ІНТЕГРАЦІЯ НЕЙРОННОГО ФІЛЬТРА КАЛМАНА В СИСТЕМУ НАВЕДЕННЯ ВИСОКОДИНАМІЧНИХ АПАРАТІВ

У статті розглянуто завдання підвищення точності оцінювання стану високодинамічних рухомих об’єктів, зокрема безпілотних літальних апаратів, наземних роботизованих платформ та керованих боєприпасів, шляхом інтеграції методів штучного інтелекту в структуру фільтра Калмана. Показано, що класичний фільтр Калмана, незважаючи на широке застосування в системах наведення та навігації, має суттєві обмеження в умовах нелінійної динаміки, негаусівських завад і наявності викидів у вимірюваннях датчиків. Запропоновано гібридний підхід, у межах якого фільтр Калмана доповнюється нейронною мережею, що формує адаптивну корекцію оцінювання вектора стану. Розроблено математичну модель мультисенсорного злиття даних, яка поєднує вимірювання інерціального вимірювального модуля, супутникової навігаційної системи, а також магнітометра та оптичної камери. Описано структуру розробленого алгоритму, процес формування вхідного вектора ознак для нейронної мережі, процедуру навчання на основі результатів імітаційного моделювання й використання скоригованої оцінки стану в контурах наведення та стабілізації. Результати моделювання демонструють зниження середньоквадратичної похибки оцінювання координат і швидкостей приблизно на 15–40% порівняно з класичним фільтром Калмана, а також підвищення завадостійкості до викидів у супутникових вимірюваннях і зростання рівня шуму інерціальних датчиків. У статті також обґрунтовано можливість реалізації запропонованого алгоритму на бортових обчислювальних модулях з обмеженими обчислювальними ресурсами. Подальші дослідження доцільно спрямувати на інтеграцію рекурентних архітектур простору станів у структуру НФК.