МЕТОДИЧЕСКИЙ ПОДХОД К ОЦЕНИВАНИЮ ВЛИЯНИЯ МЕТЕОРОЛОГИЧЕСКИХ УСЛОВИЙ НА ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ МОБИЛЬНЫХ ЛИДАРНЫХ КОМПЛЕКСОВ ЭКОЛОГИЧЕСКОГО КОНТРОЛЯ Текст научной статьи по специальности «Математика»

УДК 004.942

DOI: 10.24412/2071-6168-2021-10-265-273

МЕТОДИЧЕСКИЙ ПОДХОД К ОЦЕНИВАНИЮ ВЛИЯНИЯ МЕТЕОРОЛОГИЧЕСКИХ УСЛОВИЙ НА ЭФФЕКТИВНОСТЬ ПРИМЕНЕНИЯ МОБИЛЬНЫХ ЛИДАРНЫХ КОМПЛЕКСОВ ЭКОЛОГИЧЕСКОГО КОНТРОЛЯ

А.С. Андрианов, М.А. Прохоров, А.Ю. Цветков

В статье представлены результаты анализа планирования применения мобильного лидарного комплекса экологического контроля «Смуглянка 1Л» в условиях неполной информации о состоянии среды и риска срыва выполнения задач по предназначению. Рассмотрен методический подход к оцениванию эффективности применения мобильного лидарного комплекса при влиянии стохастически изменяющихся метеорологических условий, основанный на аппарате нечеткого вывода.

Ключевые слова: планирование, оперативное управление, оценивание влияния метеорологических условий, системный анализ, дискретная математика, нечеткий вывод.

На современном этапе развития техногеной сферы задачи экологического контроля и мониторинга в Российской Федерации и Вооруженных Силах в частности стоят краеугольным камнем. Требуется непрерывный контроль соблюдения установленных норм производственной и повседневной деятельности в области экологической безопасности из-за развития технических систем не нормативная эксплуатация, которых приводит к необратимым процессам, вследствие загрязнения окружающей среды. Одним из направлений решения представленной задачи является дистанционный контроль и мониторинг химических загрязнений атмосферы мобильными лидарными комплексами (МЛК). Разработанный МЛК «Смуглянка 1Л» научно-производственным предприятием «Лазерные системы» в интересах Вооруженных сил Российской Федерации позволяет решать задачи экологического контроля и мониторинга на потенциально опасных объектах. Планирование применения МЛК «Смуглянка 1Л» требует учет метеорологических условий, так как они оказывают негативное влияние на результативность применения представленных комплексов [1]. При этом, планирование и оперативное управление в условиях неполной информации о среде является сложной задачей для лица, принимающего решение (ЛПР), а в случаях, когда его задачей является максимизация результативности применения комплексов экологического контроля и минимизация рисков срыва их применения по назначению, т.е. невыполнения запланированных задач из-за изменившихся факторов среды, и их учета при составлении и коррекции плана применения. При этом, существующие на данный момент методы оценивания выполнения задач по предназначению не обладают достаточной точностью [2-5].

Представленные противоречия возможно разрешить путем оценивания влияния метеорологических условий на эффективность применения МЛК на основе аппарата нечеткого вывода, позволяющего устранить неполную и неточную информацию.

Задачу планирования применения МЛК «Смуглянка 1Л» представим в дискретном виде, что позволит решении задачи при планирования разделить интервал планирования процесса управления на несколько временных интервалов и в конце каждого из них принимать решение о коррекции управляющих воздействий в рамках оперативного управления на основании полученных промежуточных результатов применения МЛК.

Постановка задачи. Рассмотрим процесс планирования применения МЛК в общем

виде.

Дано: Множество позиций применения МЛК по назначению А = {щ}, [Z = 1(1)L], где щ = (С, Т*) - характеристика позиции l, С = {сг} - множество вариантов погодных условий на позициях, влияющих на применение МЛК, Т* = {ti}, [i = 1(1)/] - интервал планирования применения МЛК. Характеристика МЛК Е = (A,Q,T,T*), где Q = WqiWi - ресурсозатраты необходимые для перебазирования с занимаемой позиции на новую, W^iWi - время необходимое для перебазирования с занимаемой позиции на новую. Множество вариантов планов применения МЛК U = {ип}, \п = 1(1)N], где ип = (А,С,Е,Т*) - характеристика плана применяя.

Таким образом, процесс управления разделен на I периодов, тогда - вариант плана применения на i этапе, тогда Fi{Ci,Qi,Ti,Ui) - функция, определяющая результативность применения МЛК. При этом под результативностью применения МЛК понимается количество

проведённых сеансов применения МЛК по назначению. При этом, варианты планов оцениваются на основе ряда показателей: результативности на предшествующем этапе ¿ — 1, динамики изменения состояния среды, количества оставшихся сеансов применения МЛК по назначению. На основании изложенного представим следующую целевую функцию на весь период планирования:

= . (!)

На каждом шаге необходимо выбрать соответствующий вариант плана иг для оптимизации результата процесса управления. Для представленного примера вариантом управления является выбор позиции для проведения сеансов применения МЛК по назначению. При этом задачей ЛПР является выбор варианта плана при начальных параметрах процесса управления и оптимальных управлений и* на последующих шагах.

Предполагается, что ЛПР, имеет ограниченное количество ресурсов , в нашем случае таким ресурсом является время и ресурсы необходимые для перебазирования между позициями измерений. Таким образом, получим следующие ограничение:

и1(^)<Б1пах, (2)

где Б]пах - максимальное возможное количество ресурсов которое возможно потратить на 7-м этапе.

Таким образом, с учетом ограничения (2), необходимо найти такой план применения МЛК, который приводит к максимуму целевую функцию выраженную формулой (1), выбрав оптимальную стратегию управления ресурсами S¡nax, и с учетом метеорологических условий:

и* = агдшахР(и).

Методический подход к оцениванию влияния метеорологических условий на эффективность применения и выбора оптимального решения. Неточность исходных данных заключается, во-первых, в физической природе происхождения, т.е. системы измерения данных различные и они требуют нормировки для проведения дальнейших расчетов. Во-вторых, стохастический характер такого параметра как, например, коэффициент прозрачности атмосферы напрямую зависит от типа атмосферного явления, при этом процесс прогнозирования типа атмосферного явления подвержен сложностям, связанным с неоднородностью классов явлений и их вариативностью, а также их комбинационным характером, когда в один момент времени возможно проявление нескольких явлений. В-третьих, семантический характер данных не всегда позволяет точно дать оценку тому или иному явлению. В-четвертых, некоторые события могут трактоваться двояко в зависимости от их параметров, т. е. одно и тоже событие может оказывать как негативный ущерб процессу, так и приемлемый. Например, значение коэффициента прозрачности атмосферы может снижаться в дымке, но не до условного критического уровня. Для разрешения данной проблемы необходимо присвоить позиции весовой коэффициент, учитывающий риск неточности информации, для этого целесообразно применить аппарат нечеткого вывода.

В связи с этими была разработана схема сглаживания неточности данных, в которой процесс сглаживания неточности исходных данных производится по двум вариантам в условиях неопределенности и в детерминированных условиях.

Рассмотрим первый вариант. Здесь, в зависимости от данных, производится их нормировка к одному показателю и строятся матрицы смежности, например, при четкой интерпретации параметров по селектору со значениями «возможно» или «невозможно» (1 и 0 соответственно). Тогда Т= ||£(||[ - время необходимое для перемещения с занимаемой позиции на планируемую, Q = НдЛ! - ресурсозатраты необходимые для перемещения с занимаемой позиции на планируемую, С= ||сг| - состояние позиции в метеорологическом отношении задается детерминировано, например при искусственном характере явлений при их модификации.

Второй вариант заключается в формировании весовых коэффициентов для матриц смежности за счет применения системы нечеткого вывода, функционирующую по алгоритму Мамдани. Приведем разработанную систему нечеткого вывода, задачей которой является получение значения коэффициента прозрачности атмосферы на основе дальности видимости в метеорологических явлениях. В качестве входных параметров системы нечеткого вывода будем рассматривать лингвистическую переменную «Явление», а в качестве выходных параметров нечеткую лингвистическую переменную «Коэффициент прозрачности».

Рассмотрим лингвистическую переменную «Явление», описывающийся кортежем {Р,Т, и). Значения данных параметров представлены в табл. 1. При этом в качестве основного параметра выбрана дальность видимости в явлении, т.е. на оси абсцисс откладывается универсальное множество (и), выраженное в тысячах метров [4].

При этом функции принадлежности на основании статистической информации и экспертных оценок определяются следующим образом для терма «Дымка»:

иА1 1

где х - дальность видимости в явлении (км), для терма «Облака О»:

На,

для терма «Облака As»: для терма «Облака St»: для терма «Осадки»: для терма «Туман»:

ИЛч =

1+

(-)

V0.4/

На* =

i+РЦ8'

\0.25/

На*

По аналогии представим выходную лингвистическую переменную «Коэффициент прозрачности» параметры которой представлены в табл. 1. Стоит отметить, что в качестве универсального множества выбраны значения коэффициента прозрачности атмосферы.

Функции принадлежности данной переменной на основании статистической информации и экспертных оценок определяются следующим образом для терма «Приемлемо»:

_ 1 = /„_поч14 ,

для терма «Неприемлемо»:

V 0.35 J 1

Нв, =

1 +

(х-0.2\14 ' V 0.35 )

Таблица 1

Название переменной (Р) Термы (T) Универсальное множество (U)

Входная лингвистическая переменная

Явление Дымка (Ai), Облака Ci (A2), Облака As (A3), Облака St (A4), Осадки (A5), Туман (Аб) [0,1]

Выходная лингвистическая переменная

Коэффициент прозрачности Приемлемо(В1), Неприемлемо(В2) [0,1]

Результаты моделирования переменных «Явление» и «Коэффициент прозрачности» представлены на рис. 1 и 2 соответственно.

Формирование термов в лингвистической переменной «Коэффициент прозрачности» связано напрямую с тем, что работа комплексов возможна только при коэффициенте прозрачности атмосферы более 0.5, поэтому формируются два противоположных терма обозначающие приемлемый и неприемлемый уровень коэффициента прозрачности атмосферы [4, 6].

На практике возможны различные сочетания явлений погоды и их интенсивности в качестве примера для упрощения понимания механизма функционирования системы нечеткого вывода рассмотрим ухудшение дальности видимости из-за дымки и тумана таким образом сформируем правила нечеткой продукции следующего вида:

1. If (Явление is Туман) then (Коэфф.проз. is Неприемлем);

2. If (Явление is not Дымка) then (Коэфф.проз. is Приемлем).

Далее с помощью редактора систем нечеткого вывода FIS системы MATLAB разработаем систему нечеткого вывода, представленную на рис. 3.

0.9

S

& о 0.8

£

й> 07

а

X 0.6

Ci

U

s s 0.5

X 0.4

й> 0.3

ф

та 0.2

ю

0.1

0

— ■ Дымка

Ci As - St Осадки

— - - Туман

0.1 0.2 0.3 04 05 0.6 0.7 08 0 8 1

-Â,

Дальность видимости, 10 м

Рис. 1. Моделирование функции принадлежности лингвистической переменной «Явление»

Коэффициент прозрачности

Рис. 2. Моделирование функции принадлежности лингвистической переменной

«Коэффициент прозрачности»

'Ttr^ " ° х <«• см х>

- -А ЕЗШ \ \

*— — «W —. _____

Е : I™ Е г4* г

,1 « - ^ «

' г\ 1 1 \ H—il

- L у р |

is 1 -L.

ff^^Tffij I-— .-Lad*- II. - J «

Рис 3. Система нечеткого вывода, разработанная в FIS системы MATLAB

268

В качестве метода дефазификации будем использовать метод центра максимума, т.е. в качестве точного значения выводимой переменной принимается среднее арифметическое элементов универсального множества, имеющих максимальные степени принадлежностей в нашем примере при значении входной переменной 6000 м получаем выходное значение коэффициента прозрачности атмосферы, равное 0.73. На практике представленная система нечеткого вывода может потребовать изменения существующих правил или добавления новых, а также изменения параметров функций принадлежности входных и выходной переменных. Более тонкая настройка модели может быть связана с увеличением количества термов для каждой из входных и выходных переменных, что, в свою очередь, приведет к увеличению количества правил в системе нечеткого вывода и общему усложнению модели.

Аналогичную процедуру можно провести, как с временем перебазирования, так и с ресурсозатратими. В итоге на данном шаге получаем значения пригодные для дальнейшей их обработки и вычисления. [4, 6]

На основании вышеизложенного была разработан следующий методический подход к оцениванию эффективности применения МЛК «Смуглянка 1Л» и выбору оптимального решения, состоящий из ряда шагов.

Шаг 1. Анализ представленного процесса планирования и оперативного управления, определение источника неопределенности, т.е. нахождение показателей, которые сложно спрогнозировать с необходимой точностью из-за недостатка информации и несовершенства моделей.

Шаг 2. Выявление наиболее критичных, поиск параметров процесса управления, изменение которых вызовет снижение эффективности применения МЛК.

Шаг 3. Определение параметров, которые будут выражены нечетким множеством;

Шаг 4. Формирование целевой функции и ограничений на 7-м этапе;

Шаг 5. Определение функции принадлежности для параметров, выраженных нечетким множеством на 7-м этапе.

Шаг 6. Построение оптимального плана применения для всех возможных сочетаний значений параметров на 7-м этапе с учетом выбранной стратегии на шаге 7-1.

Шаг 7. Повторение шагов 4-6 алгоритма для следующего периода для каждого варианта развития событий с учетом выбранного управления.

В итоге, задача планирования сводится к определению возможных сценариев развития процесса управления, расчету функций принадлежности параметров и оценке состояний на каждом этапе и выбору управляющего воздействия.

Здесь стоит отметить, что для моделирования, проектирования и анализа подобных задач получили распространение системы поддержки принятия решения (СППР) [2, 5, 7], оперирующие оценками, основанными на моделировании применения системы по предназначению. Основным математическим аппаратом формализации представления и обработки оценок и высказываний является аппарат нечеткой логики. Применение аппарата нечеткой логики -это математическая формализация нечетких оценок в виде лингвистически и числовых поименованных функций для построения моделей обработки этих оценок как композиции указанных функций, имеющих простую лингвистическую интерпретацию. В результате конечный пользователь получает возможность оперировать естественными предметно-ориентированными лингвистическими термами, представляемыми на уровне компьютерных вычислений в виде чисел. Такой подход дает приближенные, но в то же время достаточные способы описания поведения сложных и плохо определенных организационно-технических систем. При этом каждом конкретном случае степень точности решения может быть согласована с требованиями задачи [4].

Оценивание эффективности применения мобильных лидарных комплексов экологического на основе разработанного методического подхода. Рассмотрим планирование и оперативное управления МЛК в условиях ограничений стохастического характера, связанных с воздействием среды на основе разработанного подхода. В состав МЛК входят подвижные средства, подсистема информационного обеспечения и подсистема автоматизированного управления. Период планирования процесса управления определяется исходя из плана задействования. Время реализации плана разделим на т периодов, соответствующих актам применения МЛК по назначению. В рамках каждого периода происходит расчет параметров состояния среды, рассчитывается момент времени применения МЛК, производится анализ сопутствующей обстановки и принимается решение на марш и проведение траекторных измерений.

Тогда, целевая функция для г -го этапа ^ процесса управления МЛК представляет собой произведение бинарных параметров, характеризующих состояние среды сгг, средний расход топлива необходимый для перебазирования ^,¡-1, время перебазирования с позиции на новУю 1:

^г = с1,1 •Яц-1 1,1-1. (3)

Селективные параметры характеризуют возможность совершения марша между позициями и применения МЛК, т.е. принимают значения 1 и 0, что соответствует возможности применения либо отсутствию такой возможности. Параметры состояния среды представляют собой элементы матрицы С, размерностью (X I, где г периоды планирования (этапы), 1Е 1,Ь номера подготовленных позиций. Значение элементов выбирается на основании прогноза состояния атмосферы, а именно факторов, оказывающих влияние на прозрачность атмосферы естественного и антропогенного характера. Прогнозные оценки делаются на основе гидродинамических моделей, которые качественно ухудшаются с увеличением этапов.

Запас хода и временные характеристики представляют собой матрицы Q и Т размерностью 1х I, элементы, которых представляют собой оценки запаса хода и времени между позициями, рассчитанные на основании статистической информации и приведенные к бинарному формату на основании ограничений на максимальный запас хода МЛК

Q О <Яшах, (4)

где Цтах- максимальный запас хода, и на временные ограничения, основанные на времени применения МЛК по назначению

ПО <Ьа, (5)

где ^ - директивное время применения.

Для реализации первого этапа следует выбрать номер позиции, приводящий целевую функцию в максимум, т.е. когда множители выражения (3) равны единице [8]. При наличии нескольких оптимальных позиций применения возможен выбор, основанный на минимизации времени прибытия или минимизации запаса хода. Для реализации управления на первом шаге необходимо определить начальные условия номер стартовой позиции 10, значения элементов матриц С, Q, Т, приведённых к бинарному виду на основании ограничений, типа (4), (5) и построения их функций принадлежностей. Рассмотрим случай, когда позиции расположены вокруг стартовой позиции и смежные позиции соединены дорожной сетью (рис. 4).

©

©

© ©

Рис 4. Дорожная сеть Введем следующие начальные условия:

¡о = 1, г = 5,

Метеорологические параметры представлены в табл. 2.

Таблица 2

Метеорологические параметры на позициях

Номер позиции (¡)

Период (г) 1 2 3 4 5

Явления и дальность видимости в них (км)

1 Ясно Туман 0,5 Туман 0,01 Ясно Ясно

2 Дымка 7 Ясно Ясно Туман 0,5 Ясно

3 Дымка 2 Ясно Дымка 4 Дымка 5 Дымка 2

4 Туман Туман Дымка Дымка Ясно

0,01 0,5 8 2

5 Туман Дымка Ясно Туман Туман

0,3 7 0,3 0,3

На основании полученной таблицы составим две матрицы с бинарными значениями (1 - возможно, 0 - невозможно) для позиций согласно возможности проведения измерений. Первая матрица будет составлена без подключения методического подхода, вторая с применением разработанного методического подхода, что в итоге позволит провести сравнение качества разработанного подхода.

Матрица пригодности позиций для измерений без применения методического подхода:

С 0 =

0 0 1 1

1

0 0 0 0

0 0 0 1 0 0

Матрица пригодности позиций для измерений с применения методического подхода:

1 1 ■

С =

0 0 0 1

0 1 0 0 0 1 0 0

Матрицы смежности показывающие возможность перебазирования с позиции на позицию по показателям запаса хода и времени перебазирования:

1111"

Т =

1 1 0 1

Q =

Построим целевые функции для каждого этапа с применением метода максимального элемента и с применением предложенного подхода соответственно. Найдем целевые функции первого и второго этапов. Исходя из данных матрицы С0, применение невозможно на позициях 1 и 4, следовательно, рабочими позициями являются 2, 3 и 5, однако, согласно данным матрицы С, применение исключается только на позиции 4. Исходя из этого, необходимо принять управляющие воздействие приводящие целевую функцию в максимум, например перемещение на позицию с номером 2 (позиция с наименьшим номером), а для варианта с применением предложенного подхода открылась возможность остаться на занимаемой позиции. Аналогично рассчитаем показатель результативности для остальных этапов. Отметем, что на пятом этапе отсутствует возможность применения, по этой причине на данном этапе целевая функция обращается в 0 как показано в (табл. 3).

Пример расчета

Таблица 3

Номер шага Метод максимального элемента Предложенный подход

1 ■ = С1,1' #1,1' =1. ■ = с1,1 • #1,1 • ^,1 = 1,

2 Р0 = с • а • t =1 1 2 1-2,2 "2,1 '2,1 -1' Р2 = С2,1 • #1,1 • ^,1 = 1.

3 ■ = С3,2 • #2,2 • ^2,2 = 1, Р2 = С3,2 • #1,1 • t1,1 = 1.

4 ■ = С4,5 • #5,2 • ^5,2 = 1 = С4,5 • #5,2 • ©2 = 1,

5 ■ = С5,5 • #5,5 ^ tЪ,5=0, ■ = С5,2 • #2,5 • ^2,5 = 1.

Далее найдем общую результативность МЛК для всех этапов (табл. 4). Таким образом, с помощью аппарата нечеткого вывода отсекаются самые рискованные варианты и определяются оптимальные решения для тех ситуаций, где целевая функция отклоняется от ожидаемого значения. При этом максимизируется общая целевая функция и

снижается риск невыполнения задач по назначению. Следует отметить, что специфика применения МЛК по назначению обуславливает необходимость динамической интерпретации, как процесса планирования, так и реализации разработанных планов.

Пример расчета

Таблица 4

Метод максимального элемента Предложенный подход

F0 =£ F,0 = 4, i=1 F0 =1 F, = 5. i=1

Заключение. Разработанный методический подход к оцениванию влияния метеорологических условий на эффективность применения МЛК за счет применения аппарата нечеткого вывода согласно проведенным вычислительным экспериментам на большей выборке и с различными начальными условиями позволяет повысить результативность применения МЛК на 14-19%.

В дальнейшем возможны различные модификации предложенного методического подхода, позволяющие оптимизировать применение МЛК, как по времени, так и по параметрам ресурсзатрат на перемещение МЛК между позициями, а формирование базы управляющих решений и применения их в соответствующих СППР с применением технологий нейронных сетей позволит перейти к проактивному управлению применением МЛК [8].

Список литературы

1. Военные применения лазеров / В.А. Борейшо [и др.]; под ред. А.С. Борейшо; Балт. Гос. Тех. Ун-т. СПб., 2015. 103 с.

2. Динамическое программирование и современная теория управления/ Беллман Р., Колаба Р. М.: Наука, 1969. 120 с.

3. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. 564 с.

4. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.

5. Системный анализ организационно-технических систем космического назначения: учебник/ А.Н.Павлов, Б.В.Соколов, Е.В. Копкин и др.; под общ. Ред. д-ра техн. наук, А.Н.Павлова. СПб.: ВКА им. А.Ф. Можайского, 2018. 360 с.

6. Борисов В.В. Нечеткие модели и сети: монография/ Борисов В.В., Круглов В.В., Федулов А.С. Электрон. текстовые данные. М.: Горячая линия - Телеком, 2012. 284 с.

7. Андрианов А.С., Вечеркин В.Б., Прохоров М.А., Цветков А.Ю. Разработка подхода к автоматизации процесса первичной обработки исходных данных для анализа устойчивости автоматизированных систем специального назначения в условиях деструктивных воздействий // Известия Тульского государственного университета. Технические науки. 2018. Вып. 10. С. 463-472.

8. Андрианов А.С., Вечеркин В.Б., Цветков А.Ю. Метод планирования оптимального покрытия района базирования зонами обслуживания мобильных лидарных комплексов экологического контроля // Труды ВКА имени А.Ф. Можайского. СПб.: ВКА имени А.Ф. Можайского, 2020. №1 (672). С. 8-16.

Андрианов Антон Сергеевич, канд. техн. наук, старший научный работник, [email protected], Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф.Можайского,

Прохоров Михаил Александрович, канд. техн. наук, старший научный работник, [email protected], Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф.Можайского,

Цветков Александр Юрьевич, канд. техн. наук, доцент, [email protected], Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф.Можайского

METHODOLOGICAL APPROACH TO IMPACT ASSESSMENT METEOROLOGICAL CONDITIONS FOR EFFICIENCY APPLICATIONS OF MOBILE LIDAR COMPLEXES ENVIRONMENTAL

CONTROL

A.S. Andrianov, M.A. Prokhorov, A.Y. Tsvetkov, 272

The article presents the results of the analysis of the planning of the application of the mobile lidar complex of environmental control "Smuglyanka 1L" in the conditions of incomplete information about the state of the environment and the risk of failure to perform the tasks for the purpose. A methodological approach to evaluating the effectiveness of the use of a mobile lidar complex under the influence of stochastically changing meteorological conditions, based on a fuzzy inference apparatus, is considered.

Key words: planning, operational management, assessment of the impact of meteorological conditions, system analysis, discrete mathematics, fuzzy inference.

Andrianov Anton Sergeevich, candidate of technical sciences, senior researcher, [email protected], Russia, St. Petersburg, Military space Academy named after A.F. Mozhayskiy,

Prokhorov Mihail Alexandrovich, candidate of technical sciences, senior researcher, docent, [email protected], Russia, St. Petersburg, Military space Academy named after A.F. Mozhayskiy,

Tsvetkov Alexsandr Yurevich, candidate of technical sciences, senior researcher, docent, [email protected], Russia, St. Petersburg, Military space Academy named after A.F. Mozhayskiy

УДК 004.89; 623.746.-519

DOI: 10.24412/2071-6168-2021-10-273-287

МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ АВТОМАТИЧЕСКОЙ ИДЕНТИФИКАЦИИ ГОСУДАРСТВЕННОЙ ПРИНАДЛЕЖНОСТИ

ВОЕННОСЛУЖАЩИХ

С.В. Войцеховский, В.Д. Музыка, Н.А. Файзулина, А.А. Шилов

Предложена модель интеллектуальной системы автоматической идентификации государственной принадлежности военнослужащих с использованием нейросети и математического аппарата нечёткого вывода на основе алгоритма Мамдани, которая может применяться в составе программно-математического обеспечения беспилотного летательного аппарата, в условиях неустойчивого канала связи между оператором и беспилотным летательным аппаратом.

Ключевые слова: беспилотный летательный аппарат, интеллектуальная система автоматической идентификации государственной принадлежности военнослужащих, база правил, лингвистический терм, программное обеспечение, распознавание.

В настоящее время в интересах Министерства обороны и других министерств и ведомств широко используются беспилотные летательные аппараты (БЛА). Они стали одним из важных направлений развития современной авиации, а количество их применений в ходе вооружённых конфликтов и в народном хозяйстве в течение последнего десятилетия постоянно возрастало. Разработки собственных БЛА осуществляют многие государства, в том числе и Российская Федерация. Спектр направлений применения БЛА и задач, которые они выполняют, довольно обширен.

Несмотря на то, что ещё в начале прошлого десятилетия стало возможным осуществление самолетовождения автопилотом при полном отсутствии связи между бортом БЛА и наземным комплексом управления [1], сегодня большинство беспилотных летательных аппаратов пилотируются вручную, с помощью работающих на радиоканалах пультов дистанционного управления [2]. Поэтому основой управления БЛА является радиоканал.

В соответствии с [1], воздействие активных помех и прекращения штатной работы канала управления БЛА (среднего и высокого класса) может привести к завершению выполнения предназначенного лётного задания и возвращению БЛА на базу. Что повлечёт за собой либо дополнительные временные затраты, связанные с повторной отправкой БЛА, либо, например, даже срыв выполнения спасательных мероприятий, когда не своевременное обнаружение экипажа потерпевшего крушение самолёта (вертолёта) может привести к трагическим последствиям.