Optimization of the Risk Functional to Control the Composition and Structure of a Heterogenous Grouping of Detection Sensors in Three-Dimensional Space

V. A. Dyukov; Дюков В. А.; A. M. Kazantsev; Казанцев А. М.; I. Yu. Makushev; Макушев И. Ю.; M. S. Putilin; Путилин М. С.; A. V. Timoshenko; Тимошенко А. В.

doi:10.31857/S0002338823020075

ОПТИМИЗАЦИЯ ФУНКЦИОНАЛА РИСКА ДЛЯ УПРАВЛЕНИЯ СОСТАВОМ И СТРУКТУРОЙ РАЗНОРОДНОЙ ГРУППИРОВКИ СЕНСОРОВ ОБНАРУЖЕНИЯ В ТРЕХМЕРНОМ ПРОСТРАНСТВЕ

Авторы: Дюков В.А.¹, Казанцев А.М.², Макушев И.Ю.³, Путилин М.С.¹, Тимошенко А.В.⁴
Учреждения:
1. Национальный исследовательский ун-т “МИЭТ”
2. АО “Радиотехнический институт имени академика А.Л. Минца”
3. ПАО “МАК “Вымпел”,
4. МАИ (национальный исследовательский ун-т)
Выпуск: № 3 (2023)
Страницы: 57-75
Раздел: СИСТЕМНЫЙ АНАЛИЗ И ИССЛЕДОВАНИЕ ОПЕРАЦИЙ
URL: https://ogarev-online.ru/0002-3388/article/view/136873
DOI: https://doi.org/10.31857/S0002338823020075
EDN: https://elibrary.ru/JEZOLY
ID: 136873

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Только для подписчиков

Аннотация
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

Неуклонный рост массовости и динамики применения воздушных средств в ходе различных конфликтов обуславливает необходимость постановки и решения задач построения систем их обнаружения, близких к реальности. Следует отметить, что в настоящее время вектор приоритетов в развитии сенсоров обнаружения изменяется с решения задач по повышению их характеристик на оптимизацию и адаптивность в их управлении. В качестве объекта рассматривается разнородная группировка сенсоров, решающая задачи обнаружения подвижного воздушного объекта. Предметом служит методология построения моделей управления разнородными сенсорами обнаружения. На основе анализа антагонистического взаимодействия разнородной группировки и воздушных объектов, процессов их функционирования предложен геометрический подход к решению задачи обнаружения подвижного объекта, в котором используется адаптированный и усовершенствованный функционал риска как один из возможных показателей для дальнейшего синтеза алгоритмов управления. С помощью имитационного моделирования приведено обоснование практической эффективности применения данного функционала и представлено сравнение с другими показателями эффективности.

Список литературы

Галяев А.А., Маслов Е.П., Рубинович Е.Я. Об одной задаче управления движением объекта в конфликтной среде // Изв. РАН. ТиСУ. 2009. № 3. С. 134–140.
Галяев А.А., Маслов Е.П. Оптимизация закона уклонения подвижного объекта от обнаружения при наличии ограничений // АиТ. 2012. № 6. С. 73–88.
Абрамянц Т.Г., Маслов Е.П., Яхно В.П. Уклонение подвижного объекта от обнаружения группой наблюдателей // Проблемы управления. 2010. № 5. С. 73–79.
Zabarankin M., Uryasev S., Pardalos P. Optimal Risk Path Algorithms // Cooperative Control and Optimization. Applied Optimization. 2002. V. 66. P. 273–298.
Петров М.Ю. Построение маршрута полета летательного аппарата на малых высотах // Изв. РАН. ТиСУ. 2019. № 3. С. 140–146.
Шайкин М.Е. О статистическом функционале риска в задаче управления движением объекта в конфликтной среде // Изв. РАН. ТиСУ. 2011. № 1. С. 22–31.
Dogan A., Ugur Z. Unmanned Aerial Vehicle Dynamic-Target Pursuit by Using Probabilistic Threat Exposure Map // AIIA Guidance, Dynamics and Control. 2006. V. 29. № 4. P. 944–954.
Воронин А.Н., Зиатдинов Ю.К., Пермяков А.Ю., Варламов И.Д. Синтез компромиссно-оптимальных траекторий мобильных объектов в конфликтной среде // Сучасні інформаційні технології у сфері безпеки та оборони. 2015. № 1 (22). С. 40–49.
Kumar G.N., Dadarya S., Verandani A., Sarkar A.K., Talole S.E. Cruise Missile Mission Planning Using Genetic Algorithm // Proc. Intern. Conf. on Modern Research in Aerospace Engineering. Noida, NCR-Delhi, 2018. P. 353–362.
Zabarankin M., Uryasev S., Murphey R. Aircraft Routing Under the Risk of Detection // Naval Research Logistics. 2006. V. 53. P. 728–747.
Zhang Z., Wu J., Dai J., He C. A Novel Real-Time Penetration Path Planning Algorithm for Stealth UAV in 3D Complex Dynamic Environment // IEEE Access. 2020. V. 8. P. 122757–122771.
Dijkstra E. A Note of Two Problems in Connection with Graphs // Numerische Mathematik. 1959. V. 1. P. 269–271.
Jong-Jin S., Hyochoong B. UAV Path Planning under Dynamic Threats Using an Improved PSO Algorithm // Intern. Aerospace Engineering. 2020. V. 10. P. 1–17.
Miller B., Stepanyan K., Miller A., Andreev M. 3D Path Planning in a Threat Environment // Proc. IEEE Conf. on Decision and Control and European Control Conf. Orlando, FL, USA, 2011. P. 6864–6869.
Ежов Г.В. Алгоритмы нахождения пути, их сравнение и визуализация на базе движка Unity // Молодой ученый. 2020. № 50 (340). С. 15–24.
Hart P.E., Nilsson N.J., Raphael B.A. Formal Basis for the Heuristic Determination of Minimum Cost Paths // IEEE Transactions on Systems Science and Cybernetics SSC4. 1968. V. 4. № 2. P. 100–107.
Евдокименков В.Н., Красильщиков М.Н., Ляпин Н.А. Гарантирующее управление траекторией̆ беспилотного летательного аппарата при сближении с маневрирующей воздушной целью // Изв. РАН. ТиСУ. 2018. № 5. С. 40–53. https://doi.org/10.31857/S000233880002851-5
Евдокименков В.Н., Красильщиков М.Н., Себряков Г.Г. Распределенная интеллектуальная система управления группой беспилотных летательных аппаратов: архитектура и программно-математическое обеспечение // Системы управления, связи и безопасности. 2019. № 3. С. 1–13. https://doi.org/10.24411/2410-9916-2019-10301
Справочник офицера воздушно-космической обороны / Под общ. ред. С.К. Бурмистрова. Тверь: BA ВКО, 2006. 564 с.
Тяпкин В.Н., Фомин А.Н., Гарин Е.Н. и др. Основы построения радиолокационных станций радиотехнических войск: учебник / Под общ. ред. В.Н. Тяпкина. Красноярск: Сибирск. федер. ун-т, 2016. 536 с.
Пантенков Д.Г., Гусаков Н.В. Компьютерное моделирование активной фазированной антенной решетки// Космическая техника и технологии. 2013. № 1. С. 34–39.
https://earthexplorer.usgs.gov/
Valavanis K.P., Vachtsevanos G.J. Handbook of Unmanned Aerial Vehicles. Dordrecht: Springer, 2015.