Навигационные комплексы надводных кораблей с использованием элементов искусственного интеллекта

ВОЕННАЯ МЫСЛЬ № 8/2008, стр. 45-52

Навигационные комплексы надводных кораблей с использованием элементов искусственного интеллекта

Капитан 1 ранга в запасе В.А. ТИТЛЯНОВ,

кандидат технических наук

А.Н СОФИЕНКО

М.Ю. СМИРНОВ

А.А. ЯКУШЕВ

ОБЛАСТЬ исследований, именуемая искусственным интеллектом, возникла и развивается параллельно с развитием теории автоматического управления начиная примерно с 50-х годов XX столетия с основными приложениями вначале в вычислительной технике и информатике, а позднее и в автоматизации управления. Искусственный интеллект (ИИ) - раздел информатики, изучающий методы, способы и приемы моделирования и воспроизведения с помощью ЭВМ разумной деятельности человека.

В отличие от философии и психологии искусственный интеллект как область исследований и разработок ориентирован не только на понимание, но и на построение интеллектуальных (или интеллектных) систем.

В период с 1980-го по 1988-й год искусственный интеллект приходит в промышленность. Идеи, относимые традиционно к области ИИ, начинают использоваться в теории и практике управления. Соответствующие разработки, включаемые в состав систем управления, называются интеллектными компонентами систем управления. К ним относятся искусственные нейронные сети, эволюционные (генетические) алгоритмы и системы, основанные на знаниях.

Использование интеллектных компонентов приводит к новым технологиям, расширяющим потенциал проектирования и управления сложными динамическими системами путем охвата задач с неизвестными или уже несправедливыми с некоторого момента эксплуатации уравнениями динамики, либо задач, в которых модели в форме уравнений динамики могут уступать по эффективности использования моделям искусственного интеллекта.

В настоящее время системы искусственного интеллекта применяются и в военном деле в вооруженных силах зарубежных государств. Область применения ИИ определяется наличием ряда задач, которые невозможно автоматизировать, используя традиционные методы управления. В области навигационного обеспечения безопасности плавания и применения оружия кораблями ВМФ к ним можно отнести: задачи тактического маневрирования, оценку обстановки и выдачу рекомендаций на применение того или иного вида оружия, определение времени и средств для производства коррекции навигационного комплекса (НК) с учетом обстановки и погрешности вырабатываемых навигационных параметров и др.

Автоматизация решения этих и других задач с применением систем ИИ позволит повысить надежность, ремонтопригодность, значительно сократить численность обслуживающего персонала НК и снизить количество неверных решений, принятых оператором (штурманом).

Комплекс навигации и стабилизации надводных кораблей ВМФ, основанный на интеллектных компонентах (5-е поколение), должен обеспечить решение ряда основных задач, к которым относятся: обеспечение навигационной безопасности плавания, в том числе и задачи тактического маневрирования и расхождения с целями; выработка и выдача необходимых навигационных и динамических параметров в системы оружия; выработка и выдача необходимых навигационных и динамических параметров в систему управления движением корабля; обеспечение заданных требований по точности и надежности выработки необходимых навигационных и динамических параметров; оценка гидрометеорологической обстановки.

При этом не только повышаются требования к качеству получаемых решений для традиционных задач навигации и управления, но и появляются тенденции возложения на комплекс навигации и гиростабилизации новых, ранее не свойственных ему функций, исполнение которых еще в недавнем прошлом считалось прерогативой человека. Обе эти тенденции порождают задачи, характеризующиеся плохой формализуемостью и высокой степенью неопределенности. Модели в таких задачах невозможно с достаточной степенью адекватности описать, например, дифференциальными или разностными уравнениями. Знания о них и о способах их решения, как правило, ограничены знаниями экспертов, представляемыми в виде правил.

В созданных в настоящее время и разрабатываемых НК достигнут определенный уровень автоматизации задач, решаемых штурманом: первичные датчики информации (инерциальный модуль, система курсоуказания, относительный и абсолютный лаг, средства коррекции, электронные кабельные навигационные инерциальные системы (ЭКНИС) и др.) объединены в единый комплекс, что позволяет штурману получать необходимую информацию и контролировать работу этих систем с пульта штурмана; создание ЭКНИС позволило не только автоматизировать процесс навигационной прокладки, улучшить наглядность навигационной обстановки, но и решать различные задачи (контроль плавания по заданному маршруту, задачи маневрирования и расхождения и др.); автоматический контроль работоспособности и система определения неисправностей позволяет локализовать неисправности систем до нескольких сменных блоков; автоматизирован процесс определения места приемоиндикаторами спутниковых и радионавигационных систем и др.

Однако до сих пор большую роль в работе НК играет человек. Он принимает решения в большинстве случаев на основании информации, полученной от первичных датчиков. Это часто приводит к ошибкам оператора, увеличению времени на принятие решения и его выполнение, а следовательно, к снижению эффективности выполнения поставленных задач.

Кроме того, необходимо учитывать и тот факт, что для перспективных кораблей считается целесообразным объединить НК и системы управления движением в интегрированные мостиковые системы (ИМС) или комплексные системы управления (КСУ) кораблем. В этом случае требования к автоматизации решения штурманских задач еще больше возрастут.

В результате для решения подобных проблем необходимо использовать модели и, как следствие, системы, основанные на правилах, или в принятой терминологии «системы, основанные на знаниях»

Методология построения таких систем относится к числу интеллектуальных и составляет раздел научного направления «Искусственный интеллект», в рамках которого возможны различные подходы, основанные, например, на генетических алгоритмах или нейронных сетях.

Общими целями интеллектного управления являются: более полное использование доступных знаний об объекте и среде в целях обеспечения надежного управления с предопределенным критерием; управление в творческой (интеллектуальной) манере (подобно человеку) с прогнозированием изменений в объекте и среде, сохранением, например путем реконфигурации, работоспособности даже при больших изменениях, согласовыванием или пересмотром целей и критериев качества управления; улучшение с течением времени способности управления объектом путем аккумулирования экспериментального знания, т. е. путем обучения на опыте.

Таким образом, система интеллектного управления должна быть способна воспринимать информацию о процессах, возмущениях и условиях функционирования, выводить заключения и обучаться.

К задачам, решаемым комплексом навигации и управления, когда целесообразно применение интеллектуальных технологий, можно отнести следующие: построение траекторий движения кораблей (траекторий расхождения, тактического маневрирования, перехода); оценка безопасности плавания по выбранной траектории; контроль, диагностика и восстановление навигационных систем; определение необходимой точности и выбор состава используемых средств навигации; идентификация моделей объекта или погрешностей навигационных систем, необходимых для построения закона управления и алгоритма обработки информации; выбор момента проведения и типа коррекции комплекса навигации и управления с точки зрения повышения эффективности использования оружия; выбор критерия при формировании закона управления; оценка гидрометеорологических параметров и учет их влияния на эффективность выполнения задач; интеллектуализация рабочего места штурмана.

Все перечисленные задачи содержат плохо формализуемую составляющую и требуют для решения интеллектуальных компонентов. Это находит свое косвенное подтверждение в известном тезисе, что морская навигация является как наукой, так и искусством. Действительно, в построении траекторий движения корабля или оценки безопасности плавания существенное значение имеет человеческий фактор. Задачи обработки информации, управления, контроля и диагностики характеризуются существенной степенью модельной неопределенности. Выбор состава средств навигации, момента и типа коррекции навигационного комплекса, критерия при формировании закона управления, а также принятие решений штурманом по различным проблемам управления предполагают учет многих факторов, характеризующих текущую ситуацию.

В настоящее время для решения перечисленных выше задач используются различные методы и средства навигации и управления. Из-за того что оценка оперативной обстановки и выбор маневров осуществляются в условиях стресса, ограниченого времени, недостаточной информированности, вероятность появления ошибки в действиях личного состава весьма высока. В связи с этим представляется необходимым использовать средства интеллектуальной поддержки кораблевождения.

Известные методы оценки безопасности траектории корабля в условиях расхождения или тактического маневрирования основываются на гипотезе сохранения всеми встречными судами параметров движения, а также не учитывают неопределенность, возникающую из-за субъективной трактовки штурманами правил движения встречных кораблей или их непрогнозируемыми маневрами. Использование интеллектуальных технологий позволяет не только учесть возможные действия встречных кораблей или кораблей противника при перехвате, но и оценить безопасность траекторий во всех этих случаях.

Для решения задач контроля и диагностики информационных отказов в настоящее время используются статистические подходы. Однако по типам возможных нарушений, поведению этих нарушений во времени и частоте их появления невозможно получить выборочные данные. Модели этих явлений должны учитывать качественные соображения и интуицию разработчиков, что реализуется методами искусственного интеллекта.

Необходимый для оперативного выбора состав используемых средств навигации и управления, объединение информации об аппаратурных и информационных отказах, а также о сбоях в настоящее время производится методами булевой логики, не учитывающей достоверности различных сигналов контроля. Достоверность может быть определена экспертным путем (модели неопределенности при этом описываются интеллектуальными методами).

Задачи обработки навигационной информации и синтеза закона управления кораблем решаются на основе методов статистической оптимизации в предположении известности критерия и стохастических моделей рассматриваемых процессов. Однако критерий оптимизации при управлении является нечетким, что связано с вынужденным компромиссом «точность - экономичность».

Неопределенность моделей, вызванных изменяющимися условиями плавания, в настоящее время преодолевается решением задач идентификации с использованием, например, многоальтернативных стохастических моделей. Однако, если изменение условий связано не со статистической неопределенностью, а имеет нечеткий характер, целесообразно непредсказуемые изменения условий и задачу идентификации решать на основе нечетких моделей, представляемых методами искусственного интеллекта.

На эффективность использования оружия существенно влияет адекватность учета специфики погрешностей комплекса навигации, требующей проведения его коррекций для поддержания оружия в состоянии постоянной боевой готовности с учетом времени информационной автономности. Боевая устойчивость корабля зависит от увеличения времени информационной автономности, чего можно добиться путем грамотного выбора средств коррекции в конкретном месте и режимов работы инер-циальных навигационных систем и НК с учетом тактической обстановки. В результате решение о проведении коррекции целесообразно принимать по комплексному критерию, отражающему компромисс между соображениями точности и временем информационной автономности. В настоящее время интервал между коррекциями задается в технических условиях на комплексы навигации для наиболее неблагоприятных условий. Однако при эксплуатации время проведения коррекций выбирается командиром исходя из учета различных факторов, влияющих на точность использования оружия. В последнее время на подводных лодках было предложено решение этой задачи путем определения момента и типа проведения коррекции по компромиссному критерию «точность - скрытность», рекомендации предлагались командиру на основании вырабатываемой НК информации. При этом все данные для поддержки принятия решения формировались на базе стохастических моделей без учета нечеткости и плохой формализуемости задачи. При проектировании НК с элементами искусственного интеллекта для надводных кораблей необходимо на базе критерия «точность - скрытность» разработать критерий «точность - автономность». При этом учет нечеткости и плохой формализуемости задачи в интеллектных системах позволит привлечь большое число факторов, влияющих на выбор решения.

Структура функционального математического обеспечения может быть достаточно сложной и представлять из себя в ряде случаев трехуровневую иерархию модулей (рис.). Возглавлять иерархию должна экспертная система (ЭС) поддержки принятия комплексных решений. К их числу относятся решения о выборе времени и типа коррекции комплекса навигации. Второй уровень иерархии образуют ЭС для обработки информации, управления и принятия решений по одной из частных подзадач (расхождение, тактическое маневрирование, выработка навигационных параметров и т. д.). На нижнем уровне иерархии находятся исполнительные программные модули, обеспечивающие решение задач второго уровня (предварительная обработка информации, построение частных законов управления и т. д.).

Навигационные комплексы надводных кораблей с использованием элементов искусственного интеллекта

Структура интеллектуального НК

Как указывалось выше, к интеллектным компонентам систем управления относятся такие, как искусственные нейронные сети, эволюционные (генетические) алгоритмы и системы, основанные на знаниях. Рассмотрим их подробнее.

Искусственные нейронные сети применяются для решения целого класса задач, где используются не уравнения динамики и не столько правила, как в традиционных экспертных системах, сколько опыт. Нейронные сети стали активно использоваться в теории и практике управления с середины 1980-х годов. Имеется несколько типов нейронных сетей, применяемых в системах управления: многослойный перцептрон, сеть Кохонена, сеть Хопфилда, машина Больцмана и др. Они являются важным инструментом автоматизации принятия решений, поскольку построение алгоритмов или логических исчислений для решения многих задач упирается в сложность учета всех мыслимых сочетаний факторов и формализации закономерностей, связывающих условия задачи с результатом. В сложных системах автоматического управления нейронные сети хорошо поддерживают рефлекторный уровень управления. Более мощные интеллектные системы могут совмещать и нейронный, и логический механизмы принятия решений.

В настоящее время область практических приложений нейронных сетей очень широка: от электромеханических систем (роботы) до сложных плохо описываемых процессов. Перспективной областью их применения является авиация и космос, где новые тактико-технические и стоимостные требования заставляют использовать режимы, в которых требуются иные принципы управления, в частности технология нейронных сетей. Эта технология начинает все шире применяться для диагностики отказов и медленных деградаций, реконфигурации систем управления, идентификации нелинейной динамики и адаптивного управления. Например, нейронные сети были использованы для идентификации в реальном времени параметров управления самолетом F-15. На имитационном стенде вводились различные повреждения секций крыла и управляющих плоскостей. Нейронная сеть оказалась в состоянии быстро определять стабилизирующее управление для режима различных маневров. Аналогичное компьютерное моделирование с шестью степенями свободы было выполнено для истребителя F/A-18 с эффективным использованием нейронных сетей для обнаружения отказов в управляющих органах и адаптивного управления самолетом. Используются нейронные сети и в системах управления высокоскоростными судами.

Под эволюционными (генетическими) алгоритмами понимаются генетические алгоритмы со специальными структурами данных. Эволюционные алгоритмы - это алгоритмы, оперирующие с популяцией индивидов. Они довольно легко применимы в прототипировании для апробации в решении тех или иных задач. Однако результаты могут быть очень хорошими в одних или плохими в других задачах. Эволюционные алгоритмы могут комбинироваться с нейронными сетями.

В качестве примера использования эволюционных алгоритмов в задачах управления можно привести планирование маршрута для корабля. Целью любой навигационной схемы является достижение заданной точки с рациональным расходованием ресурсов, без столкновений с другими объектами и т. п. Часто путь корабля планируется заранее в режиме оф-лайн. Это характеризуется тем, что необходимые сведения вводятся заранее (маршрутные точки, скорости и др.), данные и знания не меняются в процессе решения задачи и время реакции продолжительное (измеряется минутами или часами) в отличие от систем управления со значительно меньшим временем реакции, измеряемым в миллисекундах. В данной задаче навигации планирование оф-лайн осуществляется в предположении, что среда известна полностью, статична и корабль может реализовать заданный маршрут так, как он запланирован. Однако ограничения планирования оф-лайн (неполнота информации) приводят к необходимости планирования в реальном времени, т. е. в процессе движения. Это осуществимо, если обеспечить приобретение знаний о среде с помощью первичных датчиков информации корабля и использовать их для преодоления препятствий в процессе перемещения в среде.

Эволюционные алгоритмы позволяют объединить планирование оф-лайн и планирование в реальном времени (планирование он-лайн): планирование оф-лайн, основываясь на карте, ищет близкий к оптимальному глобальный путь, а планирование он-лайн отвечает за учет возможных отклонений обстановки (например из-за обнаружения первоначально неизвестных объектов) путем замены части глобального плана другим оптимальным подмаршрутом.

Эволюционные алгоритмы и нейронные сети обладают повышенным быстродействием, что важно в задачах управления в реальном времени, т. е. когда идентификация или формирование закона управления осуществляется в темпе протекания процесса. В силу своей реактивности и способности к обучению они используются при создании многоуровневых и многофункциональных систем управления с элементами ИИ - систем интеллектного управления.

Системы, основанные на знаниях (СОЗ), являются более адекватными компонентами систем управления для реализации высокоинтеллектуальных функций. В этом случае знания могут быть представлены на некотором логическом языке, и их обработка с помощью соответствующих средств позволяет получить некоторые предпочтения на множестве допустимых управлений в целях выбора одного из них.

В общем случае СОЗ оперируют с более широкой информацией - логическими, объектно ориетированными и другими моделями, основанными на знаниях экспертов. Вместе с тем СОЗ могут использовать и традиционные алгоритмы, базирующиеся на уравнениях динамики. Поэтому, как и в случае использования нейронных сетей и эволюционных алгоритмов, класс решаемых задач значительно расширяется.

Базовая информация СОЗ делится на данные (значения различных величин, элементарные факты и т.п.), знания и умения. Причем различие данных и знаний определяется уровнем сложности их представления. Данные - это константы и факты, т. е. элементарные формулы. Знания - это формулы с кванторами, которые образуют так называемые предикатные языки. В рамках лингвистического подхода к представлению знаний (используемого, например, в нечетких логиках) данные и знания представляются с помощью не только чисел, но слов и предложений естественного языка.

В СОЗ присутствует не только знание, но и умение. Оно представлено процедуральной информацией, для которой характерно прежде всего исполнение, в то время как данные хранятся и пересматриваются, а знания преобразовываются и применяются. При этом в отличие от данных знания могут иметь не только информационную часть, но и описательную для более эффективной их актуализации. Кроме того, в качестве информационных единиц знания могут выступать как встроенные процедуры, что придает знаниям активность, их первичность по отношению к процедурам.

К системам, основанным на знаниях, можно отнести следующие: системы, основанные на правилах; системы, основанные на автоматическом доказательстве теорем; системы, основанные на автоматическом гипоте-зировании, т. е. на порождении гипотез; системы, основанные на рассуждениях по аналогии; объектно ориентированные интеллектные системы.

В СОЗ реализуется относительно высокоуровневый процесс умозаключений, а современные искусственные нейронные сети и генетические алгоритмы в понятие СОЗ не включаются, хотя их роль сама по себе и в составе комплексных многоуровневых систем управления является значительной. Например, сегодня искусственные нейронные сети являются относительно низкоуровневыми средствами интеллектуализации, но одновременно и более быстродействующими, реализуя рефлекторное реагирование на входную информацию после подходящей настройки. Обрабатывая дополнительно результаты, полученные этими средствами, с помощью логических средств обработки знаний, можно обеспечить более высокоуровневую обработку информации.

Интеллектуализация комплекса навигации и гиростабилизации призвана повысить уровень автоматизации, безопасности плавания и эффективности использования оружия, т. е. повысить уровень решения многих задач. К ним можно отнести: задачи тактического маневрирования, оценку обстановки и выдачу рекомендаций на применение того или иного вида оружия, определение времени и средств для производства коррекции навигационного комплекса с учетом обстановки и погрешности вырабатываемых навигационных параметров и др.

Автоматизация решения этих и других задач с применением систем искусственного интеллекта позволит повысить надежность, ремонтопригодность, значительно сократить численность обслуживающего персонала НК и снизить количество неверных решений, принятых оператором (штурманом).

Таким образом, в данной статье показана возможность использования систем искусственного интеллекта при создании НК нового поколения. Комплекс навигации и стабилизации надводных кораблей ВМФ пятого поколения должен иметь сложную многоуровневую структуру использования систем искусственного интеллекта и строиться на датчиках нового типа.


Для комментирования необходимо зарегистрироваться на сайте

  • <a href="http://www.instaforex.com/ru/?x=NKX" data-mce-href="http://www.instaforex.com/ru/?x=NKX">InstaForex</a>
  • share4you сервис для новичков и профессионалов
  • Animation
  • На развитие сайта

    нам необходимо оплачивать отдельные сервера для хранения такого объема информации