| Русский Русский | English English |
   
Главная Архив номеров
21 | 11 | 2019
10.14489/vkit.2016.10.pp.003-010

DOI: 10.14489/vkit.2016.10.pp.003-010

Евдокименков В. Н., Ким Р. В., Якименко В. А.
ИНДИВИДУАЛЬНО-АДАПТИРОВАННЫЙ КОНТРОЛЬ И ПОДДЕРЖКА УПРАВЛЯЮЩИХ ДЕЙСТВИЙ ЛЕТЧИКА НА ОСНОВЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ
(c. 3-10)

Аннотация. Рассмотрена концепция индивидуально-адаптированного контроля и поддержки управляющих действий летчика при выполнении посадочных режимов, основу которой составляет нейросетевая модель системы «самолет–летчик». Предложен подход к формированию индивидуально-адаптированной нейросетевой модели деятельности летчика на этапе посадки, непрерывно уточняемой в процессе его деятельности по результатам предшествующих полетов, отражающей характерную манеру управления самолетом и позволяющей осуществлять прогноз точности приведения самолета на взлетно-посадочную полосу. Приведены результаты тестирования разработанной нейросетевой модели на основе данных, полученных в процессе имитационного моделирования посадки на аппаратно-программном симуляторе учебно-тренировочного самолета МиГ-АТ. Проанализированы варианты использования индивидуально-адаптированных нейросетевых моделей летчика для целей поддержки его управляющих действий как путем направленной коррекции положения курсовой и глиссадной планок, так и на основе использования стрелочной индикации интенсивности выполнения маневров пикирования / кабрирования.

Ключевые слова:  искусственные нейронные сети; модели деятельности летчика; системы поддержки летчика; посадка; методы классификации.

 

Evdokimenkov V. N., Kim R. V., Yakimenko V. A.
INTELLIGENT MONITORING AND SUPPORT FOR AIRCRAFT PILOT CONTROL ACTIVITY BASED ON THE NEURAL NETWORKS
(pp. 3-10)

Abstract. This paper presents the concept of intellectual monitoring and support for pilot control activities by aircraft landing modes. The presented approach is based on a neural network model of the “aircraft-pilot” ergatic system. It is supposed that the discussed model is unique for each pilot and reflects the individual manner of controlling the aircraft specific to this pilot. This model is continuously updated during the process of a pilot activities according to results of all previous flights using data registered by flight data recorders. Two different modes of the developed neural network model application is discussed. The first mode assumes using of this model for approximation the accuracy rate at the end of the landing mode based on the current aircraft state, while the second one is used as a statistical classifier of the aircraft state at the end of the landing mode based on the current state as well. Both of the presented approaches provide an opportunity for generating the support signals to the pilot in order to increase the landings accuracy. The paper also presents the results of testing the developed neural network models at the set of data obtained using a modern aircraft simulation facility. The paper also discusses the use of the individual neural network models of the pilot for generating optional indicating signals to diminish course and glide path deviations while performing the landing. The presented results confirm the effectiveness of the suggested approach.

Keywords: Artificial neural network; Pilot’s activity model; Pilot’s support systems; Landing; Classification methods.

Рус

В. Н. Евдокименков, Р. В. Ким, В. А. Якименко (Московский авиационный институт (национальный исследовательский университет), Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

V. N. Evdokimenkov, R. V. Kim, V. A. Yakimenko (Moscow Aviation Institute (National Research University), Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Рус

1. Машиностроение. Энциклопедия. В 40 т. Т. I – 4. Автоматическое управление. Теория / ред.-сост. Е. А. Федосов; отв. ред.: К. С. Колесников, Г. Г. Себряков. М.: Машиностроение, 2000. 688 с.
2. Себряков Г. Г. Моделирование деятельности человека-оператора в полуавтоматических системах управления динамическими объектами // Мехатроника, автоматизация, управление. 2010. № 4. С. 17 – 29.
3. Себряков Г. Г. Проблемы проектирования полуавтоматических систем наведения летательных аппаратов // Вестник компьютерных и информационных технологий. 2007. № 10. С. 2 – 7.
4. Себряков Г. Г., Красильщиков М. Н., Евдокименков В. Н. Контроль и интеллектуальная поддержка действий летчика при выполнении типовых полетных режимов на основе индивидуально-адаптированного подхода // Мехатроника, автоматизация, управление. 2014. № 8. С. 16 – 23.
5. Исследование индивидуальных особенностей управляющих действий летчиков в процессе посадки на основе нейросетевых моделей / В. Н. Евдокименков и др. // Вестник Московского авиационного института. 2015. Т. 22, № 3. С. 17 – 29.
6. Хакин С. Нейронные сети: полный курс / пер. с англ. Н. Н. Куссуль, А. Ю. Шелестова. 2-е изд. М.: Вильямс, 2006. 282 с.
7. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / пер. с англ. Ю. А. Зуева, В. А. Точенова; под ред. А. И. Галушкина. М.: Мир, 1992. 236 с.
8. Колмогоров А. Н. О представлении непрерывных функций нескольких переменных суперпозициями непрерывных функций меньшего числа переменных // Избранные труды. Математика и механика / сост. В. М. Тихомиров; отв. ред. С. М. Никольский. М.: Наука, 1985. С. 335 – 339.

Eng

1. Frolov K. V. (2000). Mechanical Engineering. Encyclopedia. In 40 volumes. Vol. I – 4. Automatic control. Theory. Moscow: Mashinostroenie. [in Russian language]
2. Sebriakov G. G. (2010). Modelling of the human operator in a semi-automatic dynamic objects control systems. Mekhatronika, avtomatizatsiia, upravlenie, (4), pp. 17-29. [in Russian language]
3. Sebriakov G.G. (2007). Problems of designing semi-automatic guidance systems of the aircraft. Vestnik komp'iuternykh i informatsionnykh tekhnologii, (10), pp. 2-8. [in Russian language]
4. Sebriakov G. G., Krasil'shchikov M. N., Evdokimenkov V. N. (2014). Control and intellectual support of the pilot actions in the performance of standard flight modes on the basis of individually adaptive approach. Mekhatronika, avtomatizatsiia, upravlenie, (8), pp. 16-23. [in Russian language]
5. Evdokimenkov V. N. et al. (2015). Study of specific peculiarities of control actions of the pilots during the landing based on neural network models. Vestnik Moskovskogo aviatsionnogo instituta, 22(3), pp. 17-29. [in Russian language]
6. Khakin S. (2006). Neural networks. Moscow: Williams. [in Russian language]
7. Uossermen F. (1992). Neurocomputing equipment. Theory and practice. Moscow: Mir. [in Russian language]
8. Kolmogorov A. N. (1985). Transformation of continuous functions of several variables by superpositions of continuous functions with fewer variables. Selected works. Mathematics and Mechanics, (pp. 335-339). Moscow: Nauka. [in Russian language]

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2016.10.pp.003-010}

.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2016.10.pp.003-010}

 

 

 

 

 

.

.

 

 

 
Поиск
Баннер
Баннер
Баннер
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Баннер
Rambler's Top100 Яндекс цитирования