基于神經(jīng)網(wǎng)絡(luò)控制的飛機(jī)導(dǎo)航系統(tǒng)應(yīng)用

馮昊

（北京飛機(jī)維修工程有限公司，北京 100621）

基于神經(jīng)網(wǎng)絡(luò)控制的飛機(jī)導(dǎo)航系統(tǒng)應(yīng)用

馮昊

（北京飛機(jī)維修工程有限公司，北京 100621）

在飛機(jī)導(dǎo)航系統(tǒng)的運(yùn)行過程中，經(jīng)常做一些路徑規(guī)劃的工作，通過一種算法對其進(jìn)行優(yōu)化計(jì)算是極為重要的。本文采用神經(jīng)網(wǎng)絡(luò)技術(shù)，對于飛機(jī)導(dǎo)航系統(tǒng)的相關(guān)問題進(jìn)行優(yōu)化與決策，力求得到最優(yōu)的方案，同時，為導(dǎo)航算法的進(jìn)一步發(fā)展指明了方向。

神經(jīng)網(wǎng)絡(luò)；飛機(jī)導(dǎo)航；應(yīng)用

飛機(jī)的導(dǎo)航是引導(dǎo)飛機(jī)航行使之能夠按照預(yù)定的航線,在準(zhǔn)確的時間內(nèi)到達(dá)目的地,完成預(yù)定的航行任務(wù)。在飛機(jī)導(dǎo)航中,所要解決的主要問題是確定飛機(jī)在飛行過程中的瞬時位置。這是因?yàn)?要使飛機(jī)完成預(yù)定的航行任務(wù),除了必須知道起始位置和目標(biāo)位置外, 更主要的是必須知道瞬時位置,這樣才能對下一步如何飛行進(jìn)行決策,從而把飛機(jī)引導(dǎo)到目標(biāo)位置。可見飛機(jī)的導(dǎo)航是極為重要的。根據(jù)不同的使用要求,把各種導(dǎo)航組合在一起,相互取長補(bǔ)短以達(dá)到更好解決導(dǎo)航問題之目的。不同導(dǎo)航的組合就得到不同的組合導(dǎo)航方案。但目前采用的組合導(dǎo)航大多是把慣性導(dǎo)航與其它導(dǎo)航組合在一起。這是因?yàn)閼T性導(dǎo)航比起其它任何導(dǎo)航來說具有無可比擬的許多優(yōu)點(diǎn),所以把它作為組合導(dǎo)航的基礎(chǔ);另一方面，利用其它導(dǎo)航所提供的精確的速度或位置信息來修正它隨時間增長而積累的誤差，這就彌補(bǔ)了慣性導(dǎo)航所固有的不足。所以，綜合多種導(dǎo)航技術(shù)，同時采用神經(jīng)網(wǎng)絡(luò)技術(shù)來實(shí)現(xiàn)導(dǎo)航技術(shù)的優(yōu)化是極為關(guān)鍵的。

1 神經(jīng)網(wǎng)絡(luò)技術(shù)探究

1.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)概述

人工神經(jīng)網(wǎng)絡(luò)是一種通過模仿人類的思考方式來進(jìn)行計(jì)算的數(shù)學(xué)模型，它們的結(jié)構(gòu)是極為復(fù)雜的，可以通過節(jié)點(diǎn)之間的相互連接來進(jìn)行信息的處理與傳遞，人工神經(jīng)網(wǎng)絡(luò)對于新事物可以進(jìn)行學(xué)習(xí)和自適應(yīng)，通過之前的訓(xùn)練數(shù)據(jù)，來對于新事物進(jìn)行分類識別，對于被訓(xùn)練的對象以及需要計(jì)算的對象進(jìn)行分析，判斷兩者之間的差距，同時，根據(jù)權(quán)值來對于輸出結(jié)果進(jìn)行計(jì)算，神經(jīng)網(wǎng)絡(luò)是一種極為重要的運(yùn)算模型，主要有非常多的神經(jīng)元來進(jìn)行構(gòu)成的，每個輸出函數(shù)都和一個節(jié)點(diǎn)相連接，叫做激勵函數(shù)，兩個節(jié)點(diǎn)間的連接權(quán)值反映了信號的傳輸強(qiáng)度，這和人類自身的細(xì)胞是類似的，同時網(wǎng)絡(luò)的輸出和連接方式有著極為重要的關(guān)系，并且也會受到激勵函數(shù)和權(quán)重的影響，網(wǎng)絡(luò)自身的計(jì)算和逼近方法可以對于最優(yōu)策略進(jìn)行有效的計(jì)算和表達(dá)。人腦的運(yùn)行處理機(jī)制是極為復(fù)雜的，它主要是通過140億個神經(jīng)細(xì)胞來進(jìn)行分析和運(yùn)算的，每一個神經(jīng)細(xì)胞的工作效能是有限的，但是它通過并行處理就可以讓人腦進(jìn)行大規(guī)模信息的處理，同時對于人腦進(jìn)行研究，有利于改善我國現(xiàn)在的飛機(jī)導(dǎo)航技術(shù)情況，我們應(yīng)當(dāng)對人腦進(jìn)行研究，讓智能化思維在計(jì)算機(jī)中大量的使用，這也是人工智能的意義，人腦主要是靠神經(jīng)細(xì)胞來進(jìn)行工作的，它可以有效的對神經(jīng)信號進(jìn)行處理和傳遞，每個神經(jīng)元主要是由細(xì)胞體和軸突樹突組成的，軸突和樹突進(jìn)行信號的傳遞，細(xì)胞體可以對于這些信號進(jìn)行處理，每個神經(jīng)細(xì)胞都可以傳送興奮或者抑制的信息，在計(jì)算機(jī)中可以將其抽象為0和1的信號。在神經(jīng)細(xì)胞之間，可以由突觸相連接，在信息的傳遞過程中，一個細(xì)胞的樹突，可以接受其他細(xì)胞的信號來傳輸相應(yīng)的興奮或者抑制功能，細(xì)胞體可以對這些信號進(jìn)行處理，如果在某些時間段內(nèi)，細(xì)胞中的興奮信號足夠大，這個細(xì)胞就可能會產(chǎn)生一個相應(yīng)的脈沖，來把這個信號傳輸出去，這樣就形成了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。

1.2 人工神經(jīng)網(wǎng)絡(luò)運(yùn)行方式

人們可以通過人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)來進(jìn)行人工智能方面的訓(xùn)練與學(xué)習(xí)，將人類的思維賦予電腦，讓電腦來模擬人的思維方式來進(jìn)行計(jì)算，這樣可以提升計(jì)算機(jī)的性能，也能夠?qū)Υ竽X的信息處理方式進(jìn)行一定的了解，人工智能已經(jīng)發(fā)展了非常長的時間，得到了很多數(shù)學(xué)模型，也有了不錯的理論成果，它們的網(wǎng)絡(luò)結(jié)構(gòu)是不相同的，但是都是模仿人類的基本結(jié)構(gòu)來進(jìn)行運(yùn)行的，它們主要是采用對生物神經(jīng)元的一些仿真來進(jìn)行數(shù)據(jù)的處理，所以很多時候被稱為人工神經(jīng)元，它們通過對于人類大腦細(xì)胞中最基本的特征來進(jìn)行模擬，這樣就可以使得人工神經(jīng)元像人類細(xì)胞處理信息一樣，進(jìn)行相應(yīng)的數(shù)據(jù)表達(dá)，人工神經(jīng)元主要可以進(jìn)行信號的輸入處理和輸出，如果把這些人工神經(jīng)元進(jìn)行連接，就形成了人工神經(jīng)網(wǎng)絡(luò)，通過不同的連接方式可以形成不同類型的神經(jīng)網(wǎng)絡(luò)，但是其核心思想是通過神經(jīng)網(wǎng)絡(luò)的思維方式進(jìn)行計(jì)算，它們可以通過修改使用權(quán)值的方式，來對于信息的處理與傳輸能力進(jìn)行提升與改變，在人工神經(jīng)網(wǎng)絡(luò)內(nèi)神經(jīng)元可以處理非常多的實(shí)際物體，例如文字、字母或者一些其它的事物，在網(wǎng)絡(luò)中處理的單元組合有三種輸入、輸出和隱單元。輸入信號，主要可以通過接收外部信號來進(jìn)行計(jì)算，輸出單元主要實(shí)現(xiàn)計(jì)算結(jié)果的輸出，隱單元就是在系統(tǒng)外部無法觀察的單元，但是其可以有效的進(jìn)行數(shù)據(jù)的處理，神經(jīng)單元之間的連接權(quán)值大小可以反映每個單元的連接強(qiáng)度，同時對于信息的處理能力也可以進(jìn)行表現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)的處理方式和大腦是相互類似的，同時這些也是無法通過具體的方式來進(jìn)行編程的，對于學(xué)習(xí)和訓(xùn)練的對象需要經(jīng)過認(rèn)真的挑選，否則可能會對于資源進(jìn)行浪費(fèi)，這個系統(tǒng)可能會無法工作，所以這樣做的缺點(diǎn)主要在于它必須有相應(yīng)的學(xué)習(xí)模型才能進(jìn)行有效的工作，如果直接拿來工作，它們的運(yùn)行結(jié)果是無法預(yù)測的。

2 基于神經(jīng)網(wǎng)絡(luò)技術(shù)的飛機(jī)導(dǎo)航系統(tǒng)應(yīng)用

飛機(jī)導(dǎo)航算法是一種典型的自適應(yīng)方法，其可以有效的應(yīng)用于智能環(huán)境系統(tǒng)中。早先，在文獻(xiàn)中，考慮用基于時間的飛機(jī)導(dǎo)航算法（time-based Q-learning，TBQL）來獲得對路徑的最優(yōu)控制，在早先的TBQL算法中要求時間變量t趨近于正無窮來獲得最優(yōu)Q函數(shù)，這意味著最優(yōu)函數(shù)和最優(yōu)控制規(guī)律在t→∞范圍內(nèi)是時不變函數(shù)，然而路徑是一個時變函數(shù)，也就是說最優(yōu)控制規(guī)律以及飛機(jī)導(dǎo)航算法的最優(yōu)函數(shù)也必須隨著時間改變，另外TBQL算法也不能分析某些系統(tǒng)指標(biāo)，例如系統(tǒng)性能。所以發(fā)展新的基于迭代法的飛機(jī)導(dǎo)航算法并且建立相應(yīng)的性能分析是勢在必行的。

增強(qiáng)學(xué)習(xí)的方案主要是通過環(huán)境方面的感知與計(jì)算來實(shí)現(xiàn)最優(yōu)化控制。通俗的解釋：我們可以將飛機(jī)想象成一個機(jī)器人，機(jī)器人能夠通過經(jīng)驗(yàn)進(jìn)行學(xué)習(xí)。也可以把找到最優(yōu)控制的過程，想象成把機(jī)器人放到一個建筑物中任意一間房間，現(xiàn)在想讓它自己走出這個建筑。我們可以稱每一個房間為一個狀態(tài)，而機(jī)器人從某個房間移動到另一個房間即從一個狀態(tài)過渡到下一個狀態(tài)的過程稱為行為。起初，機(jī)器人并不知道該選擇哪條路，它可以從一個房間走到另一個房間，但是不知道哪扇門可以最終走出建筑。為此，我們引入了一個“獎勵”值賦給每條路，越正確的路獎勵值大，而錯誤的路獎勵值為零甚至為負(fù)，對于直接可以走出建筑的路“獎勵”值賦予100。飛機(jī)導(dǎo)航算法的目標(biāo)也是達(dá)到獎勵值最大的狀態(tài)，因此，當(dāng)機(jī)器人達(dá)到目標(biāo)房間后將永遠(yuǎn)停留在哪里，這種目標(biāo)也成為“吸收目標(biāo)”。機(jī)器人從經(jīng)驗(yàn)中進(jìn)行自學(xué)習(xí)，每一個自學(xué)習(xí)探索的過程就相當(dāng)于一次訓(xùn)練，在訓(xùn)練中，機(jī)器人探索外界環(huán)境，并接受外界環(huán)境帶來的獎勵，直到達(dá)到目標(biāo)狀態(tài)。訓(xùn)練的目的是要強(qiáng)化機(jī)器人的“大腦”（就用Q來表示），訓(xùn)練的次數(shù)越多，則Q就可以被優(yōu)化的更好。我們可以構(gòu)建一個以狀態(tài)為行，行為為列的關(guān)于“獎勵”的矩陣R。類似地，也同時構(gòu)建一個矩陣Q，用來表示機(jī)器人已經(jīng)從經(jīng)驗(yàn)中學(xué)到的知識，Q與R是同階的，其行表示狀態(tài)，列表示行為。由于剛開始時機(jī)器人對外界環(huán)境一無所知，因此矩陣Q應(yīng)初始化為零矩陣，后采用飛機(jī)導(dǎo)航算法的轉(zhuǎn)移規(guī)則，逐步完成矩陣。當(dāng)Q被訓(xùn)練強(qiáng)化后，機(jī)器人便很容易找到達(dá)到目標(biāo)狀態(tài)的最快路徑了。但是我們并沒有對每個階段進(jìn)行修正，而是從另一個初始值開始不斷的迭代進(jìn)行修正與優(yōu)化的，由于我們通過網(wǎng)絡(luò)的相關(guān)訓(xùn)練，可以使得總誤差進(jìn)行遞減，經(jīng)過規(guī)范化、數(shù)據(jù)歸一處理后，我們可以盡量的減少系統(tǒng)產(chǎn)生的誤差，得到準(zhǔn)確的結(jié)果。

3 結(jié)語

飛機(jī)智能導(dǎo)航系統(tǒng)的使用對于現(xiàn)代科技發(fā)展運(yùn)行意義重大,需要結(jié)合新技術(shù)、新思路對其進(jìn)行完善與創(chuàng)新,對于設(shè)備的常見問題做到及時的排查與解決,通過現(xiàn)代化的方法,結(jié)合實(shí)際的經(jīng)驗(yàn),保證工作的質(zhì)量,使得設(shè)備使用更加有保障。

[1]王爾申,佟剛,龐濤. 低空空域通用航空飛機(jī)機(jī)載導(dǎo)航監(jiān)視終端設(shè)計(jì)[J]. 電訊技術(shù),2015,55(05):522-526.

[2]韓春永,井哲. 飛機(jī)導(dǎo)航系統(tǒng)接收衛(wèi)星信號斷續(xù)問題分析與排查[J]. 電子測試,2015,(07):109-112.

[3]張勇. 非法廣播惹禍端 導(dǎo)航通信受干擾[J]. 中國無線電,2015,(01):71.

[4]尚琳. 基于GIS與GPS飛機(jī)故障在線檢修技術(shù)[J]. 科技經(jīng)濟(jì)市場,2014,(12):9.

V249.3

：A

：1671-0711（2017）12（下）-0147-02