Разработка инновационной навигационной системы в МАИ
Коллектив ученых Московского авиационного института (МАИ) совершает прорыв в области авиационных технологий, разрабатывая принципиально новую методику повышения точности и надежности навигации. Специалисты с кафедры 305 «Пилотажно-навигационные и информационно-измерительные комплексы» создали инновационный навигационный комплекс для гражданских самолетов и беспилотных летательных аппаратов (БПЛА), ключевым элементом которого является искусственный интеллект (ИИ). Эта разработка призвана решить одну из самых острых проблем современной аэронавтики — обеспечение непрерывного и точного определения местоположения даже в условиях полного отказа или сильных помех спутниковых сигналов.
Вызовы современной навигации: городские каньоны и устаревшие технологии
Проблема потери или искажения сигналов глобальных спутниковых систем (ГЛОНАСС, GPS) особенно критична для беспилотной авиации, которая все активнее интегрируется в городское пространство. Высокие здания создают эффект «городских каньонов», приводя к полному пропаданию сигнала. Многочисленные переотражения, электромагнитные помехи от антенн и передающих станций еще больше усугубляют ситуацию, делая традиционную навигацию ненадежной.
В качестве основы для автономной работы на самолетах и БПЛА традиционно используются инерциальные навигационные системы (ИНС), которые опираются на данные акселерометров и гироскопов. Стандартом безопасности является дублирование: на борту обычно устанавливают три таких комплекса. Это повышает отказоустойчивость, но не решает фундаментального недостатка ИНС — накопления ошибки со временем. Даже минимальная погрешность в 2 км/ч за двухчасовой полет приводит к cumulativному отклонению в 4 км, что недопустимо для точных маневров, например, при посадке в ограниченном пространстве.
Сердцем большинства современных систем является алгоритм оптимального фильтра Калмана — математический метод, который успешно применяется в отечественной авиации с 1980-х годов. Он эффективно «сшивает» данные от спутников и инерциальных датчиков, сглаживая неточности. Однако его работа идеальна только в условиях полной и достоверной информации о шумах датчиков и при стабильном потоке спутниковых сигналов. Как только этот поток прерывается или искажается, эффективность классического фильтра Калмана резко падает.
Инновационный подход: нейросеть как «цифровой штурман»
Ученые МАИ предложили принципиально иной подход, интегрировав в навигационный комплекс искусственный интеллект. Для сбора данных и обучения нейронной сети был создан уникальный исследовательский стенд на базе легкового автомобиля. Этот мобильный лабораторный комплекс, оснащенный эталонной спутниковой аппаратурой высокой точности и инерциальными датчиками, совершил множество поездок в условиях плотной городской застройки Москвы.
В ходе этих экспериментов собирался обширный массив данных: точные координаты, скорости, углы ориентации и рыскания, а также показания всех бортовых датчиков. Эта информация стала «топливом» для обучения нейросети. В отличие от фильтра Калмана, который следует жесткой математической модели, ИИ учился на реальном опыте. Задача нейросети — не просто подставлять данные, а научиться прогнозировать поведение навигационной системы, распознавать накопленные ошибки ИНС и, что особенно важно, идентифицировать ненадежные или «шумные» спутниковые сигналы, чтобы исключать их из обработки.
Преимущества интеллектуальной системы и этапы испытаний
Как отметил руководитель исследовательской группы Константин Веремеенко, предварительно обученный искусственный интеллект в условиях городской среды демонстрирует превосходство над классическими методами. «Когда спутниковый сигнал пропадает, условия для работы оптимального фильтра Калмана нарушаются, — пояснил эксперт. — У искусственного интеллекта нет строгой математической модели, зато у него есть "опыт", накопленный в результате многократных поездок. Это позволяет ему давать точные прогнозы о поведении навигационной системы, компенсируя отсутствие внешних данных».
Результаты экспериментов подтвердили жизнеспособность концепции. Навигационный комплекс с обученной нейросетью успешно справлялся с длительной потерей спутникового сигнала, определяя координаты беспилотника с точностью, приемлемой для выполнения полетного задания.
В настоящее время проект перешел на ключевой этап испытаний и доработки. Для этого в МАИ был разработан специализированный стенд имитационного моделирования — виртуальный «полигон», который позволяет воссоздавать тысячи различных нештатных ситуаций: сбои в работе датчиков, поломки оборудования, сложные погодные условия и комбинации различных факторов. Такой подход позволяет «обкатать» алгоритмы в безопасной виртуальной среде, прежде чем применять их в реальном полете.
Полное завершение проекта и вывод разработки на рынок планируется в течение двух лет. Важно отметить, что создаваемая методика является универсальной. По словам разработчиков, она может быть адаптирована для использования на любой подвижной технике, будь то пилотируемые самолеты нового поколения, подводные аппараты, автономные автомобили или наземные роботизированные платформы. Эта работа открывает новые горизонты для создания полностью автономных транспортных систем будущего, надежно ориентирующихся в любых условиях.