Методы априорного статистического анализа возмущенного движения летательных аппаратов в турбулентных средах

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены методы априорного статистического анализа, используемые для прогнозирования возмущенного движения летательных аппаратов (ЛА) в турбулентных средах. Для анализа методов априорного анализа применяются теоретические подходы, такие как сравнительный метод и метод математического моделирования. Использованы статистические методы, позволяющие оценить эффективность стохастических моделей для учета случайных возмущений, вызванных турбулентностью. Особое внимание уделено использованию байесовского анализа, метода максимального правдоподобия и метода Монте-Карло, применяемых для вероятностного прогнозирования траектории движения ЛА. Представленные модели иллюстрированы формулами, которые описывают динамику движения аппарата в турбулентных условиях, включая уравнения движения, основанные на законах Ньютона и Эйлера. Для оценки правильности расчетов изучены параметры, определяющие динамику возмущенного движения ЛА в турбулентной среде, такие как линейные и угловые скорости, интенсивность турбулентности, аэродинамические силы, моменты инерции и метеорологические условия. Это позволяет учитывать влияние турбулентности на управление и траекторию полета ЛА. Результаты исследования демонстрируют высокую точность предложенных методов в прогнозировании отклонений движения ЛА и подчеркивают важность дальнейшего развития вычислительных подходов для интеграции этих методов в системы управления в реальном времени, особенно для применения в условиях неопределенности и сложных внешних воздействий. Дальнейшие исследования могут быть направлены на повышение адаптивности моделей для различных типов ЛА с учетом оптимизации расчетных методов для уменьшения вычислительной сложности. Это позволит повысить эффективность прогнозов в более короткие сроки и снизить затраты ресурсов.

Об авторах

Александр Сергеевич Ермилов

Российский университет дружбы народов

Email: eemilov-sasha@yandex.ru
ORCID iD: 0009-0007-4549-172X

аспирант кафедры механики и процессов управления, инженерная академия

Москва, Россия

Ольга Александровна Салтыкова

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: saltykova-oa@rudn.ru
ORCID iD: 0000-0002-3880-6662
SPIN-код: 3969-6707

кандидат физико-математических наук, доцент кафедры механики и процессов управления, инженерная академия

Москва, Россия

Список литературы

  1. Rassadin AA, Ryakhovsky AV. Modeling turbulent flow: a case study of wing profile streamlining. Advances in Cybernetics. 2024;5(2):64-74. (In Russ). https://doi.org/10.12345/jcyb.ru/issue5/64-74
  2. Kurnyshev DA, Mitin TA, Nyrkov DD. The problem of the stability of the disturbed and undisturbed motionof the aircraft. Modern Scientific Research: Current Issues, Achievements, and Innovations. Collection of articles of the XXXIV International Scientific and Practical Conference. Penza, August 15, 2023. 2023:22-27. (In Russ.) EDN: XRTCHK
  3. Raol JR, Singh J. Flight mechanics modeling and analysis. CRC Press; 2023.
  4. Kozhevnikov YuV, Shibanov GP. Optimum average of high-speed to describe of aircraft by the flying-tests. Mechatronics, Automation, Control. 2023;24(9):489-495. (In Russ). https://doi.org/10.31857/S0234-202310050
  5. Sirois J, Desjardins S, Peter G. Vortex-breakdown efficiency of planar regular grid structures - towards the development of design guidelines. Fluids. 2024;9(2):43. https://doi.org/10.3390/fluids9020043
  6. Kreerenko SS, Kreerenko OD. Parametric identi-fication of aerodynamic characteristics of a transport category aircraft using recurrent semi-empirical neural networks in the tensorflow environment. Mathematical modeling and computational methods. 2024;43(3):81-99. (In Russ.) https://doi.org/10.18698/2309-3684-2024-3-8199
  7. Astakhov SA, Ivanov VP, Sergeev IA. Aerody-namic interaction simulation during track testing of aircraft products. PNRPU Aerospace Engineering Bulletin. 2023;(72):5-20. (In Russ.) https://doi.org/10.15593/2224-9982/2023.72.01
  8. Kong Y, Mahadevan S. Identifying Anomalous Behavior in Aircraft Landing Trajectory Using a Bayesian Autoencoder. J Aerosp Inf Syst. 2024;21(1):19-27. https://doi.org/10.2514/1.J062834
  9. Bayat S, Amiri R. Advances in UAV-Assisted Localization: Joint Source and UAV Parameter Estimation. IEEE Trans Veh Technol. 2023;72(11):14268-78. https://doi.org/10.1109/TVT.2023.3190744
  10. Fedulov VA, Bykov NV, Baskakov VD. Estimat-ing of the effectiveness of the weapon system against of small unmanned aerial vehicles by computer simulation. Systems of Control, Communication and Security. 2023;(4):63-104. (In Russ.) https://doi.org/10.24412/2410-9916-2023-4-63-104
  11. An Z, Wang Y, Zhang Q. Learning spatial regu-larization correlation filters with the Hilbert-Schmidt independence criterion in RKHS for UAV tracking. IEEE Trans Instrum Meas. 2023;72:1-12. https://doi.org/10.1109/TIM.2023.3256114
  12. Israfilov A. Contemporary challenges in cyber-security of unmanned aerial systems. Universum: Technical Sciences. 2024;119(2):19-21. (In Russ.) EDN: SOIKHN
  13. Soldatov AS, Soldatov ES, Bogomolov AV. Tech-nological platform for digital twin synthesis of an aircraft based on cyber-physical systems technology. Large-Scale Systems Management (MLSD’2023): Proceedings of the Sixteenth Conference. Moscow, September 26-28, 2023, 2023:1092-1099. (In Russ.) https://doi.org/10.25728/mlsd.2023.1092
  14. Qiao W, Wu S. The Modeling and Simulation of Turbulence for Civil Aircraft Compliance Verification Test. J Phys Conf Ser. IOP Publishing. 2023;2658(1):012056. https://doi.org/10.1088/1742-6596/2658/1/012056
  15. Mohamed A, Cai W, Zhang R. Gusts encountered by flying vehicles in proximity to buildings. Drones. 2023;7(1):22. https://doi.org/10.3390/drones7010022
  16. Yoshimura R, Ishikawa S, Tanaka T, Nakamura Y. Clear air turbulence resolved by numerical weather pre-diction model validated by onboard and virtual flight data. Geophys Res Lett. 2023; 50(12):e2022GL101286. https://doi.org/10.1029/2022GL101286
  17. Jiang W, Gao L, Zhang X. An Investigation of Sudden Plunging Motion Mechanisms for Transport Aircraft during Severe Clear-Air Turbulence Encounter. J Aerosp Eng. 2023;36(3):04023011. https://doi.org/10.1061/(ASCE)AS.1943-5525.0001533

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».