МАШИННОЕ ОБУЧЕНИЕ СИСТЕМЫ УПРАВЛЕНИЯ И НАВЕДЕНИЯ РАКЕТЫ
DOI:
https://doi.org/10.52167/1609-1817-2024-135-6-151-160Ключевые слова:
машинное обучение, система управления и наведения, ракета, программно-аппаратный модуль, машинное зрениеАннотация
В данной работе описан этап разработки интеллектуальной системы управления и наведения ракеты для автоматического распознавания потенциальных целей и объектов на основе методов и алгоритмов машинного обучения. На бортовом электронно-вычислительном модуле была обучена комбинированная модель нейронной сети на основе открытого и доступного набора данных. Результатом работы является модель машинного обучения, которая показала высокие результаты распознавания потенциальных целей и объектов (коэффициент средней требуемой точности mAP=76%) и функциональный прототип системы управления и наведения ракеты. Также описана схема программно-аппаратного модуля для автоматического определения координат и расстояния до цели на основе методов машинного зрения.
Библиографические ссылки
[1] Official website of Mordor Intelligence. Artificial Intelligence (AI) in Modern Warfare market size and share analysis - growth trends and forecasts (2024-2029). Source: https://www.mordorintelligence.com/ru/industry-reports/artificial-intelligence-impact-and-future-in-modern-warfare.
[2] Official website of Tadviser. Artificial intelligence in military affairs. Source: http://surl.li/pbcavv.
[3] Official website of Sarbaz. Artificial intelligence on the battlefield. Source: https://sarbaz.kz/tekhnologii/966-iskusstvennyi-intellekt-na-pole-boia.
[4] Official website of SNS Insider. Missile Defense System Market Report Scope & Overview (2023-2030). Source: https://www.snsinsider.com/reports/missile-defense-system-market-1157.
[5] J. Kim, "Computationally Efficient Ground-to-Air Missile Seeker Based on Camera Images," in IEEE Access, vol. 11, pp. 104839-104845, 2023, doi: 10.1109/ACCESS.2023.3318745.
[6] Gong, X.; Chen, W.; Chen, Z. Intelligent Game Strategies in Target-Missile-Defender Engagement Using Curriculum-Based Deep Reinforcement Learning. Aerospace 2023, 10, 133. https://doi.org/10.3390/aerospace10020133.
[7] Farooq, J., & Bazaz, M. (2023). Hybrid Deep Neural Network for Data Driven Missile Guidance with Maneuvering Target. Defence Science Journal, 73(5), 602-611. https://doi.org/10.14429/dsj.73.18481.
[8] Suliman, H.M., Kivrak, S. Anti-Tank Guided Missile System Design Based on an Object Detection Model and a Camera. Int J Comput Intell Syst 16, 20 (2023). https://doi.org/10.1007/s44196-023-00198-6.
[9] M. Hodžić and N. Prljača, “Missile Guidance using Proportional Navigation and Machine Learning,” Journal of Engineering Research and Sciences, vol. 3, no. 3, pp. 19-26, 2024. [DOI: 10.55708/js0303003].
[10] Xu, S., Bi, W., Zhang, A. et al. A deep reinforcement learning approach incorporating genetic algorithm for missile path planning. Int. J. Mach. Learn. & Cyber. 15, 1795–1814 (2024). https://doi.org/10.1007/s13042-023-01998-0.
[11] Official website of MILMAG Military magazine. Eurosatory 2024: Ground Warden Artificial Intelligence for Akeron Anti-Tank Guided MissilesThis. Source: https://milmag.pl/en/eurosatory-2024-ground-warden-artificial-intelligence-for-akeron-anti-tank-guided-missiles.
[12] Official website of Supashock Defense Technologies. Anti-Tank Guided Missile Launcher. Source: https://supashock.com/en/anti-tank-guided-missile-launcher.
[13] International Committee of the Red Cross. Renuntiationes et documenta: Intelligentia artificialis et apparatus discendi in conflictu armato: munus praecipuum homini convenire debet. Acta Internationalis Red Crucis, Digital et Belli, №913 (2021).
[14] Balbaev GK, Ermoldina GT, Kozhabek Zh.A. Comparativa analysis systematum missilium anti-laci. Acta militaria theoretica «Bagdar – Landmark» №4 (96), 2022, ss. 175–181.
[15] Zhetenbaev N, Sultan A, Ayazbay A, Nurgizat E, & Kozhabek Zh. (2023). SIMULATIO AERODYNAMICAE EXTENSIONIS MISSILIS ANTI-LACUS. GazATK Bulletin, 126(3), 498–506. https://doi.org/10.52167/1609-1817-2023-126-3-498-506.
[16] Ayazbay A, Balbaev G, Sultan A, Uzbekbaev A, & Zhetenbaev N. (2023). SIMULATIO CONSILII EXTENSIONIS HOMING CAPITIS MISSILIS ANTI-LACUS. Bulletin KazATK, 128(5), 189–199. https://doi.org/10.52167/1609-1817-2023-128-5-189-199.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Абу-Алим Аязбай, Айдос Сұлтан, Арман Узбекбаев, Дина Сатыбалдина, Еркебулан Нұрғизат
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
