CC BY
13
УДК 623.746.-519
ПОДХОД К РЕШЕНИЮ ЗАДАЧИ ИДЕНТИФИКАЦИИ ЗАТОРОВ С ПРИМЕНЕНИЕМ БЕСПИЛОТНЫХ АВИАЦИОННЫХ СИСТЕМ
П.А. Янышев
научный сотрудник научно-исследовательского
отдела (по проблемам ГО и ЧС),
Академия гражданской защиты МЧС России
Адрес: 141435, Московская обл., г.о. Химки,
мкр. Новогорск
E-mail: р.ianyshevQamchs.ru
Е.В. Иванов
начальник научно-исследовательского отдела (по проблемам ГО и ЧС),
Академия гражданской защиты МЧС России Адрес: 141435, Московская обл., г.о. Химки, мкр. Новогорск E-mail: е.ivanovQamchs.ru
И.С. Каторжин
старший научный сотрудник научно-исследовательского отдела (ОНИ и КВД), Академия гражданской защиты МЧС России Адрес: 141435, Московская обл., г.о. Химки, мкр. Новогорск E-mail: i.katorzhinQmail.ru
Д.П. Качанов
оператор научно-исследовательского отдела (по проблемам ГО и ЧС),
Академия гражданской защиты МЧС России» Адрес: 141435, Московская обл., г.о. Химки, мкр. Новогорск
E-mail: kachanov.chemicalQyandex.ru
Аннотация. В статье рассматривается алгоритм выявления заторных участков на реках в период весеннего паводка с помощью беспилотных авиационных систем. Подробно описывается математический аппарат идентификации заторных явлений. Приводится пример работы алгоритма на модельных данных. Раскрываются пути возможного совершенствования беспилотных авиационных систем по выполнению задачи выявления заторов. Ключевые слова: беспилотные летательные аппараты, беспилотные авиационные системы, заторы, идентификация заторов, алгоритм, полетное задание.
Введение
Несмотря на то, что беспилотные авиационные системы (далее — БАС), массово начали внедряться относительно недавно, они уже кардинально поменяли представления об авиации в целом. Основанные на новейших разработках в области авиационно-космических технологий БАС нашли широкое применение для решения широкого спектра задач. Об этом, в частности, говорит тот факт, что в силовых ведомствах (Министерство обороны, МВД, ФСБ, Росгвардия, МЧС) сформированы подразделения для их эксплуатации, производится оснащение техникой, подготовка личного состава [1].
С применением БАС решаются, как правило, три класса задач: разведывательные, транспортные и специальные. Учитывая небольшую грузоподъемность БАС, применяемых в системе МЧС России, основная их деятельность - разведывательная, при этом выполняются следующие подзадачи:
контроль зон ЧС, определение точных координат границ района ЧС и объектов поиска;
воздушный поиск объектов заинтересованности и наблюдение за ними, воздушное патрулирование заданных районов, контроль надводной обстановки, а также выполнение задач воздушной разведки;
мониторинг пожароопасной, паводковой и ледовой обстановки, разведка путей движения;
аэрофотосъемка заданных районов с последующей топографической привязкой фотоснимков, а также видео-фотодокументирование объектов контроля для получения обзорных и детальных изображений [2].
В соответствии с Концепцией развития и применения беспилотных авиационных систем МЧС России на период до 2025 года, МЧС России проводит комплекс мероприятий, направленных на перспективное развитие беспилотной авиации.
В настоящее время в системе МЧС России на оснащении реагирующих подразделений находится 1591 единица БАС, при этом большинство БАС относятся к вертолетному
(мультироторному) типу [3].
При этом в МЧС России в ходе выполнения работ БАС фактически применяются только с привлечением операторов, что снижает возможности их массового использования.
Решение вопроса о сведении к минимуму участия оператора в управлении БАС, принятии решений, обработке информации может быть получено [4| за счет реализации функции управления посредством программного комплекса но заложенным алгоритмам и программам функционирования.
Целью данной статьи является описание подхода к решению задачи идентификации заторов с использованием БАС в режиме автономного полета.
Постановка задачи
В качестве события рассмотрим возникновение затора в период прохождения весеннего наводка. Интерес именно к данному роду событий вызван тем, что контроль за беспрепятственным прохождением весеннего наводка на всем протяжении рек, как правило, затруднен,
а применение традиционных авиационных систем (пилотируемых) сопряжен со значительными затратами, либо невозможен ввиду ограниченности ресурсов, отсутствия инфраструктуры.
Наибольшая вероятность образования заторов на реках с течением с юга на север. Это такие реки как Иртыш, Обь, Лена, Колыма, Нева, Волхов, Сож, Сухона, Печора, Пахра и др. А также на реках, верховья которых являются горными и иолугорными, а низовья равнинными (Амур, Томь и др.) [5].
Все факторы, влияющие на заторообразо-вание, могут быть условно разделены на две большие группы антропогенную и природную. Наиболее подробный анализ факторов, а также степени их влияния на возникновение заторов приведен в [6].
Под затором понимается скопление льдин в русле реки во время ледохода, вызывающее стеснение воднох'о сечения и связанный с этим подъем уровня воды.
Схематично процесс образования затора представлен на рисунке 1.
Рисунок 1 Схема ледовой обстановки при заторе льда а продольный профиль; б план; I зона подпора; II зона скопления битого льда (затор); III зона очага затора; 1 хвост затора; 2 беззаторное скопление битого льда; 3 заторное (торосистое) скопление битого льда; 4 голова затора; 5 невзломанный ледяной покров.
В процессе формирования затора меняется его структура, форма и размеры. В случае поверхностных скоростей течения воды более 0,8 м/с, достаточных для подныривания льдин иод кромку ледостава, затор увеличивается но
толщине и глубине. При малых скоростях течения затор растет преимущественно в длину
ИВ строении затора обычно выделяются три характерных участка (рисунок 2):
Рисунок 2 Продольный разрез затора
замок или «основание» затора (5), представляющий собой покрытый трещинами ледяной покров, упершийся в кромку невскрыв-шегося ледостава (6), заклинивший русло реки;
собственно затор, или голова затора (2) многослойное скопление хаотически расположенных льдин, подвергшихся интенсивному торошению;
хвост затора (1) примыкающее к затору однослойное скопление льдин вверх но течению (в зоне подпора). 3 нижняя кромка (нижняя граница) затора; 4 верхняя кромка (верхняя граница) затора; 7 открытая вода.
Длина головной части затора (замок + голова) обычно превышает ширину реки в 3 5 раз. На этом участке скопление льда имеет максимальную толщину (от 3 5 до 10 12 метров).
Площадь затора на крупных реках составляет десятки квадратных километров, на средних единицы квадратных километров, на малых доли квадратных километров. При этом площадь головы затора примерно в 100 раз меньше самого затора.
Таким образом можно заключить, что формирование алгоритма (полетного задания) управления для БАС, для случая обнаружения затора будет заключаться прежде всего в разработке программы поиска характерных признаков заторного явления на общем фоне исследуемого русла реки.
Решение
Определив характерные признаки образовавшихся заторов, предлагается использовать два показателя для выявления затора: толщина льда и показатель уровня воды в реке до и после предполагаемой головы затора. При выполнении специальных задач, в частности для георадара и дистанционного зондирования, беспилотный летательный аппарат (далее БЛА) должен рассматриваться в совокупности с его приборным оснащением и полезной нагрузкой, для чего введен термин «беспилотная авиационная система».
БАС, помимо БЛА, состоит из навигационной системы, спутниковой навигационной системы, автопилота, георадара, инфракрасной камеры и наземного пункта управления.
В климатических и географических условиях Российской Федерации сформулируем требования к БЛА:
1) тин: самолетный;
2) способ управления: автоматический;
3) модель: полет на малых высотах;
4) продолжительность/дальность полета (не менее): 6 часов / 500 км;
5) тип двигателя: внутреннего сгорания.
На данный момент из используемых БЛА
МЧС России данным требованиям соответствует «Орлан 10».
Согласно предварительным оценкам, на реках России в 2021 году выявлено около 600 затороопасных участков, из которых у 65 ве-
роятность возникновения заторов составляет более 80 процентов, которые необходимо систематически контролировать и отслеживать [81.
На данный момент в МЧС России активно продвигают и используют систему обнаружения заторов через датчики гидропоетов. Использование датчиков на реках может показать участки, на которых происходит понижения уровня воды и скорости течения, что может свидетельствовать о возникновении затора, но в дальнейшем эту информацию необходимо проверять.
Применение БАС, в свою очередь, позволит повысить оперативность мероприятий разведки и обеспечить требуемый уровень достоверности предоставляемой информации.
Для обеспечения автономной работы БЛА, снабженному устройствами дистанционного зондирования водной поверхности, формируется задание на автономный полёт. Контрольные точки задаются таким образом, чтобы координаты широты и долготы соответствовали кривой, проведенной вдоль центра русла реки, а высота над уровнем моря соответствовала рабочей высоте зондирующих) оборудования:
У*
Нг = Нг.
где V ^ У е в(Х,У),
_ контрольная точка, определенная тремя пространственными координатами;
X;
значение координаты широты;
Уг - значение координаты долготы; Нг - значение координаты высоты над уровнем моря;
Н,
значение высоты над уровнем мо-
ря, соответствующее поверхности русла реки под контрольной точкой;
+ ^раб.
(1)
^раб. _ рабочая высота зондирующего оборудования;
Б(Х,У) - кривая, аппроксимирующая проекцию летного маршрута на плоскость, условно принадлежащая руслу реки.
Беспилотный летательный аппарат выполняет заранее сформированное задание на полет, собирая данные о толщине льда I и уровне воды реки к (Рисунок 3).
40 I
35
30
25
20
15
Рисунок 3 Вид данных толщины льда, получаемых при пролете над участком, свободным от
затора
Параллельно регистрируется факти чеекие координаты полета (X, У, Н). По фактическим координатам, уточняется фактическая кри-
вая которая может иметь от заранее заданной отклонения, связанные с неидеальностью полетных условий. Все полученные по-
казателн соответствуют некоторому времени и, в котором произошла регистрация значений. Таким образом, получают данные вида [1,к,Х,У, Н, ¿]. Значения координат X, У приводят к метрической координатной сетке (при формировании задания на полет и последующей обработки данных, удобно пользоваться
привычной системой угловых географических координат, в то время как для решения вычислительных задач, требуется преобразование к прямоугольной метрической сетке). Для каждой снятой точки находится соответствующая ей длина русла реки от начальной временной точки полета ¿Нач ДО текущей
Ы
т2 + (у (¿))2
г
г
где:
х^), у^) - аппроксимирующие функции координат долготы и широты соответственно;
Ьг - значение длины русла реки, соответствующее очередной регистрации показания зондирующего оборудования.
Таким образом, для каждого значения координат широты и долготы, которым принадлежат полученные значения толщины льда и уровня воды вдоль русла, проводится приведение к одномерной системе координат, т.е. координаты широты и долготы преобразуются в координату длины пути от начала полета до
(2)
текущей точки. Приведенная формула является ни чем иным как формулой длины отрезка кривой в декартовой системе координат, для случая, когда линия задана параметрически уравнениями х^), у^), но, учитывая, что обрабатываемые данные являются дискретными (набор точек), они нуждаются в аппроксимации. Во избежание недопустимых величин отклонений аппроксимирующих функций, нахождение длин пути следует вести не на всем массиве данных, а последовательно, на узких интервалах.
Тогда, полная длина пути:
LKQИ
Получают набор точек вида [1^ [Ь (толщина льда от длины пройденного пути и уровень воды от длины пройденного пути). Данные анализируются на предмет максимумов толщины льда, так чтобы 1таХ1 ^ I • Для каждого максимума толщины льда производят анализ на соответствие критериям затора.
п
= Е ь- (3)
г=1
Критерий заторообразующей точки может быть сформулирован следующим образом.
Для окрестности точки максимума (Рисунок 4) находится аппроксимирующий полином, если каждое значение толщины льда на окрестности точки больше усредненного значения толщин льда по руслу:
I = апЬп + а.п-1Ьп-1 + ... + ас = £П=о агЬг
ЩЬг),Ьг е{Ь1...Ь2У, , (4)
^и, и> I
где: п - показатель степени;
ап,ап-1 ...ас — коэффициенты аппроксими- I - среднее значение толщины льда на рас-
рующего полинома; сматриваемом участке.
250
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Рисунок 4 Вид данных толщины .льда, получаемых при пролете над участком затора, аппроксимированных полиномиальной функцией
Условием присутствия заторообразующей точки будет многократное превышение интегральной толщины льда на отрезке длины до точки максимальной толщины льда
{Ь\... Ьтах] над интегральным значением толщины льда на отрезке длины после точки максимальной толщины льда {Ь\...Ьтах}: (Рисунок 5)
/.г п г,„ п
г ^тах __Г-^2
/ У^ аъЬЧЬ » / У^ аъЬЧЬ,
>ь1 ^ Л ^
1=0
(о)
Рисунок 5 Интегрирование кривой на отрезках: цветами показаны интегральные толщины льда на отрезках до и после точки максимума кривой соответственно
Критерий гидродинамического затруднения:
Если точка Ьшах является заторообразу-югцей, ледовая масса, накопленная в головной части затора является локальным гидродинамическим затруднением для свободно-текущей речной воды, что обуславливает падение уровня воды после гидродинамического затруднения и повышение до исследуемой точки. Тогда, на окрестности точки Ьтах усредненные значения уровня воды к на от-
резке {Ь\... Ьтах}, будут стабильно выше, нежели на отрезке [Ьшах... ¿2}- Заметим, что для критерия гидродинамического затруднения желательно, чтобы точки ¿2 находились несколько дальше от точки Ьтах, нежели аналогичные точки для критерия заторо-образующей точки таким образом, чтобы ледовые массы, накопленные в голове и хвосте затора, не препятствовали корректному сравнению усредненных значений уровня воды, то есть положения точек Ь\1 ¿2 переопределяют.
Е:=о Н1+Н2+-Нп е [к(Ь1)...к(Ь%
С)} ^ 2^П=0 п
е{ЦЪтах)...к(Ь2)}, (6)
Пример
Для демонстрации работоспособности алгоритма, осуществим его проверку модельным экспериментом на участке реки Лена протя-
женностью 200 километров. Сформированное полетное задание вдоль русла реки представлено на рисунке 6.
Рисунок б - Маршрут движения БАС вдоль участка реки
Результаты съемки местности были с применением ранее описанного алгоритма, заданы в виде таблицы и обработаны
Таблица 1 - Данные толщины льда для участка в окрестности точки максимума (каждая сотая точка), где X - длина пути, У - толщина слоя льда
Показатели Значения
Х,м 0 100 200 300 400 500 600 700 800
У,ом 121 110 105 92 96 93 113 105 97
Х,м 900 1000 1100 1200 1300 1400 1500 1600 1700 1800
У,ом 104 95 111 144 123 156 157 162 204 218
Х,м 1900 2000 2100 2200 2300 2400 2500 2600 2700 2800
У,ом 218 207 226 216 213 198 230 225 207 217
Продолжение таблицы 1
Показатели Значения
Х,м 2900 .3000 .3100 .3200 .3.300 .3400 .3500 .3600 .3700 .3800
У,см 221 204 196 221 247 226 211 215 220 249
Х,м .3900 4000 4100 4200 4.300 4400 4500 4600 4700 4800
У,см 251 278 295 .356 .395 502 560 594 757 805
Х,м 4900 5000 5100 5200 5.300 5400 5500 5600 5700 5800
У,см 896 1208 1.355 1514 15.39 15.37 1255 110.3 996 794
Х,м 5900 6000 6100 6200 6.300 6400 6500 6600 6700
У,см 591 .399 118 92 111 106 102 94 99
Среди выявленных локальных максимумов толщин льда, был обнаружен соответству-
ющий критерию заторообразуюгцей точки и гидродинамического затруднения (Рисунок 7).
Рисунок 7 Точка локального максимума толщины льда наложение на спутниковую карту
На области данных, соответствующей ло- ление ледовых масс, соответствующее хвосту, кальному максимуму, отчетливо видно накоп- голове затора (Рисунок 8).
Рисунок 8 Область данных, соответствующая локальному максимуму толщины льда
При этом интегральная толщина льда до точки максимума относится к интегральной толщине льда после точки максимума как 4:1, что позволяет судить о соответствии точки максимума критерию заторообразующей точки.
Падение уровня воды после точки максимума на 2,5 м указывает на соответствие критерию гидродинамического затруднения.
Соответствие двум критериям устанавливает взаимосвязь между падением уровня воды и накоплением ледяных масс, т.е. рассмотренная область идентифицируется как затор.
Выводы,
Предложенный алгоритм позволяет выявить заторные участки на реках в период весеннего паводка с помощью БАС. В качестве одного из направлений дальнейшего развития алгоритма (повышения достоверности результатов разведки) можно предложить внедрение элементов системы искусственного зре-
ния, сопряженной с системой искусственного интеллекта, позволяющих на основе имеющейся обучающей выборки (когда достоверно известно о факте образования затора) строить модель обнаружения признаков затора и делать вывод о соответствии анализируемого события факту образования затора. На основе полученных данных возможно прогнозирование проблемных участков - потенциальных мест образования заторов. В качестве недостатка предложенного способа следует отметить, что маршрут полета БАС самолетного типа, как правило, определен заранее и в редких случаях позволяет перейти на ручной режим управления, что в свою очередь не обеспечивает необходимую устойчивость связи между БЛА и оператором. Применение БАС вертолетного типа в свою очередь в настоящее время менее перспективно, поскольку не обеспечивает соответствующей дальности действия.
Литература
1. Слепов А.Ю. Развитие беспилотных авиационных систем и использование воздушного пространства // Интернаука. 2018. №19-1 (53). С. 86-88.
2. Хныченко К.Е., Шиленко А.П. Повышение боеготовности подразделений МЧС России при выполнении задач по предназначению с использованием беспилотных авиационных систем / / Пожарная безопасность: проблемы и перспективы. 2018. №9. С. 946-948.
3. Микушин О.В., Багажков И.В. Особенности применения беспилотных летательных аппаратов при проведении аварийно-спасательных работ, связанных с тушением пожаров // Сборник материалов конференции «Актуальные вопросы пожаротушения». 2019. С. 73-77.
4. Ростопчин В., Бурдун И. Беспилотные авиационные системы: основные понятия // Электроника: наука, технология, бизнес. 2009. №4 (94). С. 82-89.
5. Козлов ,1.1?.. Кулешов С.Л. Многомерный анализ данных при оценке факторов заторообразования в речных бассейнах / / Водные ресурсы. 2019. №2. С. 132-141.
6. Ильков A.B., Белоусов Р.Л. Системный анализ факторов заторообразования на реках севера Европейской части России // Научные и образовательные проблемы гражданской защиты. 2015. №3 (26). С. 64-72.
7. Методические рекомендации по предотвращению образования ледовых заторов на реках Российской Федерации и борьбе с ними. Шахраманьян М.А., Векслер А.Б., Пчелкин В.П., Трегуб Г.Б. и др. -М.: ФЦ ВНИИ ГОЧС, 2004, 234 с.
8. МЧС России определены более 600 затороопасных участков на реках страны [Электронный ресурс] - Режим доступа https://www.mchs.gov.ru/deyatelnost/press-centr/novosti/4419096 (дата обращения 20.04.2021 г.).
APPROACH TO THE FORMATION OF A FLIGHT TASK FOR UNMANNED AERIAL VEHICLES WHEN PERFORMING THE TASK OF IDENTIFYING
CONGESTION
Pavel YANYSHEV
Research Associate of the Research Department (on Civil Defense and Emergency Situations), Civil Defence Academy EMERCOM of Russia Address: 141435, Moscow region, city Khimki, md. Novogorsk E-mail: p.ianyshevQamchs.ru
Evgeny IVANOV
Head of the Research Department
(on Civil Defense and Emergency Situations),
Civil Defence Academy EMERCOM of Russia
Address: 141435, Moscow region, city Khimki,
md. Novogorsk
E-mail: e.ivanovQamchs.ru
Igor KATORZHIN
Research Associate of the Research Department (ONI and KVD),
Civil Defence Academy EMERCOM of Russia Address: 141435, Moscow region, city Khimki, md. Novogorsk E-mail: i.katorzhinQmail.ru
Daniel KACHANOV
operator of the Research department (on Civil Defense and Emergency situations), Civil Defence Academy EMERCOM of Russia Address: 141435, Moscow region, city Khimki, md. Novogorsk
E-mail: kachanov.chemicalQyandex.ru
Abstract. The article considers an algorithm for detecting congestion areas on rivers during the spring flood using unmanned aircraft systems. The mathematical apparatus for identifying congestion phenomena is described in detail. An example of the algorithm working on model data is given. The ways of possible improvement of unmanned aircraft systems to perform the task of detecting congestion are revealed.
Keywords: unmanned aerial vehicles, unmanned aircraft systems, congestion, identification of congestion, algorithm, flight task.
References
1. Slepov A. Yu. Development of unmanned aircraft systems and use of air space // Internauka. 2018. No. 19-1 (53). S. 86-88.
2. Khnychenko K. E., Shilenko A. P. Improving the combat readiness of the EMERCOM of Russia units when performing tasks for their intended purpose using unmanned aircraft systems // Fire safety: problems and prospects. 2018. No. 9. S. 946-948.
3. Mikushin O. V., Bogazhkov I. V. Features of the use of unmanned aerial vehicles during emergency rescue operations related to fire extinguishing // Collection of materials of the conference "Actual issues of fire extinguishing". 2019. S. 73-77.
4. Rostopchin V., Burdun I. Unmanned aircraft systems: basic concepts // Electronics: science, technology, business. 2009. No. 4 (94). S. 82-89.
5. Kozlov D. V., Kuleshov S. L. Multivariate data analysis in the assessment of flood formation factors in river basins / / Vodnye resursy. 2019. No. 2. S. 132-141.
6. Ilkov A.V., Belousov R. L. Sistemny analiz faktorov zatoroobrazovaniya na rekakh severa Evropeyskoy chasti Rossii [System analysis of factors of flood formation on the rivers of the North of the European part of Russia]. 2015. No. 3 (26). S. 64-72.
7. Methodological recommendations for preventing and combating the formation of ice jams on the rivers of the Russian Federation. Shakhramanyan, M. A., Veksler, A. B., Pchelkin, V. I., Tregub, G. B., et al. -Moscow: Federal Research Center of GOCHS, 2004, 234 s.
8. EMERCOM of Russia identified more than 600 flood-prone areas on the rivers of the country [Electronic resource] - Access mode https://www.mchs.gov.ru/deyatelnost/press-centr/novosti/4419096 (accessed 20.04.2021).
