vrgupВестник Ростовского государственного университета путей сообщенияVestnik Rostovskogo Gosudarstvennogo Universiteta Putej Soobshcheniya0201-727XРостовский государственный университет путей сообщения10.46973/0201-727X_2023_1_144vrgup-78Research ArticleМОДЕЛИРОВАНИЕ СИСТЕМ И ПРОЦЕССОВMODELING SYSTEMS AND PROCESSESСинтез интеллектуального алгоритма оценки ориентации подвижных объектов транспортной инфраструктуры на базе многопараметрического нейросетевого идентификатораSynthesis of an intelligent algorithm for assessing the orientation of movable objects of transport infrastructure on the basis of a multiparameter neural network identifierКостоглотовА. А.KostoglotovA. A.

Костоглотов Андрей Александрович, НИЧ, кафедра «Связь на железнодорожном транспорте», доктор технических наук, профессор, ведущий научный сотрудник

Kostoglotov Andrey Alexandrovich, Research Department, Chair «Communication on Railway Transport», Doctor of Engineering Sciences, Professor, Leading Researcher

kostoglotov@me.comЛазаренкоС. В.LazarenkoS. V.

Лазаренко Сергей Валерьевич, НИЧ, кафедра «Связь на железнодорожном транспорте», кандидат технических наук, доцент, старший научный сотрудник

Lazarenko Sergey Valeryevich, Research Department, Chair «Communication on Railway Transport», Candidate of Engineering Sciences, Associate Professor

rh3311@mail.ruПеньковА. С.PenkovA. S.

Пеньков Антон Сергеевич, НИЧ, кафедра «Связь на железнодорожном транспорте», научный сотрудник

Penkov Anton Sergeevich, Research Department, Chair «Communication on Railway Transport», Researcher 

penkovas@rgups.ruЗехцерВ. О.ZekhtserV. O.

Зехцер Владимир Олегович, НИЧ, кафедра «Связь на железнодорожном транспорте», младший научный сотрудник 

Zekhtser Vladimir Olegovich, Research Department, Chair «Communication on Railway Transport», Junior Researcher

vova-zehcer@yandex.ruКульбикаянХ. Ш.KulbikayanKh. Sh.

Кульбикаян Хачерес Шагенович, кафедра «Связь на железнодорожном транспорте», кандидат технических наук, доцент 

Kulbikayan Khacheres Shagenovich, Chair «Communication on Railway Transport», Candidate of Engineering Sciences, Associate Professor 

bagrat@rgups.ruРостовский государственный университет путей сообщения (РГУПС)Rostov State Transport University (RSTU)20233003202301144151Copyright © Костоглотов А.А., Лазаренко С.В., Пеньков А.С., Зехцер В.О., Кульбикаян Х.Ш., 20232023Костоглотов А.А., Лазаренко С.В., Пеньков А.С., Зехцер В.О., Кульбикаян Х.Ш.Kostoglotov A.A., Lazarenko S.V., Penkov A.S., Zekhtser V.O., Kulbikayan K.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.rgups.ru/jour/article/view/78

Традиционные алгоритмы обработки измерительной информации не всегда обеспечивают необходимую точность оценки в условиях внешних воздействий и требуют больших вычислительных мощностей, которые сложно реализовать в условиях ограничений на массогабаритные характеристики транспортных БПЛА. Применение алгоритмов динамической оценки угловой ориентации БПЛА на основе адаптивной модели в совокупности с использованием многослойных нейронных сетей прямого распространения позволяет снизить ошибку оценки параметров динамической системы без существенного увеличения вычислительных затрат. В статье приводится синтез системы оценки ориентации БПЛА с многопараметрическим нейросетевым идентификатором, позволяющий повысить точность оценки в сравнении с классическим фильтром Калмана.

General measurement informational processing algorithms do not always provide the necessary accuracy of assessment under external influences and require large computing power, which is difficult to implement under conditions of restrictions on the weight and size characteristics of UAVs transport. The use of algorithms for dynamic estimation of the UAV angular orientation based on an adaptive model in combination with the use of multilayer neural networks of direct propagation makes it possible to reduce the error in estimating the parameters of a dynamic system without a significant increase in computational costs. The paper presents the synthesis of a UAV orientation estimation system with a multiparameter neural network identifier, which makes it possible to improve the estimation accuracy in comparison with the classical Kalman filter.

адаптациядинамические системыфильтр Калманаинтеллектуализациятранспортные системынейросетьбеспилотные летательные аппаратыadaptationdynamic systemsKalman filterintellectualizationtransport systemsneural networkunmanned aerial vehiclesReferencesГригоренко, Н. И. Диагностика состояния автодороги с помощью беспилотного летательного аппарата / Н. И. Григоренко, Е. Е. Янчук // Мир транспорта. – 2017. – Т. 15, № 3(70). – С. 86–92. – EDN ZTPSBB.Grigorenko, N. I. Diagnostics of the road condition using an unmanned aerial vehicle / N. I. Grigorenko, E. E. Yanchuk // World of Transport. – 2017. – Vol.. 15, No. 3 (70). – P. 86–92. – EDN ZTPSBB.Павлов, В. М. Измерение углового положения транспортного средства / В. М. Павлов // Транспорт : наука, образование, производство. – Ростов-на-Дону : РГУПС, 2022. – Т. 1. – С. 209– 212. – EDN JLMBMP.Pavlov, V. M. Measuring the angular position of a vehicle / V. M. Pavlov // Transport : science, education, production. – Rostov-onDon : RSTU, 2022. – Vol. 1. – P. 209–212. – EDN JLMBMP.Костоглотов, А. А. Синтез адаптивных алгоритмов оценки ориентации беспилотных транспортных средств с использованием интеллектуального нейросетевого идентификатора / А. А. Костоглотов, А. С. Пеньков, В. О. Зехцер // Вестник Ростовского государственного университета путей сообщения. – 2022. – № 1 (85). – С. 186–194. – DOI 10.46973/0201-727X_2022_1_186.Kostoglotov, A. A. Synthesis of adaptive algorithms for assessing the orientation of unmanned vehicles using an intelligent neural network identifier / A. A. Kostoglotov, A. S. Penkov, V. O. Zekhtser // Vestnik Rostovskogo Gosudarstvennogo Universiteta Putey Soobshcheniya – 2022. – No. 1 (85). – P. 186–194. – DOI 10.46973/0201-727X_2022_1_186.Аналитический обзор современных интеллектуальных информационных технологий в технике и на производстве / С. М. Ковалев [и др.] // Вестник Ростовского государственного университета путей сообщения. – 2019. – № 1 (73). – С. 60–75. – EDN ZBKLIL.Analytical review of modern intelligent information technologies in engineering and in production / S. M. Kovalev [et al.] // Vestnik Rostovskogo Gosudarstvennogo Universiteta Putey Soobshcheniya. – 2019. – No. 1 (73). – P. 60–75. – EDN ZBKLIL.Чулин, Н. А. Система управления беспилотным летательным аппаратом / Н. А. Чулин, И. В. Миронова // Инженерный журнал : наука и инновации. – 2018. – № 9. – С. 1– 11. – EDN VAGNVQ.Chulin, N. A. Unmanned aerial vehicle control system / N. A. Chulin, I. V. Mironova // Engineering Journal: Science and Innovation. – 2018. – No. 9. – P. 1–11. – EDN VAGNVQ.Гуцевич, Д. Е. Моделирование поведения летательного аппарата самолетного типа с автоматическим управлением в различных режимах полета / Д. Е. Гуцевич // Математическое моделирование, компьютерный и натурный эксперимент в естественных науках. – 2018. – № 1. – С. 12–23. – EDN XZCQWT.Gutsevich, D. E. Modeling the behavior of an aircraft-type aircraft with automatic control in various flight modes / D. E. Gutsevich // Mathematical modeling, computer and field experiment in natural sciences. – 2018. – No. 1. – P. 12–23. – EDN XZCQWT.Коновалов, А. А. Основы траекторной обработки радиолокационной информации. Часть 2 / А. А. Коновалов. – Санкт-Петербург : СПбГЭТУ «ЛЭТИ», 2013. – 180 с. – ISBN 978-5-7629-1544-1.Konovalov, A. A. Fundamentals of trajectory processing of radar information. Part 2 / A. A. Konovalov. – St. Petersburg : SPbSETU «LETI», 2013. – 180 p. – ISBN 978-5-7629-1544-1.Костоглотов, А. А. Структурнопараметрический синтез фильтра сопровождения на базе декомпозиции по целевому функционалу с адаптацией к возмущениям траектории / А. А. Костоглотов, А. С. Пеньков, С. В. Лазаренко // Информационно-измерительные и управляющие системы. – 2021. – Т. 19. – № 2. – С. 14–25. – DOI 10.18127/j20700814-202102-02. – EDN FWFWBO.Kostoglotov, A. A. Structural-parametric synthesis of a tracking filter based on decomposition by target functional with adaptation to trajectory perturbations / A. A. Kostoglotov, A. S. Penkov, S. V. Lazarenko // Information-measuring and control systems. – 2021. – Vol. 19. – No. 2. – P. 14–25. – DOI 10.18127/j20700814-202102-02. – EDN FWFWBO.Костоглотов, А. А. Метод синтеза адаптивных алгоритмов оценки параметров динамических систем на основе принципа декомпозиции и методологии объединенного принципа максимума / А. А. Костоглотов, А. С. Пеньков, С. В. Лазаренко // Известия высших учебных заведений. Северо-Кавказский регион. Серия : Естественные науки. – 2020. – № 4 (208). – С. 22– 28. – EDN QOAKMD.Kostoglotov, A. A. Method of synthesis of adaptive algorithms for estimating parameters of dynamic systems based on the principle of decomposition and methodology of the combined maximum principle / A. A. Kostoglotov, A. S. Penkov, S. V. Lazarenko // News of higher educational institutions. The North Caucasus region. Series : Natural Sciences. – 2020. – No. 4 (208). – P. 22–28. – EDN QOAKMD.Sokolov, S. Adaptive stochastic filtration based on the estimation of the covariance matrix of measurement noises using irregular accurate observations / S. Sokolov, M. Polyakova, A. Novikov // Inventions. – 2021. – Т. 6. – № 1. – P. 1–12. – EDN KOPLQN.Sokolov, S. Adaptive stochastic filtration based on the estimation of the covariance matrix of measurement noises using irregular accurate observations / S. Sokolov, M. Polyakova, A. Novikov // Inventions. – 2021. – Vol. 6. No. 1. – P. 1–12. – EDN KOPLQN.Матвеев, В.В. Основы построения бесплатформенных инерциальных навигационных систем / В. В. Матвеев, В. Я. Распопов // ОАО «Концерн "ЦНИИ "Электроприбор"». – 2009. – 280 с. – EDN QNWJZT.Matveev, V. V. Fundamentals of construction of free-form inertial navigation systems / V. V. Matveev, V. Ya. Raspopov // JSC «Concern "Central Research Institute "Electropribor"». – 2009. – 280 p. – EDN QNWJZT.Ковалев, В. С. Адаптивные сетевые модели слияния мультисенсорных данных в гибридных диагностических системах / В. С. Ковалев, С. М. Ковалев, А. В. Суханов // Вестник Ростовского государственного университета путей сообщения. – 2020. – № 1 (77). – С. 153–162. – EDN ROSZKE.Kovalev, V. S. Adaptive network models of multisensory data fusion in hybrid diagnostic systems / V. S. Kovalev, S. M. Kovalev, A. V. Sukhanov // Vestnik Rostovskogo Gosudarstvennogo Universiteta Putey Soobshcheniya. – 2020. – No. 1 (77). – P. 153– 162. – EDN ROSZKE.Пупков, К. А. Методы робастного, нейронечеткого и адаптивного управления : Цикл учебников и учебных пособий «Методы теории автоматического управления» / К. А. Пупков, Н. Д. Егупов, А. И. Гаврилов // Москва : Московский государственный технический университет имени Н. Э. Баумана (национальный исследовательский университет). – 2001. – 744 с. – EDN WEYIDX.Pupkov, K. A. Methods of robust, neurofuzzy and adaptive control : A cycle of textbooks and manuals "Methods of the theory of automatic control" / K. A. Pupkov, N. D. Egupov, A. I. Gavrilov // Moscow : Bauman Moscow State Technical University (National Research University). – 2001. – 744 p. – EDN WEYIDX.Егорчев, М. В. Нейросетевой полуэмпирический подход к моделированию продольного движения и идентификации аэродинамических характеристик маневренного самолета / М. В. Егорчев, Ю. В. Тюминцев // Труды МАИ. – 2017. – 31 c. – EDN YZMBEN.Egorchev, M. V. Neural network semi– empirical approach to modeling longitudinal motion and identification of aerodynamic characteristics of a maneuverable aircraft / M. V. Egorchev, Yu. V. Tyumintsev // Proceedings of MAI. – 2017. – 31 p. – EDN YZMBEN.

The authors declare that there are no conflicts of interest present.