CC BY
45
УДК 629.7.067
DOI: 10.17277/vestnik.2019.03.pp.381-394
ПЛАНИРОВАНИЕ ПОЛЕТА ГРУППЫ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ ДЛЯ ОБНАРУЖЕНИЯ ОТДЕЛЯЕМЫХ ЧАСТЕЙ РАКЕТ-НОСИТЕЛЕЙ
В. И. Гончаренко1'3, Г. Н. Лебедев2, Д. А. Михайлин2'4
Военный институт (1), vladimirgonch@mail.ru, кафедра «Системы автоматического и интеллектуального управления» (2), ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)»;
ФГБУН «Институт проблем управления им. В. А. Трапезникова РАН» (3); Главный научно-исследовательский испытательный центр робототехники Министерства обороны Российской Федерации (4), г. Москва, Россия
Ключевые слова: генетический алгоритм; группа беспилотных летательных аппаратов; многокритериальная оптимизация; обнаружение и нейтрализация очагов заражения; отделяющаяся часть ракеты-носителя.
Аннотация: Предложен оригинальный подход к решению задачи предполетного и оперативного планирования действий группы беспилотных летательных аппаратов на основе генетического алгоритма. Принципиальным отличием решаемой задачи от известной задачи коммивояжера является учет требуемого графика обслуживания. Предложенный инструмент автоматизации планирования позволяет повысить оперативность мероприятий по обнаружению и нейтрализации очагов заражения от отделяющихся частей ракет-носителей с помощью группы беспилотных летательных аппаратов.
Введение
Выведение на орбиты космических аппаратов (КА) сопровождается падением на Землю отделяющихся частей (ОЧ) ракет-носителей (РН) (стартовые ускорители, отработавшие ступени, головные обтекатели, соединительные и хвостовые отсеки ступеней и т.п.). Размеры и местоположение районов падения (РП) этих частей для каждой ракеты-носителя определяются требованиями к орбитам КА, их массой, энергетическими характеристиками РН. В настоящее время районы падения расположены на территории девяти субъектов Российской Федерации: в Алтайском и Пермском краях, Свердловской, Новосибирской, Омской, Томской областях, Республиках Алтай, Тыва, Хакасия. Всего на территории России находятся 18 районов падения ОЧ РН, а на территории Республики Казахстан 42 района падения ОЧ РН. Два района падения находятся на территории Туркменистана в пустыне Каракум [1].
Анализ характера и степени воздействия ОЧ в районах падения на человека, животных и компоненты окружающей природной среды (снежный покров, растительность, верхние горизонты почв, поверхностные воды) показывает следующее. Крайне большой экологической угрозой для окружающей среды являются разливы гептила, которые приводят к загрязнению воздуха, воды и почвы в местах па-
дения ступеней ракет [2 - 4]. Однако, при своевременной реализации мероприятий по обнаружению и нейтрализации очагов заражения от ОЧ РН, их воздействие не несет необратимых последствий [2 - 6].
Результаты анализа территорий, выделенных под поля падения ОЧ современных РН КА, показали, что такие поля занимают значительные площади. Например, космодром «Байконур» - около 7 000 км , а под поля падения ОЧ РН в Центральных и Северо-Казахстанских областях отчуждена территория площадью более 40 000 км2 [7 - 9]. Зоны падения ОЧ РН для космодрома «Восточный» расположены на территории Республик Коми и Саха (Якутия) и Томской области и в сумме составляют тысячи квадратных километров, окружены плотными, трудно проходимыми как для человека, так и наземной техники лесами и имеют холмистый рельеф. Это затрудняет визуальный поиск и своевременное обнаружение отделяющихся частей ракеты-носителя, которые потенциально могут нанести вред окружающей среде. В качестве примера расположение РП ОЧ РН на территории Республика Саха (Якутия) приведено на рис. 1.
До недавнего времени для поиска отделяющихся частей ракеты-носителей использовались пилотируемые вертолеты, что является затратным и длительным методом обнаружения отделяющихся частей. Суровый климат зон падения -сильные ветра и низкие температуры - также накладывают ограничения на полеты пилотируемой авиации.
ФГУП «ЦЭНКИ» (Госкорпорация «РОСКОСМОС») совместно с Группой компаний ZALA AERO приступили к поиску отработавших ступеней ракет на космодроме «Восточный», в Амурской области и Республике Саха (Якутия) с помощью беспилотных летательных аппаратов (БЛА). Применение БЛА увеличило эффективность и сократило время поисков [10].
Для повышения эффективности поисков ОЧ разрабатывается специализированный мобильный комплекс эксплуатации районов падения отделяющихся частей ракетоносителей на базе БЛА «Орлан-10» [11 - 14]. На рисунке 2 показана
: И- V"S. 4V1 РБ «Фрегат»
Створка ГО
Ферма
III ступень (Блок И)
Створки хвостового отсека III ступени
I ступень (Блоки Б, В, Г, Д)
Рис. 1. Схема расположения РП ОЧ РН на территории Республика Саха (Якутия)
Рис. 2. Типовая ситуация организации поиска ОЧ РН в Вилюйском районе Республики Саха (Якутия)
типовая ситуация организации поиска ОЧ РН в Вилюйском районе Республики Саха (Якутия) с помощью специализированного мобильного комплекса.
Дальнейшее повышение оперативности обнаружения ОЧ РН возможно путем организации мониторинга районов падения ОЧ группой БЛА среднего и дальнего радиуса действия. Поэтому весьма актуальной представляется задача планирования полета группы БЛА для обнаружения ОЧ РН в заданных районах падения.
В общем случае при организации мониторинга территорий группой БЛА наземных неподвижных объектов зачастую достаточно формирования полетного задания, используя известные данные об их местоположении. В отличие от этого случая в данной работе рассматриваются процессы обслуживания особого класса мобильных объектов (МО), графики которых либо заданы, либо требуют предварительного назначения, чтобы обслужить эти объекты «в нужное время и в нужном месте». При этом сделано допущение, что по данным расчетов направления и скорости движения объектов по трассам заранее известны при следующей постановке задачи.
Постановка задачи
Необходимо решить задачу по определенным критериям в следующем порядке.
1. Найти решение задачи обслуживания группой БЛА различных наземных объектов, состоящих из трех групп - наземных неподвижных пунктов без заданного графика их наблюдения, подвижных объектов и наземных пунктов (НП), график наблюдения которых задан, и только мобильных объектов (МО), график наблюдения которых необходимо спрогнозировать. Иллюстрация маршрутного полета двух БЛА при наблюдении трех типов наземных объектов наблюдения приведена на рис. 3.
Рис. 3. Иллюстрация маршрутного полета двух БЛА при наблюдении неподвижных и мобильных объектов
2. Для неподвижных пунктов заданы координаты их местоположения X, Y, Z, для МО - курс у и скорость Уц (УЦ - скорость цели) движения по трассам. Общее число n объектов наблюдения (ОН) задано.
3. Все объекты наблюдения имеют различную важность. Будем считать, что текущая важность каждого г-го ОН - произведение трех параметров: d, - заданная относительная важность; Ь, - текущее значение неопределенности знания об ОН из-за отсутствия непрерывного контроля при периодическом наблюдении г-го ОН; т, - время отсутствия контроля над ОН, отсчитываемое с момента последнего кратковременного наблюдения.
4. Считается, что общая максимизируемая важность J получаемой информации о состоянии ОН достигается при минимуме остаточной неопределенности о его состоянии
T n
J = min J ^ db (t) (t)dt, (1)
0 i=1
где Т - конечный момент времени; t - время функционирования.
5. Динамика снятия неопределенности i-го ОН после его обнаружения и кратковременного наблюдения в течение интервала At описывается дифференциальным уравнением
i X, при i ф j;
Ь Н Ь, . . (2)
j-- ири г = j,
где X, - скорость изменения значения неопределенности; j - номер ОН, который в данный момент наблюдается.
Из уравнения (2) видно, что при ненаблюдении ОН его важность возрастает с постоянной скоростью X,, как принято в данной работе, но эта скорость у разных ОН неодинакова и соответствует его персональным динамическим свойствам.
6. Время отсутствия контроля объекта т, задержки в получении новой информации при периодическом наблюдении ,-го МО естественно растет при не наблюдении и обнуляется при очередном контроле его действий согласно уравнению
1, при ненаблюдении МО при 7 Ф у;
— —, в результате его наблюдения при 7 = у. А?
7. При решении задачи предполетного планирования действий БЛА учитывается динамическая важность Ь- объектов наблюдения, а также их местоположение и графики их наблюдения, которые определяют интервалы обслуживания других менее важных неподвижных объектов. Обслуживание должно осуществляться внутри выбираемых интервалов А?- «в нужном месте трассы и в нужное время».
8. Задано число N используемых БЛА. Высота их полета может меняться по мере выполнения полетного задания. Заданы минимальная скорость Утт пролета над интересующим участком трассы за время А-, а также максимальная скорость ¥тах перелета от одного участка трассы к другому.
Требуется определить состав наиболее приоритетных МО наблюдения в предстоящем вылете группы БЛА, назначить маршруты облета выбранных объектов каждым БЛА и составить расписание обслуживания МО, попавших в план. Кроме того, необходимо до полета сформировать алгоритмы представления результатов планирования на экране переносного электронного планшета.
Формирование множества приоритетных объектов наблюдения с помощью динамического программирования
Поставленную в математической форме уравнений (1) - (3) задачу решим с помощью непрерывной формы динамического программирования, согласно которому условию оптимальности соответствует уравнение Беллмана в частных производных [15]
de
--= min
dt j
(
X dibi T + X
J=1 '* j
de , de
-bi +—T
dbi dzi
de de
-bj +--t j
dbj dz j
где e(bn, Tn) - искомая ция риска.
min Fj (n, Tn), (4)
-)) 1
функция Беллмана; Fj (bn, Tn) - минимизируемая функ-
Необходимо подчеркнуть, что ^ djЬjт7 - подынтегральное выражение
i=1
функционала J;
de
de , de
— bj + — T
dbi dz.
- относится к ненаблюдаемым в данный момент
объектам, а
de
bj +--t j
dbj dz j
- к наблюдаемому ОН.
Приближенное решение уравнения (4) (не имеющего точного аналитического решения) по аналогии с [16 - 20] представим функцией Беллмана в виде степенного полинома, ограниченного членами второго порядка:
e = а + X i=1
n f b2 T2 ^
ß1ibi + Yli у + ß2iTi + Y2i у + VibiT
(5)
где а = const; р1г-, р, Yi, Y 2i, Vi - коэффициенты аппроксимации функции Бел-лмана, нахождение которых автоматически определит значение динамических приоритетов.
Для нахождения данных коэффициентов определим частные производные
de de
— и —, входящие в уравнение (4):
dbi dxi
^ = Pli + Yiibi + ViT; ^T = e2i + Y 2iT + Vibi (6)
dbi dxi
Подставляя выражения (2), (3) и (6) в уравнение Беллмана (4), получим
dt J
¿е Iй п
- = таХ1 Е ёгЬгТ< + Е [( + УЖ + Т< )Хг + в2г + У2гЬг + VгЬг] +
[г=1 г * ]
+УиЬ] + УуX] )Ь-) + У2уТу + У& У) | =
= тах] Е,рг (-1, Тп-1-+Пу (, ту-Г' (7)
у [г* у ]
где Пу (Ьу, т у) - динамический приоритет, зависящий от текущих переменных
Ьу (), т у (() и искомых постоянных коэффициентов аппроксимации функции
Беллмана. Здесь индекс г относится к ненаблюдаемым в настоящий момент объектам, а у - к наблюдаемым объектам, обслуживание которых возможно.
Отметим, что приоритет Пу (Ьу, т у) каждого ОН зависит только от «своих»
параметров Ьу (/), т у (/), а общая важность 3 есть аддитивная сумма важностей каждого МО, поскольку считается, что их неопределенности меняются практически независимо друг от друга, то есть их действия аддитивны.
Известно, что в задачах альтернативного принятия решений коэффициенты функции Беллмана можно найти с помощью метода рабочей точки [15]. Сущность
предлагаемого подхода состоит в том, что функции риска ^ (Ьп, тп) представляются степенными полиномами того же порядка, что и функция Беллмана е, ординаты риска Со, С+ и С-, С+++ в окрестности рабочей точки вычисляются в предположении очевидного предпочтения одной альтернативы у перед другими.
В работе [15] показано, что, по аналогии с методом аналитического конструирования оптимальных регуляторов, в установившемся состоянии необходимо обеспечить равенство всех ординат риска друг другу
С0 = С = Сг = Сг++. (8)
Под рабочей точкой будем понимать такую комбинацию возможных значений Ьу ((), ту (/- в 2Ж-мерном пространстве, при которой нельзя отдать предпочтения ни одной из выбираемых альтернатив у, а функции риска / (Ьп, тп) будут одинаковы. Покажем это при вычислении конкретных для данной задачи ординат С+, С2", С++, Со, С , С2 , достаточных для определения пяти искомых коэффициентов р^, Р2г-, У1г-, у2г-, , начав с первого простого случая, когда одна из альтернатив явно предпочтительнее других.
Подставляя найденные коэффициенты в формулу (7) вычисления динамического приоритета П - (Ь-, т -), упрощенно представим его в виде произведения
трех сомножителей
П j = di (bi + X jAtЬ j +
Ab
X
\
(9)
i /
Согласно действию данного алгоритма, на каждом шаге перелета БЛА в новое место происходит обновление наиболее важной информации, в первую очередь зависящей от априорной важности, во вторую - времени т- задержки
в наблюдении.
Принципиальным отличием решаемой задачи от известной задачи коммивояжера является учет требуемого графика обслуживания, соблюдение которого существенно влияет на выбор маршрута полета даже одного БЛА.
Генетический алгоритм предполетного планирования
Предлагаемый подход к решению задачи предусматривает при предполетном планировании групповых действий БЛА высокоэффективный генетический алгоритм маршрутизации ввиду многокритериальности и значительной размерности задачи [19 - 24].
Сущность предлагаемого подхода состоит в том, что весь планируемый маршрут разбивается на несколько участков (блоков), границами которых являются МО, которые необходимо обслужить в заданном графике. В каждом из этих участков доминирующим является свой один или два частных критерия - либо важна своевременность, либо - экономичность и т.д. (примеры маршрутизации по доминирующим частным критериям показаны на рис. 4).
После выполнения процедуры формирования «элиты» на базе приведенных критериев начинается процедура «скрещивания» путем перестановки блоков, а затем - «мутации», которая выполняется только между граничными промежуточными пунктами маршрутов. Завершающая операция отбора следующей «элиты» проводится с помощью критерия
г
34 = шт7-и-;, (10)
4 ( + Вшах )( +Ао )
где г - дальность до объекта от текущего местоположения БЛА; В, - важность объекта (функция времени); Вшах - величина максимальной важности; А/,- - время необслуживания объекта; А0 - вспомогательная константа.
300000 200000 100000 0
-100000 -200000
• •
9 ъ/\ г - Г ' •
! • •
! Iii* f 1
• ¡14 1 V i гл Г
♦ i i \ 1 ! t vi i ' \ i _
• * г 4 . • 1 А *
• • V *
300000 200000 100000 0
-100000
-200000 x
1000000 2000000 а)
3000000
1000000 2000000 б)
x
3000000
Рис. 4. Примеры маршрутизации полета по частным критериям:
а - максимальная важность; б - минимальное расстояние
0
0
2,5 2,0 1,5 1,0 0,5 0
1 2
3 4
6
7
Рис. 5. Сравнительный анализ эффективности алгоритмов маршрутизации:
1 - однопараметрические критерии; 2 - скрещивание; 3 - двухпараметрические критерии;
4 - смешанный критерий; 5, 6, 7 - скрещивание, этапы 1, 2, 3 соответственно
Сравнительный анализ эффективности алгоритмов маршрутизации представлен на рис. 5. Компьютерное моделирование показало, что особый учет графика обслуживания мобильных объектов позволил разбить планируемый маршрут на блоки (между МО/-1 и МО/) и тем самым применить процедуры их скрещивания и мутации. Генетический алгоритм на 10 - 15 % лучше не только одно-параметрического и двухпараметрических критериев, но даже и трехпараметриче-ского критерия (10), так как в итоге выбранный маршрут состоит их участков, каждый из которых оптимален по «своему» показателю.
Алгоритмы оперативного планирования
В работе обосновано выполнение оперативного планирования групповых действий БЛА в виде двух различных операций - выбора состава первоочередных ОН и распределения «ближайших» БЛА между ними на текущем шаге. Показано, что оперативное планирование особенно необходимо при потребности совершить повторный облет очередного ОН, либо включить в план обслуживания новый наземный объект, а также при других изменениях динамической обстановки [24]. Структурная схема оперативного назначения БЛА представлена на рис. 6.
1 ^ j I
Определение типа цели
НП без графика
ОН с заданным графиком
Однопараметрический критерий
П^ min Djj, i = 1, ...,M,
где
I г- для свободного БЛА;
I Гге + Г/ для занятого БЛА
Двухпараметрический критерий
П ^ max I — + m II — + m
h 2Jb 3
При запасе времени перелет из MOj_i в MOj дополняется несколькими НП
МО с не назначенным графиком
1. Прогнозируется точка встречи в нужное время
и нужном месте.
2. Двухпараметрический критерий.
3. При свободном времени добавляются НП
Выявление из общего ответа номера г БЛА для намеченного /-го МО
Нет
j + 1 ^ j
. } > М _ Да ф Конец
Рис. 6. Структурная схема оперативного назначения БЛА для каждой цели:
7 = 1, ..., М - номер МО; г - номер выбираемого БЛА
При выполнении второй операции близость между МО и освободившимися от обслуживания БЛА определяется расстоянием между ними, а для занятого БЛА -суммой расстояний от него до обслуживаемой на предыдущем шаге цели, и от нее -до планируемой цели на очередном шаге.
Пример оценки эффективности планирования группы БЛА
Для представленной на рис. 2 типовой ситуации проведено компьютерное моделирование процессов маршрутизации для одного БЛА и группы из двух БЛА. Результаты моделирования показали, что использование группы БЛА для поиска ОЧ РН, по сравнению с применением одного БЛА, позволяет повысить оперативность мероприятий в 1,7 - 2 раза.
Сравнительные результаты компьютерного моделирования процессов маршрутизации такими способами, как жадный алгоритм, алгоритм Дейкстры, и с помощью генетического алгоритма показали, что генетический алгоритм повышает качественное содержание планирования на 15 - 20 %.
Вывод
Практическая значимость полученных результатов состоит в том, что предложенный подход к обслуживанию МО является полезным дополнением к известному подходу обнаружения наземных целей при облете группой БЛА территории на заданной площади. Более того, автоматизация представления результатов планирования на экране позволяет предложить, кроме планирования действий в наземном пункте управления, использовать переносной электронный планшет в системе оперативного планирования.
Работа выполнена при финансовой поддержке грантов РФФИ № 17-2903185 и № 16-29-04326 офим.
Список литературы
1. Районы падения [Электронный ресурс] // Центр эксплуатации объектов наземной космической инфраструктуры. - Режим доступа : http://www.russian.space/ 298/ (дата обращения: 22.01.2019).
2. Балыкин, С. Н. Оценка воздействия комплекса технических средств и баз эксплуатации районов падения отделяющихся частей ракет-носителей на компоненты окружающей природной среды / С. Н. Балыкин, И. В. Горбачев, А. Н. Саве-ленок // Известия Алтайского отделения Русского географического общества. -2016. - № 4 (43). - С. 53 - 62.
3. Eckenrod, B. J. Recreation Impacts on High Elevation Soils: a Comparison of Disturbed, Undisturbed and Restored Sites [Электронный ресурс] / B. J. Eckenrod // A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Science In Land Rehabilitation, April, 2006, Bozeman, Montana. - Montana, 2006. -Режим доступа : https://scholarworks.montana.edu/xmlui/handle/1/1220 (дата обращения: 22.01.2019).
4. Шмакова, Т. В. Влияние несимметричного диметилгидразина и продуктов его окисления на иммунофенотип лимфоцитов и уровень цитокинов у ликвидаторов баллистических ракет / Т. В. Шмакова, К. Л. Букина, Е. Е. Шипова // Российский иммунологический журнал. - 2007. - Т. 1(10), № 1. - С. 93 - 97.
5. Гончаренко, В. И. Нейтрализация высокотоксичного топлива на мобильной установке с учетом мониторинга районов падения отработанных ступеней ракет [Электронный ресурс] / В. И. Гончаренко, М. В. Масюков, Д. А. Панкин //
Новые материалы и перспективные технологии : сб. материалов Четвертого междисциплинарного науч. форума с междунар. участием, 27 - 30 ноября, 2018 г., Москва. - М., 2018. - Т. III. - С. 433 - 437. - Режим доступа : http:// n-materials.ru/wp-content/uploads/2018/12/tom3.pdf (дата обращения: 22.01.2019).
6. Масюков, М. В. Способ нейтрализации высокотоксичного ракетного топлива «Гептил» с помощью катализаторов низкотемпературного окисления / М. В. Масюков, В. И. Гончаренко // Материалы XII Междунар. конф. по прикладной математике и механике в аэрокосмической отрасли (NPNJ'2018), 24 - 31 мая, 2018 г., Алушта. - М., 2018. - С. 506 - 507.
7. Беневольский, С. В. Перспективные технологии решения краевых задач доставки отделяющихся частей ракет-носителей с терминальным наведением / С. В. Беневольский, В. И. Гончаренко // Вестн. Самарского гос. аэрокосмического ун-та имени академика С. П. Королева. - 2011. - № 2 (26). - С. 18 - 28.
8. Беневольский, С. В. Обоснование возможностей сокращения размеров полей падения отделяющихся частей ракет-носителей на основе новых технологий программирования движения / С. В. Беневольский, В. И. Гончаренко // Системный анализ, управление и навигация : тезисы докладов 16-й Междунар. науч. конф., 3 - 10 июля, 2011 г., Крым, Евпатория. - М., 2011. - С. 63 - 64.
9. Гончаренко, В. И. Математическое и программное обеспечение анализа рассеивания точек падения фрагментов летательных аппаратов / В. И. Гончарен-ко, Ю. С. Кан, А. А. Травин // Труды МАИ : электрон. журнал. - 2012. - Вып. № 61. - 31 с. - Режим доступа : http://trudymai.ru/upload/iblock/33c/ matematicheskoe-i-programmnoe-obespechenie-analiza-rasseivaniya-tochek-padeniya-fragmentov-letatelnykh-apparatov.pdf (дата обращения: 22.01.2019).
10. Поиск отработавших ступеней ракет с помощью беспилотников ZALA [Электронный ресурс] // ZALA AERO GROUP Беспилотные системы. - Режим доступа : http://zala.aero/poisk-otrabotavshix-stupenej-raket-s-pomoshhyu-bespilotnikov-zala/ (дата обращения: 22.01.2019).
11. ОКР по созданию комплекса эксплуатации районов падения частей ракет // Роскосмос. - Режим доступа : https://4science.ru/finsupports/Sozdanie-kompleksa-ekspluatacii-raionov-padeniya-otdelyaushihsya-chastei-raket-kosmicheskogo-naznacheniya-Shifr-OKR-KERP-Vostok (дата обращения: 22.01.2019).
12. Костылев, Г. М. Логистическая модель построения комплекса средств эксплуатации районов падения отделяющихся частей ракет-носителей / Г. М. Костылев, А. В. Ожигова, Я. Т. Шатров // Полет. Общероссийский науч.-техн. журнал. - 2014. - № 8. - С. 31 - 38.
13. Что придумали в Республике Коми, чтобы не бояться отделяющихся частей ракетоносителей? [Электронный ресурс] // Вести Ямал. - Режим доступа : http://old.vesti-yamal.ru/ru/vesti_arktiki/chto_pridumali_v_respublike_komi_chtobyi_ ne_boyatsya_otdelyayuschihsya_chastey_raketonositeley 144846 (дата обращения: 22.01.2019).
14. Работы в районе падения отделяющихся частей ракеты-носителя продолжаются в Якутии [Электронный ресурс] // YakutiaMedia.ru. - Режим доступа : https://yakutiamedia.ru/news/774746/ (дата обращения: 22.01.2019).
15. Лебедев, Г. Н. Метод маршрутизации облета неподвижных объектов при мониторинге наземной обстановки на основе динамического программирования / Г. Н. Лебедев, А. В. Ефимов, Л. А. Мирзоян // Мехатроника, автоматизация, управление. - 2012. - № 1. - С. 63 - 70.
16. Аллилуева, Н. В. Математический метод расчета целевой функции на графах и решение задачи маршрутизации / Н. В. Аллилуева, Э. М. Руденко // Труды МАИ : электрон. журнал. - 2017. - Вып. № 96. - 29 с. - Режим доступа : http://trudymai.ru/upload/iblock/9c1/Allilueva_Rudenko_rus.pdf?lang=ru&issue=96 (дата обращения: 22.01.2019).
17. Optimal Route Planning with Prioritized Task Scheduling for AUV Missions / S. M. Zadeh [et al.] // IEEE International Symposium on Robotics and Intelligent Sensors (IRIS), 18 - 20 October, 2015, Langkawi, Malaysia. - Malaysia, 2016. - 8 p.
18. Лебедев, Г. Н. Нейросетевое планирование групповых действий летательных аппаратов при наблюдении заданной группы подвижных объектов / Г. Н. Лебедев, Л. А. Мирзоян, А. В. Ефимов // Мехатроника, автоматизация, управление. - 2009. - № 11. - С. 60 - 65.
19. Лебедев, Г. Н. Нейросетевая двумерная маршрутизация полета летательных аппаратов с помощью модифицированного метода ветвей и границ / Г. Н. Лебедев, В. И. Гончаренко, А. В. Румакина // Нейрокомпьютеры: разработка, применение. - 2017. - № 7. - С. 49 - 57.
20. Лебедев, Г. Н. Экспертная система распределения целей с помощью нейронной сети / Г. Н. Лебедев, Д. А. Михайлин // Моделирование авиационных систем : сб. тезисов докладов III Всеросс. науч.-техн. конф., 21-22 ноября, 2018 г., Москва. - М., 2018. - С. 299.
21. Лебедев, Г. Н. Модификация метода ветвей и границ для двумерной маршрутизации координированного полета группы летательных аппаратов / Г. Н. Лебедев, В. И. Гончаренко, А. В. Румакина // Мехатроника, автоматизация, управление. - 2016. - Т. 17, № 11. - С. 783 - 791.
22. Aircraft Group Coordinated Flight Route Optimization Using Branch-and-Bound Procedure in Resolving the Problem of Environmental Monitoring / G. N. Lebedev [et al.] // ITM Web of Conferences. - 2017. - Vol. 10. doi: 10.1051/itmconf/20171001003
23. Гончаренко, В. И. Алгоритмы оперативной многомерной маршрутизации группового полета беспилотных летательных аппаратов / В. И. Гончаренко, Г. Н. Лебедев, Д. А. Михайлин // Навигация, наведение и управление летательными аппаратами : тезисы докл. Третьей Всеросс. науч.-техн. конф., 21-22 сентября, 2017 г., Москва-Раменское. - М., 2017. - Т. 2. - С. 100 - 101.
24. Решение задачи маршрутизации полета группы беспилотных летательных аппаратов при соблюдении заданного графика наблюдения наземных пунктов / Г. Н. Лебедев [и др.] // Современные технологии в задачах управления, автоматики и обработки информации : сб. тр. XXVII Междунар. науч.-техн. конф., 14 - 20 сентября, 2018 г., Алушта. - Тамбов, 2018. - С. 143.
Flight Planning for Unmanned Aerial Vehicle Group to Detect Separate Parts of Boosters
V. I Goncharenko1,3, G. N. Lebedev2, D. A. Mikhaylin2,4
Military Institute (1); vladimirgonch@mail.ru, Department of Automatic and Intelligent Control Systems (2), Moscow Aviation Institute (National Research University); V. A. Trapeznikov Institute of Management Problems Russian Academy of Sciences (3); Main Research Testing Center for Robotics in Ministry of Defense of the Russian Federation (4), Moscow, Russia
Keywords: genetic algorithm; group of unmanned aerial vehicles; multi-criteria optimization; detection and neutralization of foci of infection; detachable part of the launch vehicle.
Abstract: An original approach to solving the problem of pre-flight and operational planning of the actions of a group of unmanned aerial vehicles based on a genetic algorithm is proposed. The fundamental difference between the problem being solved and the well-known traveling salesman problem is the consideration of the required service schedule. The proposed planning automation tool makes it possible to increase the efficiency of measures to detect and neutralize infection foci from the separated parts of launch vehicles with the help of a group of unmanned aerial vehicles.
References
1. http://www.russian.space/298/ (accessed 22 January 2019).
2. Balykin S.N., Gorbachev I.V., Savelenok A.N. [Assessment of the impact of a complex of technical means and bases of exploitation of areas of incidence of separating parts of launch vehicles on the components of the environment], Izvestiya Altayskogo otdeleniya Russkogo geograficheskogo obshchestva [News of the Altai branch of the Russian Geographical Society], 2016, no. 4 (43), pp. 53-62. (In Russ., abstract in Eng.)
3. https://scholarworks.montana.edu/xmlui/handle/1/1220 (accessed 22 January 2019).
4. Shmakova T.V., Bukina K.L., Shipova Ye.Ye. [Effect of asymmetric dimethylhydrazine and its oxidation products on the immunophenotype of lymphocytes and the level of cytokines in ballistic missile liquidators], Rossiyskiy immunologicheskiy zhurnal [Russian immunological journal], 2007, vol. 1(10), no. 1, pp. 93-97. (In Russ.)
5. http://n-materials.ru/wp-content/uploads/2018/12/tom3.pdf (accessed 22 January 2019).
6. Masyukov M.V., Goncharenko V.I. Materialy XIIMezhdunarodnoy konferentsii po Prikladnoy matematike i mekhanike v aerokosmicheskoy otrasli (NPNJ'2018) [Materials of the XII International Conference on Applied Mathematics and Mechanics in the Aerospace Industry ( NPNJ'2018)], 24-31 May, 2018, Alushta, Moscow, 2018, pp. 506-507. (In Russ.)
7. Benevol'skiy S.V., Goncharenko V.I. [Promising technologies for solving regional problems of delivery of separated parts of launch vehicles with terminal guidance], Vestnik Samarskogo gosudarstvennogo aerokosmicheskogo universiteta imeni akademika S. P. Koroleva [Bulletin of the Samara State Aerospace University named after Academician S.P. Korolev], 2011, no. 2 (26), pp. 18-28. (In Russ., abstract in Eng.)
8. Benevol'skiy S.V., Goncharenko V.I. Sistemnyy analiz, upravleniye i navigatsiya: tezisy dokladov 16-y Mezhdunarodnoy nauchnoy konferentsii [System analysis, control and navigation: abstracts 16th International Scientific Conference], 3-10 July, 2011, Crimea, Yevpatoriya, Moscow, 2011, pp. 63-64. (In Russ.)
9. http://trudymai.ru/upload/iblock/33c/matematicheskoe-i-programmnoe-obespe-chenie-analiza-rasseivaniya-tochek-padeniya-fragmentov-letatelnykh-apparatov.pdf (accessed 22 January 2019).
10. http://zala.aero/poisk-otrabotavshix-stupenej-raket-s-pomoshhyu-bespilotnikov-zala/ (accessed 22 January 2019).
11. https://4science.ru/finsupports/Sozdanie-kompleksa-ekspluatacii-raionov-pade-niya-otdelyaushihsya-chastei-raket-kosmicheskogo-naznacheniya-Shifr-OKR-KERP-Vostok (accessed 22 January 2019).
12. Kostylev G.M., Ozhigova A.V., Shatrov Ya.T. [Logistic model for constructing a complex of means of exploitation of areas of incidence of the separating parts of launch vehicles], Polet. Obshcherossiyskiy nauchno-tekhnicheskiy zhurnal [Flight. All-Russian Scientific and Technical Journal], 2014, no. 8, pp. 31-38. (In Russ., abstract in Eng.)
13. http://old.vesti-yamal.ru/ru/vesti_arktiki/chto_pridumali_v_respublike_komi_ chtobyi_ne_boyatsya_otdelyayuschihsya_chastey_raketonositeley 144846 (accessed 22 January 2019).
14. https://yakutiamedia.ru/news/774746/ (accessed 22 January 2019).
15. Lebedev G.N., Yefimov A.V., Mirzoyan L.A. [Routing method of flying around stationary objects during monitoring of ground conditions based on dynamic programming], Mekhatronika, avtomatizatsiya, upravleniye [Mechatronics, automation, control], 2012, no. 1, pp. 63-70. (In Russ., abstract in Eng.)
16. http://trudymai.ru/upload/iblock/9c1/Allilueva_Rudenko_rus.pdf?lang=ru&iss ue=96 (accessed 22 January 2019).
17. Zadeh S.M., Powers D.M., Sammut K., Lammas A., Yazdani A.M. Optimal Route Planning with Prioritized Task Scheduling for AUV Missions, IEEE International Symposium on Robotics and Intelligent Sensors (IRIS), 18-20 October, 2015, Langkawi, Malaysia, 2016, 8 p.
18. Lebedev G.N., Mirzoyan L.A., Yefimov A.V. [Neural network planning of group actions of flying vehicles when observing a given group of moving objects], Mekhatronika, avtomatizatsiya, upravleniye [Mechatronics, automation, control], 2009, no. 11, pp. 60-65. (In Russ., abstract in Eng.)
19. Lebedev G.N., Goncharenko V.I., Rumakina A.V. [Neural network two-dimensional routing of flight of aircraft using the modified method of branches and borders], Neyrokomp'yutery: razrabotka, primeneniye [Neurocomputers: development, application], 2017, no. 7, pp. 49-57. (In Russ., abstract in Eng.)
20. Lebedev G.N., Mikhaylin D.A. Modelirovaniye aviatsionnykh sistem: sbornik tezisov dokladov III Vserossiyskoy nauchno-tekhnicheskoy konferentsii [Modeling of aircraft systems: a collection of abstracts of the III All-Russian Scientific and Technical Conference], 21-22 November, 2018, Moscow, 2018, p. 299. (In Russ.)
21. Lebedev G.N., Goncharenko V.I., Rumakina A.V. [Modification of the branch and bound method for two-dimensional routing of a coordinated flight of a group of aircraft], Mekhatronika, avtomatizatsiya, upravleniye [Mechatronics, Automation, Control], 2016, vol. 17, no. 11, pp. 783-791. (In Russ.)
22. Lebedev G.N., Goncharenko V.I., Mikhaylin D.A., Rumakina A.V. Aircraft Group Coordinated Flight Route Optimization Using Branch-and-Bound Procedure in Resolving the Problem of Environmental Monitoring, ITM Web of Conferences,
2017, vol. 10, doi: 10.1051/itmconf/20171001003
23. Goncharenko V.I., Lebedev G.N., Mikhaylin D.A. Navigatsiya, navedeniye i upravleniye letatel'nymi apparatami: tezisy dokladov Tret'yey Vserossiyskoy nauchno-tekhnicheskoy konferentsii [Navigation, guidance and control of aircraft: abstracts of the Third All-Russian Scientific and Technical Conference], 21-22 September, 2017, Moscow-Ramenskoye, Moscow, 2017, vol. 2, pp. 100-101. (In Russ.)
24. Lebedev G.N., Mikhaylin D.A., Tsareva O.YU., Goncharenko V.I. Sovremennyye tekhnologii v zadachakh upravleniya, avtomatiki i obrabotki informatsii: sbornik trudov XXVII Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii [Modern technologies in control, automation, and information processing problems: proceedings of the XXVII International Scientific and Technical Conference], 14-20 September,
2018, Alushta, Tambov, 2018, p. 143. (In Russ.)
Flugplanung für Gruppen der unbemannten Fluggeräte zur Erkennung der abnehmbaren Teile von Trägerraketen
Zusammenfassung: Es ist ein origineller Ansatz zur Lösung des Problems der Vorflug- und Operativplanung der Aktionen der Gruppe unbemannter Luftfahrzeuge auf der Grundlage eines genetischen Algorithmus vorgeschlagen. Der grundlegende
Unterschied zwischen dem zu lösenden Problem und dem bekannten Problem des Handlungsreisenden besteht in der Berücksichtigung des erforderlichen Serviceplans. Das vorgeschlagene Instrument der Automatisierung der Planung ermöglicht es, die Effizienz der Maßnahmen zur Erkennung und Neutralisierung von Infektionsherden aus den getrennten Teilen von Trägerraketen mit Hilfe von einer Gruppe unbemannter Luftfahrzeuge zu erhöhen.
Planification du vol d'un groupe de drones pour détecter les parties détachables des lanceurs
Résumé: Est proposée une approche originale de la planification préalable et opérationnelle d'un groupe de drones basée sur un algorithme génétique. La principale différence entre la tâche à accomplir et la tâche connue du commis voyageur est la prise en compte du calendrier de service requis. L'outil d'automatisation de la planification proposée permet d'améliorer la rapidité des activités de détection et de neutralisation des foyers de contamination par des parties séparées des lanceurs au moyen d'un groupe de drones.
Авторы: Гончаренко Владимир Иванович - доктор технических наук, доцент, директор Военного института ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)», ведущий научный сотрудник ФГБУН «Институт проблем управления им. В. А. Трапезникова» Российской академии наук; Лебедев Георгий Николаевич - доктор технических наук, профессор кафедры «Системы автоматического и интеллектуального управления», ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)»; Михайлин Денис Александрович - кандидат технических наук, доцент кафедры «Системы автоматического и интеллектуального управления», ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)», научный сотрудник, Главный научно-исследовательский испытательный центр робототехники Министерства обороны Российской Федерации, г. Москва, Россия.
Рецензент: Муромцев Дмитрий Юрьевич - доктор технических наук, профессор кафедры «Конструирование радиоэлектронных и микропроцессорных систем», проректор по научно-инновационной деятельности, ФГБОУ ВО «ТГТУ», г. Тамбов, Россия.
