Проект представляет собой разработку бортового программного модуля на базе нейросетевых алгоритмов, предназначенного для вычисления текущих координат беспилотного летательного аппарата (БПЛА) и коррекции ошибок их определения в реальном времени.

Современные БПЛА, как правило, определяют свое положение с помощью комплексирования данных спутниковой навигации (GPS/ГЛОНАСС) и инерциальных измерительных модулей (IMU: акселерометры, гироскопы, магнитометры, барометры). Однако каждый из этих источников имеет свои слабости: спутниковый сигнал деградирует или пропадает в городской застройке, лесу, помещениях и при радиоэлектронном подавлении (РЭБ), а инерциальные датчики со временем накапливают ошибку (дрейф). В результате вычисленные координаты «уплывают», и аппарат теряет точность позиционирования.

Наш проект решает эту проблему за счет нейросетевой модели, которая работает как интеллектуальный наблюдатель (observer) и корректор навигационного решения. Идея в том, чтобы заменить или дополнить классический фильтр Калмана обучаемой нейросетью, которая:

• принимает на вход сырые и уже отфильтрованные данные с сенсоров (IMU, барометр, магнитометр, данные спутникового приемника при его наличии, управляющие воздействия);
• выявляет закономерности дрейфа и аномалии в показаниях датчиков;
• прогнозирует наиболее вероятные текущие координаты аппарата и оценивает погрешность этого прогноза;
• при кратковременной или полной потере спутникового сигнала продолжает вычислять координаты на основе инерциальных данных, компенсируя накопленную ошибку за счет обученной модели динамики аппарата.

Ключевое отличие от классических подходов — адаптивность. Нейросеть обучается на реальных и синтетических полетных данных и способна подстраиваться под конкретный тип аппарата, его массу, аэродинамику и характер полета. Это позволяет точнее компенсировать дрейф там, где линейные фильтры ошибаются, и выдавать более стабильную оценку координат.

На страницу проекта