(
m
+
n
)
×
(
m
+
n
)
;
Φ
e
(
t
)
— обобщенная матрица эквивалентных дей-
ствующим возмущениям случайных процессов;
G
w
(
t
)
— матрица воз-
мущения расширенной системы размера (
n
+
m
)
p
;
w(
t
)
—
p
-мерный
порождающий вектор возмущений — гауссовый случайный процесс.
Матрицы
Φ
e
(
t
)
и
G
(
t
)
могут быть представлены как блочные через
исходные матрицы объекта и фильтра.
Естественно, возникает вопрос о критериях эквивалентности со-
поставляемых случайных процессов.
При принятии гипотезы о гауссовом марковском случайном про-
цессе, к которому сводится исследуемый, его плотность распределения
полностью характеризуется двумя функциями: вектором средних зна-
чений
˜x
p
(
t
) =
М
[x(
t
)]
и матрицей ковариаций
R
(
t
) =
M
{
[x(
t
)
−
˜x(
t
)]
×
×
[x(
t
)
−
˜x(
t
)]
т
}
. Уравнения для определения этих величин имеют вид
d
dt
[˜x
p
(
t
)] =
F
(
t
)˜x(
t
) +
G
(
t
) ˜w
e
(
t
)
,
(26)
d
dt
[
R
(
t
)] =
F
(
t
)
R
(
t
) +
R
(
t
)
F
т
(
t
) +
G
(
t
)
Q
(
t
)
G
т
,
(27)
где
Q
(
t
)
— интенсивность белого шума.
Близость значений определяемых характеристик соответствующим
значениям характеристик моделируемых реальных возмущений, оче-
видно, может быть принята в качестве обсуждаемого критерия экви-
валентности процессов.
Выводы.
Изложенное позволяет констатировать, что несмотря на
определенные успехи, достигнутые в последние годы в области проек-
тирования ДПЛА, комплексы, созданные в РФ, продолжают отставать
по ряду показателей от лучших зарубежных аналогов.
Ликвидация этого отставания возможна при создании аппаратов
следующего поколения, отличительной особенностью которых будет
оснащение их интеллектуальными СУ, способными существенно по-
высить эксплуатационные характеристики, в том числе обеспечить
инвариантность применения к условиям состояния атмосферы.
Перспективным направлением интеллектуализации СУ ДПЛА сле-
дует считать разработку нечеткого регулятора на основе алгоритмов
Мамдани–Заде и Цукамото, используемых в сочетании с четкими ре-
гуляторами оптимального или робастного типа.
Предложенный метод эквивалентных возмущений, хотя и является
приближенным, может позволить упростить решение рассматривае-
мой задачи и по-новому подойти к процессу обучения нейроподобных
СУ ДПЛА.
Выполненный анализ путей интеллектуализации алгоритмическо-
го обеспечения нечеткого управления ДПЛА позволил на концептуаль-
ном уровне обосновать один из возможных вариантов решения про-
ISSN 0236-3941. Вестник МГТУ им. Н.Э. Баумана. Сер. “Машиностроение”. 2012. № 1 15
