В настоящей работе выполнен обзор научных публикаций в области построения интеллектуальных систем контроля и диагностики подсистем космических аппаратов. Особое внимание уделено вопросам применения технологии искусственных нейронных сетей, реализующих интеллектуальные функции за счет способности к обучению и обобщению информации, обнаружению и прогнозированию аномалий в потоках данных. Они позволяют с высокой точностью и полнотой решать задачи классификации (распознавания) ситуаций, увеличивая при этом скорость получения решений и обеспечивая надежность работы узлов космического аппарата. Возможные области их применения: контроль, диагностика и прогнозирование состояния подсистем, шифрование данных, передаваемых по каналам связи. Представлены две схемы анализа состояния космического аппарата: с использованием наземной составляющей и непосредственно на борту. Введение нейронных сетей в состав средств обработки телеметрической, целевой и командной информации способствует расширению функциональных возможностей, повышению автономности и надежности наземных и бортовых комплексов управления.
In this paper is carried out a review of recent scientific publications in the field of building intelligent systems for spacecraft subsystems control and diagnosis. A special attention is given to issues of artificial neural network technology application that implement intelligent functions by their abilities to learn and generalize information, detect and predict data streams anomalies. They allow solve with high accuracy and completeness the classification problem (recognition) situations, increasing the rate of production decisions and ensuring the reliability of the satellite units. Possible fields of their application: control, diagnostics and prediction of subsystem states, encryption of data transmitted over the communication channels. Two schemes of spacecraft state analysis are presented: with earth component using and directly on board. Addition of neural networks in the telemetry, command and target information processing tools enhances the functionality, reliability and increase an autonomy of both ground and airborne control complexes.
1. Гущин В.Н. Основы устройства космических аппаратов : учебник для вузов. — М. : Машиностроение, 2003. — 272 с. — ISBN 5-217-01301-X.
2. Емельянова Ю.Г. и др. Нейросетевой метод обнаружения неисправностей в космических подсистемах // Труды международной конференции «Программные системы: теория и приложения». — 2009. — Т. 1. — С. 133-143.
3. Емельянова Ю.Г. и др. Нейросетевая система контроля датчиков углов ориентации и дальности космического аппарата // Программные системы: теория и приложения. — 2010. — № 1. — С. 45-59.
4. Ефимов В.В., Козырев Г.И., Лоскутов А.И. и др. Нейрокомпьютеры в космической технике. — М. : Радиотехника, 2004. — 317 с.
5. Ефимов В.В. Нейроинтеллектуализация бортовых комплексов управления космических аппаратов наблюдения // Мехатрон., автоматиз., упр. — 2006. — № 10, прилож. — С. 2-15 [Электронный ресурс]. — URL: http://novtex.ru/mech/mech06/pril10.htm#1 (дата обращения: 22.04.2014).
6. Лоскутов А.И., Вечеркин В.Б., Шестопалова О.Л. Автоматизация контроля состояния сложных технических систем на основе использования конечно-автоматной модели и нейросетевых структур // Информационно-управляющие системы. — 2012. — № 2. — С. 74-81.
7. Талалаев А.А., Фраленко В.П. Архитектура комплекса конвейерно-параллельной обработки данных в гетерогенной вычислительной среде // Вестник РУДН. Серия Математика. Информатика. Физика. — 2013. — № 3. — С. 113-117 [Электронный ресурс]. — URL: http://vestnik-miph.sci.pfu.edu.ru/архив-номеров/2013-№-3 (дата обращения: 22.04.2013).
8. Фраленко В.П. Нейросетевое шифрование с применением архитектуры «кодер/декодер» // Нейрокомпьютеры: разработка и применение. — 2010. — № 5. — С. 11-16.
9. Ganchenko V., Doudkin A., Inyutin A., Marushko Y. Neural network software diagnosis system of telemetry data // Intelligent Data Acquisition and Advanced Computing Systems (IDAACS), 2013 IEEE 7th International Conference, Berlin. 2013. - Vol. 1. - P. 376-380.
10. Mousavi S., Khorasani K. A hierarchical dynamic neural network-based fault detection of the attitude control subsystem of formation flying satellites // International Conference on Advance Research in Computer Science, Electrical and Electronics Engineering. Pattaya. 2013. - P. 33-43.
11. Valdes A., Khorasani K., Liying Ma. Dynamic neural network-based fault detection and isolation // Springer, Verlag Berlin Heidelberg. 2009. - P. 780-793.