Введение 3
Глава 1. Аналитический обзор источников литературы 6
1.1 Актуальность и области применения БПЛА 6
Глава 2. Математическая постановка задачи 9
Глава 3. Архитектура стенда 10
3.1 Программный стенд - симулятор воздушного боя. Принципы мультиагентного управления.
Поле боя 10
3.2 Математическая модель движения 11
Глава 4. Технология разработки базового алгоритма для управления БПЛА 12
4.1 Реализация и возможности алгоритма 12
4.2 Сценарии боевых действий агентов под управлением базового алгоритма 13
Глава 5. Технология разработки интеллектуального алгоритма для управления БПЛА 14
5.1 Функция полезности. Методы построения параметров, значения весовых коэффициентов..14
5.2 Настройка алгоритма. Функции полезности пространственного положения 15
Глава 6. Оптимизация управления 16
6.1 Генетический алгоритм 16
6.2 Функция приспособленности 16
6.3 Стратегия обучения интеллектуального алгоритма 17
6.4 Эффективность представленных методов 18
Глава 7. Командные взаимодействия 19
7.1 Алгоритмы целераспределения между союзными БПЛА 19
7.2 Эффективность представленных методов 20
Заключение 20
Литература
Купить

Ключевые слова: имитационная модель, функция идентификации состояния, функция полезности, генетический алгоритм, групповое управление, оптимизация, группа БПЛА.
Исследования в области задач преследования на плоскости начались с исследования дифференциальных игр преследования, в которых количество игроков равно 2, одного называют догоняющим, другого убегающим. Цель догоняющего — приведение вектора z(t) на заданное множество M за возможно короткое время; цель убегающего — максимально задержать этот момент. Основополагающие результаты в дифференциальных играх получены в 1960-е годы в СССР Л. С. Понтрягиным, Н. Н. Красовским, Е. Ф. Мищенко, Б. Н. Пшеничным и др., в США — Р. Айзексом, Л. Берковицем, У. Флемингом и др.
Первым, кто исследовал дифференциальные игры, стал Руфус Айзекс (работа 1951 года, впервые опубликована в 1965 году). А одна из первых проанализированных им игр стала игра «Задача о водителе-убийце». Надо отметить, что сам Айзекс вместо «водителя» и «пешехода» подразумевал торпеду и увёртывающийся от неё небольшой катер [1].
Актуальность темы исследования определяется ростом количества работ в областях, связанным с изучением проблем управления групп летательных аппаратов в условиях ограниченного пространства, увеличением производительности вычислительных устройств и уменьшением размеров беспилотных летательных аппаратов.
Задача группы беспилотных летательных аппаратов заключается в поиске и уничтожении вражеской группы аппаратов в ограниченном пространстве при минимально возможных собственных 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. Требуется углубление теоретических и практических исследований в области группового управления беспилотными летательными аппаратами для успешного решения поставленных задач.
Цель данный работы - разработать интеллектуальный алгоритм управления группой беспилотных летательных аппаратов и показать его эффективность.
Решены следующие задачи:
- Разработан программный стенд для моделирования воздушного боя в условиях ограниченного пространства;
- Реализован базовый алгоритм управления, включающий в себя набор детерминированных действий для определенных моделей поведения;
- Реализован алгоритм управления, основанный на принципе максимизации функции полезности;
- Разработан метод оптимизации алгоритма управления на принципе максимизации функции полезности
- Разработан ряд алгоритмов целераспределения для ведения активного воздушного боя группы беспилотных летательных аппаратов;
Научная новизна работы заключается в том, что:
- Предложено использовать генетические алгоритмы для оптимизации алгоритма управления
- Показан ряд эффективных для различных задач алгоритмов целераспределения для системы группового управления.
Теоретическая значимость работы заключается в исследовании новых подходов к решению задач управления группой агентов.
Практическая значимость работы заключается в реализации управления группой агентов алгоритмом управления, основанном на принципе максимизации функции полезности и оптимизированным генетическим алгоритмом.
Апробация работы. Результаты работы прошли апробацию путём обсуждения на одной международной конференции:
• «62 научная конференция МФТИ», г. Москва, ноябрь 2019;
Текст дипломной работы включает в себя 23 страниц, 6 иллюстраций и содержит аналитический обзор 25 источника.
Работа содержит введение, 7 глав, заключение и список источников.
Во введении сформулированы цель работы и ее актуальность, указаны решенные задачи, обоснованы научная новизна и теоретическая значимость работы, отмечены практическая значимость и достоверность результатов, перечислены основные публикации и конференции.
В главе 1 дан аналитический обзор источников литературы. Рассмотрено 25 источников по теме бакалаврской работы, обоснован выбор направления исследования, сформулированы нерешенные задачи и намечены пути их решения.
В главе 2 сформулирована постановка задачи.
В главе 3 описывается реализация программного стенда, структура боевого игрового поля, а также математическая модель движения. В конце главы приводятся правила ведения воздушных боев симуляции.
В главе 4 описывается технология разработки базового алгоритма для управления БПЛА. Представлено качественное описание сценариев поведения для различных боевых ситуаций.
В главе 5 описывается технология разработки интеллектуального алгоритма для управления БПЛА. Приводится описание реализации функции полезности и методы выбора весовых коэффициентов. Описывается настройка алгоритма для отдельных параметров функции полезности.
В главе 6 приводится описание оптимизации управления и функции приспособленности для корректной работы генетического алгоритма для большого числа симуляций воздушных боев. В конце главы приводится статистика и графики, отображающие эффективность примененных методов для улучшения результатов алгоритма, управляющего агентами.
В главе 7 приводится описание групповых взаимодействий. Описывается, как меняется функция полезности при введении новых агентов в симуляцию боя. Описывается формирование строя и его влияние на результат боя. Рассказывается про алгоритмы целераспределения, показывается их эффективность в разных боевых условиях. В конце приводится статистика и графики, показывающие эффективность представленных методик.
В заключении сформулирована решенная задача, представлены выводы, указаны дальнейшие пути развития проекта по улучшению эффективности генетического алгоритма для реализации управления группой БПЛА.
Основные результаты работы получены автором лично и опубликованы в журнале списка ВАК: М. А. Кудров, К. Д. Бухаров, Э. А. Захаров, Д Р. Махоткин, Н. Е. Кривошеин, Н. А. Гришин, В. Семенкин "Интеллектуальный алгоритм управления группой беспилотных аппаратов" - 2019.
Купить