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.
Дорожная разметка: 3 метода оптимизации движения September 16th, 2015
В арсенале отдела оптимизации дорожного движения СЦ ЦОДД есть много приемов по борьбе с пробками и очагами аварийности. О некоторых из них я рассказал сетевому изданию М24.ру, на портале вышла в понедельник, после чего интервью на ту же тему взяли телеканалы М24 и Вести-Москва. Судя по комментариям, суть методов поняли не все, поэтому выкладываю авторскую версию статьи с авторской же инфографикой.
Дорожное движение - по определению область повышенного риска. Автомобилисты и пешеходы зависят от других участников движения, погодных условий и особенностей организации дорожного движения. И если на первые два фактора повлиять не в нашей власти, то дороги мы можем и должны сделать максимально безопасными и удобными, сведя к минимуму риск как для водителей, так и для пешеходов. В Москве есть участки дорог, где конфликтные ситуации легко исправить с помощью локальных мер. Рассмотрим подробнее три из них.
1. Едущие прямо не должны перестраиваться
Очень перспективный, но пока малоиспользуемый способ оптимизации движения - изменение траектории полос, так называемое канализирование направлений.
К примеру, есть две полосы движения, перед перекрестком они превращаются в четыре. Часто в таких случаях просто добавляют 2 полосы справа. Едущий в левой полосе внезапно узнает, что она ведет только налево, и если он хочет ехать прямо, вынужден перестраиваться! Это неправильно: у движения прямо должен быть приоритет, а лишних перестроений быть вообще не должно, они создают пробки и аварийные ситуации. Исправить ситуацию можно, изменив траекторию полос и «изогнув» их так, чтобы те, кто едет прямо, оставались в своих полосах и не перестраивались. А поскольку это делается достаточно плавно на длинном участке, водители этого изгиба даже не почувствуют.
До конца года это будет сделано на проспекте Андропова у метро "Коломенская", на Земляном валу перед Таганской площадью и на площади Красные ворота на Садовом кольце. Повысим и пропускную способность, и безопасность, причем без расширения проезжей части, только изменением разметки. Таким образом, мы еще и деньги городу сэкономим: на расширение проезжей части нужны миллионы, а то и десятки миллионов рублей, а изменение разметки обходится в сотни тысяч, разница от 10 до 100 раз при том же эффекте.
2. Прикрытые островками съезды
Возьмем съезды с Садового кольца на набережные Яузы. Три из четырех съездов не прикрыты островками безопасности, поток с Земляного вала выезжает в уже занятый ряд. Такая схема движения приводит к конфликту транспортных потоков, из-за нее съезд с Садового кольца на Николоямскую набережную - место постоянных аварий, нередко с тяжкими последствиями. Чтобы это исправить, нужно увеличить островки безопасности, из трех полос набережной отдав по одной для потока с Садового. 
Таким образом мы "прикроем" съезды с Садового кольца на Берниковскую, Николоямскую и Полуярославскую набережные, тем самым повысив и безопасность, и пропускную способность. В будущем то же планируем сделать на съездах с Третьего кольца на Большую Тульскую, с МКАД на Алтуфьевское шоссе и в других местах.
Заодно на съездах с Земляного вала на набережные Яузы мы упорядочим парковочное пространство - там появится зона парковки без разбивки на отдельные места. Это будет выглядеть как прерывистая белая линия длиной около 100 метров, на каждом съезде «отбивающая» парковочную полосу шириной 2,5 метра.
3. Сужение полос
Полосы уменьшенной ширины ЦОДД применяет не первый год, но до сих пор многие автомобилисты задаются вопросом: зачем это нужно?
Причина первая: безопасность дорожного движения. В мировой практике ширина полосы зависит от скоростного режима. Самая широкая полоса при скоростном режиме 90-130 км в час - от 3,5 до 3,75 метров. При скорости 50-80 км в час обычно используют полосы 3,25 м. А на маленьких улочках в центре города, где разрешено двигаться со скоростью 30-50 км/час обычно применяют полосы шириной от 3 до 3,25 м. Во многом именно в ширине полос ответ на вопрос, почему в Европе автомобилисты редко превышают скорость: узкие ряды сужают динамический габарит, и "притапливать педальку" становится психологически некомфортно. Не зря сужение полос - один из главных инструментов успокоения трафика.
Причина вторая: расшивка узких мест. Часто разные направления на перекрестке едут в разных фазах, и добавление одной полосы перед перекрестком за счет сужения их ширины позволяет повысить пропускную способность перекрестка, убрав или значительно сократив затор на нем. А иногда таким способом можно повысить связность дорожной сети, открыв на перекрестке новое направление движения (например, разворот) без ущерба для уже имеющихся.
К сожалению, в России полосы везде одной ширины, 3,5 - 3,75 м, несмотря на скоростной режим и другие условия движения. Тем не менее, сужение полос допускается в ГОСТ Р 52289-2004, чем столичные власти и воспользовались еще в 90-е, когда в Москве впервые и применили сужение полос. Сейчас полосы от 3 до 3,25 метров есть на магистралях - Алтуфьевском и Ленинградском шоссе (на мосту Победы), на проспекте Вернадского и Пролетарском проспекте, на участках Варшавского шоссе, на Енисейской и Кантемировской улицах, улице Бехтерева, на Новом Арбате и Тверской. Полосы шириной около 3,3 м есть даже на Третьем кольце на Русаковской эстакаде.
Суженные полосы сейчас используются в рамках программы "Моя улица". За исключением правой полосы для общественного транспорта, все полосы на дорогах, попавших в программу, обычно делают шириной 3,25 м.
В этом году также планируется увеличить количество полос, сузив их ширину, на проспекте Андропова в районе метро "Коломенское", на Садовом кольце в районе площади "Красные ворота", на 2-м Кабельном проезде. Уже сделано это на улице Верхние поля в районе МКАД для улучшения выезда из Москвы: теперь выезжающие с рынка «Садовод» не блокируют движение в область. Сужение полос на перекрестке Главной аллеи и Проектируемого проезда № 1217 позволило выгадать новый ряд для левого поворота и снизить пробку на Главной аллее и шоссе Энтузиастов. А на улице Сергия Радонежского за счет сужения полос был создан новый разворот.
Такие локальные меры позволяют существенно менять дорожную ситуацию на конкретных участках, повышая безопасность движения и убирая узкие места. Их подготовка требует глубокого анализа каждого сложного места, учета всех нюансов движения в нем. И эта большая и кропотливая работа - лучший способ и ускорить, и удешевить реализацию предложений.
Разумеется, отдел работает в связке со всеми управлениями ЦОДД. В конце концов, спецназ сам не выигрывает войну - он лишь ускоряет победу.
Оптимизация траектории перемещения фрезы при помощи CAM систем долгое время была общепринятой процедурой, в особенности в производстве пресс-форм. Однако лишь недавно предприятия начали совмещать эту функцию с применением относительно новых методов обработки и специальных твердосплавных вращающихся режущих инструментов для оптимизации операций черновой обработки.
Такие методы черновой обработки (или динамического фрезерования) при помощи CAM учитывают дугу контакта режущего инструмента и среднюю подачу на зуб. Метод регулировки дуги контакта инструмента с использованием траектории его движения, рассчитанной CAM, позволяет производителям увеличить скорость черновой обработки, эффективно контролировать тепловыделение, повышать подачу на зуб и увеличивать глубину резания, тем самым сокращая общее время обработки детали, без применения дополнительной нагрузки на шпиндель станка.
Зависимость скорости резания от дуги контакта и термической нагрузки
Дуга контакта режущего инструмента - это независимая переменная, которая влияет на термическую нагрузку и является основой оптимизации операций черновой обработки.
Максимальная дуга контакта любого режущего инструмента – 180 °, то есть его диаметр. Соответственно, при полной дуге контакта радиальная глубина резания (или ширина резания) равна диаметру фрезы и может быть выражена так: ae (радиальная глубина резания) = Dc (диаметр фрезы).
Методом регулировки дуги контакта производители могут снизить количество тепла, выделяемого во время операций черновой обработки. Глубина резания увеличивается, соответственно, дуга контакта тоже будет больше. При меньшем контакте уменьшается трение, а следовательно и тепловыделение между режущей кромкой инструмента и обрабатываемой заготовкой. Это объясняется тем, что режущая кромка инструмента получает больше времени для охлаждения, в течение которого она успевает покинуть рез, сделать оборот и вернуться в рез. Более низкие рабочие температуры позволяют увеличить скорости резания и сократить время цикла.
Средняя толщина стружки режущего инструмента (hm) зависит от физической нагрузки и обеспечивается сочетанием регулировки таких параметров, как подача на зуб и дуга контакта. Толщина стружки постоянно меняется во время резания, поэтому в промышленности используется термин «средняя толщина стружки» (hm).
Полная дуга контакта (180 °) обеспечивает наибольшую толщину стружки в центре ширины фрезы. Соответственно, меньшая дуга контакта (при угле контакта je менее 90 °) уменьшает толщину стружки, но дает возможность увеличить подачу на зуб (fz).
К примеру, рассмотрим черновую обработку боковой поверхности 10-миллиметровой фрезой при ae 10 мм (полная дуга контакта). При таком ae фреза обеспечивает максимальную среднюю толщину стружки/максимальную нагрузку. При прохождении первого угла 90 ° фреза движется против подачи до достижения максимальной толщины стружки (fz), после чего при прохождении второго угла 90 ° фреза движется по подаче, при этом толщина стружки снова уменьшается до 0. Однако при уменьшении ae (ae < Dc) до 1 мм (10%) средняя толщина стружки также уменьшится, что позволит повысить скорость черновой обработки за счет увеличения подачи на зуб (fz). При этом фреза снимает меньшее количество материала, но с большей скоростью и с меньшим напряжением инструмента и шпинделя станка, в отличие от процесса с большей глубиной резания и меньшей подачей. При черновой обработке пазов более низкое значение ae также позволяет увеличить ap (глубину резания) и скорость снятия материала.
Конструкции фрез для оптимизации черновой обработки
Большинство поставщиков режущего инструмента предлагают продукцию для особых материалов, тогда как другие, в том числе , дополнительно разрабатывают геометрии инструмента для усовершенствованных методов обработки. В случае методов черновой обработки с использованием CAM наиболее важным параметром инструмента является стружкообразование, а также необходимые требования к зубьям и длине.
К примеру, компания Seco разработала фрезы для высокоэффективной обработки Jabro®-HPM специально для обеспечения полной дуги контакта при черновой обработке и увеличенной глубины резания для снятия материала в больших объемах. Эти фрезы обладают специальной геометрией для обеспечения высокой производительности при обработке особых материалов.
Чтобы расширить диапазон обрабатываемых материалов, специалисты компании Seco недавно модифицировали геометрии фрез линейки Jabro®-Solid² 550 специально для оптимизированных методов черновой обработки. Конструкция фрез отличается двойной сердцевиной, которая обеспечивает дополнительную стабильность и уменьшает прогиб инструмента.
В серию JS550 входят инструменты большей длины, которые, согласно разработкам компании, наиболее функциональны при черновой обработке глубоких карманов и объемной черновой обработке/динамическом фрезеровании. Длина инструмента, как правило, составляет от трех до четырех диаметров.
При достижении стабильной дуги контакта эти инструменты демонстрируют стабильный и равномерный износ зубьев и более предсказуемый срок службы. Однако обработка длинными фрезами подразумевает образование более длинной стружки, которую трудно удалять из зоны резания и со станка.
Чтобы обеспечить образование стружки меньшего размера, которую легче удалять, компания Seco модифицировала конструкцию фрезы JS554 L (длинная модель), добавив стружколомы - небольшие канавки на режущих кромках и в зоне сужения инструмента. Конструкция модифицированной фрезы, теперь обозначаемой JS554 3C (где C - стружколом), предусматривает наличие стружколомов, расположенных на одинаковом расстоянии друг от друга, равном 1 X D (диаметр фрезы). Таким образом, фреза длиной 40 мм и диаметром 10 мм позволяет получать стружку длиной не более 10 мм, которую можно легко убрать из зоны резания и избежать заклинивания стружки в транспортере станка.
Фрезы стандартной длины также подходят для оптимизированных методов черновой обработки. При помощи одной из стандартных фрез JS554 (длина резания 2 x Dc + 2 мм) специалисты Seco выполнили черновую обработку кармана обычной стали SMG-3 и получили такой же впечатляющий результат, как при обработке длинной фрезой. Специалисты Seco выполняли обработку короткой фрезой при обычной 10-% ae: коэффициентом Dc, который используется для длинных фрез, при этом подача на зуб была модифицирована для достижения такой же скорости съема металла.
Чем больше зубьев имеет фреза при небольшой дуге контакта, тем выше скорость ее подачи и производительность. Скорость подачи = количество зубьев фрезы x подача на зуб x частота вращения шпинделя. Обычные фрезы для черновой обработки, как правило, имеют четыре зуба - в настоящее время компания Seco изучает возможность создания пятизубой фрезы. 
Детали сложной формы
При прямолинейных траекториях фрезерования (в боковом фрезеровании) дуга контакта после установки остается неизменной. Однако при обработке деталей более сложной формы, например, таких, которые имеют наружные и внутренние радиусы, возникают несоответствия, связанные с установленной дугой контакта.
Когда фреза завершает прямолинейную траекторию и переходит на внутренний радиус/угол, ее дуга контакта увеличивается, а значит, параметры резания больше не соответствуют фактической дуге контакта. Если траектории перемещения фрезы не могут измениться в соответствии с ситуацией, это приводит к колебаниям, вибрации и даже поломке фрезы.
Современные пакеты CAM предлагают методы регулировки траектории специально для обработки форм с внешними/внутренними радиусами, при которых происходит изменение дуг контакта по стандартным траекториям. Эти пакеты ПО автоматически задают разные значения подачи для регулировки дуги контакта и обеспечения равномерной толщины стружки. Чтобы сохранить равномерную дугу контакта, эти пакеты CAM используют параметры трохоидального фрезерования и зачистки фрезерованием при переходе на обработку радиуса. Помимо выбора траекторий эти пакеты CAM существенно уменьшают посторонние перемещения, чтобы еще больше сократить время цикла.
При использовании оптимизированной траектории перемещения фрезы при черновой обработке и обеспечении равномерной дуги контакта радиус фрезы может совпадать с внутренним радиусом, при этом во время обработки не возникнет риск лишней нагрузки на фрезу, образования зареза или захватывания материала. Это позволяет производителям снимать больше материала за черновой проход, соответственно снижая количество материала, которое необходимо снять за чистовой проход, что в совокупности приводит к сокращению времени цикла обработки.
Оптимизированные методы черновой обработки также применимы к особым материалам. Компания Seco проводила масштабные испытания на таких материалах, как сталь, нержавеющая сталь, чугун, титан, алюминий и стали твердостью до 48 HRc. Специалисты компании рекомендуют производителям сначала применить 10-процентную ae к соотношению диаметров – 5% для таких труднообрабатываемых материалов, как титан и суперсплавы. Специалисты Seco установили для таких особых дуг контакта оптимизированные данные скорости и подачи и пр. Производители могут применять ae выше рекомендованной, однако в таком случае необходимо уменьшить скорость резания и подачу на зуб.
Что касается ap, компания Seco предлагает фрезы Jabro®-HPM, разработанные с учетом ap до 2 x D для обработки пазов полного профиля в стали (JHP951 и JHP993). При всей сложности этого вида обработки фреза Seco JS554 3C для общего применения с легкостью может обрабатывать 4 x D при применении оптимизированных методов черновой обработки.
Кроме того, производители, чьи станки не подходят для выполнения тяжелой черновой обработки, могут просто уменьшить дугу контакта и использовать траекторию трохоидального фрезерования. Это позволяет сократить усилия резания и снизить необходимость в высокой мощности станка, в то же время обеспечивая высокую производительность за счет увеличения глубины резания.
При применении методов черновой обработки для таких труднообрабатываемых материалов, как нержавеющая сталь и титан, необходимо использовать СОЖ по всей длине фрезы - верхней, средней и нижней части. Важно выполнять охлаждение всего режущего инструмента. При фрезеровании стали и чугуна производителям следует использовать сжатый воздух при максимальном давлении для сдувания стружки.
Необходимо учитывать, что производители не смогут применять методы черновой обработки при помощи CAM при программировании станка, так как программы должны быть созданы извне при помощи специальных пакетов оптимизации траектории перемещения фрезы. Тем не менее, при программировании станка производители могут вручную вводить данные дуги контакта, установленные Seco, но только для простых операций черновой обработки с прямолинейной траекторией или фиксированных циклов черновой обработки с трохоидальной траекторией.
Поскольку оптимизированные методы черновой обработки идеальны для длинных фрез, компания Seco провела испытания дуги контакта для инструментов стандартной длины. В ходе одного испытания специалисты Seco использовали стандартную фрезу Jabro 554 при скорости резания 300 м/мин, глубине резания 20 мм, ae 1 мм и подаче на зуб 0,2 мм при времени цикла обработки 4 минуты 26 секунд. После этого специалисты изменили ae до 2 мм и уменьшили подачу на зуб до 0,1 мм. И хотя скорость снятия материала осталась неизменной, время цикла обработки сократилось до 3 минут 11 секунд. Время цикла сократилось, так как более высокая ae не увеличила скорость обработки, однако сократила необходимое количество проходов. Следовательно, черновая обработка детали заняла меньшее время.
Для одного из своих клиентов в области аэрокосмической промышленности компания Seco продемонстрировала преимущества методов черновой обработки, на примере станка клиента со шпинделем BT40 и одного из производимых им компонентов. Клиент обычно выполняет черновую обработку таких деталей, используя обычную траекторию и стандартные параметры станка, при этом на обработку одной заготовки уходит один час.
Специалисты Seco использовали фрезу максимально возможного диаметра - длинную фрезу JS554 3C диаметром 25 со стружколомами. В сочетании с оптимизированными методами черновой обработки и траекториями перемещения фрезы удалось сократить прежнее время цикла черновой обработки всего до 8 минут. Кроме того, специалисты Seco установили, что существует возможность еще больше сократить время черновой обработки (возможно, до 6 минут) при условии использования более мощного станка.
Еще один клиент Seco имел возможность убедиться в преимуществах оптимизированных методов черновой обработки и траектории на примере компонентов автомобилей. Производителю удалось не только сократить общее время цикла от 8,5 минут до 1,1 минут, но и увеличить срок службы инструмента от 80 деталей до 250 деталей для одной фрезы.
Клиенту Seco, выполняющему обработку форм для компонентов мотоциклов, благодаря оптимизации черновой обработки и траектории перемещения фрезы, удалось сократить время обработки с 900 минут до 400 минут. Клиент использовал фрезу со сменными пластинами и высокой подачей для первичной и вторичной операций черновой обработки, затем стал использовать фрезу JS554 3C диаметром 25 мм для первичной операции и сохранили высокую подачу для вторичной.
Заключение
Дуга контакта и средняя толщина стружки являются ключевыми факторами оптимизированных операций черновой обработки. При помощи специальных пакетов ПО CAM для оптимизации траектории перемещения фрезы и методов динамического фрезерования производители на сегодняшний день могут регулировать дугу контакта режущего инструмента и поддерживать равномерную толщину стружки. За счет этого они эффективно регулируют рабочую температуру, применяют повышенные скорости резания и увеличенную глубину резания, чтобы существенно сократить общее время цикла обработки.
Однако производителям следует учитывать, что для оптимизации черновой обработки необходимы специальные пакеты CAM для внешнего программирования. Большинство поставщиков режущего инструмента предлагает продукцию для особых материалов, и лишь некоторые разрабатывают геометрии инструмента для особо сложных циклов обработки и соответствующие траектории перемещения фрез. При использовании подходящей фрезы и динамических циклов производители могут повысить скорости съема металла на 500% по сравнению с традиционными методами обработки.
Скачать каталоги инструмента Seco и получить информацию о данном производителе вы можете по этой ссылке:
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).
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.
