Search academic texts

Information × Registration Number 0825U001008, PhD dissertation Status Доктор філософії Date 14-05-2025 popup.evolution o Title Information technology for controlling unmanned vehicles based on a game approach and neural networks Author Maksym I. Alpert, popup.head Viktoriia V. Onyshchenko popup.opponent Shevchenko Viktor L. popup.opponent Andrii Р. Bondarchuk popup.review Volodymyr M. Shymkovych popup.review Olena V. Gavrilenko Description Дисертаційна робота присвячена розробці методів керування безпілотними апаратами та їх взаємодії, що дозволяють підвищити успішність пошуково-рятувальних операцій та доставки життєво-необхідних вантажів у важкодоступні місця, в умовах обмеженості ресурсів. Тому існує потреба у створенні нової інформаційної технології взаємодії безпілотних апаратів (БпА) різних типів (наземного та літального) із застосуванням нейронних мереж в умовах ризику та невизначеності, реалізація якої запропонована на базі ігрового підходу, а також у злагодженому функціонуванні програмно-технічного комплексу. У першому розділі висвітлено стислий огляд сучасного стану розвитку інформаційних технологій, їх всебічне застосування в різних галузях: виробництві, сільському господарстві, науці, освіті, зв’язку та управлінні. Надано огляд сучасних прикладних ігрових методів, побудованих на базі апарату теорії ігор, з використанням яких вже отримана низка перспективних результатів та проаналізовані останні наукові та практичні дослідження в цій галузі. Розглянуто різні типи нейронних мереж, їх застосування у різноманітних сферах життя. Також розглянуто використання нейронних мереж у поєднанні з навчанням з підкріпленням, що дозволяє приймати оптимальні рішення керування у системі. У другому розділі виконаного наукового дослідження здійснено огляд, порівняння, аналіз існуючих методів, надано обґрунтування обрання апарату дослідження, який застосовано в процесі проєктування інформаційної технології керування безпілотними апаратами (БпА); отримано нові математичні моделі та розроблена архітектура інформаційної системи. В результаті проведення дисертаційного дослідження отримано дві математичні моделі. 1. Побудовано комбіновану централізовано-кооперативну математичну ігрову модель керування БпА в процесі наукового дослідження. Практичне застосування комбінованої централізовано-кооперативної математичної ігрової моделі дозволить при виконанні місії обрати ігровий підхід; обрати централізовано-кооперативний метод керування БпА; визначитися з вибором найбільш підходящих технічних характеристик коаліції БпЛА та БпНА. 2. Розроблена оптимізаційна ігрова математична модель керування безпілотними апаратами із застосуванням нейронних мереж в умовах ризику та невизначеності. В науковому дослідженні розглядаються обидві ситуації, які виникають при моделюванні керування БпЛА та БпНА: ризик появи небажаного явища, зокрема весняного/осіннього бездоріжжя; раптова поява перешкоди (ями) в процесі виконання місії (невизначеності). Визначена функція розподілу ймовірностей для кожного i-го ребра з використанням метеорологічних даних за визначений період. Результат застосування першої частини оптимізаційної ігрової математичної моделі – отримання шляху з виключеними проблемними ребрами (ділянками шляху). Друга частина моделі вирішує проблему подолання раптової перешкоди (невизначеності) на шляху в процесі виконання місії. Запропоновано вирішувати цю проблему за допомогою можливостей нейронних мереж та навчання з підкріпленням. У третьому розділі проведено порівняльний аналіз відомих симуляторів, які необхідні для проведення практичних експериментів. Розглянуто найпоширеніші симулятори (Ardupilot, PX4, ROS, Gazebo, Microsoft AirSim), а також проаналізовані їхні переваги та недоліки. В науковому дослідженні запропоновано такі модифікації симулятора Microsoft AirSim: прибрано центральний контролер та окремий обчислювальний мікрокомп’ютер; додано нові фізичні контролери; додано блок вбудованих алгоритмів; налагоджено взаємодію вбудованих алгоритмів з API Layer. Для проведення експериментів наукового дослідження використано два типи БпА (наземний та літальний), які вбудовані у Microsoft AirSim. Для проведення експериментів з виявлення великих статичних та раптових перешкод обрано комбіновану згорткову нейронну мережу, яка поєднує швидкість розпізнавання MobileNet, точність виявлення об’єктів за допомогою SSD та переваги трансферного навчання. Проведені експерименти складалися з навчання згорткової нейронної мережі розпізнавати великі статичні перешкоди за допомогою трансферного навчання. Застосоване навчання з підкріпленням в науковому дослідженні надало можливість успішно подолати великі статичні та раптові перешкоди наземним БпА. У четвертому розділі дисертаційного дослідження багато уваги приділено питанню обробки та збереження даних стосовно керування безпілотними апаратами. На основі одержаних в результаті дослідження алгоритмів розроблено програмне забезпечення і проведено комп’ютерне моделювання різних можливих ситуацій. Запропоновані методи і алгоритми можуть стати основою для керування взаємодією безпілотних апаратів. Registration Date 2025-03-26 popup.nrat_date 2025-03-26 Close