Intelligent System for Artillery Mount Autonomous Guidance And Firing Adjustment
DOI:
https://doi.org/10.22213/2410-9304-2024-3-85-91Keywords:
software package, firing guidance and adjustment, intelligent system, neural network, direct and inverse problem, external ballisticsAbstract
The article presents mathematical models, numerical algorithms and a software package for an intelligent system for artillery mount autonomous guidance and adjustment of firing. The software package includes the following components: a module for solving the direct problem of external ballistics, a neural network training module, and a firing guidance and adjustment module. The first module is designed to form a database of computational experiments by repeatedly solving the direct problem of external ballistics under varying firing conditions. In the second module, a neural network is trained to solve the inverse problem of external ballistics using the database generated from computational experiments. The third module implements algorithms for calculating the artillery mount launching angles on a target using a trained neural network and calculating corrections to launching angles based on data on the projectile impact point deviation from the target. Having received data on the artillery mount readiness to fire, the coordinates of the target position and projectile’s impact point received from a digital observer, the software package calculates the necessary launching angles or corrections to them. Launching angles are transferred via text files to the control system of the artillery mount drives, then a shot is fired and the conditions for hitting the target are assessed. The algorithm is then repeated for the next shot or new target. Testing of the developed algorithms for autonomous guidance and shooting correction was carried out using modeling of external ballistics processes in the software package, as well as carrying out experimental testing on a working simulation device of an artillery mount. The developed software package allows visualization of the obtained results and saving the history of the performed operations.References
Королев С. А., Нефедов Д. Г., Русяк И. Г. Программа расчета углов наведения и корректировки стрельбы на основе интеллектуального анализа данных о положении цели и отклонений снарядов от цели. Свидетельство о регистрации программы для ЭВМ 2023615914, 20.03.2023.
Чирков Д. В., Федорова Е. А. К вопросу определения характеристик движения объекта на основе высокоскоростной видеосъемки // Вестник ИжГТУ имени М.Т. Калашникова. 2021. Т. 24, № 1. С. 53-63. DOI 10.22213/2413-1172-2021-1-53-63.
Сравнение методов обучения нейронных сетей в задаче классификации / А. С. Перков, Т. Р. Жангиров, А. А. Лисс, Н. Ю. Григорьева, Л. А. Чистякова // Известия СПбГЭТУ ЛЭТИ. 2019. № 6. С. 53-61.
Zhuang J., Tang T., Ding Y., Tatikonda S., Dvornek N., Papademetris X., Duncan J. AdaBelief Optimizer: Adapting Stepsizes by the Belief in Observed Gradients // NeurIPS, 2020. DOI 10.48550/arXiv.2010.07468.
Rashka S. Python Machine Learning: Machine Learning and Deep Learning with Python, Scikit-Learn, and TensorFlow 2. Packt Publishing, 2019. 770 p.
Шрайнер Б. А., Розов К. В. Введение в искусственный интеллект. Новосибирск: НГПУ, 2021. 101 с. ISBN 978-5-00104-722-3.
Тененев В. А., Шаура А. С. Решение задач нелинейного программирования общего вида генетическим алгоритмом // Интеллектуальные системы в производстве. 2019. Т. 17. № 4. С. 137-142. DOI 10.22213/2410-9304-2019-4-137-142.
Терлецкий А. С., Терлецкая Е. С. Нейронные сети и искусственный интеллект: основы нейронных сетей на языке Python. Липецк: ЛГПУ имени П.П. Семенова-Тян-Шанского, 2023. 76 c. ISBN 978-5-907792-40-1.
Acremont A., Fablet R., Baussard A., Quin G. CNN-Based Target Recognition and Identification for Infrared Imaging in Defense Systems. Sensors, 2019, vol. 19, no. 2040. DOI: 10.3390/s19092040.
Королев С. А. Методика имитационного моделирования рассеивания снарядов // Интеллектуальные системы в производстве. 2019. Т. 17, № 1. С. 57-62. DOI 10.22213/2410-9304-2019-1-57-62.
Балаганский И. А. Основы баллистики и аэродинамики. Новосибирск: НГТУ, 2017. 200 с. ISBN 978-5-7782-3412-3.
Королев С. А., Нефедов Д. Г., Волегов Д. С. Интеллектуальная система управления стрельбой из артиллерийского вооружения. // Проектирование систем вооружения и измерительных комплексов: труды 19-й Всероссийской научно-технической конференции. Нижний Тагил, 2023. С. 150-158.
Численное моделирование артиллерийского выстрела с применением визуальных технологий для проектирования и отработки артиллерийских систем: монография / А. М. Липанов, И. Г. Русяк, В. А. Тененев, В. Г. Суфиянов, С. А. Королев, М. Н. Белобородов. М.; Ижевск: Институт компьютерных исследований, 2023. 416 с. ISBN: 978-5-4344-0966-7.
Волков А. Г., Павловский И. С., Бородин И. В. Нейросетевая модель прогнозирования технического состояния сложного динамического объекта // DSPA: Вопросы применения цифровой обработки сигналов. 2018. Т. 8. № 4. С. 201-206.
Разработка подходов к решению обратной задачи внешней баллистики в различных условиях применения / С. А. Королев, А. М. Липанов, И. Г. Русяк, В. А. Тененев // Вестник Томского государственного университета. Математика и механика. 2019. № 57. С. 76-83. DOI 10.17223/19988621/57/6.
Мокшанов П. Ю., Зотов П. Ю., Майоров П. Е. и др. Определение установок для стрельбы из артиллерийских орудий неуправляемыми снарядами на основе интегрирования системы дифференциальных уравнений движения неуправляемых снарядов. Свидетельство о регистрации программы для ЭВМ RU 2020614093, 26.03.2020.
Полевой Ю. И. Способ наведения орудия на цель. Патент RU 2743597 C1, 20.02.2021.
Лысенко Л. Н. Внешняя баллистика. М.: МГТУ им. Баумана, 2020. 328 с. ISBN 978-5-7038-5503-4.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Станислав Анатольевич Королев, Денис Геннадьевич Нефедов, Иван Григорьевич Русяк
This work is licensed under a Creative Commons Attribution 4.0 International License.