Аннотация.

В статье представлен алгоритм группового управления летательными аппаратами в условиях динамически изменяющейся внешней ситуации. Задача группы беспилотных летательных аппаратов заключается в поиске и уничтожении вражеской группы аппаратов в ограниченном пространстве при минимально возможных потерях. Борьба с группами малых летательных аппаратов в условиях ограниченного пространства – одна из задач, возникших в последнее время в связи с развитием малоразмерной беспилотной летательной техники. Для исследования алгоритмов группового взаимодействия разработан программный стенд моделирования воздушного боя БПЛА и разработаны модули, реализующие несколько алгоритмов управления. В статье приведены описание программного стенда и результаты работы исследованных алгоритмов.

Ключевые слова:

имитационная модель, идентификация состояния, функция полезности, генетический алгоритм, групповое управление, оптимизация.

Стр. 3-11.

DOI 10.14357/20718632190401

Полная версия статьи в формате pdf. 

Литература

1. Novitzky P., Kokkeler B., Verbeek P. The Dual-use of Drones Tijdschrift voor Veiligheid 2018 (17) 1-2 doi: 10.5553/TvV/18727948201801710200
2. Bunker R. J. Terrorist and insurgent unmanned aerial vehicles: use, potentials, and military implications // Strategic Studies Institute and U. S. Army War College Press, 2015.
3. Копытин В. Война дронов. Почему террористы в Сирии всё чаще используют беспилотники? // LIFE [Электронный ресурс] 2018, URL: https://life.ru/t/сирия/1076718/voina_dronov_pochiemu_ti erroristy_v_sirii_vsio_chashchie_ispolzuiut_biespilotniki (дата обращения: 09.06.2019).
4. Петросян Л.А., Рихсиев Б.Б. Преследование с простым движением. М.: Наука, 1991. - 96 с.
5. Айзекс Р. Дифференциальные игры. М.: Мир, 1967. - 480 с.
6. Majumdar D. U.S. Military Successfully Tested Its Latest Super Weapon: ‘The Swarm’ // The National Interest [Электронный ресурс] - 9.01.2017 - URL: https://nationalinterest.org/blog/the-buzz/us-militarysuccessfully-tested-its-latest-super-weapon-%E2%80%98the-19002 (дата обращения: 09.06.2019).
7. Zulu A., John S. A. Review of Control Algorithms for Autonomous Quadrotors // Open Journal of Applied Sciences, 2014 - 10 с.
8. Khuwaja K., Lighari N., Tarca I. C., Tarca R. C. PID Controller Tuning Optimization with Genetic Algorithms for a Quadcopter // Recent Innovations in Mechatronics (RIiM) Vol. 5. (2018). No. 1.
9. Galvez R. L., Dadios E. P., Bandala A. A. Path Planning for Quadrotor UAV Using Genetic Algorithm // 7th IEEE International Conference Humanoid, 2014 - 5 c.
10. Пегат А. Нечеткое моделирование и управление / А. Пегат; пер. с англ. - 2-е изд. - М.: БИНОМ. Лаборатория знаний, 2015.- 798 с. (Andrzej P., 2001. Fuzzy Modeling and Control. Physica-Verlag Heidelberg. 728 p.)
11. Talha M., Asghar F., Rohan A., Rabah M., Kim S. H. Fuzzy Logic-Based Robust and Autonomous Safe Landing for UAV Quadcopter // Arabian Journal for Science and Engineering, 2018 - 13 c.
12. Ernest N., Carroll D., Schumacher C., Clark M., Cohen K., Lee G. Genetic Fuzzy based Artificial Intelligence for Unmanned Combat Aerial Vehicle Control in Simulated Air Combat Missions // Journal of Defense Management, 2016. - 7 с.
13. Водолазский И. А., Егоров А. С., Краснов А. В. Роевой интеллект и его наиболее распространённые методы реализации // Молодой ученый. — 2017. — №4. — С. 147-153. — URLhttps://moluch.ru/archive/138/38900/ (дата обращения: 9.06.2019).
14. Иванов Д. Я. Методы роевого интеллекта для управления группами малоразмерных беспилотных лета- тельных аппаратов // Известия Южного федерального университета. Технические науки, 2011 - 9 c.
15. Кореванов С. В., Казин В. В. Искусственные нейронные сети в задачах навигации беспилотных летательных аппаратов // Научный вестник Московского государственного технического университета гражданской авиации, 2014 - 4 с.
16. Amer K., Samy M., Shaker M., ElHelw M. Deep Convolutional Neural Network-Based Autonomous Drone Navigation // Center for Informatics Science, 2019 - 8 c.
17. Hostmark J. B. Modelling Simulation and Control of Fixed-wing UAV: CyberSwan // Institutt for teknisk kybernetikk, 2007 - 106 c.
18. Бесекерский В.А., Попов Е.П.4-е изд // Теория систем автоматического управления. — СПб.: Профессия, 2003. — 752 с.
19. Петров В. Маневрирование в воздушном бою. // Зарубежное военное обозрение, N1, 1985 [Электронный ресурс] - 9.01.2017 - URL: http://lockon.spb.ru/manevr.html (дата обращения: 9.06.2019).
20. Подзоров С. Ю. Курс лекции по теории алгоритмов НГУ, 2003 – 2004.
21. Бабич В. К. Воздушный бой (зарождение и развитие) // Военное издательство, 1991 - 95 с.
22. Rubinstein A. Lecture Notes in Microeconomic Theory. — 2nd. — Princeton University Press, 2013. — 153 с. — ISBN 978-0-691-15413-8.
23. Климко Е. Г. Генетический алгоритм как разновидность эволюционного алгоритма // Радиоэлектроника и информатика, 2002 - 4 с.
24. Батищев Д.И., Неймарк Е.А., Старостин Н.В. Применение генетических алгоритмов к решению задач дискретной оптимизации // Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике» Нижний Новгород, 2007. - 85 с.