Современное развитие беспилотных летательных аппаратов позволяет решить большое количество задач: поиск, мониторинг окружающей среды, контроль транспортных потоков, выполнение функций спасателя. Ученые считают, что актуально применение нейронной сети в управлении беспилотными летательными аппаратами (БПЛА), в частности, при посадке, так как именно этот режим является самым сложным и ответственным и имеет большую степень аварийности летательного аппарата.
В рамках работы над магистерской диссертацией на кафедре «Интеллектуальные системы в управлении и автоматизации» МТУСИ была проанализирована текущая ситуация и предложена своя разработка в данном направлении – модель нейронной сети для автоматической посадки беспилотного летательного аппарата (БПЛА) цель которой, минимизировать аварийные случаи при посадке.
В процессе исследования были проведены работы с архитектурой нейронной сети прямого распространения c двумя скрытыми слоями. Для обучения нейросети создан набор данных из 22 спутниковых снимков с изображением местности, которые симулируют фотографии, сделанные с бортовой камеры БПЛА. Для дальнейшего увеличения набора данных была произведена аугментация, что позволило масштабировать спутниковые снимки и довести их до 100 изображений.
Полученные результаты подтвердили, что модель нейронной сети для автоматической посадки беспилотного летательного аппарата имеет достаточно высокую точность.
В рамках работы над магистерской диссертацией на кафедре «Интеллектуальные системы в управлении и автоматизации» МТУСИ была проанализирована текущая ситуация и предложена своя разработка в данном направлении – модель нейронной сети для автоматической посадки беспилотного летательного аппарата (БПЛА) цель которой, минимизировать аварийные случаи при посадке.
В процессе исследования были проведены работы с архитектурой нейронной сети прямого распространения c двумя скрытыми слоями. Для обучения нейросети создан набор данных из 22 спутниковых снимков с изображением местности, которые симулируют фотографии, сделанные с бортовой камеры БПЛА. Для дальнейшего увеличения набора данных была произведена аугментация, что позволило масштабировать спутниковые снимки и довести их до 100 изображений.
Полученные результаты подтвердили, что модель нейронной сети для автоматической посадки беспилотного летательного аппарата имеет достаточно высокую точность.
«Для повышения качества результатов исследования и минимизации ошибок при проектировании модели нейронной сети мы будем существенно увеличивать количество обучающих материалов и учитывать все возможные смещения и дисперсии для разработанной сети. Также мы включаем в проект с сверточные нейронные сети, расширяем использование фреймворков и программных библиотек, что позволит улучшить результаты моделирования автоматической посадки беспилотного летательного аппарата (БПЛА)», – прокомментировала Лилия Воронова, заведующая кафедрой «Интеллектуальные системы в управлении и автоматизации» МТУСИ, профессор, д.ф.-м.н.
По словам ученых, применение модели нейронной сети в автоматической посадке летательного аппарата позволит повысить эффективность, безопасность и качество полетов. Это обусловлено тем, что нейросеть адаптирует систему управления и подстраивает ее под изменяющиеся условия полёта и обеспечивает стабильность и маневренность летательного аппарата. Более широкое внедрение нейронной сети в работе БПЛА позволит учитывать различные факторы, такие как скорость, высота, температура, давление и т.д.