196 НАУКА И СОВРЕМЕННОСТЬ – 2014

МОДИФИКАЦИЯ СЕЛЕКТИВНОГО
НАВИГАЦИОННОГО КОМПЛЕКСА
© Неусыпин К.А., Пролетарский А.В., Шэнь Кай
Московский государственный технический университет им. Н.Э. Баумана,
г. Москва
Рассмотрены селективный навигационный комплекс ЛА и критерий
степени наблюдаемости. Предложена модификация селективного на-
вигационного комплекса с помощью нейронных сетей, генетических
алгоритмов и алгоритмов самоорганизации.
Ключевые слова: летательный аппарат, селективный навигационный
комплекс, критерий степени наблюдаемости, генетический алгоритм,
алгоритм самоорганизации.

Известен селективный навигационный комплекс (СНК), включающий

ИНС, приемник спутниковой навигационной системы (ПСНС), радиолока-
ционная станция (РЛС), блок определения степеней наблюдаемости и фор-
мирования измерений, фильтр Калмана (рис. 1) [1, 2, 3].

θ+x + θ+
ИНС
_
GPS

z
РЛС λ ФК

Рис. 1. Селективный навигационный комплекс

Здесь:  – истинная навигационная информация; х – погрешности ИНС;
x̂ – оценки погрешностей ИНС; ~x – ошибка оценивания; ФК – фильтр Кал-
мана;  – блок определения степеней наблюдаемости и формирования изме-
рений z.
Сигнал ИНС поступает на блок определения степеней наблюдаемости,
где вычитается из сигнала, поступившего с ПСНС для формирования измере-
ний z1, на другой вход блока определения степеней наблюдаемости поступает


Профессор кафедры «Системы автоматического управления», доктор технических наук.

Профессор кафедры «Системы автоматического управления», доктор технических наук.

Студент кафедры «Системы автоматического управления».
Технические науки 197

сигнал от РЛС, который вычитается из сигнала с ИНС для формирования из-

мерений z2, далее формируются измерительные выборки которые поступают
в критерий степени наблюдаемости для вычисления значений степеней на-
блюдаемости каждой компоненты вектора состояния, включающего ошибки
ИНС в определении скорости, угла отклонения ГСП и дрейфа ГСП.
Далее степени наблюдаемости сравниваются и по наибольшему значе-
нию выбирается сигнал для дальнейшей обработки в фильтре Калмана, где
осуществляется оценка вектора состояния. Оценка ошибок ИНС алгебраиче-
ски вычитается из выходного сигнала ИНС для компенсации ошибок ИНС. В
практических приложениях уровень измерительных шумов обычно меняется,
поэтому заранее сделать однозначный выбор структуры комплекса не пред-
ставляется возможным.
В практических приложениях уровень измерительных шумов обычно
меняется, поэтому заранее сделать однозначный выбор структуры комплек-
са не представляется возможным.
Недостатком известного СНК является то, что в критерии степени на-
блюдаемости дисперсии исследуемых компонент вектора состояния опре-
деляются априори в условиях предполетной подготовки, а в полете они мо-
гут существенно меняться, что приводит к ошибочному определению сте-
пеней наблюдаемости и, следовательно, к неправильному выбору измери-
тельного сигнала, увеличению ошибок оценивания фильтром Калмана и
снижению точности определения навигационных параметров ЛА.
Целью модификации СНК является уменьшение ошибок оценивания
ошибок ИНС за счет повышения точности вычисления степеней наблюдае-
мости погрешностей ИНС.
Критерий степени наблюдаемости имеет вид [4, 5]:
M [( x i ) 2 ]r
i  (1)
M [( y i ) 2 ]r *i
Здесь: M[(xi)2] – дисперсия произвольной i-ой компоненты вектора состоя-
ния; M[(yi)2] – дисперсия непосредственно измеряемого вектора состояния.
В критерии степени наблюдаемости (1) мерой наблюдаемости является
скаляр. Эта особенность выгодно отличает критерий от известных, так как
позволяет проводить сравнение степеней наблюдаемости компонент раз-
личных векторов состояния.
Уравнения ошибок одного горизонтального канала системы инерциаль-
ной навигации имеют вид [6]:
Vk  Vk 1  gT k 1
T
 k   k 1  Vk 1  T k 1 (2)
R
 k  T k 1
198 НАУКА И СОВРЕМЕННОСТЬ – 2014

где Vk – ошибка ИНС в определении скорости;

k – угол отклонения ГСП относительно сопровождающего трехгранника;
k – скорость дрейфа ГСП.
Для непосредственного измерения компонент вектора состояния полу-
чим следующие уравнения:
z (V )  z k
1 1
z ( )  zk  z k 1
gT gT (3)
1 1 2 1
z ( )   zk  zk  z k 1  z k 2
gT 2 R gT 2 gT 2
Определим дисперсию измерительного шума, приведенного к углу от-
клонения ГСП относительно сопровождающего трехгранника:

(4)

где r – дисперсия ошибки в измерении скорости, которая подлежит непо-

средственному измерению с помощью внешней информации.
В соответствии с выражением (4) определим степень наблюдаемости
угла отклонения ГСП относительно сопровождающего трехгранника:

(5)

Степень наблюдаемости скорости дрейфа ГСП определяется аналогично:

(6)

Подставим численные значения параметров, полученные в результате по-

лунатурного эксперимента с реальной грубой ИНС. Ошибка ИНС в опреде-
лении скорости равна 60 м/мин, угол отклонения платформы относительного
сопровождающего трехгранника -2.10-4 рад., скорость дрейфа 10-5 рад/мин,
период дискретизации выбран равным 1 минуте. В результате получим, что
степень наблюдаемости угла отклонения ГСП относительно сопровождаю-
щего трехгранника равна 0,01, а степень наблюдаемости скорости дрейфа
ГСП – 0,0001.
Технические науки 199

Полученные значения степеней наблюдаемости имеют четкий физиче-

ский смысл. Относительная погрешность оценивания наблюдаемой компо-
ненты вектора состояния по отношению к оцениваемому номиналу в случае
оценивания угла отклонения будет такая же, как и относительная погреш-
ность оценивания непосредственно измеряемой компоненты через 100 ми-
нут, а в случае скорости дрейфа – через 10000 минут.
В СНК в критерии степени наблюдаемости использованы значения оши-
бок ИНС, определенные априори в процессе предполетной подготовки, а в
модифицированном СНК оценки ошибок ИНС определяются в полете с
учетом текущих особенностей движения ЛА. Для реализации модификации
СНК использован алгоритм построения моделей ошибок ИНС (рис. 2).

θ+x + θ+
ИНС
_
GPS

z
РЛС λ ФК

N Прогноз AПM

Рис. 2. Модификация селективного навигационного комплекса

Здесь:  – истинная навигационная информация; х – погрешности ИНС;

x̂ – оценки погрешностей ИНС; ~x – ошибка оценивания; ФК – фильтр Кал-
мана;  – блок определения степеней наблюдаемости и формирования изме-
рений z; АПМ – алгоритм построения модели; Прогноз – алгоритм прогноза.
В качестве алгоритма построения модели могут быть использованы ней-
ронные сети, генетические алгоритмы, алгоритмы самоорганизации [7]. С
помощью этой модели делается прогноз ошибок ИНС и эти прогнозные зна-
чения используются в критерии для вычисления степеней наблюдаемости в
процессе полета.
Модифицированный СНК обладает большей точностью за счет более
точного определения степеней наблюдаемости ошибок ИНС, что позволяет
включать в состав используемых измерительных систем, те системы, кото-
рые обеспечивают наибольшую точность оценивания ошибок ИНС и соот-
ветственно большую точность СНК.
200 НАУКА И СОВРЕМЕННОСТЬ – 2014

Список литературы:
1. Пролетарский А.В., Неусыпин К.А., Кэ Фан, Ким Чжэсу. Методы кор-
рекции навигационных систем беспилотных летательных аппаратов // Ав-
томатизация и современные технологии. – Изд. Машиностроение, 2013. –
№ 2. – С. 30-34.
2. Шэнь Кай. Разработка алгоритмов оценивания для коррекции навига-
ционных систем // Труды первого международного симпозиума «Современ-
ные аспекты фундаментальных наук» / Под ред. Л.И. Рогачевой, К.А. Не-
усыпина. – М.: ИИУ МГОУ, 2013. – С. 247-251.
3. Шэнь Кай. Исследование алгоритмов оценивания погрешностей на-
вигационных систем // Материали за X международна научна практична кон-
ференция, «Бьдещите изследвания», 17-25 февруари, 2014, Република Бълга-
рия, гр. София. Том 49. Технологии. Физика. – С. 14.
4. KE Fang, Neusipin K.A. The research on modeling algorithm using self-
organization method in aerocraft intelligent control system // Journal of Projec-
tiles Rocket Missiles and Guidance. – 2010. – № 5. – Р. 39-42. – [in Chinese].
5. Fang KE, Proletarsky A, Neusipin K. Selection of measured signals in the
navigation measuring complex // Journal of Measurement Science and Instrumen-
tation. – 2011. – Vol. 02. – Р. 346-348.
6. Proletarsky A, Neusipin K. Research scalar filtering algorithm with self-
organization method for modeling control system // Science & Military. – 2010. –
Vol. 5. – Р. 35-39.
7. Neusipin KA, SHEN Kai, LIU Rong-zhong. Modification of nonlinear Kal-
man filter using self-organizing approaches and genetic algorithms // International
Journal of Information Engineering. – Dec. 2013. – Vol. 3, Iss. 4. – Р. 129-136.

ТЕХНИЧЕСКАЯ ДИАГНОСТИКА
ГАЗОТРАНСПОРТНОГО ОБОРУДОВАНИЯ,
ГОРОДСКОГО ЭЛЕКТРИЧЕСКОГО ТРАНСПОРТА
И ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА
© Филина О.А., Степанов Е.Л.
Казанский государственный энергетический университет, г. Казань
Необходимость использования технической генетики возникает ча-
ще всего при расследовании аварий и их причин. В связи с интенсив-
ным развитием спектральных методов анализа, в последнее десятиле-
тие создаваемые высокопроизводительные устройства автоматизиро-
ванного контроля находят всѐ большее применение и на предприятиях


Старший преподаватель кафедры Электрического транспорта.