Введение
Глава 1. Анализ функционирования системы управления ДПЛА в режиме посадки и общая постановка задачи 10
1.1. Математическая модель движения ДПЛА 10
1.2. Разделение пространственного движения ДПЛА на продольное и боковое 12
1.3. Анализ известных ДПЛА и методов их посадки ДПЛА 13
1.4. Общая схема ДПЛА и его основные характеристики 17
1.5. Технологии искусственного интеллекта 24
1.6. Общая постановка задачи 26
1.7. Выводы к главе 1 28
Глава 2. Решение задачи посадки ДПЛА при помощи сигнальных ориентиров 29
2.1. Описание функционирования системы управления ДПЛА в режиме его посадки 29
2.2. Выбор источников излучения ловушки 32
2.3. Система навигационного оборудования захода на посадку ДПЛА 39
2.4. Светодальномер для линейно-угловых измерений положения ДПЛА в пространстве 41
2.4.1. Теоретическое обоснование предлагаемого светодальномера для линейно-углового измерения положения ДПЛА в решаемой задаче 42
2.4.2. Алгоритм коррекции отклонения рулей управления 49
2.4.3. Выбор параметров импульса излучения и компонент входного вектора НС для вычисления полезного сигнала, при помощи которого происходит корректировка курса ДПЛА 51
2.4.4. Предлагаемая практическая реализация светодальномера для линейно-угловых измерения положения ДПЛА в пространстве 54
2.5. Определение линейно-угловых координат ДПЛА в данной задаче с помощью светодальномера 57
2.5.1. Движение ДПЛА в вертикальной плоскости 60
2.5.2. Движение ДПЛА в горизонтальной плоскости 61
2.6. Вычисление угла тангажа при помощи светодальномера, разработанного в данной работе 64
2.7. Вычисление угла курса при помощи светодальномера, разработанного в данной работе 66
2.8. Выводы к главе 2 69
Глава 3. Искусственные нейронные сети и их применение в системе управления ДПЛА. Выбор сети для решения задачи 71
3.1. Искусственные нейронные сети 71
3.2. Алгоритм обучения НС, основанный на комбинации градиентного метода и метода Холтона 82
3.3. Решение задачи посадки ДПЛА с использованием в его системе управления НС 84
3.4. Сегментация изображения 96
3.4.1. Сегментация изображения с помощью нейронных сетей 98
3.4.2. Предобработка выходных данных 99
3.4.3. Растущий нейронный газ (GNG) для группирования данных по цвету 99
3.4.4. Иерархическая нейронная сеть на соревновательных нейронах для формирования кластеров в пятимерном пространстве (HCNN) 102
3.4.5. Дополнительные возможности обработки 103
3.5. Выводы к главе 3 105
Глава 4. Решение задачи посадки ДПЛА с помощью нейронной сети в ловушку 106
4.1. Моделирование движения ДПЛА в вертикальной плоскости при его посадки в ловушку по сигнальным ориентирам 110
4.2. Моделирование движения ДПЛА в горизонтальной плоскости при его посадки в ловушку по сигнальным ориентирам 115
4.3. Выводы к главе 4 118
Заключение 119
Список литературы 120
