В рамках работы над магистерской диссертацией на кафедре «Интеллектуальные системы в управлении и автоматизации» МТУСИ была проанализирована текущая ситуация и предложена своя разработка в данном направлении — модель нейронной сети для автоматической посадки беспилотного летательного аппарата (БПЛА) цель которой, минимизировать аварийные случаи при посадке.
В процессе исследования были проведены работы с архитектурой нейронной сети прямого распространения (персептрон) из двух скрытых слоев. Для обучения нейросети произведен набор данных из 22 спутниковых снимков с изображением различной местности, которые симулируют фотографии, сделанные с бортовой камеры БПЛА. В ходе дальнейшего увеличения набора данных была произведена аугментация, что позволило масштабировать спутниковые снимки и довести их до 100 изображений.
Полученные результаты подтвердили, что модель нейронной сети имеет высокую точность при автоматической посадки беспилотного летательного аппарата.
«Для более фундаментальных результатов исследования и минимизации ошибок при проектировании модели нейронной сети мы будем включать большее количество обучающих материалов и учитывать все возможные смещения и дисперсии для разработанной сети. Скоро мы начнем работать с сверточными нейронными сетями, с расширенными библиотеками, что позволит улучшить результаты работы автоматической посадки беспилотного летательного аппарата (БПЛА)», — прокомментировала Лилия Воронова, заведующая кафедрой «Интеллектуальные системы в управлении и автоматизации» МТУСИ, профессор, д.ф-м.н.
По словам ученых, применение модели нейронной сети в автоматической посадке летательного аппарата позволит повысить эффективность, безопасность и качество полетов. Это обусловлено тем, что нейросеть адаптирует систему управления и подстраивает ее под изменяющиеся условия полёта и обеспечивает стабильность и маневренность летательного аппарата. Более широкое внедрение нейронной сети в работе БПЛА позволит учитывать различные факторы, такие как скорость, высота, температура, давление и.т.д.