Аннотация результатов, полученных в 2016 году
В ходе выполнения проекта предложены алгоритмы группового управления, обеспечивающие решение задач целераспределения, планирования и управления движением группы в условиях неопределенности среды, в которой могут находится подвижные и неподвижные препятствия. В целом, результаты соответствуют уровню ведущих университетов (университеты Бостона, Цюриха и др.). Наиболее важные результаты: – метод децентрализованного управления группами подвижных объектов в двумерных и трехмерных неопределенных средах со стационарными препятствиями или конфликтными зонами, основанных на использовании как устойчивых, так и неустойчивых режимов движения. Метод позволяет реализовать децентрализованные алгоритмы управления, требует только измерения координат и скоростей соседних подвижных объектов, при планировании учитывает динамику подвижный объектов и препятствий. Предложенный метод обобщает известные методы искусственных потенциальных полей путем реализации отталкивающих и притягивающих сил в виде выходов динамических систем. Кроме того, метод не требует предварительного определения заданий для подвижных объектов; – метод конструирования функций Ляпунова для систем децентрализованного управления группами подвижных объектов, функционирующих в динамических неопределенных средах со стационарными препятствиями или конфликтными зонами. Предложены частные функции Ляпунова отдельных подвижных объектов, позволяющие сконструировать общую функцию Ляпунов всей системы и провести анализ наличия и устойчивости установившихся режимов в нестационарных средах с препятствиями; – метод планирования траектории перемещения мобильных автономных роботов, способных действовать как самостоятельно, так и в составе групп для недетерминированных динамических сред на основе адаптивного генетического алгоритма. Метод отличается использованием специальных функций приспособленности, выполняющих оценку формируемых генетических алгоритмом решений, что позволяет группе при движении в неопределенной среде с препятствиями обеспечивать максимальную степень сохранения заданного строя. – метод децентрализованного управления группой роботов основанный на нечеткой логике, отличающийся двухуровневой структурой. На верхнем уровне предложен метод формирования строя группы роботов, позволяющий организовывать разные конфигурации строя группы и получать гибкие структуры строя и возможности динамического их изменения в процессе перемещения. На нижнем уровне решена задача планирования пути группы роботов в неопределенной среде на основе аппарата нечеткой логики. – метод структурированного модельного агрегатного описания состояния группы роботов и среды, отличающийся групповым наполнением на основе анализа текущей информации, поступающей на борт отдельного робота группы. При этом роботы рассматриваются как подвижные объекты, действующие в пространстве и во времени с децентрализацией управления на локальном уровне при наличии верхнего стратегического координационного уровня управления. В ходе проекта разработан полигон для натурных испытаний и исследований систем одиночного и группового управления подвижными объектами в трехмерных средах. Полигон содержит подвижные и неподвижные препятствия, систему радионавигации и систему связи. Разработан экспериментальный образец подвижного объекта на базе гексакоптера. Выбрано бортовое оборудование, включающее: навигационные блоки; систему технического зрения на базе видеокамер, лидара и ультразвуковых датчиков; вычислитель, обеспечивающий решение задач принятия решений на борту; встроенный блок автопилотирования. Гексакоптер также снабжен лазерной указкой и светоприемниками для имитации группового противодействия. Также разработана и закуплена наземная станция управления.

Аннотация результатов, полученных в 2017 году
1. Метод децентрализованного управления группами подвижных объектов в двумерных и трехмерных неопределенных средах со стационарными и нестационарными препятствиями или конфликтными зонами, основанных на использовании как устойчивых, так и неустойчивых режимов движения. Данный метод не требует поисковых процедур и позволяет независимо друг от друга формировать две составляющие, определяющие желаемое положение i-го робота в кластере. Первая (устойчивая) составляющая формируется методом, описанным в результате 3. Вторая (неустойчивая) составляющая реализует неустойчивый режим посредством расширения пространства состояний подвижного объекта дополнительными переменными. Эти переменные формируются дифференциальными уравнениями, зависящими от бифуркационного параметра. При попадании i-го подвижного объекта в область препятствия бифуркационный параметр начинает расти. После его увеличения до некоторой величины дифференциальное уравнение, генерирующее дополнительную переменную, становится неустойчивым. Выход этого уравнения вводится в виде аддитивной составляющей в траекторную ошибку. При этом возможность добавлять или вычитать такую неустойчивую компоненту, т.е. менять направление обхода препятствия. Такая компонента формируется по каждому задающему воздействию, определяющему желаемые линейные координаты робота, что позволяет рассматривать трехмерное движение. Отметим, что отработка такой, в общем случае, неустойчивой траектории движения робота, осуществляется в устойчивом режиме, что позволяет избежать рисков, связанных с управлением неустойчивым объектом в трехмерном пространстве в условиях ограниченных управляющих воздействий. 2. Метод планирования траекторий движения групп подвижных объектов в двумерных и трехмерных неопределенных средах со стационарными и нестационарными препятствиями или конфликтными зонами, основанный на генетическом поиске. Разработан метод планирования траекторий перемещений одиночных подвижных объектов (ПО) и групп ПО в двумерных и трехмерных средах со стационарными и нестационарными препятствиями и возможными конфликтными зонами, основанный на генетическом поиске. Разработанный метод базируется на генетическом алгоритме, обладающем следующими особенностями: - модифицированный способ представления получаемых решений для 2D и 3D сред, отличающийся универсальностью и возможностью представления путевых точек планируемых траекторий в виде двух- либо трехэлементного вектора параметров; - модифицированный оператор мутации для 2D и 3D сред, отличающийся свойствами гибридности и адаптивности, содержащий в себе несколько различных форм реализации оператора мутации и способный генерировать, оптимизировать и корректировать траектории движения ПО; - интегральный критерий оценки качества генерируемых решений для 2D и 3D сред, отличающийся возможностью одновременного учета таких параметров траектории как безопасность, гладкость и длина. Реализован циклический алгоритм последовательного планирования отдельных участков траектории перемещения одиночного ПО или группы ПО, в котором длительность каждой итерации цикла определяется возможностями сенсорной системы ПО и оценкой вероятности столкновения с препятствиями. Разработаны алгоритмы для оценки и учета степени безопасности получаемых траекторий на основе заданного размера зоны безопасности ПО, т.е. зоны, в которую не должны попадать препятствия. В разработанном алгоритме планирования траектории перемещения группы ПО реализован алгоритм вычисления зоны безопасности группы ПО как некоторого пространства, ограниченного положением крайних членов группы. Данный способ вычисления зоны безопасности группы ПО характеризуется большей вычислительной эффективностью по сравнению с другими способами. 3. Метод планирования поведения групп подвижных объектов в двумерных и трехмерных неопределенных средах со стационарными и нестационарными препятствиями или конфликтными зонами, основанный на интеллектуальных технологиях с применением методов математического моделирования. Разработан метод формирования строя основанный на технологии выделения разрешенных областей вокруг ПО. В основе шаблона строя лежит сеточное представление пространства, которое при использовании регулярной сетки позволяет при минимальном объеме информации хранить информацию о текущей структуре строя в бортовых вычислителях ПО. При заданных порядковых номерах ПО в группе, подвижные объекты с меньшими номерами являются лидерами для подвижных объектов с большими номерами. Это позволяет использовать каналы связи фактически между парами ПО в группе для формирования строя и движения в среде с препятствиями. При этом открывается возможность гибкой реконфигурации строя. Разработан метод планирования поведения групп ПО на основе нечеткой логики. Разработаны модели поведений «движение к цели», «обход препятствий», «движение вдоль стены», «экстренная ситуация». Комплексирование поведений осуществляется на основе аналитической зависимости, что приводит к тому, что производится не переключение между отдельными поведениями подвижных объектов в группе, а их объединение в сложное поведение. Для определения весовых коэффициентов модели координации поведений разработан моделирующий комплекс в среде MatLab, позволяющий собирать статистические данные о перемещении группы подвижных объектов в среде с препятствиями. При этом в базе статистических данных накапливаются значения: – длине идеальной и реальной траектории; – максимальной скорость ПО группы; – показателе безопасности по данным лидара; – реальном показателе безопасности; – дальности действия и угле раскрытия диаграммы лидара; – количестве, скорости и размере препятствий; – координатах точек старта и финиша и начального угла ориентации ПО группы; – точности позиционирования ПО в конечной точке. Статистические данные позволили определить весовые коэффициенты модели координации поведений и позволяют выполнить дополнительные исследования перемещения подвижных объектов в неопределенной среде. 4. Метод группового управления и оценки результата применения групп роботов, отличающегося смешанной стратегией, основанной, как на централизованной, так и децентрализованной стратегиях управления, обеспечением самоорганизации группы роботов и её адаптации в неопределённых условиях и динамически и стохастически меняющихся средах. Разработан метод самоорганизации группы роботов в неопределенной нестационарной среде, отличающийся использованием смешанной стратегии, включающей в себя централизованный алгоритм кластеризации на основе триангуляции Делоне, и децентрализованный алгоритм определения места робота в кластере, основанный на оптимизационной процедуре. Метод позволяет сформировать строй роботов без предварительного задания места в группе. Использование понятия обобщенной группы, включающей в себя роботы и препятствия, позволяет применять метод в неопределенной среде с нестационарными препятствиями. За счет кластеризации группы предложенный метод позволяет использовать децентрализованные оптимизационные алгоритмы, обеспечивающие формирование строя. 5. Метод нейросетевой декомпозиции и перераспределения локальных целей отличающемся интеллектуальным комплексным анализом дискретных моделей предыдущего, текущего и прогнозного агрегатных состояний как внешней среды, так и самих взаимодействующих групп. Разработаны методы нейросетевой декомпозиции и перераспределения локальных целей, отличающиеся интеллектуальным комплексным анализом дискретных моделей предыдущего, текущего и прогнозного агрегатных состояний, как внешней среды, так и самих взаимодействующих групп. Разработанный метод перераспределения локальных целей позволяет определять стратегии действия (противодействия) для групп ПО, выполняющих задачи атаки либо охраны некоторой целевой точки. Реализованы следующие виды стратегий для групп ПО: - вступить в бой всей группой; - вступить в бой частью группы; - оставаться на месте; - присоединиться к бою групп; - отcтупить с поля боя; - запросить поддержку; - стать частью другой группы. Разработан нейросетевой модуль декомпозиции целей для формирования групповой стратегии поведения с учетом значений параметров среды функционирования, состояния текущей и противодействующей групп ПО. Разработанный метод декомпозиции целей отличается возможностью определения стратегии действия (противодействия) отдельных ПО в составе группы и анализа вероятности успешного столкновения с противником на основе нейросетевого модуля. Предложен алгоритм, обеспечивающий возможность оценки ситуаций и позволяющий ПО более эффективно решать поставленные перед ними задачи, увеличивающий живучесть как групп ПО в целом, так и отдельных ПО. Кроме того, предложен нейросетевой сетевой алгоритм оценки возможностей объединения групп ПО и отдельных ПО с целью коллективного решения задач и увеличения вероятности успешного завершения миссии.

Аннотация результатов, полученных в 2018 году
1. Разработан метод исследования устойчивости траекторий движения группы подвижных объектов, отличающийся двухэтапной процедурой построения функции Ляпунова и расширением пространства состояний исходной системы дополнительными динамическими переменными. Метод позволяет проводить анализ траекторий движения элементов, в условиях подвижных и неподвижных препятствий, за счет введения дополнительных дифференциальных уравнений, учитывающих эффект влияния препятствий. Метод позволяет уйти от построения функции Ляпунова для нестационарной системы путем построения функции Ляпунова для динамической системы с увеличенным числом переменных состояния. 2. Разработан метод, алгоритмический базис и программная модель интеллектуального мультиагентного планирования группового поведения (перемещения) роботов в реальном масштабе времени в соответствии с общей целевой функцией группы и принятой декомпозиции локальных целей в условиях действия локальных и стратегических ресурсных ограничений. Выполнен анализ источников информации, формализация задачи выбора параметров строя группы ПО. Предложено интервальное определение сложности, приведены примеры конфигурации строя группы ПО, а также экспертное определение выбора конфигурации строя ПО в зависимости от сложности задачи по назначению. Выполнен анализ подходов к созданию строя группы ПО. Приведены локальные критерии для задания интегрального критерия оценки эффективности строя группы, методика расчета этого интегрального критерия. Разработана модель для определения параметров виртуальной структуры строя ПО, позволяющая принимать решения относительно вида и координат ПО в строю. Модель состоит из семи моделей, для каждой из которых выполнена формализация и приведены примеры их применения. Разработана имитационная модель построения и оценки параметров строя ПО и выполнены исследования модели в статике, оценки сложности среды членами группы ПО, а также выполнено сравнение результатов моделирования полета групп ПО в задаче поиска. Результаты моделирования показали, что предложенные оценки сложности адекватно оценивают ситуации, а исходя из оценок, выполняемых самими ПО в группе можно делать заключение об эффективности применения того или иного строя при решении задачи по назначению. 3. Разработана архитектура натурной модели группы подвижных объектов. Определены основные подсистемы и модули, которые необходимо реализовать для подвижного объекта, в том числе подсистемы защиты. Разработана натурная модель мобильного узла сети, для реализации поставленных перед ним задач, а также для дальнейшей реализации алгоритмов. Особенность данной архитектуры заключается в том, что помимо модулей обеспечивающих функционированием подвижного объекта, предусмотрены модули обеспечивающие защиту робота. Проведен анализ систем группового управления, определены основные этапы работы системы группового управления, построена модель угроз систем группового управления (СГУР). Исходя из того, что СГУР может быть как полностью распределенной, так и частично распределенной, иметь лидера группы, разработана архитектура сетевого взаимодействия, учитывающая данные особенности. В частности была рассмотрена задача построения карты местности, которая реализуется полностью распределенными методами и задача достижения целей подвижными объектами, которая реализуется с учетом выбора лидер группы, на основе чего построена модель сетевого взаимодействия между роботами. Разработаны и реализованы модель сетевого взаимодействия между мобильными роботами на основе mesh сети и протокол сетевого взаимодействия компонентов СГУР с использованием средств имитационного моделирования. Модель отражает основные этапы системы группового управления, а именно выбор лидера группы и выполнение поставленных целей. При выборе лидера группы учитывается показатель доверия, который вычисляется на основе параметров загруженность, остаточная энергия, наличие отброшенных пакетов в сети, введения данного показателя в процесс выбора лидера группы позволяет повысить уровень защищенности группы подвижных объектов, а также не оказывает значительной нагрузки на пропускную способность и энергетические ресурсы подвижных объектов. Для установления данного сетевого взаимодействия разработан и реализован (в системе) протокол контроля работы компонентов СГУР. Протокол предназначен для защиты и контроля работы компонентов СГУР. Протокол регулирует процесс разбиения подвижных объектов на группы, выбор ЛГ и миграцию узлов, то есть те этапы работы сети, которые наиболее подвержены действиям злоумышленника. Протокол также учитывает процедуру перевыборов лидера группы. Контролируются параметры остаточной энергии, мобильности и доверия для всех лидеров групп (ЛГ). Если один из параметров не соответствует условиям надежной работы ЛГ, то инициируется процесс перевыборов ЛГ. При этом если узел признается недоверенным, то ЛГ сразу исключается из сети. Алгоритм миграции узла позволяет контролировать не только переход узлов из одной группы в другую, но и вновь прибывшие узлы. При этом кроме значений доверия добавляется проверка на уровень начальной энергии вновь прибывшего узла. Таким образом, принятые меры по обеспечению безопасности в сети позволяют контролировать работу компонентов СГУР на каждом этапе и при этом не оказывать значительного воздействия н ресурсы узлов сети и пропускную способность сети. Разработана и реализована методика анализа защищенности СГУР, а также проведена оценка эффективности активных атак, реализованных в СГУР. Для реализации методики анализа защищенности разработано программно-аппаратное средство на базе одноплатного компьютера обладающее следующими важными характеристиками, отличающими его от аналогов: мобильностью; малыми габаритами; модульной структурой; простотой использования; невысокой ценой; малым энергопотреблением. Данное программно-аппаратное средство позволяет проводить анализ защищенности придвижных объектов, даже если они находятся в труднодоступных местах, так как может управляться удаленно, и прикреплено к подвижному объекту. Достоинства программно-аппаратного средства: обладает функцией анализа эффективности атаки и степени нанесенного ущерба сети; не требует дополнительных вычислительных мощностей, не потребляет значительное количество энергетических ресурсов. Недостатки аналогов: низкий уровень мобильности; большое потребление ресурсов процессора и памяти; медленная работа; отсутствие возможности анализировать эффективность атак. Экспериментальное исследование, проведенное с использованием данного программно-аппаратного средства позволило доказать уязвимость СГУР к атакам злоумышленника и необходимость создания системы защиты СГУР.