500 1000 1500 2000
Дальность полета Оп, [км] Тренд
б)
Рисунок 5 - Связь между соотношением масса полезной нагрузки / взлётная масса и дальностью полёта БЛА: а) для значений 350-9000 км; б) для значений 350-3000 км
Рисунок 6 - Связь между дальностью полёта и взлётной массой БЛА: а) для значений 1-25 т; б) для значений 1-5 т
Анализ рисунков 4-6 показывает, что визуально можно обнаружить скопление объектов относительно центра групп БЛА массой 500, 1500, 3000, 5000, 8000 кг. Если положить, что одним из интегральных показателей, воплощающим все основные свойства БЛА, является масса БЛА, то классификация может быть представлена пятью группами (рисунок 7): группа первая - от 300 до 2000 кг включительно; группа вторая - от 2000 до 6000 кг включительно; группа третья - от 6000 до 13000 кг включительно; группа четвёртая - от 13000 до 25000 кг включительно; группа пятая - более 25000 кг.
30
25
Л20
<
ш15
о со 1-
Й.0
[0,3-2) [2-6) [6-13) [13-25] >25
Взлетная масса МВЗЛ, [т]
Рисунок 7 - Гистограмма распределения групп БЛА по взлётной массе
5
0
3 Кластеризация беспилотных летательных аппаратов
В основу кластеризации БЛА с помощью метрического анализа положен принцип близости БЛА друг к другу по интегральному комплексному показателю [12-14]. Исходные оценочные показатели разведывательно-ударных и ударных БЛА для проведения расчётов представлены в таблице 6, где приведены значения пяти частных показателей: отношение массы полезной (боевой) нагрузки к взлётной массе; дальность полёта; продолжительность полёта; максимальная скорость полёта; высота полёта.
При расчёте в качестве примера использовались приведённые на рисунке 10 первые четыре кластера БЛА по взлётной массе. В каждом из них отдельно для каждого частного показателя производилось нормирование по формуле
п _ П ij — nminj-
норм.i,у — "Pf <
1 lmax,j 1 lminJ
где umlnj = min (П, j,..Un j}
Птах, j mO.X (ni, j, ..-, nn, j} n - число БЛА в кластере, n,j - j-й частный показатель i-го БЛА.
Нормирование частных показателей производилось в рамках каждого кластера по взлётной массе отдельно. Нормированные показатели для каждого БЛА приведены в таблице 7.
Алгоритм программы кластеризации реализован средствами языка программирования Python и состоит из расчёта комплексного показателя для каждого БЛА в каждой из четырёх групп в отдельности, составленных по величине взлётной массы и дальнейшего распределения всех БЛА на четыре кластера по значениям комплексного показателя, находящимся в заданном интервале.
Расчёт комплексного показателя проводился по формуле
Kt = ^j=lVj ' Пнорм . lj,
где Vj - коэффициент значимости j—го частного показателя.
При расчёте комплексного показателя коэффициенты значимости частных показателей считались одинаковыми и равными 20. Комплексные показатели принимают значения от 0 до 100 баллов, где 0 баллов (100 баллов) может получить тот БЛА, у которого все частные показатели имеют худшие (лучшие) значения среди всех сравниваемых БЛА. Принадлежность БЛА к четырём введённым кластерам по значению комплексного показателя представлено в таблице 7. В нулевой кластер попали БЛА с комплексным показателем до 29 и ниже, в первый - от 29 до 43, во второй - от 43 до 59, в третий - от 59 и выше.
Принадлежность БЛА выделенным четырём кластерам по значению комплексного показателя указана в правом столбце таблицы 7.
Заключение
1. Кластеризация БЛА позволяет классифицировать БЛА по интегральному комплексному показателю, выделяя, в частности, лучшие из них и худшие. Экспертное задание разных приоритетов частных показателей даёт возможность при оценке БЛА учитывать наиболее важные функции, которые должен выполнять оцениваемый аппарат во время его эксплуатации.
2. Анализ распределения рассмотренных БЛА по интегральному комплексному показателю на четыре кластера позволяет отметить следующее:
Таблица 7 - Нормированные оценочные показатели разведывательно-ударных и ударных БЛА (по возрастанию взлётной массы)
Наименование Взлётная Масса Нормированные значения оценочных показателей Ком- Кла-
БЛА (страна) масса полезной Отношение Дальность Продол- Макси- Высота поле- плекс- стер
Мвзл, кг (боевой) нагрузки Мпн, кг Мпн / МВЗЛ полета D житель- ность полета ТП мальная скорость полета ^млкс та(практический потолок) НП ный показатель
1. «Буревестник-МБ» 300 70 0.58 0.0 0.18 0.19 0.09 20.74 0
(Белоруссия)
2. «Шахед 129» (Иран) 450 60 0.19 0.01 0.59 0.08 0.97 36.72 1
3. «Сикер-400» (ЮАР) 450 100 0.54 0.06 0.38 0.15 0.31 28.81 0
4. «Форпост-М» (Россия) 454 100 0.54 0.03 0.42 0.12 0.09 24.03 0
5. «Дозор-600» (Россия) 640 220 1.0 0.44 0.74 0.13 0.64 59.16 2
6. СН-3 (Китай) 640 100 0.27 0.27 0.28 0.19 0.31 26.46 0
7. «Байрактар ТВ2» (Тур- 650 55 0.0 0.0 0.59 0.15 0.53 25.34 0
ция)
8. ИО-5Л «Хантер» (США) 726 90 0.15 0.0 0.51 0.15 0.0 16.27 0
9. Я0-1/М0-1 «Предейтор А» (США) 1020 340 0.96 0.92 1.0 0.17 0.66 74.37 3
10. «Стар Лайнер» (Израиль) 1100 350 0.92 0.48 0.9 0.0 0.97 65.37 3
11. «Вин Лун-1» (Китай) 1150 200 0.35 0.48 0.49 0.23 0.64 43.61 1
12. «Гермес 900» (Израиль) 1180 350 0.81 0.48 0.9 0.15 1.0 66.62 3
13. «Скай-У» (Италия) 1200 150 0.15 0.2 0.33 0.28 0.67 32.69 1
14. СН-4С (Китай) 1200 345 0.81 0.22 1.0 0.17 0.57 55.39 2
15. «Орион-1 (Э)» (Россия) 1200 200 0.31 0.04 0.59 0.12 0.75 36.11 1
16. «Импакт 1300» Израиль) 1300 400 0.85 0.16 0.74 0.19 0.97 57.99 2
17. СН-4В (Китай) 1350 345 0.65 0.17 0.33 0.19 0.53 37.46 1
18. «Скай-Х» (Италия) 1450 350 0.62 0.3 0.0 1.0 1.0 58.28 2
19. ИО-1С «Скай Уорриор» (США) 1451 488 0.96 1.0 0.74 0.19 0.97 77.18 3
20. «Вин Лун-Ю» (Китай) 1500 400 0.69 0.22 0.87 0.23 0.64 53.03 2
21. МО-1С «Грэй Игл» (США) 1634 478 0.81 1.0 0.9 0.23 0.93 77.28 3
22. «Лпка-8» (Турция) 1680 230 0.13 0.0 0.43 0.04 0.26 17.28 0
23. «Рустом-2» (Индия) 1800 350 0.33 0.07 0.43 0.12 0.44 27.79 0
24. МО-1С «Грей Игл» ОЕ-ЕИ (США) 1905 487 0.53 1.0 1.0 0.0 0.22 55.04 2
25. Х-47А (США) 2678 454 0.27 0.53 0.14 1.0 0.63 51.34 2
26. ТО328 (Китай) 2800 1100 1.0 0.93 0.93 0.08 0.12 61.35 2
27. «Клауд Шэдоу» (Китай) 3000 400 0.13 0.21 0.0 0.79 0.85 39.70 1
28. БЬ-1 (Китай) 3200 1000 0.73 0.01 0.93 0.17 0.12 39.26 1
29. СН-5 (Китай) 3300 1200 0.9 0.21 0.81 0.12 0.0 40.90 1
30. «Фотрос» (Иран) 3500 1000 0.63 0.21 0.57 0.33 0.24 39.83 1
31. «Вин Лун-2» (Китай) 4200 400 0.0 0.21 0.62 0.27 0.24 26.86 0
32. «Акинчи» (Турция) 4500 1350 0.7 0.01 0.43 0.46 0.63 44.75 1
33. МО-9 «Рипер» (США) 4760 1760 0.93 0.72 0.62 0.5 1.0 75.52 3
34. «Орион-2» (Россия) 5000 1000 0.37 0.61 0.43 0.23 0.61 44.73 1
35. МО-9 «Рипер-ЕИ» (США) 5020 1760 1.0 0.45 0.79 0.23 0.55 60.35 2
36. «Херон ТР» (Израиль) 5300 1000 0.41 0.45 0.79 0.18 0.45 45.62 1
37. Х-45А (США) 5530 500 0.04 0.12 0.37 1.0 0.15 33.65 1
38. ТО356 (Китай) 5600 1000 0.37 0.42 0.53 0.0 0.0 26.32 0
39. Р.1НН «Хаммерхед» 6146 500 0.0 0.49 0.16 0.63 0.43 34.09 1
(ОАЭ)
40. «Нейрон» (Франция) 7000 1500 0.48 0.0 0.0 1.0 0.27 35.08 1
41. «Альтиус-У» (Россия) 7500 2000 0.67 0.61 1.0 0.18 0.55 60.19 2
42. «Предейтор С» (Эвен-джер) (США) 8255 1360 0.3 0.35 0.26 0.63 0.84 47.79 1
43. «Предейтор С» (Си-Эвенджер) (США) 8255 2948 1.0 0.35 0.21 0.63 0.57 55.27 2
44. «Эвенджер-ЕИ» (США) 8255 1360 0.3 0.35 0.26 0.63 1.0 50.9 2
45. «Мантисс» (Великобри- 9000 1000 0.11 1.0 0.68 0.35 0.56 54.10 2
тания)
46. Х-45С (США) 15556 2040 0.14 0.0 0.18 0.8 0.0 22.49 2
47. Х-45С («Фантом Рэй») 16556 2000 0.11 0.0 0.0 0.74 0.0 16.90 0
(США)
48. Х-47В (США) 20865 2040 0.0 1.0 0.25 1.0 0.0 45.00 1
49. ТО756 (Китай) 65000 24000 1.0 0.55 1.0 0.0 1.0 70.91 3
■ Нулевому кластеру, в который вошли БЛА, получившие оценку до 29 баллов, принадлежат БЛА в основном со средней взлётной массой, а процентное количество таких аппаратов составляет 22.4% по отношению ко всем БЛА, рассмотренным в настоящей работе.
■ Первому кластеру, в который вошли БЛА, получившие оценку от 29 до 43 баллов, принадлежат БЛА со средней и большой взлётной массой, а процентное количество таких аппаратов составляет 34.7%.
■ Второму кластеру, в который вошли БЛА, получившие оценку до 43 до 59 баллов, в большинстве принадлежат БЛА со средней взлётной массой, а процентное количество таких аппаратов около 28.6%.
■ Третьему кластеру, в который вошли БЛА, получившие оценку выше 59 баллов, принадлежат БЛА с разными значениями взлётной массой, а процентное количество таких аппаратов составляет около 14.3%.
Список источников
[1] Увеличение количества ударов в Афганистане с применением БЛА. Экспресс-информация. Авиационные системы / ГосНИИАС. - 2016. - № 40. - C. 6.
[2] Reg, A. Unmanned Aircraft systems. UAVS Design, Development and Deployment / A. Reg // Austin Reg. John Wiley and Sons, Ltd. Publication, 2010. - 332 p.
[3] Martin J. Dougherty. Drones. An illustrated guide to the unmanned aircraft that are filling our skies. 2015 Amber Books Ltd.
[4] Jane's. All the Word's Aircraft. 2017-2018. - 458 p.
[5] Шибаев, В. Беспилотные авиационные системы: безопасность полетов и критические факторы / В. Шибаев, А. Шнырев, В. Буня // Аэрокосмический курьер. - 2011. № 1 (73). - С.55-57.
[6] Полтавский, А.В. Боевые комплексы беспилотных летательных аппаратов. Часть 1. Системная характеристика боевых комплексов беспилотных летательных аппаратов / А.В. Полтавский, А.А. Бурба, О.А. Лапса-ков и др. // Под ред. А.Н. Максимова. - М.: ВВИА им. Проф. Н.Е. Жуковского, 2005. - 237 с.
[7] Никольский, М. Российские ударные БПЛА самолетного типа / М. Никольский // Аэрокосмическое обозрение. - 2018. - № 4. - С.14-19.
[8] Кошкин, Р.П. Беспилотные авиационные системы / Р.П. Кошкин. - М.: Изд-во «Стратегические приоритеты», 2016. - 676 с.
[9] Беспилотная авиация: терминология, классификация, современное состояние / В.С. Фетисов, Л.М. Неугод-никова, В.В. Адамовский, Р.А. Красноперов. Под ред. В.С. Фетисова. - Уфа: ФОТОН, 2014. - 217 с.
[10] Штурманское обеспечение. Монино: ВВА им. Ю.А. Гагарина, 2010 г. - 565 с.
[11] Орлов, А.И. Прикладная статистика / А.И. Орлов. - М. : Изд-во «Экзамен», 2004. - 656 с.
[12] Крянев, А.В. Метрический анализ и обработка данных / А.В. Крянев, Г.В. Лукин, Д.К. Удумян. - М.: Физ-
матлит, 2012. - 308 с.
[13] Пиявский, С.А. Прогрессивность многокритериальных альтернатив / С.А. Пиявский // Онтология проектирования. - 2013 - № 4(10). - с. 60-71.
[14] Келлехер, Д. Наука о данных. Базовый курс / Д. Келлехер, Б. Тирни. - М.: Альпина паблишер, 2020. -220 с.
Сведения об авторах
Крянев Александр Витальевич, 1941 г. рождения. Окончил Московский инженерно-физический институт в 1965 г. по специальности «Ядерные энергетические установки», доктор физико-математических наук (1990), профессор (1993 г.). С 1993 г. по настоящее время профессор кафедры «Прикладная математика». Автор более 150 публикаций, 5 монографий и 4 учебных пособий. AuthorlD (РИНЦ): 153456. Author ID (Scopus): 6603101568; Researcher ID (WoS): G-2761-2011. av-kryanev@mephi. ru.
Семенов Сергей Сергеевич, 1942 г. рождения. В 1963 г. окончил с отличием Московский радиомеханический техникум по специальности «Радиолокационные устройства», в 1969 г. - Московский инженерно-физический институт по специальности
«Автоматика и электроника», кандидат технических наук (2010). Руководитель группы анализа и перспективного проектирования АО «ГНПП «Регион». Автор и соавтор 210 научно-технических статей, 8 монографий и 6 книг, 47 изобретений и 116 научных трудов. AuthorID (РИНЦ): 26334. gnppregion@sovintel.ru.
Калдаева Алла Эдуардовна, 1999 г. рождения. Окончила бакалавриат Национального исследовательского ядерного университета «МИФИ» (НИЯУ) в 2020 г. kaldaeva. a@mail. т.
Поступила в редакцию 29.07.2020, после рецензирования 06.09.2020. Принята к публикации 24.09.2020.
Priority classification of combat unmanned aerial vehicles based on a comprehensive assessment of the main indicators
12 1 A.V. Kryanev1, S. S. Semenov2, A. E. Kaldaeva1
1 National research nuclear University (MEPhI), Moscow, Russia
2 Joint Stock Company «State research and production enterprise «Region», Moscow, Russia Abstract
In this work, we solved the problem of obtaining estimates of the prospects combat of unmanned aerial vehicles (UAVs) according to the available estimates of a certain part of UAVs and their further clustering by the value of the complex priority indicator. A new estimation scheme is proposed that uses five known particular indicators of each assessed UAV, which, after normalizing them and determining the significance coefficients of particular indicators, were combined into a complex UAV indicator. Based on the obtained estimates of the complex indicator of each of the considered UAVs, the clustering of the set of the considered UAVs was carried out according to the belonging of the complex indicator to the intervals of its possible values from 0 to 100. One hundred or zero points can be obtained by that UAV, in which all particular indicators have respectively the best or worst values among all compared UAVs. Clustering made it possible to divide the UAVs into groups according to the principle of similarity of the tasks performed. In the Python programming language, a program was developed that implements the proposed clustering scheme, and allows to obtain estimates of objects and classify these objects according to the principle of proximity of complex indicators. This scheme allows to identify the best (and worst) UAVs in each of the UAV classes, distinguished by the commonly used clustering indicator, takeoff weight. About 14% of UAVs considered in this work were included in the best cluster in terms of complex indicator with an indicator value of at least 59 points with a maximum score of 100 points. The obtained results can be used in the development of requirements for the equipment and operation of UAVs.
Key words: classification, complex unmanned aerial vehicles, reconnaissance-strike drones, combat drones, estimates, diagram of metric analysis
Citation: KryanevAV, Semenov SS, Kaldaeva AE. Priority classification of combat unmanned aerial vehicles based on a comprehensive assessment of the main indicators [In Russian]. Ontology of designing. 2020; 10(3): 380-392. - DOI: 10.18287/2223-9537-2020-10-3-380-392.
List of figures and tables
Figure 1 - Evolution of unmanned aerial vehicles of the "Predator" family
Figure 2 - Distribution histogram of reconnaissance-shock and shock UAVs of different countries by take-off weight Figure 3 - Reconnaissance-shock and shock UAV
Figure 4 - The relationship between the mass of the payload and the take-off mass of a UAV Figure 5 - The relationship between the payload / take-off weight ratio and the UAV flight range Figure 6 - The relationship between the flight range and the takeoff weight of a UAV Figure 7 - Distribution histogram of UAV groups by take-off weight Table 1 - UAV classification by categories (III-IX)
Table 2 - UAV classification, taking into account flight, tactical and technical characteristics
Table 3 - UAV classification adopted by the US armed forces
Table 4 - UAV classification of MALE and HALE categories
Table 5 - Universal classification of UAVs by flight parameters (fragment)
Table 6 - Initial estimated indices of reconnaissance-shock and shock UAVs (by take-off weight in ascending order) Table 7 - Normalized estimated indicators of reconnaissance-shock and shock B (by take-off weight in ascending order)
References
[1] An increase in the number of strikes in Afghanistan with the use of UAVs. Express information. Aviation systems [In Russian]. GosNIIAS. 2016; 40: P.6.
[2] Reg A. Unmanned Aircraft systems. UAVS Design, Development and Deployment / Austin Reg. John Wiley and Sons, Ltd. Publication, 2010. 332 p.
[3] Martin J. Dougherty. Drones. An illustrated guide to the unmanned aircraft that are filling our skies. 2015 Amber Books Ltd.
[4] Jane's. All the Word's Aircraft. 2017-2018. 458 p.
[5] Shibaev V, Shnyrev A, Bunya V. Unmanned aviation systems: flight safety and critical factors [In Russian]. Aerospace courier. 2011; 1(73): 55-57.
[6] Poltavsky AV, Burba AA, Lupikov OA and others. Combat complexes of unmanned aerial vehicles. Part 1. System characteristics of combat complexes of unmanned aerial vehicles [In Russian]. Scientific and methodological material. Ed. Maximov. - M.: VVIA named after Prof. N.E. Zhukovsky, 2005. 237 p.
[7] Nikolsky M. Russian shock UAVs of the airplane type [In Russian]. Aerospace review. 2018; 4: 14-19.
[8] Koshkin RP. Unmanned aircraft systems [In Russian]. M.: publishing house «Strategic priorities», 2016. 676 p.
[9] Unmanned aviation: terminology, classification, current state [In Russian]. VS Fetisov, LM Neugodnikova, VV Adamovsky, RA Krasnoperov. Under the editorship of V. S. Fetisov. Ufa: PHOTON, 2014. 217 p.
[10] Navigation software [In Russian]. Monino: VVA named after Yu. A. Gagarin, 2010. 565 p.
[11] Orlov AI. Applied statistics [In Russian]. M.: Publishing house «Exam», 2004. 656 p.
[12] Kryanev AV, Lukin G.V., Udumyan D.K. Metric analysis and data processing [In Russian]. M.: Fizmatlit, 2012. 308 p.
[13] Piyavsky SA. Progressiveness of multicriteria alternatives [In Russian]. Ontology of designing. 2013; 4 (10): 6071.
[14] John D. Kelleher and Brendan Tierney. Data science. Basic course [In Russian]. M.: Alpina publisher, 2020. 220 p.
About the authors
Alexander Vitalyevich Kryanev (b. 1941). Graduated from the Moscow engineering physics Institute in 1965, Doctor of Physical and Mathematical Sciences (1990), academic degree Professor (1993). He is a Professor of the Department of Applied mathematics from 1993 till present. He is the author of more than 150 publications, 5 monographs and 4 textbooks. AuthorlD (RSCI): 153456. Author ID (Scopus): 6603101568; Researcher ID (WoS): G-2761-2011. avkrya-nev@mephi.ru
Sergey Sergeevich Semenov (b. 1942). In 1963, he graduated with honors from the Moscow Radio-Mechanical Technical School, specializing in Radar Devices, and in 1969 he graduated from the Moscow Engineering Physics Institute with a degree in Automation and Electronics, and in 2010 he received a Candidate of technical Sciences degree. Head of the analysis and prospective design group of JSC «GNPP «Region». Author and co-author of 210 scientific and technical articles, 8 monographs and 6 books, 47 inventions and 116 scientific papers. AuthorID (RSCI): 26334. gnppre-gion@sovintel. ru
Alla Eduardovna Kaldaeva, (b. 1999) graduated from National Research Nuclear University MEPhI in 2020. kaldae-va.a@mail.ru
Received July 29, 2020. Revised September 06, 2020. Accepted September 24, 2020.
