Сергей Макаренко - Противодействие беспилотным летательным аппаратам
- Название:Противодействие беспилотным летательным аппаратам
- Автор:
- Жанр:
- Издательство:Издательство «Наукоемкие технологии» OOO «Корпорация «Интел Групп»
- Год:2020
- Город:Санкт-Петербург
- ISBN:978-5-6044793-6-0
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Сергей Макаренко - Противодействие беспилотным летательным аппаратам краткое содержание
Материалы работы предназначены для научных сотрудников, соискателей ученых степеней, военных и технических специалистов, занимающихся вопросами противодействия БПЛА.
Отдельные результаты, представленные в данной монографии, получены в рамках госбюджетной темы НИР СПИИРАН № 0073-2019-0004.
Противодействие беспилотным летательным аппаратам - читать онлайн бесплатно полную версию (весь текст целиком)
Интервал:
Закладка:
3. Верхний уровень управления соответствует архитекторе «БПЛА — ПУ» (или «группа БПЛА — ПУ») и образован телеметрической системой сбора данных о состоянии бортовых систем БПЛА, системой связи БПЛА и пункта управления (ПУ), а также оборудованием ПУ. Оборудование ПУ обрабатывает телеметрические данные о состоянии БПЛА и его местоположении, формирует программу полета и в соответствии с ней выдает команды на борт БПЛА [47].
Критически важным, для решения задачи противодействия БПЛА, на этом уровне являются ТТХ системы связи. Они подробно будут рассмотрены далее.
Отдельно отметим, что для подавляющего числа БПЛА основные функции по принятию решений реализуются не на борту, а на ПУ человеком-оператором. Это решения о профиле полета, альтернативных вариантах достижения целевой задачи, обработка данных, поступающих от бортового оборудования. Вместе с тем, развитие теории искусственного интеллекта (ИИ), теории управления группами БПЛА, повышение возможностей вычислительных средств, привело к тому, появились проекты, нацеленные на кардинальное повышение автономности и «интеллектуальности» управления БПЛА [48]. Такие проекты нацелены на создание ПО и библиотек с открытым исходным кодом в области машинного зрения и искусственного интеллекта, которые напрямую определяют направления дальнейшего развития БПЛА. Краткая характеристика таких проектов представлена в таблице 1.6.
Таблица 1.6 — Проекты по созданию ПО повышающего автономность и «интеллектуальности» управления БПЛА [49]
Проект | Область знаний | Компания-разработчик | ОС | Языки программирования | Краткая характеристика проекта | Web-сайт |
---|---|---|---|---|---|---|
Tensor Flow | Машинное обучение | Linux; Windows; Mac | C++; Python | Высокопроизводительные вычисления на основе ИИ на основе на различных платформах (CPU, GPU, кластеры и т. д.) | www.tensorflow.org | |
Torch | Машинное обучение | Linux; Mac | Lua; C; Cuda | Использование нестандартного языка разработки Lua; гибкость в реализации сложных топологий нейронных сетей (НС); возможность встраивания приложений в виде программ в ОС iOS и Android | torch.ch | |
MXNeT | Машинное обучение | DMLC / Baidu | Linux; Windows; Mac | C++; Python; Matlab | Акцент на ускорение разработки и развертывания больших и глубоких НС; простота масштабирования вычислений с помощью нескольких GPU; оптимизированные предопределенные слои НС | mxnet.Matlabincubator.apache.org |
Caffe | Глубокое машинное обучение | UC Berkeley | Linux; Mac | C++; Cuda | Распознавание изображений при машинном зрении; модели и оптимизация системы имеют мягкую адаптивную конфигурацию | caffe. berkeleyvision.org |
CNTK | Глубокое машинное обучение | Microsoft | Linux; Windows | C++; Python | Поддержка CPU и GPU; параллелизм на кластерах GPU; простота реализации и объединения популярных моделей; хорошее распознавание речи | www.microsoft.com/en-us/cognitive-toolkit/ |
OpenCV | Системы искусственного зрения | Intel | Linux; Windows; Mac | C++; Python; Java; Matlab | Акцент на повышении вычислительной эффективности приложений реального времени; использование преимуществ гетерогенных вычислительных платформ | opencv.org |
Git Hub | Software libraries | GitHub | Linux; Windows; Mac | Almost all | Большой массив исходного кода; массовые проекты, связанные с ИИ; качество кода сильно варьируется, и они нуждаются в доработке для коммерческого использования | github.com |
1.5.3. Навигационная система
Навигационная система БПЛА может иметь различный уровень сложности и учитывать для определения местоположения БПЛА несколько сигналов, поступающих от датчиков различной физической природы.
На БПЛА в зависимости от его размера и сложности решаемых задач могут быть размещены следующие варианты навигационной системы:
1) навигационная система, основанная только на аппаратуре потребителей (АП) наиболее распространенных спутниковых радионавигационных систем (СРНС) — такая система характерна для самых простых малых БПЛА-квадрокоптеров;
2) простая интегрированная навигационная система, на основе комплексирования данных микромеханических инерциальных навигационных систем (ИНС) и АП СРНС — такая навигационная система характерна для широкого класса малых БПЛА-квадрокоптеров для профессионального использования в различных целях;
3) интегрированная навигационная система, на основе комплексирования данных нескольких навигационных устройств: микромеханических ИНС, АП СРНС, барометрического высотомера, радио или лазерного высотомера — такая навигационная система характерна для профессиональных малых БПЛА, а также для БПЛА среднего класса;
4) интегрированная навигационная система, на основе комплексирования данных нескольких навигационных устройств: авиационных ИНС, АП СРНС, высотомеров (барометрического и радио), радиотехнической системы ближней навигации (РСБН) VOR/DME (Very high frequency Omni directional radio Range / Distance Measuring Equipment), системы автоматического зависимого наблюдения-вещания (АЗН-В) — такая навигационная система фактически полностью повторяет навигационную систему пилотируемого летательного аппарата (ЛА) и характерна для БПЛА тяжелого класса.
Система навигации 1-го типа устанавливается, на подавляющем числе малых БПЛА-квадрокоптеров. Такая навигационная система содержит АП одной или нескольких СРНС. К наиболее распространенным СРНС относятся системы: ГЛОНАСС (Россия), GPS/NAVSTAR (США), Beidou (Китай), Galileo (ЕС). Сигналы СРНС формируются на литерных частотах в диапазоне 1,1–1,6 ГГц. Как правило, простые навигационные системы, устанавливаемые на малые БПЛА, используют интегрированный режим обработки сигналов от нескольких СРНС, что обеспечивает точность навигации 1–2,5 м как в горизонтальной плоскости, так и по высоте.
Более сложные БПЛА для профессионального использования, как правило имеют навигационную систему 2-го или 3-го типа, в состав которой помимо АП СРНС дополнительно входят элементы автономной навигационной системы — микромеханические акселерометры и гироскопы. Однако, такая автономная ИНС, без ее коррекции по сигналам СРНС, не в состоянии осуществлять автономное счисление пройденного пути ввиду высоких скоростей дрейфа гироскопических датчиков. Накапливаемая ошибка микромеханических ИНС, в условиях отсутствия корректирующих сигналов СРНС, за 1 мин составляет до 3 м по горизонтали и 2 м по вертикали. Таким образом эти ИНС способны без сигналов СРНС поддерживать приемлемую точность полета на уровне 100–150 м в течении не более 10 мин. При этом, как правило, имеется ввиду поддержание режима прямолинейного полета без ускорений и маневров [50]. Примерами таких образцов микромеханических ИНС могут являться устройства Geo-iNAV (масса порядка 3 кг) — рис. 1.9.
Читать дальшеИнтервал:
Закладка: