close

Вход

Забыли?

вход по аккаунту

?

Методическое и алгоритмическое обеспечение системы измерения параметров движения спускаемого аппарата

код для вставкиСкачать
На правах рукописи
Кислицына Ирина Александровна
МЕТОДИЧЕСКОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
СИСТЕМЫ ИЗМЕРЕНИЯ ПАРАМЕТРОВ ДВИЖЕНИЯ
СПУСКАЕМОГО АППАРАТА
05.11.16 – Информационно-измерительные и управляющие системы
(машиностроение)
Автореферат
диссертации на соискание ученой степени
кандидата технических наук
Санкт-Петербург
2018
2
Работа выполнена в федеральном государственном автономном
образовательном учреждении высшего образования «Санкт-Петербургский
политехнический университет Петра Великого» (ФГАОУ ВО «СПбПУ»)
Научный руководитель:
доктор технических наук, профессор
Малыхина Галина Федоровна
Официальные оппоненты: Марусина Мария Яковлевна
доктор технических наук, профессор,
профессор ФГАОУ ВО «Санкт-Петербургский
национальный исследовательский университет
информационных технологий, механики и
оптики»
Хабурзания Тимур Зурабович
кандидат технических наук,
аналитик ООО «Опенвэй сервис»
Ведущая организация:
ФГУП «Всероссийский научноисследовательский институт метрологии
имени Д.И.Менделеева»
Защита состоится «28» июня 2018 г. в 16:00 часов на заседании
диссертационного совета Д 212.229.10 при ФГАОУ ВО «СПбПУ» по адресу:
194021, Санкт-Петербург, ул. Политехническая, д. 21 (9 учебный корпус,
ауд. 121).
С диссертацией
ВО «СПбПУ» и на сайте
можно
ознакомиться
в
библиотеке
ФГАОУ
Автореферат разослан «____» __________ 20___ г.
Учёный секретарь
диссертационного совета Д 212.229.10
кандидат технических наук, доцент
Богач Наталья Владимировна
3
МЕТОДИЧЕСКОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
СИСТЕМЫ ИЗМЕРЕНИЯ ПАРАМЕТРОВ ДВИЖЕНИЯ
СПУСКАЕМОГО АППАРАТА
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность и степень разработанности темы исследования. С
развитием космической отрасли, все более актуальным становится вопрос об
изучении планет Солнечной системы. Особое место занимает проблема
изучения и освоения Луны. В настоящее время планируется осуществление
значительного количества программ освоения этого космического объекта.
При совершении межпланетных перелетов, одной из главных задач
становится обеспечение мягкой посадки космического аппарата. В состав
современных отечественных систем спуска на Землю входят пороховые
двигатели мягкой посадки, которые включаются непосредственно перед
приземлением, снижая скорость аппарата до величины, соответствующей
допустимой силе удара о поверхность. Условия посадки на Луну серьезно
отличаются от земных по причине разницы влияния гравитационных полей,
отсутствия лунной атмосферы, высокого фона радиационного излучения,
состава грунта. Следовательно, способ посадки спускаемого аппарата,
используемый в земных условиях, может быть не пригоден на Луне.
Таким образом, в настоящее время назрела необходимость определение
оптимального метода измерения высоты спускаемого аппарата над лунной
поверхностью. В настоящей работе проводится анализ существующих
методов и систем измерения высоты, а также рассмотрено влияние на них
природных особенностей Луны. Исходя из этого была предложена модель
измерительной системы, объединяющая в себе радиоволновый и фотонный
способы измерения высоты с помощью нейронной сети.
Цель настоящего исследования состоит в разработке методического и
алгоритмического обеспечения системы измерения параметров движения
спускаемого
аппарата над
лунной поверхностью
с
помощью
комплексирования методов радиоволновой и фотонной высотометрии.
Задачи исследования.
1. Разработка математической модели фотонной измерительной
системы и исследование характеристик рассеянного лунной поверхностью
потока фотонов.
2. Разработка нейросетевого алгоритма измерения параметров
движения спускаемого аппарата: высоты, скорости спуска и углов наклона.
3. Разработка метода и алгоритма адаптации процедур измерения к
составу грунта подстилающей поверхности.
4. Получение оценок погрешностей измерения параметров движения
спускаемого аппарата.
5. Выполнение экспериментов и оценка результатов разработки.
4
Научная новизна работы.
1. Математическая модель фотонной измерительной системы,
позволяющая получать оценки зависимостей интенсивности регистрируемых
гамма-квантов от высоты, угла наклона спускаемого аппарата и состава
грунта подстилающей поверхности.
2. Нейросетевой
алгоритм
обработки
сигнала
фотонной
измерительной системы для измерения параметров движения спускаемого
аппарата над лунной поверхностью.
3. Нейросетевой алгоритм адаптации фотонной измерительной
системы к составу грунта лунной поверхности на основе комплексирования
радиолокационной и фотонной измерительных систем.
Теоретическую значимость работы составляет следующие
положения:
1. Математические и компьютерные модели взаимодействия фотонов
с подстилающей поверхностью при различном пространственном
расположении системы, позволяющие исследовать алгоритмы измерения
параметров движения.
2. Нейросетевой метод и алгоритм измерения высоты, скорости и угла
наклона спускаемого аппарата над лунной поверхностью, адаптирующийся к
составу грунта подстилающей поверхности.
Практическая значимость работы заключается в следующем:
1. Разработано программное обеспечение для моделирования сигналов
фотонной измерительной системы, в процессе спуска на поверхность Луны
при различных вариантах геометрии расположения источника и приемников
излучения.
2. Разработано программное обеспечение для обработки сигналов в
фотонной измерительной системе с целью определения высоты, скорости и
углов наклона спускаемого аппарата на основе адаптации к составу грунта
лунной поверхности.
Методология и методы исследования.
В диссертационной работе использованы методы теории измерений,
метрологии, атомной физики, теории вероятностей, математического
моделирования, искусственного интеллекта.
На защиту выносятся следующие положения:
1. Математическая модель фотонной измерительной системы
позволяет на начальных этапах проектирования в земных условиях
настраивать параметры алгоритма измерения высоты, скорости и угла
наклона аппарата, спускаемого на лунную поверхность при заданной
геометрии расположения источника и приемников излучения.
2. Нейросетевой метод позволяет выполнять измерение параметров
движения спускаемого аппарата на малых высотах над поверхностью Луны.
5
3. В условиях неопределенности состава грунта предложенный
нейросетевой метод позволяет выполнять адаптацию к показаниям
радиолокационной измерительной системы, полученным на относительно
больших высотах.
Достоверность научных и практических результатов обеспечивается
корректным применением обоснованных методов исследования и
непротиворечивостью результатов моделирования результатам испытаний
опытного образца.
Апробация работы.
Результаты работы были рассмотрены и одобрены на следующих
конференциях:
– международной научно-практическая конференция «Измерения в
современном мире - 2013», Санкт-Петербург, Политехнический университет;
– 10-ой Международной конференции «Современные математические
и вычислительные методы в метрологии и испытаниях – АМСТМ 2014»,
2014 г., Санкт-Петербург, ВНИИМ им. Д.И. Менделеева;
– V Всероссийской
научно-практической
конференция
с
международным участием «Измерения в современном мире-2013», 2014 г.,
Санкт-Петербург, Политехнический университет;
– XIII Всероссийской научной конференции «Нейрокомпьютеры и их
применение», 2015, Москва; Московский городской психологопедагогический университет (ГБОУ ВПО МГППУ);
– молодежной научно-технической конференции «Инновационный
Арсенал молодежи», 2013 г., 2014 г., 2015 г., 2017 г. Санкт-Петербург, ФГУП
«КБ Арсенал».
Публикации.
По теме диссертации опубликовано 9 работ:
 две статьи в научно-технических журналах, рекомендуемых ВАК;
 одна статья в научно-техническом журнале, индексируемая в базе
данных Scopus;
 семь статей опубликованы в прочих изданиях.
Программное обеспечение зарегистрировано в реестре Федеральной
службе по интеллектуальной собственности (Роспатента): свидетельство о
государственной регистрации программы для ЭВМ № 2017612192.
Структура и объем диссертации.
Диссертация состоит из введения, четырех глав, заключения, списка
использованной литературы и приложения. Общий объем диссертации
составляет 129 страниц, в тексте имеется 39 рисунков, 15 таблиц, список
литературы содержит 100 наименование.
6
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность проблемы обеспечения мягкой
посадки на лунную поверхность, определены цели и задачи исследования,
сформулированы положения, выносимые на защиту.
Первая глава посвящена анализу существующих методов измерения
параметров движения спускаемых аппаратов, с учетом особенностей посадки
на поверхность Земли и других космических объектов, в том числе на Луну.
Внешними условиями, оказывающими влияние на посадку
космического аппарата на Луну, являются следующие:
− гравитационное поле, сплюснутое у полюсов и сильно вытянутое над
обратным полушарием, наличие масконов, влияют на силу притяжения,
действующую на спускаемый аппарат;
− местные магнитные аномалии в различных районах поверхности;
− отсутствие атмосферы, плотность которой на Луне на 14 порядков
меньше, чем на Земле, не позволяет поддерживать равномерный спуск за
счет парашюта;
− сложный характер пространственно-временного влияния солнечной
радиации вблизи поверхности Луны;
− покров рыхлого материала, так называемого реголита, толщина
которого колеблется от 4 до 5 м в лунных морях и до 10 до 15 м на
материках;
− большая сложность или невозможность выполнения полного
натурного эксперимента для испытания системы посадки.
Анализ литературы и патентный поиск показали, что для измерения
параметров спуска существуют различные типы систем: лазерные,
радиоволновые, фотонные, рентгеновские, оптические, объединяющие
несколько способов измерений. Разработкой систем посадки занимаются
фирмы BepiColombo (совместная для EKA и JAXA космическая
автоматическая миссия к Меркурию), Lunar Orbiter Laser Altimeter
(программа NASA Lunar Reconnaissance Orbiter по картографированию
поверхности Луны), Mercury Laser Altimeter (программа NASA Messenger по
картографированию поверхности Меркурия), «Фобос-Грунт» (посадка
космического аппарата (КА) на поверхность спутника Марса − Фобоса,
забор образцов грунта и доставка их на Землю).
На основе сравнительного анализа определено, что в условиях посадки
на лунную поверхность, фотонная измерительная система, использующая
принцип регистрации обратно рассеянных гамма-квантов, обладает
существенными преимуществами:
− способностью выполнять измерения через обшивку спускаемого
аппарата;
− способностью измерять в условиях плазмы двигателей мягкой
посадки;
− нечувствительностью к слою пыли на поверхности планеты и к
случайным препятствиям;
7
− нечувствительностью к пыли, поднятой двигателями над
поверхностью планеты;
− уменьшением погрешности измерения по мере приближения к
поверхности;
− высокой надежностью, вероятность безотказной работы которой не
менее 0.9999 за 30 минут работы.
Решению проблемы измерения малых высот с помощью
радиоизотопных и рентгеновских методов посвящены исследования,
выполненные в России и США с участием ряда ученых: Ширенко А.П.
Герчиковым Ф.Л. Юревичем Е.И., Спасским Б.А., Robin P. Gardnerи др.
В 1966-1968 годах в ЦНИИ Робототехники и технической кибернетики была
разработана фотонная измерительная система, которая нашла широкое
применение в системах посадки на Землю. Условия посадки на поверхность
Луны отличается от земных условий неравномерностью движения
вследствие отсутствия атмосферы и невозможности плавного снижения на
парашюте, изменения силы притяжения вследствие наличия масконов.
Состав грунтов земной поверхности в предполагаемом месте посадки может
быть достаточно хорошо изучен. В то же время состав грунтов лунной
поверхности и их свойство рассеяния фотонов известно недостаточно
хорошо. Поэтому сделан вывод о необходимости разработки нового подхода
к измерению параметров движения спускаемого аппарата над лунной
поверхностью, учитывающий неравномерность движения и необходимость
адаптации к составу лунного грунта в месте посадки.
Фотонная измерительная система, работающая в земных условиях, для
управления двигателем мягкой посадки использует линейную первого
порядка модель движения спускаемого аппарата. В системе посадки
спускаемого аппарата на лунную поверхность, исследуется возможность
применения нелинейной модели более высокого порядка, которая может
быть реализована нейронной сетью. Результаты измерения параметров
движения предназначены для формирования сигналов управления
двигателями посадки. Применение нейронных сетей в задачах измерения
приводит к необходимости подробного анализа их свойств. В настоящей
главе приведен анализ архитектур нейронных сетей, типов активационных
функций, алгоритмов обучения. Проанализированы методы выбора
количества слоев сети и количества нейронов в каждом слое сети. Выполнен
анализ существующих примеров применения нейросетевых алгоритмов в
области авиации.
В результате анализа выявлены причины применения нейросетевого
алгоритма в фотонной измерительной системе посадки:
− способность сети к обучению по данным имитационного
эксперимента или эксперимента, проводимого в земных условиях;
− способность дополнительной адаптации алгоритма к реальным
условиям в процессе работы в условиях спуска на поверхность планеты;
− дополнительная фильтрация сигнала при работе в условиях шума,
обусловленного применением изотопа Cs137 в качестве источника гаммаквантов;
8
− высокое быстродействие при выполнении измерений с помощью
обученной нейронной сети, позволяющей работать при большой скорости
спуска.
На основе проведенного анализа сформулирована идея настоящего
исследования, состоящая в разработке основанного на нейросетевом подходе
методического и алгоритмического обеспечения системы измерения
параметров движения аппарата, спускаемого на поверхность Луны, который
позволяет выполнять измерения в условиях неполных знаний об условиях
посадки, о составе грунта, силе гравитации, наклоне спускаемого аппарата.
Вторая глава посвящена разработке математической модели системы
измерения параметров движения спускаемого аппарата. Особенностью
проектирования системы посадки на лунную поверхность является
невозможность выполнения натурных экспериментов, по крайней мере, на
начальном этапе разработки. Поэтому актуальной является задача разработки
математической модели фотонной системы.
Математическая модель учитывает геометрию размещения источника и
приемников фотонов на днище спускаемого аппарата, характеристики
источника излучения, состав грунта подстилающей поверхности в
предполагаемом месте посадки. В основу модели положены процессы
взаимодействия гамма-излучения с веществом, которые характеризуются
эффектом Комптона.
Дифференциальное сечение комптоновского рассеяния на один
электрон, отнесенное к единице телесного угла, выражается формулой
Клейна-Нишины-Тамма, которая определяет вероятность рассеяния фотона
под углом  S в телесном угле Ω:
2
 
d s r02 
( (1  cos  s )) 2 
1
2
 
1  cos  s 
(1)
d
2 1   (1  cos  s )  
1   (1  cos  s ) 
где r0  2.8179403267(27)  1015 – длина томпсоновского рассеяния;
  7.2973525664(17)  103 – постоянная тонкой структуры; s – угол
рассеяния (угол между направлениями первичного и рассеянного фотонов).
Интенсивность рассеянного фотонного излучения I s в зависимости
от интенсивности первичного излучения I 0 , угла рассеяния  s (угол между
направлениями первичного и рассеянного фотонов) на расстоянии r от
рассеивающего электрона выражается следующим соотношением:


3 0
1  cos 2  s  
 2 (1  cos 2  s )
I s  I 0
1


, (2)
3
16r 2 1   (1  cos  s )  1   (1  cos  s )(1  cos  s ) 
где  0  6.57  10 25 ne Z эфф. (см2) – комптоновское сечение; ne – концентрация
электронов в рассеивающем слое; Z эфф. – эффективный атомный номер
вещества.
Для моделирования фотонной измерительной системы получена
формула для усредненной по поверхности отражения интенсивности потока
фотонов, регистрируемых в точке детектирования:
9
I detect 
 e
depth  
  ( E )  depth
I  (r , l ,  , , h,  , ) d depth dd ,
(3)
где  (E ) – коэффициент массового поглощения, зависящий от энергии
фотонов,  – плотность слоя рассеивающей поверхности, dept – глубина, на
которой расположен рассеивающий элемент.
Геометрия расположения источника и приемников рассеянного гаммаизлучения, показаны на рисунке 1. Источник фотонного излучения (S)
размещен близко к центру, два детектора (D1,D2) расположены по краям на
расстоянии l от источника. Спускаемый аппарат может быть наклонен
относительно подстилающей поверхности, причем угол наклона оси, на
которой расположены два приемника составляет  . В расчетах приняты
следующие обозначения: h – текущее значение высоты спускаемого
аппарата, r – расстояние от рассеивающего элемента до детектора,  – угол
падения прямого потока фотонов,   max , где max – угол коллимации,  –
угол между проекцией оси, на которой расположен детектор D2, и радиусом,
проходящим через элемент рассеяния фотонов. Детектор излучения имеет
конечные размеры, поэтому диапазон углов рассеяния фотонов, которые
достигают детектор D2, составляет [1 , 2 ] .
Рисунок 1 – Расположение источника и двух приемников излучения
Одним из факторов, влияющих на интенсивность принимаемого
сигнала, является расположение передатчика и приемников на днище
спускаемого аппарата. Для того чтобы определить геометрию системы,
обеспечивающую минимальные погрешности измерений, необходимо
провести анализ возможных вариантов размещения ее составных частей.
Моделирование выполнено для системы, состоящей из источника излучения
Cs137 с интенсивностью I 0 =1·104 Р/час и углом коллимации   60 °; и
четырех приемников излучения, использующих кристалл NaI(Tl). Расстояние
от передатчика до центра днища спускаемого аппарата составляет a  0.4 м,
расстояние от приемника до центра днища – b  1.86 м, углы наклона между
осями днища и нормалью к поверхности –  0..30 , угол наклона оси
передатчика над подстилающей поверхностью; угол наклона оси приемников
над подстилающей поверхностью   0...30 . В результате моделирования
10
получены графики зависимости интенсивности потока фотонов от высоты
при разных углах наклона, приведенные на рисунке 2.
Зависимость интенсивности потока при положительных углах наклона
0.045
gamma=0 град
gamma=5.6 град
gamma=11.25 град
gamma=16.88 град
gamma=22.5 град
Отношение интенсивностей - (I/I0)
0.04
0.035
0.03
0.025
0.02
0.015
0.01
0.005
0
1
2
3
4
Высота - h
5
6
7
8
Рисунок 2 – Графики зависимости ослабления интенсивности от высоты спуска при
различных углах наклона оси приемников
Рассеяние фотонов зависит от структурного и химического состава
подстилающей поверхности. Лунных грунт представляет собой крупные
обломки и редкие выходы пород скального основания, которые постепенно
покрываются микро-кратерами размером от долей микрометров до
нескольких сантиметров. В результате метеоритной бомбардировки на
поверхности Луны образовался покров рыхлого материала, называемого
реголитом, который состоит из обломков коренных пород и вторичных
частиц, сформированных при ударно-взрывной переработке вещества, так
называемых брекчий и частиц стекла. Средняя толщина реголита, который
покрывает всю лунную поверхность, колеблется от 4-5 м в лунных морях и
до 10-15 м на материках. Химический состав реголита отражает состав ниже
залегающих пород, но в нем присутствуют и другие вещества и минералы.
Основные минералы лунных пород: плагиоклаз (твердый раствор альбита
NaAlSi3O8 и анортита CaAl2Si2O8), ортопироксен (Mg, Fe)SiO3,
клинопироксен (Ca,Mg,Fe)SiO3, оливин (Mg, Fe)2SiO4, ильменит (FeTiO3) и
минералы группы шпинели (FeCr2O4 – Fe2TiO4 – FeAl2O4). Среди пород
материковой породы Луны в работе выделяют серию железистых
анортозитов, магнезиальную интрузивную серию, содержащую MgO2 –
7..45%, Al2O3 – 2-29%, TiO2 – 0.5%, щелочную интрузивную серию,
содержащую TiO2 – 0.5..5%, FeO – 0.4..17%, K – 0.3..0.5%, SiO2 – 65-75%, и
серию редкоземельных не морских базальтов, в состав которой входят
Al2O3 – 15..24%, FeO – 9..15%.
Разработанная
модель
позволяет
получить
зависимости
регистрируемого потока фотонов от состава подстилающей поверхности. На
рисунке 3 показаны полученные в логарифмическом масштабе зависимости
интенсивности регистрируемого потока фотонов от высоты при разном
составе грунта подстилающей поверхности, который характеризуется
значениями сечения  0 .
11
Рисунок 3 – Интенсивность регистрируемого гамма-излучения на высотах
0.3..20 м при различном составе грунта.
Таким образом, разработанная математическая модель позволяет на
этапе проектирования измерительной системы получать зависимости
регистрируемого сигнала от топологии и характеристик источников и
приемников проектируемой системы и от внешних условий выполнения
спуска на лунную поверхность.
Третья глава посвящена разработке алгоритма измерения параметров
движения спускаемого аппарата: высоты, скорости и углов наклона.
Особенность измерения состоит в наличии шума изотопа и шумов внешних
радиационных
полей, нелинейного характера движения спускаемого
аппарата, вызванного наличием масконов, неопределенности состава грунта
в месте посадки. В этих условиях предложено применять нейросетевой
алгоритм, способный обобщать всю доступную информацию об условиях
измерения: данные математического моделирования, данные натурного
эксперимента, проводимого в земных условиях, дополнительную адаптацию
к реальным условиям спуска на поверхность планеты.
Предложена модель – динамическая система, представленная в
терминах пространства состояний. Измерительная система работает в
условиях неполной информации об объекте измерения и об условиях
измерения. Динамическое поведение системы характеризуется уравнением
управления (4) и уравнением наблюдения (5):
x(n  1)   WA x(n)  WB u(n) 
( 4)
y (n)   WC x(n)  e(n) ,
где x (n )  q  1 – вектор,
характеризующий
(5)
состояние
нелинейной
динамической системы дискретного времени; u (n )  m  1 входной вектор
управляющих воздействий; y (n )  p  1 вектор, характеризующий выход
системы; e (n )  вектор погрешностей измерения; WA  матрица размером
q  q ; WB  матрица размером q  m  1; C  матрица размером p  q ;  () 
функция, характеризующая нелинейность. Размерность пространства
12
состояний q определяет порядок системы. Таким образом, модель
пространства состояний характеризует нелинейную динамическую систему
дискретного времени порядка q с m входами и p выходами.
Нелинейное преобразование, которое должно выполняться в процессе
измерения, представлено выражением:
y (n)  C1 x1 (n)  C 2  [x1 (n  1), x1 (n  2),.., x1 (n  q),
u(n  1), u(n  2),.., u(n  q), x 2 (n  q)],
(6)
где x1  x1 ... xk   вектор измеряемых состояний, x 2 T  xk 1 ... xq 
вектор неизвестных и неизмеряемых состояний, Ф – нелинейная функция,
С1 – матрица измерения для состояний системы контролируемых датчиками,
С2 – гипотетическая матрица измерения для неизвестных и не измеряемых
датчиками компонент вектора параметров состояния.
Получение измерительных данных о параметрах состояния нелинейной
динамической системы (объекта) выражается в форме преобразования от
текущего и предшествующих (на глубину q) значений вектора измеряемых
состояний: x1 (n), x1 (n  1),..., x1 (n  q), и от предшествующих значений вектора
управления u(n  1), u(n  2),...., u(n  q).
Таким образом, нелинейная авторегрессионная сеть с внешними
входами (nonlinear autoregressive with exogenous input model  NARX)
соответствует модели измерения в условиях неопределенности, которое
характеризуется уравнением (6). Разработанная математическая модель
системы измерения позволяет определить размер NARX-сети, в частности,
определить число нейронов входного слоя, число временных задержек на
входе, число слоев сети, число нейронов в скрытых слоях и тип
активационных функций.
В результате проведения моделирования получены следующие
характеристики архитектуры нейронной сети:
− на вход сети поступают значения интенсивности принимаемого
сигнала от двух приемников с тремя задержками на входе и начальное
значение высоты, измеренное радиолокационной измерительной системой;
− выходными сигналами сети являются высота над подстилающей
поверхностью и угол наклона оси приемников.
Для определения числа скрытых слоев персептрона и количества
нейронов в каждом слое необходимо сравнить оценочные значения с
результатами перекрестной проверки.
Необходимое количество нейронов в скрытых слоях персептрона
определено
по
формуле,
являющейся
следствием
из
теорем
Арнольда-Колмогорова-Хехт-Нильсена:
 Q

NY Q
 NW  N y 
 1( N X  NY  1)  NY
(7 )
1  log 2 (Q)
 NX

T
13
где N Y – размерность выходного сигнала; Q – число элементов множества
обучающих примеров; NW – необходимое число синаптических связей; N X –
размерность входного сигнала.
Соответствующий размер обучающего множества находится в
диапазоне 25  NW  162 . Для двухслойной нейронной сети число нейронов в
скрытых слоях, оцененное по формуле N  NW /( N X  NY ), находится в
пределах 2  N  13 . Поэтому перекрестная проверка была выполнена в этом
диапазоне. Обучающая выборка составлена из значений интенсивности
принимаемого сигнала с учетом шума радиоизотопного преобразователя,
зависящего от интенсивности потока фотонов, при углах отклонения оси
приемников (-30 ... +30) и высоте (0.5 м ... 10 м). В работе были
исследованы нейронные сети с количеством от 1 до 5 скрытых нейронов. В
результате перекрестной проверки определено, что минимальная ошибка
обобщения для нейронной сети равная, достигается при одном скрытом слое.
Поэтому предложено использовать NARX-сеть с одним скрытым
слоем, содержащим три нейрона. Функцией активации для нейронов
скрытого слоя является гиперболический тангенс, а для нейронов выходного
слоя – линейная функция.
Для того, чтобы уменьшить влияние типа грунта подстилающей
поверхности на точность измерений системы, предложено выполнять
адаптацию NARX-сети в процессе спуска аппарата на поверхность Луны.
При спуске аппарата на интервале высот от 20 м до 10 м работают две
системы: радиолокационная и фотонная. Это дает возможность выполнять
адаптацию алгоритма измерения фотонной системы с учетом показаний
радиолокационной системы с последующим плавным переключением на
показания фотонной системы. На рисунке 4 показаны результаты адаптации
нейросетевого алгоритма на основе модели рассеяния фотонов лунной
поверхностью.
Рисунок 4 – Результаты адаптации алгоритма к составу лунной поверхности
14
Штриховой линией на рисунке показаны зависимости среднего
значения интенсивности детектируемых фотонов от высоты в диапазоне
высот от 20 м до 10 м при ряде значений комптоновского сечения
0.5 0 , 0.75 0 ,  0 , 1.25 0 ,1.5 0 . Сплошной линией показаны результаты
адаптации алгоритма, первоначально настроенного на значение  0 , если
действительное значение комптоновского сечения грунта оказалось вдвое
меньше ( 0.5 0 ). Хороший результат адаптации продемонстрирован
совпадением кривых, полученных при моделировании сети, настроенной на
0.5 0 , и адаптации сети, настроенной на  0 , позволяет заключить, что
предложенный алгоритм позволяет выполнять измерения при разных
составах лунного грунта.
Адаптация нейросетевого алгоритма измерения к составу грунта
подстилающей поверхности в реальных условиях посадки в процессе
снижения на высоте от 20 м до 10 м включает:
1) регистрацию числа фотонов, получаемых двумя парами детекторов,
расположенными на одной оси с использованием скользящего временного
окна прямоугольной формы со смещением, равным половине длины окна;
2) получение показаний радиолокационной измерительной системы;
3) подстройка весов рекуррентной нейронной сети с учетом показаний
радиолокационной системы.
Для измерения высот от 10 м до 0.5 м используется рекуррентная сеть
Элмана. Обучение сети на этапе разработки системы с использованием
предложенной математической модели и/или испытаний в земных условиях
при среднем оценочном составе грунта подстилающей поверхности
выполняется следующим образом:
1) моделируется или регистрируется число фотонов, получаемых двумя
парами детекторов, с использованием скользящего временного окна
прямоугольной формы со смещением, равным половине длины окна;
2) оцениваются погрешности обучения алгоритма (градуировка
системы), изменяются параметры алгоритма с целью получения требуемой
погрешности измерения.
Алгоритм измерения с помощью обученной и адаптированной к типу
грунта рекуррентной сети следующий:
1) регистрация числа фотонов, получаемых двумя парами детекторов,
расположенными на одной оси с использованием скользящего временного
окна прямоугольной формы со смещением, равным половине длины окна;
2) получение показаний фотонного высотомера в виде среднего
значения высоты по четырем детекторам;
3) получение двух углов, характеризующих угол между плоскостью
днища спускаемого аппарата и подстилающей поверхностью;
4) получение скорости снижения в виде конечной разности
последовательных значений высот.
15
В четвертой главе описано проведение стендовых экспериментов для
подтверждения результатов математического моделирования, проведенного в
предыдущей главе, определены точностные характеристики фотонной
измерительной системы. Эксперименты были проведены на стендовоиспытательной базе ЦНИИ РТК, изображенных на рисунках 5 и 6.
Рисунок 5  Проведение эксперимента на стендово-испытательной базе
ЦНИИ РТК (тип подстилающей поверхности – почва)
а) макет днища спускаемого аппарата,
поднятый с помощью крана
б) макет передатчика фотонной
измерительной системы
16
в) макет блока обработки информации фотонной измерительной системы
Рисунок 6  Проведение эксперимента на стендово-испытательной базе ЦНИИ
РТК (тип подстилающей поверхности – бетон)
С помощью подъемного крана макет системы, установленный на макет
днища спускаемого аппарата, поднимался на высоты: от 0.5 м до 1 м с шагом
0.25 м, от 1 м до 6 м с шагом 0.5 м, от 6 до 20 м с шагом 1 м.
Конфигурация размещения составных частей макета фотонной
измерительной системы показана на рисунке 7.
d1=1.86 м – расстояние от центра днища до одного из приёмников,
d2=0.4 м – расстояние от центра днища до передатчика
Рисунок 7  Размещение составных частей макета СФИ.
Испытания проводились над землей плотностью от 1.4 до 2.0 г/см3, а
также над забетонированной площадкой толщиной 300 мм и плотностью
ρ=2.85 г/см3. В состав фотонной измерительной системы входил один макет
передатчика с установленным источником гамма-излучения Cs137
активностью 28 ГБк, два макета приемников в двухканальном исполнении и
макет блока обработки информации, с помощь программного обеспечения
17
которого осуществлялась запись статических характеристик. На каждой
высоте в течении 1 секунды проводилось около 300 измерений. Статические
характеристики были сняты при углах наклона системы 0° и 10°.
Значения средних частот регистрируемых гамма-квантов, полученные
при проведении испытаний макета системы фотонной, были использованы
для проверки работоспособности нейронной сети и оценки погрешностей
измерений высоты. Для того, чтобы повысить эффективность обучения
нейронной сети необходимо увеличить количество обучающих примеров. По
дискретному набору исходных данных с помощью сплайн-интерполяции
была восстановлена функции интенсивности принятого сигнала. В данной
работе применялся метод интерполяции с помощью кубических
сглаживающих сплайнов.
Входами и выходами моделируемой сети являются результаты
измерения интенсивностей обратно рассеянных гамма-квантов (тысячные
доли электрон-Вольтов) и соответствующие им значений высоты (единицы
метров). Очевидно, что эти величины являются разноразмерными,
вследствие этого, необходимо привести их к единому масштабу. Приведение
величин к единому масштабу осуществляется с помощью нормировки.
Процесс нормировки заключается в преобразовании исходного диапазона, в
пределах которого распределены переменные, к диапазону [0, 1].
Предобработка (фильтрация) исходных данных вследствие воздействия
на них пуассоновского шума заключается в уменьшении количества величин
с большим отклонением от своего среднего с помощью «Метода главных
компонент». Основная идея метода заключается в том, что в исходном
пространстве осуществляется поиск гиперплоскости заданной размерности с
последующем проектированием на неё исходных данных. При этом ошибка
проектирования на искомую гиперплоскость должна быть минимальной в
смысле суммы квадратов отклонений.
После проведения предварительной обработки экспериментальные
данные были разбиты на две выборки: обучающую и тестовую. Обучающая
выборка была сформирована из значений частот принимаемого сигнала при
нулевом угле отклонения оси приемников. С помощью неё осуществлялась
подстройка весовых коэффициентов нейронной сети и адаптации
измерительной системы к свойствам подстилающей поверхности. Тестовая
выборка включала в себя частоты принимаемого сигнала при углах
отклонения осей приемников раных 10°. Тестовая выборка подавалась на
вход уже обученной нейронной сети.
В результате моделирования определены ошибки измерения высоты
совместной работы адаптивной NARX-сети и измерительной рекуррентной
сети Элмана. Ошибки измерения составили менее 1 % (рисунок 8).
18
Рисунок 8 – Результаты моделирования рекуррентной сети
При обработке данных, полученных в результате стендовых
испытаний, было доказано, что комплексное применение двух нейронных
сетей: NARX-сети и рекуррентной сети – позволяет уменьшить
методическую погрешность. В результате чего, суммарная погрешность
измерения высоты спускаемого аппарата над любым типом лунного грунта
составит 3%.
В заключении перечислены основные научные результаты, указана их
сущность и новизна, сделан вывод о достижении цели исследования.
Сформулированы основные направления дальнейших исследований,
направленных на повышение эффективности и качества системы посадки.
(заключение приведено)
ЗАКЛЮЧЕНИЕ
Результаты выполненных исследований позволяют утверждать, что:
1. Разработана математическая модель фотонной измерительной
системы в зависимости от её характеристик (расположения источников
излучения и приемников излечения на днище спускаемого аппарата, вид
источника излучения, угол коллимации, углы наклона аппарата, высота над
подстилающей поверхностью).
2. Разработан метод определения высоты спускаемого аппарата с
помощью нейронной сети фотонной измерительной системы.
3. Разработан нейросетевой алгоритм измерения высоты и углов
наклона спускаемого аппарата, адаптирующийся к месту посадки.
Определены тип и топология сети, а также её погрешности измерений.
4. Выполнены натурные эксперименты и получена оценка результатов
разработки.
для
Практические результаты работы:
1. С помощью среды Matlab разработано программное обеспечение
моделирования интенсивности принимаемого сигнала фотонной
19
измерительной системы лунной поверхности при различных вариантах
размещения его составных частей на днище спускаемого аппарата.
2. Разработан нейросетевой алгоритм, позволяющий определять тип
подстилающей поверхности. С помощью алгоритма выполняется адаптация
нейронной сети к типу грунта, что приводит к уменьшению погрешностей
измерений фотонной измерительной системы.
3. Разработан нейросетевой алгоритм, позволяющий измерять высоту
спускаемого аппарата над лунной поверхностью. С помощью Matlab
разработана программа измерения высоты и угла наклона спускаемого
аппарата с помощью нейронной сети. Программа зарегистрирована в реестре
«Роспатента» (свидетельство о государственной регистрации программы для
ЭВМ № 2017612192).
4. С помощью разработанного программного обеспечения определены
погрешности измерения предложенной нейронной сети. Погрешностью
измерения высоты составляет  1%.
5. В ходе выполнения стендовых экспериментов была подтверждена
достоверность предполагаемых результатов измерения.
Работа соответствует специальности 05.11.16 «Информационноизмерительные и управляющие системы» (машиностроение) в связи с тем,
что:
1. В работе выполнено исследование возможностей и путей
совершенствования существующей системы посадки спускаемых аппаратов
и создан новый элемент (нейронная сеть) измерительной и управляющей
системы спускаемого аппарата.
2. В работе предложен способ улучшения технических характеристик
системы управления двигателями мягкой посадки и разработаны новые
принципы её построения.
СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ
В изданиях из перечня ВАК
1. Измерение параметров движения с использованием нейронных
сетей.
Научно-технические
ведомости
Санкт-Петербургского
Государственного
политехнического
университета.
Информатика.
Телекоммуникации. Управление / Изд-во Политехн. ун-та / Малыхина, Г. Ф.,
Кислицына, И. А. – Санкт-Петербург; 2014 – стр. 59-68
2. Управление движением спускаемого аппарата в условиях
нопределенности состава лунной поверхности / Научно-технические ведомости
Санкт-Петербургского Государственного политехнического университета.
Физико-математические науки. / Изд-во Политехн. ун-та / Малыхина, Г. Ф.,
Кислицына, И. А. – Санкт-Петербург; том 10, № 3 2017.
20
3. Программа измерения высоты спускаемого космического аппарата
с помощью нейронной сети фотонного высотомера. /Кислицына А.А.,
Малыхтна Г.Ф, рег. № 2017612192, 13 октября 2016 г.
В изданиях, индексируемых в базе данных Scopus
4. Mathematical modeling of an altimeter / The e-Journal of the
International Measurement Confederation (IMEKO) / Irina Kislitsyna, Galina
Malykhina – 2015, Volume 4, Number 4, 16-19
В прочих изданиях
5. Photonic system for soft landing / VII International Conference :
International Cooperation in Engineering Education / Kislitsyna, I. – St.Peterburg,
2012 – p. 89-93
6. Проектирование фотонного высотомера для выполнения посадки на
лунную
поверхность.
Актуальные
проблемы
автоматизации
и
управления : сборник научных трудов конференции Южно-уральского
государственного университета. / Малыхина, Г.Ф., Кислицына, И.А. –
Челябинск : 2013 – стр.149-154
7. Способ посадки перспективного космического аппарата компании
Astrium / Измерения в современном мире-2013 : сборник научных трудов 4-й
Международной научно-практической конф. / Малыхина, Г. Ф., Кислицына,
И. А. – Санкт-Петербург : Изд-во Политехн. ун-та, 2013 – стр. 50-52
8. Фотонные системы мягкой посадки космических аппаратов /
Инновационный Арсенал молодежи : труды четвертой науч.-техн. конф. /
ФГУП «КБ Арсенал» Балт. гос. техн. ун-т. / Кислицына, И. А. – СанктПетербург; 2013 – стр. 158-159
9. Определение высоты спускаемого аппарата над лунной
поверхностью с помощью фотонного высотомера / Инновационный Арсенал
молодежи : труды пятой науч.-техн. конф. / ФГУП «КБ Арсенал» Балт. гос.
техн. ун-т. / Кислицына, И. А. – Санкт-Петербург; 2014 – стр. 137-139
10. Особенности измерения высоты над лунной поверхностью с
помощью различных видов источников радиоактивного излучения Astrium /
Измерения в современном мире-2014:
сборник научных трудов 5-й
Всероссийской научно-практической конференции с международным
участием / Малыхина, Г. Ф., Кислицына, И. А. – Санкт-Петербург : Изд-во
Политехн. ун-та, 2014 -стр. 74-78
11. История развития автоматических станций для исследования Луны /
Инновационный Арсенал молодежи : труды шестой науч.-техн. конф. /
ФГУП «КБ Арсенал» Балт. гос. техн. ун-т. / Кислицына, И. А. – СанктПетербург; 2015 – стр. 362-159
Документ
Категория
Без категории
Просмотров
9
Размер файла
1 318 Кб
Теги
алгоритмического, измерение, спускаемого, движение, обеспечение, методические, система, аппарата, параметры
1/--страниц
Пожаловаться на содержимое документа