Журнал исследований

        29 октября 2000 года на кафедре "Системы ориентации и навигации" Московского Государственного авиационного института проходил семинар, на котором был представлен нижеследующий отчет о проделанной работе за год.

        На момент отчетного семинара структурная схема была следующей (рис.1,2). 

При погрешностях только А0 = 10^-3g (постоянные погрешности гироскопов) получили следующую точность системы: за 2000 сек. Dj @ Dl @ 2000 м. С целью повышения точности работы системы нейромодель, реализующая уравнения навигации, была заменена на эти самые уравнения. В результате получили значительное повышение точности. Так, на интервале 200 сек. точность системы составила Dj @ Dl @ 40 м. Отмечу, что это только при постоянных погрешностях акселерометров. При введении дополнительно случайных погрешностей акселерометров А0s = 10^-3g точность системы ухудшается на порядок, т.е. Dj @ Dl @ 400 м за 2000 сек.

        При введении погрешностей гироскопов В0=4.8е-5 рад/с получили точность системы Dj @ Dl @ 150 000 м. Т.е., контроллер не может "отработать" погрешности гироскопов. Для построения отдельного контроллера, корректирующего погрешности гироскопов, имеются данные, достаточные только для начального обучения, а не для дообучения. Поэтому предлагается следующий способ корректировки. Контроллер должен корректировать  погрешности в векторе n_геогр. , зависящие как от А0 и А0s, так и от В0 и В0s, которые попадают в n_геогр. через кватернион ориентации Q.

Для обучения такого контроллера используется следующая схема. Вводится новый блок TRAIN, при помощи которого будет осуществляться начальная настройка контроллера.

Обучение будет проводиться по следующей схеме:

Теперь поподробнее. Идея состоит в том, чтобы на вход контроллера подавался n^реальн_геогр, содержащий погрешности гироскопов и акселерометров, а на выходе получали бы n^ид_геогр. Но возникает опять проблема. В контроллер на вход надо добавить дополнительную информацию, на основании которой он будет разделять n^реальн_геогр на n^ид_геогр и Dn_геогр. При вышеописанной схеме возможно следующее.

n^реальн_геогр = n^ид_геогр + Dn_геогр.

Рассмотрим два случая:

·        n^ид_геогр =2; Dn_геогр.=1; тогда  n^реальн_геогр =2+1=3 – подается на вход контроллера; на выходе должны получить 2.

·        n^ид_геогр =1; Dn_геогр.=2; тогда  n^реальн_геогр =1+2=3 – подается на вход контроллера; на выходе должны получить 1.

Получили противоречие: при одном и том же входе контроллера на его выходе мы должны получить разные значения! Исходя из этого на вход контроллера необходимо подавать дополнительную информацию, от которой зависит или n, или Dn. Я попробовал завести на вход вектор Х=[vx vy j l].

Что касается дообучения, то создана инверсная нейросеть, которая из показаний приемника СНС путем интегрирования получает n^ид_геогр . Схема обучения такой сети имеет вид:

        Такая инверсная сеть была настроена и включена в схему. При этом выход инверсной сети n^инв_геогр использовался как вход уравнений навигации. Т.е. я проверил точность настройки и работы инверсной системы и получил следующие результаты. За 2000 сек. получил Dj @ Dl @ 20 м, т.е. инверсная сеть настраивается довольно точно.

При использовании инверсной нейросети в процессе дообучения выход контроллера будет сравниваться с выходом инверсной нейросети, т.е.

        Таким образом, сейчас идет работа над моделированием контроллера, корректирующего и погрешности акселерометров, и погрешности гироскопов. Пока результаты не очень. Но так как мне кажется, что логика построения такого контроллера верна, то ищу ошибку в программе.

        Что касается динамических сетей Хопфилда, то я в них только начал разбираться. В понедельник попробую найти что-нибудь в Интернете на русском языке.

Back to Top

Last updated: ноября 16, 2000.