Оптимизация траектории движения объекта по вероятностному критерию в режиме пассивной гидролокации в анизотропной среде. Методы чернового фрезерования при оптимизированной траектории перемещения фрезы Оптимизация траектории движения
Задача «коммивояжера» - одна из основополагающих задач логистики. Она сводится к отысканию оптимального маршрута (последовательности прохождения объектов, точек, узлов).
В машиностроении и в частности в металлообработке к задаче коммивояжера могут быть сведены задачи оптимизации траектории режущего инструмента (включая основные и вспомогательные перемещения).
Так при выполнения листового раскроя или сверления большого числа отверстий в корпусных деталях возникает задача определения оптимальной последовательности обработки этих элементов.
Существует большое число стандартных алгоритмов (т.к. данную задачу вручную решить практические невозможно): среди которых можно выделить – «жадный» алгоритм, «деревянный» алгоритм, метод ветвей и границ, прямого перебора (единственный точный) и некоторые другие.
Исходными данными для задачи служит матрица расстояний между узлами, а результатом – последовательность номеров вершин – последовательность обхода этих вершин.
Параметризация и ассоциативное проектирование. Параметрические модели. Автоматизация проектирования на основе параметризации
Параметризация и ассоциативное проектирование это самое современный и наиболее перспективный метод моделирования и проектирования.
Он заключается в том, что любая конструкция детали, узла, процесса представляется в виде набора отдельных параметров, доступных для редактирования в любой момент проектирования. К примеру, винт характеризуется следующими параметрами – тип резьбы, ее диаметр, шаг и длина резьбовой части, а также тип головки и общая длина. Этих параметров достаточно, чтобы сформировать чертеж или трехмерную модель данного винта. Эти же параметры могут быть использованы для проектирования технологического процесса его обработки. Изменение одного параметра винта (например, на стадии проектирования сборочной единицы), повлечет за собой параметрическое изменение параметра как на чертеже детали, и технологического процесса его изготовления.
Параметрические связи могут быть не только размерными, но и логическими. Это позволяет создавать полностью ассоциативные и параметризованные проекты. Например, можно создать единую модель двигателя внутреннего сгорания. А для конкретной модели автомобиля указывать в качестве параметров – число цилиндров и тип, при этом в производственную спецификацию будут включаться только те детали и соответствующими параметрами, которые характерны для выбранной конструкции. Это позволяет в единой модели содержать большое число компоновок конструкций, а технологических процессов автоматически привязываются к параметрам деталей.
Параметрическое проектирование лежит в основе практически всех современных CAD-систем (например,T-Flex).
Технологические особенности современных станков с чпу. Возможности, оснащение. Новые нетрадиционные компоновки
Современные станки с ЧПУ обладают высокой производительностью и позволяют концентрировать на одной операции большое число переходов, которые традиционно выполнялись на нескольких станках.
Так наиболее перспективные в настоящее время считаются токарные обрабатывающие центры. Они позволяют проводить все возможные токарные переходы, а также дополнительно сверлильные и фрезерные, а зачастую и зубофрезерные и шлифовальные. Такие станки часто оснащаются противошпинделем и позволяют вести обработку с двух сторон с автоматической передачи заготовки из главного шпинделя в противошпиндель.
В последнее время намечается тенденция в разработке новых нетрадиционных для станков компоновок – без линейных движений. Например, пятикоординатные станки типа Hexapodс платформой Стюарта, а также станки только с вращательными движениями (как у некоторых роботов).
Abstract
Рассмотрена задача выбора траектории движения маневрирующего объекта и закона изменения его скорости при движении объекта в трехмерной анизотропной среде распространения сигнала, когда его пытаются обнаружить несколько наблюдателей, расположенных в заданном районе. Критерием выбора траектории объекта служит вероятность его необнаружения на всей траектории движения ни одним из наблюдателей. Предложен дискретный метод оптимизации этого критерия на основе принципа динамического программирования при условии, что время движения объекта ограничено известной величиной.
Suggested Citation
Download full text from publisher
Corrections
All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item"s handle: RePEc:scn:009530:15615398 . See general information about how to correct material in RePEc.
For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: (CyberLeninka) The email address of this maintainer does not seem to be valid anymore. Please ask CyberLeninka to update the entry or send us the correct email address . General contact details of provider: http://cyberleninka.ru/ .
If you have authored this item and are not yet registered with RePEc, we encourage you to do it . This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.
We have no references for this item. You can help adding them by using this form .
If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.
Please note that corrections may take a couple of weeks to filter through the various RePEc services.
Система числового программного управления помогает добиться от современных фрезерных станков высокой скорости и большей точности обработки. Эта система является микроэлектронным устройством, она по принципу работы очень похожа на механизм персонального компьютера. Система управления хранит текущие данные в оперативной памяти, а программные коды обрабатывает микропроцессор (контроллер числового программного управления).
Основной функцией ЧПУ является не только контроль электронных систем фрезерного станка, но и формирование и выстраивание управляющих импульсов специально для исполнительных элементов, то есть электродвигателей портала с инструментами. Получив программный код, микропроцессор начинает формировать импульсы четко выверенной продолжительности, после чего порта, шпиндель с закрепленной фрезой начинают двигаться по той траектории обработки, которую задает управляющая программа. Та часть микроконтроллера, которая отвечает за проведение этой операции, называется интерполятором.
Как задается траектория фрезы
Траекторию движения фрезы задает непосредственно программное обеспечение, делается это в виде узловых точек на осях координат относительно плоскости заготовок. Общее число точек строго регламентировано (так как действует дискретное программирование), участок непосредственного движения фрезы между двумя точками микроконтроллер формирует самостоятельно, интерполируя значения координат близлежащих узловых точек. От типа интерполяции напрямую зависит и степень обработки заготовки.
Для современных фрезерных станков с числовым программным управлением характерно использование двух типов интерполяции:
Линейная (инструмент движется по прямой линии между двумя заданными точками).
Линейно-круговая (инструмент может описывать дугу и двигаться по прямой линии между заданными точками). При этом типе программа должна содержать информацию не только о координатах узловых точек, но и о величине центров дуг (показатель радиуса).
Характеристики новых систем ЧПУ
В обрабатывающей промышленности наиболее перспективным направлением признается ВСО, или метод высокоскоростной обработки резанием. Принцип ВСО – закономерность и постепенность резкого снижения режущей силы при заданной скорости обработки материала. Показатель скорости индивидуален и константой не является. Система числового программного управления выстраивает такую траекторию обработки, которая будет следить за относительным значением скорости. При условии изменения резания движение и скорость фрезы не должны выходить за границы ВСО.
Но для наибольшей эффективности стоит помнить о нескольких условиях:
Система числового программного управления должна быть очень хорошо отлаженной и способной «продумывать» алгоритм действия наперед, просчитывая траекторию и предотвращая резкие смены направления.
Сам станок должен быть достаточно жестким, а его детали (как, например, шаговые электродвигатели) оснащены запасом по быстродействию. В целом, любая современная конструкция фрезерных станков без каких-либо осложнений поддерживает ВСО.
Для программы обработки лучше всего выбрать систему типа CAD/CAM, которая адекватно работает с алгоритмом ВСО.
Все эти факторы указывают на принципиально важную роль интерполятора, основная функция которого – обеспечение правильного и согласованного движения режущего инструмента в нескольких независимых плоскостях (три и больше). Также допустима возможность мгновенной оптимизации траектории и прогноза возможных проблемных участков.
Как добиться максимальной точности обработки станков с ЧПУ
Как уже упоминалось выше, траектория движения инструмента строится по линейной или линейно-круговой модели. Показатели узловых точек задаются дискретным путем, а та траектория, которая задавалась микропроцессором, будет немного отклоняться от идеального значения. Заданной длине управляющего импульса равняется конкретный показатель режущего инструмента. Практически все современные фрезеровочные станки с числовым программным управлением отличаются высокой точностью обработки – приблизительно 0,01 мм/импульс. Если говорить об инновационных системах, внедряемых в последнее время, то там этот показатель будет ещё выше – около 0,001 мм/имп.
Но на точность работы фрезерного станка влияет не только комплекс микросистем числового программного управления, важной оказывается и механическая составляющая. Для того, чтобы соответствовать заявленным характеристикам, электродвигатели (как и другие элементы) должны предоставлять такую обработку импульсов, которая будет одновременно и быстрой, и точной. Шаговые разновидности электродвигателей при увеличении их мощности проигрывают в быстродействии и точности.
Выпущенные намного раньше и рассчитанные на обработку крупногабаритных деталей, требуют замены шаговых электродвигателей на серводвигатели, что позволяет увеличить продуктивность. Серводвигатели развивают достаточно высокую мощность, но при этом их необходимо снабдить датчиками положения портала инструментов, чтобы обеспечить высокую точность позиционирования. Те характеристики, которые выводят датчики, оказывают влияние на точность работы непосредственно самого фрезерного станка.
Достичь высоких показателей точности и высокой скорости работы фрезерного станка с числовым программным управлением невозможно без использования узлов трения высокого качества (подшипники, линейные направляющие инструментального портала, винтовые пары и другое).
Как добиться рационального построения траектории
Современные фрезерные станки с числовым программным управлением обладают высоким «запасом прочности», это касается и механической, и вычислительной способности. Но все же стоит отметить, что обработка деталей все же зависит в большей степени от человеческого фактора. Любая ошибка в настройке программы может привести к тому, что оборудование не будет работать в полную мощь.
Несмотря на все достоинства систем числового программного управления и той производительности, которую они показывают, их траекторию стоит время от времени оптимизировать. Для этого есть два способа — CAM-система и работа профессионалов-технологов. Правильно подобранная траектория обеспечивает выпуск качественного изделия, а износ станка при этом уменьшается. В то же время значительно увеличивается производительность, это влечет и повышение доходов.
ВВЕДЕНИЕ
ГЛАВА 1. ОПТИМИЗАЦИЯ ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ В ЗАДАЧЕ ОПРЕДЕЛЕНИЯ КООРДИНАТ И ПАРАМЕТРОВ ДВИЖЕНИЯ ЦЕЛИ. ИСТОРИЯ ВОПРОСА И ЦЕЛЬ ИССЛЕДОВАНИЯ
1.1. Общее описание задачи определения КПДЦ
1.2. Методы построения оценок в задаче определения КПДЦ
1.3. Наблюдаемость в задаче определения КПДЦ
1.4. Планирование эксперимента в задаче определения КПДЦ
1.5. Целевая функция и функция качества
1.6. Критерии оптимальности, связанные с характеристиками информационной матрицы Фишера
1.7. Методы оптимизации в задаче определения КПДЦ
1.8. Генетические алгоритмы
1.9. Цель исследования
Выводы по главе 1
ГЛАВА 2. ОПТИМИЗАЦИЯ ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ КАК ЗАДАЧА ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА
2.1. Задача определения КПДЦ по измерениям пеленга
2.1.1. Постановка задачи определения КПДЦ по измерениям пеленга
2.1.2. Информационная матрица Фишера в задаче определения КПДЦ
2.1.3. Наблюдаемость в задаче определения КПДЦ
2.1.4. Метод определения КПДЦ «N-пеленгов»
2.2. Оптимизация траектории наблюдателя в задаче определения КПДЦ
2.2.1. Критерии оптимальности, связанные с информационной матрицей Фишера
2.2.2. Методы оптимизации траектории наблюдателя в задаче определения КПДЦ
2.2.3. Требования, предъявляемые к методам оптимизации траектории наблюдателя в задаче определения КПДЦ
2.3. Планирование эксперимента в задаче определения КПДЦ
2.3.1. Последовательное и статическое планирование эксперимента
2.3.2. Задачи планирования эксперимента
2.3.3. Параметризация траектории наблюдателя
2.3.4. Целевая функция
2.3.5. Функция качества
2.3.7. Применение генетических алгоритмов в задаче оптимизации траектории наблюдателя
2.3.8. Байесовский подход к задаче оптимизации траектории наблюдателя
2.3.9. Метод решения прямой задачи
2.3.10. Метод решения обратной задачи
Выводы по главе 2
ГЛАВА 3. ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В ЗАДАЧЕ ОПТИМИЗАЦИИ
ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ
3.1. Решение прямой задачи с помощью генетического алгоритма с эмиссией интронов (IEGA)
3.1.1. Классический ГА и гипотеза строительных блоков
3.1.2. Применение классического ГА в прямой задаче
3.1.3. Мера разнообразия популяции
3.1.4. Интроны и экзоны
3.1.5. Выделение интронных островов
3.1.6. Операторы локального перебора на экзонных островах
3.1.7. Модифицированный оператор мутации
3.1.8. Модифицированный оператор рекомбинации
3.1.9. Генетический алгоритм с эмиссией интронов (.ШСА)
3.1.10. Результаты моделирования: сравнение СЛ и ДХМ
3.2. Решение обратной задачи с помощью генетического алгоритма с распространением триплетов (ТРОА)
3.2.1. Задание хромосомы алгоритма
3.2.2. Функция приспособленности алгоритма
3.2.3. Оператор распространения триплетов
3.2.4. Операторы мутации и скрещивания
3.2.5. Генетический алгоритм с распространением триплетов (ТРОА)
3.2.6. Пример использования ТРОА при решении обратной задачи
3.3. Варианты обобщения и замечания относительно предложенных алгоритмов
Выводы по главе 3
ГЛАВА 4. РЕЗУЛЬТАТЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
4.1. Сравнение двух- и трехгалсовых траекторий по критерию точности оценок КПДЦ
4.2. Определение КПДЦ с помощью оптимизированной траектории наблюдателя (одна цель)
4.3. Определение КПДЦ с помощью оптимизированной траектории наблюдателя (две цели)
4.4. Построение зависимости времени решения задачи определения КПДЦ от СКО
пеленгования
Выводы по главе 4
ЗАКЛЮЧЕНИЕ
ПРИЛОЖЕНИЕ. Применение метода ортогональных проекций (МОП) для оценки КПДЦ
методом «]Ч[-пеленгов»
СПИСОК ЛИТЕРАТУРЫ
Рекомендованный список диссертаций
Синтез систем управления роботами-манипуляторами на основе блочного подхода 2008 год, кандидат технических наук Нгуен Тхань Тиен
Разработка методов математического моделирования кинематики промышленных манипуляторов 2005 год, кандидат технических наук Пчелинцева, Светлана Вячеславовна
Модели и алгоритмы оптимизации технологических процессов на судах и управления судовыми техническими средствами 2010 год, кандидат технических наук Голубев, Павел Викторович
Методы построения манипуляторов с подвесом схвата на гибких звеньях 2013 год, кандидат технических наук Алепко, Андрей Владимирович
Обработка навигационной информации и синтез адаптивного закона управления морским судном при стабилизации на траектории 2001 год, доктор технических наук Пелевин, Александр Евгеньевич
Введение диссертации (часть автореферата) на тему «Методы и алгоритмы оптимизации траектории наблюдателя в задаче определения координат и параметров движения цели»
ВВЕДЕНИЕ
Актуальность. В диссертации рассматривается задача совершенствования методов построения траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения цели (КПДЦ). Задача определения КПДЦ возникает в различных областях техники, связанных с вопросами акустической и оптической навигации, позиционирования и оценки параметров движущихся объектов. Задача состоит в построении наблюдателем статистических оценок координат и параметров движения объекта наблюдения («цели»). Объем накопленной информации об оцениваемых параметрах характеризуется информационной матрицей Фишера, которая в задаче определения КПДЦ зависит от траектории движения наблюдателя. Данная зависимость может быть рассмотрена в терминах задачи планирования эксперимента, состоящей в оптимизации траектории движения наблюдателя по критерию точности статистических оценок КПДЦ. Задача оптимизации траектории наблюдателя представляет собой поиск параметров движения наблюдателя, доставляющих экстремум функции от информационной матрицы.
Диссертационная работа посвящена рассмотрению задачи оптимизации траектории наблюдателя применительно к оценке параметров движения морских целей только по измерениям пеленга (в пассивном режиме).
Анализ существующих рекомендаций по маневрированию и методов построения траектории наблюдателя при определении КПДЦ показал, что они обладают следующими недостатками: не доставляют оценки КПДЦ приемлемой точности; делают ограничительные предположения относительно параметров движения цели; не позволяют получать решение в режиме реального времени; предполагают частое маневрирование; сложно масштабируются на случай нескольких целей.
Из изложенного следует, что существуют нерешенные вопросы в области повышения точности определения КПДЦ, которые могут быть устранены путем
оптимизации траектории движения наблюдателя, что определяет актуальность проводимых исследований.
Цель диссертационной работы состоит в разработке методов и алгоритмов решения задач построения в режиме реального времени траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей.
Основные задачи исследования. Достижение указанной цели диссертации осуществляется посредством решения следующих задач, решения которых выносятся на защиту:
1. Разработать метод построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей {прямая задача).
2. Разработать метод оценки минимального времени, необходимого для получения статистических оценок координат и параметров движения одной или нескольких целей заданной точности {обратная задача).
3. Разработать алгоритмы оптимизации, предназначенные для решения в режиме реального времени прямой и обратной задач построения траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения цели.
Методы исследования. В диссертации применялись методы математической статистики, регрессионного анализа, планирования эксперимента, оптимального управления, генетические алгоритмы.
Достоверность и обоснованность полученных результатов обеспечивается использованием апробированных научных методов, применяемых при планировании регрессионных экспериментов, оптимизации сложных функций, робастной обработке сигналов; соблюдением в процессе моделирования необходимых и достаточных условий обеспечения адекватности разрабатываемых моделей и их отдельных фрагментов реальным процессам; непротиворечивостью результатов исследования результатам, опубликованным в рецензируе-
мых научных периодических изданиях и полученным различными научно-исследовательскими учреждениями флота и промышленности при проведении натурных экспериментов и испытаний по точности определения КПДЦ.
Научная новизна полученных результатов.
Первый метод, в отличие от известных методов построения оптимизированной траектории наблюдателя, позволяет находить близкое к оптимальному решение по одной или нескольким целям в режиме реального времени и автоматически определяет необходимое число и длительность галсов траектории наблюдателя.
Второй метод, в отличие от известных методов оценки искомой величины, оперирует траекториями наблюдателя, близкими к оптимальным, что позволяет уточнить оценку минимального времени, необходимого для получения статистических оценок КПДЦ заданной точности. Предложенный метод является первым методом, применимым в режиме реального времени при определении КПДЦ по одной или нескольким целям.
Алгоритм оптимизации, реализующий первый метод, является генетическим алгоритмом с эмиссией интронов (Intron Emission Genetic Algorithm, IEGA). Компьютерный эксперимент показал, что предложенный алгоритм позволяет сократить (по сравнению с классическим генетическим алгоритмом) число перебираемых вариантов при решении оптимизационной задачи в методе построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок КПДЦ. Данный алгоритм может быть использован в других задачах оптимизации дискретных по времени управляющих воздействий.
Алгоритм оптимизации, реализующий второй метод, является генетическим алгоритмом с распространением триплетов {Triplet Propagation Genetic Algorithm, TPGA). Компьютерный эксперимент показал, что предложенный алгоритм позволяет сократить (по сравнению с классическим генетическим алгоритмом) число перебираемых вариантов при решении оп-
тимизационной задачи в методе оценки минимального времени, необходимого для получения статистических оценок КПДЦ заданной точности. Предложенный алгоритм является первым алгоритмом, позволяющим одновременно находить оптимальные по точности статистических оценок КПДЦ траектории движения наблюдателя различной длительности.
Практическая полезность результатов диссертационной работы состоит в том, что они позволяют: принимать обоснованные решения и оценивать принятые решения по выбору параметров движения наблюдателя при определении координат и параметров движения одной или нескольких целей; строить в режиме реального времени оценку минимального времени, необходимого для получения оценок КПДЦ заданной точности.
Результаты работы использовались в ОАО «Концерн «НПО «Аврора» в НИР «0птимизация-2011» и «ИСБУ-НАПЛ» (подтверждено двумя актами о реализации), а также в учебном процессе по курсу «Технологии программирования», читаемом на кафедре «Компьютерные технологии» Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики.
Апробация работы. Основные результаты диссертационной работы докладывались на научно-технических конференциях «Системный анализ при создании кораблей, вооружения и военной техники ВМФ» (СПб.: BMA им. Н.Г. Кузнецова, 2011) и «Интегрированные многофункциональные системы управления для ВМФ» (М.: Концерн «Моринформсистема-Агат», 2011), а также на конференциях молодых специалистов «III Всероссийский конкурс молодых ученых» (Миасс: «Межрегиональный совет по науке и технологиям», 2011) и «Корабельные системы управления и обработки информации» (СПб.: ОАО Концерн «НПО «Аврора», 2011, доклад был удостоен первого места в секции «Программное обеспечение»).
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и одного приложения. Общий объем диссертации 132 страницы, включающих 114 страниц текста, 26 рисунков и восемь страниц приложения. Список литературы содержит 108 наименований.
Первая глава настоящей работы посвящена обзору и анализу существующих результатов по исследуемому вопросу. В первой главе показано место, которые занимают рассматриваемые задачи и предложенное в диссертации их решение в контексте современных исследований по данной теме.
Во второй главе диссертационной работы оптимизация траектории наблюдателя рассматривается как задача планирования эксперимента. Предлагается разбить траекторию наблюдателя на большое число равных по длительности интервалов. В качестве плана эксперимента предлагается рассматривать вектор углов поворота траектории наблюдателя в начальных точках определенных выше временных интервалов. Дается постановка прямой и обратной задач оптимизации траектории наблюдателя и описание методов их решения, как задач глобальной оптимизации в режиме реального времени.
В третьей главе диссертации приводится описание алгоритмов оптимизации, предложенных для решения прямой и обратной задач в режиме реального времени. Предложенные алгоритмы представляют собой модификации генетических алгоритмов, сокращающие (по сравнению с классическим генетическим алгоритмом) перебор вариантов решений за счет реализации идеи гипотезы строительных блоков применительно к решаемым задачам оптимизации. Делается вывод о применимости данных алгоритмов для решения задач оптимального управления с дискретным по времени управляющим воздействием.
Четвертая глава посвящена описанию и анализу результатов имитационного моделирования, иллюстрирующих работу предложенных методов и алгоритмов решения прямой и обратной задач оптимизации траектории наблюдателя в задаче определения КПДЦ.
A. А. Шалыто - за указание направления поиска решения задачи; коллегам по работе в ОАО «Концерн «НПО «Аврора»: непосредственным руководителям, канд. техн. наук Н. М. Киваеву, канд. техн. наук А. Ф. Гаврилову и канд. техн. наук В. О. Михайлову - за создание условий, способствовавших проведению работы, Б. Л. Беляеву, канд. техн. наук Ю. А. Кузьменко, канд. техн. наук
B. Н. Волобуеву, А. Н. Кулькову и докт. воен. наук В. И. Поленину - за обстоятельное обсуждение результатов и практические рекомендации; канд. техн. наук В. В. Панкратьеву - за помощь в проверке полученных результатов на альтернативном имитаторе, докт. техн. наук А. Б. Дыменту - за ценные методические рекомендации. Автор считает необходимым указать на определяющий вклад в формирование базовых знаний в области теории вероятностей, который внесли сотрудники кафедры «Теории вероятностей и математической статистики» СПбГУ, и, в особенности, канд. физ.-мат. наук, доцент С. С. Валландер. Автор особенно благодарит родителей и Катю, без поддержки и понимания которых данная работа была бы невозможна.
Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Методы синтеза автоматического управления электроприводами переменного тока, малочувствительных к изменениям параметров 1997 год, доктор технических наук Панкратов, Владимир Вячеславович
Разработка системы на основе световых экранов для определения внешнебаллистических параметров 2010 год, кандидат технических наук Вдовин, Алексей Юрьевич
Адаптивная обработка данных авиационной гравиметрии 2012 год, кандидат физико-математических наук Дорошин, Данила Рубенович
Оптимизация управления электромеханическими системами и подвижными объектами 2000 год, доктор технических наук Яковенко, Павел Георгиевич
Управление зеркальной системой радиотелескопа миллиметрового диапазона 2007 год, кандидат технических наук Кучмин, Андрей Юрьевич
Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Степанов, Денис Вячеславович
Выводы по главе 4
1. Двухгалсовые траектории наблюдателя обычно не позволяют получить хорошие оценки дистанции и скорости. При этом для оценки курса двух галсов обычно оказывается достаточно.
2. Переход к траекториям с четырьмя и более галсами одинаковой длины не приводит к существенному улучшению по сравнению с ситуацией трехгалсо-вых траекторий.
3. Байесовский подход применим для оценки целей с довольно широко определенными параметрами априорного распределения.
4. В ряде ситуаций практически интересно рассматривать траектории, оптимизированные по точности оценок параметров движения нескольких целей.
ЗАКЛЮЧЕНИЕ
В диссертационной работе решены следующие задачи:
1. Разработан метод построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей (прямая задача).
2. Разработан метод оценки минимального времени, необходимого для получения статистических оценок координат и параметров движения одной или нескольких целей заданной точности (обратная задача).
3. Построены алгоритмы решения (в режиме реального времени) прямой и обратной задач построения оптимизированной траектории наблюдателя (генетический алгоритм с эмиссией интронов и генетический алгоритм с распространением триплетов).
Предложенные алгоритмы оптимизации могут быть использованы также в задачах оптимального управления с дискретным по времени управляющим воздействием.
На основании полученных результатов можно утверждать, что в диссертации решена научная задача - разработаны новые методы и алгоритмы решения задач построения в режиме реального времени оптимизированной траектории наблюдателя, обеспечивающей повышение точности определения КПДЦ по одной или нескольким целям.
Список литературы диссертационного исследования кандидат технических наук Степанов, Денис Вячеславович, 2012 год
СПИСОК ЛИТЕРАТУРЫ
1. Nardone S. С., Lindgren A. G., Gong К. F. Fundamental properties and performance of conventional bearings-only target motion analysis. // IEEE Transactions on Automatic Control, 29(9), 1984.
2. Escobal P. R. Methods of Orbit Determination. NY.: John Wiley and Sons,
3. Sabol C., Vallado D. A Fresh Look at Angles-Only Orbit Determination /Proceedings of Astrodynamics Specialist Conference. Alaska, 1999.
4. Vallado D. A. Fundamentals of Astrodynamics and Applications. Microcosm Press and Kluwer Academic Publishers, 2004.
5. Bishop A. N., Pathirana P. N. Optimal Trajectories for Homing Navigation with Bearing Measurements / Proceedings of the 17th World Congress the International Federation of Automatic Control. Seoul, 2008.
6. Acton С. H. A. Processing Onboard Optical Data for Planetary Approach Navigation // Journal of Spacecraft and Rockets. 9(10), 1972.
7. Kawaguichi J., Hashimoto Т., Kubota Т., Sawai S. Autonomous Optical Guidance and Navigation Strategy Around a Small Body // Journal of Guidance, Control, and Dynamics. 20(5), 1997.
8. Fang G., Dissanayake G., Kwok N. M., Huang S. Near Minimum Time Path Planning for Bearing-Only Localization and Mapping / Proceedings of IEEE International Conference on Intelligent Robots and Systems, 2005.
9. Frew E. W., Rock S. M. Trajectory Generation for Monocular Vision-Based Tracking of a Constant Velocity Target / IEEE International Conference on Robotics and Automation. Taipei, 2003.
10. Frew E. W. Observer Trajectory Generation for Target-Motion Estimation Using Monocular Vision. PhD Dissertation Thesis. Stanford, 2003.
11. Ponda S. S. Trajectory Optimization for Target Localization Using Small Unmanned Aerial Vehicles. Master of Science in Aeronautics and Astronautics Dissertation Thesis. MIT, 2008.
12. Hernandez M. L. Optimal Sensor Trajectories in Bearings-Only Tracking / Proceedings of the 7-th International Conference on Information Fusion, Stockholm, Sweden, June 2004.
13. Aidala V. J. Kaiman Filter Behavior in Bearings-Only Tracking Applications // IEEE Transactions on Aerospace and Electronic Systems. 15(1), 1979.
14. Nardone S. C., Graham M. L. A Closed-Form Solution to Bearings-Only Target Motion Analysis // IEEE Journal of Oceanic Engineering. 22(1), 1997.
15. Ristic В., Arulampalam M. S. Tracking a manoeuvering target using angle-only measurements: algorithms and performance // Signal Processing. 83(2), 2003.
16. Aidala V. J., Nardone S. C. Biased estimation properties of the pseudolinear tracking filter // IEEE Transactions on Aerospace Electronic Systems. 18(4), 1982.
17. Болотин Ю. В., Моргунова С. Н. Наблюдаемость по угловым измерениям и гладкость границы области достижимости // Фундаментальная и прикладная математика. 2005, № 8.
18. Ezal К., Agate С. Tracking and interception of ground-based RF sources using autonomous guided munitions with passive bearings-only sensors and tracking algorithms / Proceedings of the 2004 SPIE, Defense and Security Symposium, 2004.
19. Fidan В., Drake S. P., Anderson B. D. О., Mao G., Kannan A. A. Collinear-ity problems in passive target localization using direction finding sensors / Proceedings of the 5th International Conference on Intelligent Sensors, Sensor Networks and Information Processing, 2009.
20. Bard J. D., Ham F. M., Jones W. L. An algebraic solution to the time difference of arrival equations / Proceedings of IEEE Southeastcon Conference. Tampa, 1996.
21 .Le Cadre J. P. Optimization of the observer motion for bearings-only target motion analysis / Proceedings of the 36th Conference on Decision and Control. San Diego, 1997.
22. Lindgren A. G., Gong K. F. Position and velocity estimation via bearing observations // IEEE Transactions on Aerospace and Electronic Systems. 14(4), 1978.
23. Hammel S. E., Aidala V. J. Observability requirements for three-dimensional tracking via angle measurements // IEEE Transactions on Aerospace and Electronic Systems. 21(2), 1985.
24. Levine J., Marino R. Constant-speed target tracking via bearings-only measurements // IEEE Transactions on Aerospace and Electronic Systems. 28(1), 1992.
25. Hammel S. E., Liu P. Т., Hilliard E. J., Gong K. F. Optimal observer motion for localization with bearing measurements // Computers and Mathematics with Applications. 18(1 - 3), 1989.
26. Petsios M. N., Alivizatos E. G., Uzunoglu N. K. Manoeuvring target tracking using multiple bistatic range and range-rate measurements //Signal Processing. 87(1), 2007.
27. Petsios M. N., Alivizatos E. G., Uzunoglu N. K. Solving the association problem for a multistatic range-only radar target tracker // Signal Processing. 88(1), 2008.
28. Ristic В., Arulampalam S., McCarthy J. Target motion analysis using range-only measurements: algorithms, performance and application to ISAR data // Signal Processing. 82(1), 2002.
29. Bishop A. N., Fidan В., Anderson B. D. O., Dogancay K., Pathirana P. N. Optimality analysis of sensor-target localization geometries // Automatica. 46(1), 2010.
30. Martinez S., Bullo F. Optimal sensor placement and motion coordination for target tracking // Automatica. 42(1), 2006.
31. Musicki D. Bearings only multi-sensor maneuvering target tracking // Systems & Control Letters. 57(1), 2008.
32. Dogancay K. On the bias of linear least squares algorithms for passive target localization // Signal Processing. 84(1), 2004.
33. Dogancay K. Bearings-only target localization using total least squares. // Signal Processing. 85(1), 2005.
34. Ince L., Sezen B., Saridogan E., Ince H. An evolutionary computing approach for the target motion analysis (TMA) problem for underwater tracks // Expert Systems with Applications. 36(1), 2009.
35. Farina A. Target tracking with bearings-only measurements // Signal Processing. 78(1), 1999.
36. Fogel E., Gavish M. Nth-order dynamics target observability from angle measurements // IEEE Transactions on Aerospace and Electronic Systems. 24(3), 1988.
37. Ristic B., Arulampalam S. Tracking a manoeuvring target using angle-only measurements: algorithms and performance // Signal Processing. 83(1), 2003.
38. Skoglar P., Orguner U. On Information Measures for Bearings-only estimation of a Random Walk Target. Technical report. Linkopings University. Sweden, 2009.
39. Le Cadre J. P., Gauvrit H. Optimization of the observer motion for bearings-only target motion analysis / Proceedings of the First Australian Data Fusion Symposium, 1996.
40. Le Cadre J. P., Tremois O. Properties and Performance of Extended Target Motion Analysis // IEEE Transactions on Aerospace and Electronic Systems. 32(1), 1996.
41. Le Cadre J. P., Jauffret C. Discrete-time observability and estimability analysis for bearings-only target motion analysis // IEEE Transactions on Aerospace and Electronic Systems. 33(1), 1997.
42. Le Cadre J. P., Laurent-Michel S. Optimizing receiver maneuvers for bearing-only tracking//Automatica. 35(1), 1999.
43. Passerieux J. M., Van Cappel D. Optimal observer maneuver for bearings-only tracking // IEEE Transactions on Aerospace and Electronic Systems. 34(3), 1998.
44. Stansfield R. G. Statistical theory of DF fixing // Journal of IEEE. Pt III. A. Radiocommunication. 94(15), 1947.
45. Болотин Ю. В. Обобщенный метод наименьших квадратов в оценивания про угловым измерениям // Автоматика и телемеханика. 1997, № 2.
46. Nolle L. On a Novel ACO-Estimator and its Application to the Target Motion Analysis Problem / Proceedings of the 27th SGAI International Conference on Innovative Techniques and Applications of Artificial Intelligence/ Cambridge, 2007.
47. Bolotin Yu.V. A TLS approach to angle-only trajectory estimation // IEEE Workshop on Real Time Computing, Prague, 1994.
48. Беляев Б. JI., Панкратьев В. В., Степанов Д. В. Использование метода ортогональных проекций в задаче «N-пеленгов» // Системы управления и обработки информации, 2011. Вып. 22.
49. Степанов Д. В. Построение несмещенных оценок координат и параметров движения цели в задаче «N-пеленгов» методом ортогональных проекций /Системный анализ при создании кораблей, вооружения и военной техники: тематический сборник. 2011. Вып. 22.
50. Макшанов А. В., Поленин В. К, СухачевЮ. А. Оценка коэффициентов регрессии со стохастической матрицей плана на основе эмпирического байесовского оценивания с комплексированием метода наименьших квадратов и метода ортогональных проекций / Системный анализ при создании кораблей, вооружения и военной техники: тематический сборник. 2007. Вып. 18.
51. Arulampalam S., Ristic В., Gordon N., Mansell T. Bearings-Only Tracking of Manoeuvring Targets Using Particle Filters // Journal of Applied Signal Processing. 15(1), 2004.
52. Ristic В., Arulampalam S., Gordon N. Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House, 2004.
53. Yu Y., Cheng Q. Particle filters for maneuvering target tracking problem. // Signal Processing. 86(1), 2006.
54. DengX., Xie J., Yang Y. Improved particle filter for passive target tracking // Journal of Shanghai University. 9(6), 2005.
55. Aidala V. J., Hammel S. E. Utilization of modified polar coordinates for bearings-only tracking // IEEE Transactions on Automatic Control. 28(3), 1983.
56. Xи В., Chen Q., Zhu J., Wang Z. Ant estimator with application to target tracking // Signal Processing. 90(1), 2010.
57. Yang Т., Lin M. Iterative Total Least Squares Filter in Robot Navigation // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. 1997, №2.
58. Наумов С. В., Чудаков О. Е. Задачи определения параметров движения целей с помощью сингулярного разложения / Материалы 19 конференции ВМИРЭ. Часть 1. СПб.: 2008.
59. Наумов С. В., Чудаков О. Е. Сингулярное разложение в задаче определения параметров движения цели // Автоматизация процессов управления. 2008, № 2.
60. Ince L., Sezen В., Saridogan Е., Ince Н. An evolutionary computing approach for the target motion analysis (TMA) problem for underwater tracks // Expert Systems with Applications. 36(1), 2009.
61. BjorckA. Numerical methods for least squares problems. SIAM, 1996.
62. HuffelS. V., Vandewalle J. The total least squares problem. SIAM, 1991.
63. Lawson C. L., Hanson R. J. Solving Least Squares Problems. SIAM, 1995.
64. Беляев Б. JI., Кузъменко Ю. А., Панкратьев В. В., Степанов Д. В. Об ожидаемом качестве оценок определения координат и параметров движения цели методом «N-пеленгов» при выбранном варианте собственного маневрирования / Сборник докладов научно-технической конференции «Состояние, проблемы и перспективы создания корабельных информационно-управляющих комплексов» М.: 2011.
65. Press W. H., Teukolsky S. A., Vetterling W. Т., Flannery B. P. Numerical Recipes: The Art of Scientific Computing. Cambridge Press, 2007.
66. Nardone S. C., Aidala V. J. Observability criteria for bearings-only target motion analysis // IEEE Transactions on Aerospace and Electronic Systems. 17(2), 1981.
67. Payne A. N. Observability problem for bearing-only tracking // International Journal of Control. 49(3), 1989.
68. Levine J., Marino R. Constant-speed target tracking via bearings-only measurements // IEEE Transactions on Aerospace and Electronic Systems. 28(1), 1992.
69. Беляев Б. JI., Гаврилов А. Ф., Кузъменко Ю. А., Панкратьев В. В., Степанов Д. В. О связи между собственным маневрированием и качеством оценок координат и параметров движения цели // Морская радиоэлектроника. 2011. N° 4.
70. Oshman Y., Davidson P. Optimization of observer trajectories for bearings-only target localization // IEEE Transactions on Aerospace and Electronic Systems. 35(3), 1999.
71. Logothetis A., Isaksson A., Evans R. J. An information theoretic approach
to observer design for bearings-only tracking / Proceedings of the 36 Conference on Decision and Control. San Diego, 1997.
72. Frew E. W., Rock S. M. Exploratory Motion Generation for Monocular Vision-Based Target Localization / Proceedings of the IEEE Aerospace Conference. Big Sky, 2002.
73. Ермаков С. M. Метод Монте-Карло и смежные вопросы. М.: Наука,
74. Степанов Д. В. Использование генетического алгоритма для нахождения оптимального маневра в задаче «N-пеленгов» / Итоги диссертационных исследований. Том 1. Материалы III Всероссийского конкурса молодых ученых. М.: РАН, 2011.
75. Степанов Д. В. Использование генетического алгоритма для построения оптимальной траектории наблюдателя в задаче «N-пеленгов» / Сборник тезисов докладов научно-технической конференции молодых специалистов «Корабельные системы управления и обработки информации». СПб.: 2011.
76. Степанов Д. В., Шалыто А. А. Использование генетического алгоритма для нахождения оптимальной траектории наблюдателя // Научно-технический вестник информационных технологий, механики и оптики. 2012, № 1.
77. Cochran W. G. Experiments for nonlinear functions // Journal of the American Statistical Association. 68 (344), 1977.
78. Ucinski D. Optimal Measurement Methods for Distributed Parameter System Identification. CRC Press, 2005.
79. Ucinski D., Korbicz J., Zaremba M. On optimization of sensor motions in parameter identification of two-dimensional distributed systems / Proceedings of European Control Conference. Grenoble. France, 1993.
80. Muller W. G. Collecting Spatial Data: Optimum Design of Experiments for Random Fields. Springer, 2007.
81. Montgomery D. C. Design and Analysis of Experiment. John Wiley & Sons, 2001.
82. Atkinson A. C., Donev A. N., Tobias R. D. Optimum Experimental Designs with SAS. Oxford University Press, 2007.
83. Kiefer J. Optimal design: Variation in structure and performance under change of criterion I I Biometrika. 62(1), 1975.
84. Pazman A. Concentration sets, ElfVing sets and norms in optimum designs // Optimum design 2000. Nonconvex optimization and its applications. 51(1), 2001.
85. Le Cadre J. P., Tremois O. The Matrix Dynamic Programming Property and its Applications // SIAM Journal of Matrix Analysis and Applications. 18 (4), 1997.
86. Liu P. Т. An optimum approach in target tracking with bearing measurements // Journal of Optimization Theory and Applications. 56(2), 1988.
87. Teo K. L., Goh C. J., Wong К. H. A unified computational approach to optimal control problem. Pitman Series in Pure and Applied Math., Longman Scientific and Technical, 1991.
88. Hocking L. M. Optimal control. An introduction to the theory with applications. Oxford Applied Math. Series, 1997.
89. Weise T. Global Optimization Algorithms - Theory and Applications, 2008 [Электронный ресурс]. - Режим доступа: http://www.it-weise.de, св. Яз. англ. (дата обращения 26.11.2011).
90. Oshman Y., Davidson P. Optimization of observer trajectories for bearings only target localization // IEEE Transactions on Aerospace and Electronic Systems. 35(3), 1999.
91. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989.
92. Haupt R. L., Haupt S. E. Practical genetic algorithms. John Wiley & Sons,
93. Reeves C. R, Rowe J. E. Genetic Algorithms: Principles and Perspectives. Kluwer Academic Publishers, 2003.
94. Spears W. M. Evolutionary Algorithms: The Role of Mutation and Recombination. Springer, 2000.
95. Mitchell M. An Introduction to Genetic Algorithms. MIT Press, 1999.
96. Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach. Prentice Hall, 2003.
97. Беляев Б. JI., Гаврилов А. Ф., Дымент А. Б., Кузъменко Ю. А., Панкратьев В. В. Проблема совместного функционирования БИУС и ГАК и БИУС современных неатомных ПЛ определении КПДЦ / Сборник докладов научно-технической конференции «Состояние, проблемы и перспективы создания корабельных информационно-управляющих комплексов» М.: 2009.
98. Беляев Б. Л., Гаврилов А. Ф., Дымент А. Б., Кузьменко Ю. А., Панкратьев В. В. Пути повышения качества решения задачи определения КПДЦ в БИУС ПЛ // Системы управления и обработки информации. 2009. Вып. 17.
99. Беляев Б. Л., Гаврилов А. Ф., Дымент А. Б., Кузьменко Ю. А., Панкратьев В. В. Использование оценок дистанции, вырабатываемых ГАК, для повышения качества решения в БИУС задач определения КПДЦ I Сборник докладов научно-технической конференции «Состояние, проблемы и перспективы создания корабельных информационно-управляющих комплексов» М.: 2010.
100. Гаврилов А. Ф., Дымент А. Б., Кузьменко Ю. А., Панкратьев В. В. Повышение качества решения задачи определения КПДЦ выбором маневра пеленгующего корабля / Сборник докладов научно-технической конференции «Состояние, проблемы и перспективы создания корабельных информационно-управляющих комплексов» М.: 2011.
101. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.
102. Крянев А. В., Лукин Г. В. Математические методы обработки неопределенных данных. М.: Физматлит, 2003.
103. Гантмахер Ф. Р. Теория матриц. М.: Физматлит, 2004.
104. Марков А. В. Рождение сложности: Эволюционная биология сегодня. Неожиданные открытия и новые вопросы. М.: Астрель, 2010.
105. BrameierM., Banzhaf W. Linear Genetic Programming. Springer, 2007.
106. Тулупьев А. ЛНиколенко С. И., Сироткин А. В. Байесовские сети. Логико-вероятностный подход. М.: Наука, 2006.
107. Markovsky /., Van Huffel S. Overview of total least squares methods // Signal Processing. 87(1), 2007.
108. Golub G. H., Van Loan C. F. An analysis of total least squares problem //Journal of Numerical Analysis. 17(1), 1980.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.
