АППАРАТНО-ПРОГРАММНЫЕ СРЕДСТВА ДИНАМИЧЕСКОЙ РЕКОНФИГУРАЦИИ ГРУППИРОВКИ МАЛЫХ КОСМИЧЕСКИХ АППАРАТОВ
Аннотация
Целью исследования является автоматизация управления группировкой малых космических
аппаратов (наноспутников) в условиях ее переменной численности за счет актуализации ее со-
стояния на основе рассылки и обработки широковещательных запросов между аппаратами и
применения нейронной сети Transformer для составления прогнозов состояния сети космических
аппаратов. Исследуется задача обеспечения связности сети наноспутников, которая сводится к
реализации адаптивного управления сетью с оценкой и прогнозированием состояния каналов связи
между парами аппаратов на основе нейронной сети. Разработаны динамическая реконфигурация
и машинное обучение сети аппаратов. Определены алгоритмические средства для первичного
обучения нейронной сети и ее последующего дообучения с учетом предобработки исходных раз-
реженных или полносвязанных наборов данных о сети аппаратов. По завершении обучения на
синтетических данных созданная нейронная сеть способна прогнозировать качество связи с уче-
том прямой видимости, ослабления сигнала в зависимости от расстояния и состояния аппарат-
ной платформы наноспутника. Разработанная программная система выполняет детерминированную реконфигурацию по текущему состоянию сети наноспутников и адаптивную реконфигу-
рацию по историческим данным анализом нейронной сетью Transformer скрытых закономерно-
стей функционирования наноспутников. Для прогнозирования качества связи применен функцио-
нал связи геодезических координат пар наоспутников и векторов их состояний с элементами
матрицы качества связи между наноспутниками с заданными начальным моментом времени,
величиной временного интервала, величиной шага дискретизации измерительного процесса. При-
менение аппарата нейронных сетей, реализуемых на GPU, позволило прогнозировать возможные
состояния наноспутников и досрочно проводить реконфигурацию группировки, в том числе уда-
лять «проблемные» аппараты из состава группировки.
Литература
2012, 159 p.
2. Spiridonov A.A., Veligan V.A., SHalatonin I.A. [i dr.]. Nizkoorbital'nye gruppirovki malorazmernykh
kosmicheskikh apparatov [Low-orbit groupings of small-sized spacecraft], Kvantovaya elektronika:
Mater. XIII Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii [Quantum electronics: Proceedings
of the XIII International Scientific and Technical Conference]. Minsk: BelGU, 2021, pp. 421-424.
3. Potyupkin A.Yu. Upravlenie mnogosputnikovymi orbital'nymi gruppirovkami [Control of multisatellite
orbital constellations], Raketno-kosmicheskoe priborostroenie i informatsionnye sistemy
[Rocket and space instrumentation and information systems], 2020, Vol. 7, Issue 3, pp. 61-70.
4. Zheltov S.Yu., Kalyaev I.A., Kos'yanchuk V.V., Mel'nik E.V., Zybin E.Yu. Rekonfiguratsiya sistem
upravleniya vozdushnykh sudov [Reconfiguration of aircraft control systems]. Moscow: Rossiyskaya
akademiya nauk, 2021, 204 p.
5. Popkov G.V. Mesh-seti: perspektivy razvitiya, vozmozhnye primeneniya [Mesh networks: development
prospects, possible applications], Problemy informatiki [Problems of computer science], 2012,
No. 3 (15), pp. 74-79.
6. Aganesov A.V., Makarenko S.I. Balansirovka informatsionno nagru ki me hdu vo dushnym i
kosmicheskim segmentami ob"edinenno vo dushno kosmichesko seti svya i, postroenno na osnove
mesh-tekhnologii [Balancing the information load between the air and space segments of an integrated
aerospace communication network built on the basis of mesh technology], Naukoemkie tekhnologii v
kosmicheskikh issledovaniyakh Zemli [Science-intensive technologies in space research of the Earth],
2016, Vol. 8, No. 1, pp. 17-25.
7. Zatsepin E.S. Kharakteristiki protokolov v mesh-setyakh [Characteristics of protocols in mesh networks],
Modelirovanie, optimizatsiya i informatsionnye tekhnologii [Modeling, optimization and information
technologies], 2015, No. 1 (8). Available at: https://moit.vivt.ru/wp-content/uploads/
2015/04/Zatsepin_1_15_1.pdf.
8. Kalyaev I.A., Gayduk A.R. Odnorodnye neyropodobnye struktury v sistemakh vybora deystviy
intellektual'nykh robotov [Homogeneous neural-like structures in action selection systems of intelligent
robots]. Moscow: Izd-vo «YAnus-K», 2000, 280 p.
9. Kalyaev I.A., Gayduk A.R. Staynye printsipy upravleniya v gruppe ob"ektov [Flock principles of control
in a group of objects], Mekhatronika, avtomatizatsiya, upravlenie [Mechatronics, automation, control],
2004, No. 12, pp. 27-38.
10. Kalyaev I.A., Kapustyan S.G., Gayduk A.R. Samoorganizuyushchiesya raspredelennye sistemy
upravleniya gruppami intellektual'nykh robotov, postroennye na osnove setevoy modeli [Selforganizing
distributed systems for managing groups of intelligent robots, built on the basis of a network
model], Upravlenie bol'shimi sistemami: Sb. trudov [Management of large systems: Collection
of works], 2010, No. 30-1, pp. 605-639.
11. Kalyaev I.A., Mel'nik E.V. Detsentralizovannye sistemy komp'yuternogo upravleniya [Decentralized
computer control systems]. Rostov-on-Don: Yuzhnyy nauchnyy tsentr RAN, 2011, 196 p.
12. Kalyaev I.A., Kapustyan S.G., Gayduk A.R. Raspredelennye sistemy planirovaniya deystviy
kollektivov robotov [Distributed systems for planning the actions of teams of robots]. Moscow:
I datel'stvo «Yanus-K», 2002, 292 p.
13. Kalyaev I.A., Gayduk A.R., Kapustyan S.G. Modeli i algoritmy kollektivnogo upravleniya v gruppakh
robotov [Models and algorithms for collective control in groups of robots]. Moscow: OOO
Izdatel'skaya firma "Fiziko-matematicheskaya literatura", 2009, 280 p.
14. Kalyaev I.A., Gayduk A.R., Kapustyan S.G. Upravlenie kollektivom intellektual'nykh ob"ektov na
osnove staynykh printsipov [Management of a collective of intellectual objects based on flock principles],
Vestnik Yuzhnogo nauchnogo tsentra RAN [Bulletin of the Southern Scientific Center of the
Russian Academy of Sciences], 2005, Vol. 1, No. 2, pp. 20-27.
15. Kalyaev A.I., Kalyaev I.A. Metod mul'tiagentnogo dispetchirovaniya resursov v oblachnykh
vychislitel'nykh sredakh [Method of multi-agent resource dispatching in cloud computing environments],
Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya [Izvestia of the Russian
Academy of Sciences. Theory and control systems], 2016, No. 2, pp. 51-63.
16. Emel'yanov S.G. [i dr.]. Vybor arkhitektury neyronnoy seti dlya realizatsii kognitivnykh funktsiy
setevogo programmnogo obespecheniya upravleniya gruppirovkoy vzaimodeystvuyushchikh malykh
kosmicheskikh apparatov [Selecting a neural network architecture for implementing cognitive functions
of network software for controlling a group of interacting small spacecraft], Izvestiya Yugozapadnogo
gosudarstvennogo universiteta. Seriya «Upravlenie, vychislitel'naya tekhnika, informatika.
Meditsinskoe priborostroenie» [News of the South-Western State University. Series “Management,
computer technology, information science. Medical instrumentation"], 2023, Vol. 13, No. 4, pp. 8-26.
17. Usatyuk V.S., Egorov S.I., Loktionov A.P., Titenko E.A., Chernetskaya I.E. Arkhitektura neyronnykh
setey na osnove kodov na grafakh [Architecture of neural networks based on graph codes], Izvestiya
YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2023, No. 5 (235), pp. 81-92.
18. Tensorflow. Available at: https://www.tensorflow.org/?hl=ru (accessed 29.01.2024).
19. Cafe. Available at: https://caffe.berkeleyvision.org (accessed 29.01.2024).
20. osgEarth. Available at: https://github.com/gwaldron/osgearth (accessed 29.01.2024).
21. Qt. Available at: https://github.com/qt (accessed 29.01.2024).
22. Keras. Available at: https://keras.io (accessed 29.01.2024).
