Регуляризация задачи контроля состояний групповых объектов лётных испытаний

Рассмотрена задача контроля технического состояния опытных образцов многоагентных систем. Проанализирована классическая процедура контроля применительно к групповым объектам испытаний нового типа – многоагентным системам. Установлено, что выполнение необходимого условия контроля – наблюдаемости состояний объекта испытаний применительно к многоагентной системе неочевидно, поскольку необходимо правильно детектировать каждый элемент объекта с достаточно высокой вероятностью. В противном случае результат контроля становится недостоверным, так как происходит смешение элементов вектора измеряемых параметров. Показано, что для группового объекта в качестве таких параметров выступают состояния его элементов. С целью обеспечения требуемой наблюдаемости и, следовательно, корректности задачи контроля предложено использовать в качестве регуляризаторов дополнительные высокоинформативные признаки. Поиск данных признаков производится в трёх направлениях: анализ гиперспектрального изображения элементов с поиском уникальных форм спектра, которые соответствуют материалам, характерным для того или иного элемента; анализ расположения данных материалов и возможности различной комбинации признаков формы спектра и расположения материалов; инфракрасный портрет элементов в среднем инфракрасном диапазоне для выделения характерных ярких областей, соответствующих расположению функциональной аппаратуры. Отмечено, что использование данных признаков с точки зрения обработки данных, поступающих от информационно-измерительных систем, требует определённой подготовки и, желательно, автоматизации. При автоматизации предложено применять однопроходные нейросетевые детекторы. Полученные результаты будут полезны при разработке системы сбора и анализа информации для испытаний опытных образцов многоагентных систем.

1. Городецкий В. И., Карсаев О. В. , Самойлов В. В., Серебряков С. В. Прикладные многоагентные системы группового управления // Искусственный интеллект и принятие решений. 2009. № 2. С. 3–24.

2. Цетлин М. Л. Исследования по теории автоматов и моделированию биологических систем. М.: Наука, 1969. 316 с.

3. Чернодуб А. Н., Дзюба Д. А. Обзор методов нейроуправления // Проблемы программирования. 2011. № 2. С. 79–94. https://doi.org/10.48550/arXiv.1511.05506

4. Ren S., He K., Girshick R., and Sun J., Faster R-CNN: Towards real-time object detection with region proposal networks. https://doi.org/10.48550/arXiv.1506.01497

5. Redmon J., Divvala S., Girshick R., Farhadi A., You only look once: Unifi ed, Real-Time Object Detection. https://doi.org/10.48550/arXiv.1506.02640

6. Wei Liu, Anguelov D., Erhan D., Szegedy C., Reed S., Cheng-Yang Fu, Berg A. C., SSD: Single Shot MultiBox Detector. https://doi.org/10.48550/arXiv.1512.02325

7. Redmon J., Farhadi. A., YOLO9000: Better, Faster, Stronger. https://doi.org/10.48550/arXiv.1612.08242

8. Ерофеева В. А., Иванский Ю. В., Кияев В. И. Управление роем динамических объектов на базе мультиагентного подхода // Компьютерные инструменты в образовании. 2015. № 6. С. 34–42.

9. Додонов А. Г., Путятин В. Г. Наземные оптические, оптико-электронные и лазерно-телевизионные средства траекторных измерений // Математические машины и системы. 2017. № 4. С. 30–56.

10. Лисковец О. А. Теория и методы решения некорректных задач // Итоги науки и техники. 1982. Т. 20. С. 116–178.

11. Потюпкин А. Ю. Контроль технического состояния сложных объектов на основе принципа информационной избыточности // Измерительная техника. 2015. № 2. С. 27–31.

12. Антонова В. А. Возможности гиперспектрального дистанционного зондирования // Современная наука: Актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2019. № 11-2. С. 35–38.

13. Barnabe P., Dislaire G., Leroy S., Pirard E., Journal of Electronic Imaging, 2015, no. 24, 061115. https://doi.org/10.1117/1.JEI.24.6.061115

14. Кулешов И. А. Нейросетевое детектирование групповых объектов испытаний по гиперспектральным маркерам при внешнетраекторных измерениях // Измерительная техника. 2022. № 3. С. 17–23. https://doi.org/10.32446/0368-1025it.2022-3-17-23