Համատարած հայտնաբերման ռադարը (SAR) նախատեսված է օդային թիրախների որոնման, հայտնաբերման և հետևելու, ինչպես նաև նրանց ազգությունը որոշելու խնդիրները լուծելու համար: Ռադարային համակարգն իրականացնում է վերանայման տարբեր ընթացակարգեր, որոնք զգալիորեն բարձրացնում են աղմուկի անձեռնմխելիությունը, ցածր և բարձր արագությամբ թիրախների հայտնաբերման հավանականությունը և մանևրելու թիրախներին հետևելու որակը: Ռադարի մշակողը գործիքային ճարտարագիտության գիտահետազոտական ինստիտուտն է։
Հակաօդային պաշտպանության համակարգի մարտական կառավարման կետը (CCP) որպես խմբավորման մաս, իրականացնում է SAR կոորդինատների տեղեկատվությունը, հայտնաբերված թիրախների երթուղիների մեկնարկը և հետևելը, հակառակորդի օդային հարվածների պլանների հայտնաբերումը, թիրախների բաշխումը հակաօդային պաշտպանության միջև: խմբում գտնվող համակարգեր, հակաօդային պաշտպանության համակարգերի թիրախային նշանակման տրամադրում, մարտական գործողություններ իրականացնող ՀՕՊ համակարգերի փոխազդեցություն, ինչպես նաև փոխգործակցություն ՀՕՊ այլ ուժերի և միջոցների հետ: Գործընթացների ավտոմատացման բարձր աստիճանը թույլ է տալիս մարտական անձնակազմին կենտրոնանալ օպերատիվ և օպերատիվ-մարտավարական խնդիրների լուծման վրա՝ լիովին օգտվելով մարդ-մեքենա համակարգերի առավելություններից: PBU-ն ապահովում է մարտական գործողությունները բարձրագույն հրամանատարական կետերից և PBU-ի հետ համագործակցելով, հարևան խմբերի վերահսկման օբյեկտները:
S-ZOPMU, S-ZOPMU1 հակաօդային պաշտպանության համակարգերի հիմնական բաղադրիչները.
Բազմաֆունկցիոնալ թիրախային լուսավորություն և հրթիռների ուղղորդման ռադար(RPN) ստանում և մշակում է թիրախային նշանակումները 83M6E հսկիչներից և կցված ինքնավար տեղեկատվական աղբյուրներից, հայտնաբերում, ներառյալ: ինքնավար ռեժիմով թիրախների գրավում և ավտոմատ հետևում, նրանց ազգության որոշում, հրթիռների գրավում, հետևում և ուղղորդում, արձակվող թիրախների լուսավորություն՝ կառավարվող հրթիռների կիսաակտիվ տնամերձ գլխիկների շահագործումն ապահովելու համար։
Բեռի վրա թակիչը կատարում է նաև հակաօդային պաշտպանության հրթիռային համակարգի հրամանատարական կետի գործառույթները. - ընտրում է թիրախներ առաջնահերթ կրակոցների համար. - լուծում է արձակման խնդիրը և որոշում կրակոցի արդյունքները. - ապահովում է տեղեկատվական փոխազդեցություն 83M6E հսկիչների կառավարման միավորի հետ:
Ամբողջական տեսանելիությունը մեծացնում է հակաօդային պաշտպանության համակարգերի որոնողական հնարավորությունները անկախ մարտական գործողությունների ժամանակ, ինչպես նաև ապահովում է թիրախների հայտնաբերում և հետևում այն հատվածներում, որոնք ինչ-ինչ պատճառներով անհասանելի են ռադարների և բեռնափոխադրող սարքերի համար: 36D6 ռադարը և 5N66M ցածր բարձրության դետեկտորը կարող են օգտագործվել որպես ինքնավար կցված միջոց։
Կցված հայտնաբերման և թիրախային նշանակման ինքնավար միջոցներ
ԳործարկիչներՄեկնարկիչները (մինչև 12) նախատեսված են հրթիռների պահեստավորման, փոխադրման, նախաարձակման պատրաստման և արձակման համար։ Գործարկիչները տեղադրված են ինքնագնաց շասսիի կամ ճանապարհային գնացքի վրա։ Յուրաքանչյուր արձակող սարք տեղափոխում է մինչև 4 հրթիռ տրանսպորտային և արձակման բեռնարկղերում։ Հրթիռների երկարաժամկետ (մինչև 10 տարի) պահեստավորումն իրականացվում է առանց պահպանման միջոցառումների և բեռնարկղերի բացման։ PU-ի մշակողները Հատուկ ինժեներական նախագծման բյուրոն են, Նիժնի Նովգորոդի առողջապահության նախարարության նախագծային բյուրոն:
Գործարկիչներ
Հրթիռներ- միաստիճան, պինդ վառելիք, ուղղահայաց մեկնարկով, հագեցած ինքնաթիռի կիսաակտիվ ռադիոուղղություն որոնիչով: Հրթիռի առաջատար մշակողը Fakel կոնստրուկտորական բյուրոն է։
83M6E հսկիչ սարքերը ապահովում են. - մինչև 100 թիրախի երթուղու հետևում; - մինչև 6 հակաօդային պաշտպանության համակարգերի կառավարում; - հայտնաբերման առավելագույն հեռավորությունը՝ 300 կմ:
S-ZOPMU1 հակաօդային պաշտպանության համակարգը S-ZOPMU-ի խորը արդիականացում է և, ըստ էության, երրորդ սերնդի համակարգերի անցումային կապ:
S-ZOPMU1-ն ապահովում է. - թիրախների խոցում 5-ից 150 կմ հեռավորության վրա, 0,01-ից 27 կմ բարձրության միջակայքում, թիրախների խոցման արագությունը մինչև 2800 մ/վրկ; - մինչև 1000 կմ արձակման հեռահարությամբ ոչ ռազմավարական բալիստիկ հրթիռների պարտություն մինչև 40 կմ հեռավորության վրա՝ 83M6E հսկիչներից թիրախային նշանակում ստանալու դեպքում. - մինչև 6 թիրախի միաժամանակյա արձակում՝ յուրաքանչյուր թիրախի ուղղությամբ մինչև 2 հրթիռի ուղղորդմամբ. հիմնական տեսակի հրթիռներում՝ 48N6E; - կրակի արագությունը 3-5 վրկ.
Անհրաժեշտության դեպքում S-ZOPMU1 հակաօդային պաշտպանության համակարգը կարող է փոփոխվել S-ZOPMU համակարգի 5V55 հրթիռներ օգտագործելու համար։
S-ZOOP ընտանիքի հիմնադիր S-ZOPMU հակաօդային պաշտպանության համակարգը ապահովում է.-> թիրախներ խոցելը 5-ից 90 կմ միջակայքում, բարձրության միջակայքում 0,025-ից 27 կմ, թիրախների խոցման արագությունը մինչև 1150 մ/վրկ; - մինչև 300 կմ արձակման հեռահարությամբ բալիստիկ թիրախների ոչնչացում մինչև 35 կմ հեռավորության վրա՝ թիրախային նշանակմամբ կառավարման սարքավորումներից. - մինչև 6 թիրախի միաժամանակյա արձակում՝ յուրաքանչյուր թիրախի ուղղությամբ մինչև 2 հրթիռի ուղղորդմամբ. - 5V55 հրթիռների հիմնական տեսակ; - կրակի արագությունը 3-5 վրկ.
ԱԼՏԵԿ-300
Ուսումնական համալիր
|
|
|
Հետևված թիրախի մանևրը, որը տևողությամբ գերազանցում է VDU-ի մուտքագրման ժամանակ տեղեկատվության թարմացման ժամանակահատվածը, դրսևորվում է դինամիկ զտման սխալներում համակարգված բաղադրիչի տեսքով:
Որպես օրինակ դիտարկենք թիրախային հետագծի կառուցման գործընթացը, որը հասնում է մի կետի Բ(Նկար 12.15) շարժվել է հավասարաչափ և ուղղագիծ, իսկ հետո սկսել մանևրը մեծ (1), միջին (2) կամ փոքր (3) գերբեռնվածությամբ (գծիկավոր գծեր): Ելնելով հետագծի ուղիղ հատվածի պարամետրերի գնահատումից՝ հիմնված զտման n չափումների արդյունքների վրա (նկարում նշված է շրջանագծով), թիրախի ընթացիկ կոորդինատները (գծանշված գիծ) և էքստրապոլացված կոորդինատները դեպի ( n+1)րդ ակնարկ (եռանկյուն):
| Ա |
| Բ |
Ինչպես երևում է նկարից, մանևրի մեկնարկից հետո սպառողներին տրված թիրախի ընթացիկ կոորդինատները կպարունակեն դինամիկ սխալ, որի մեծությունն ավելի մեծ է, այնքան մեծ է թիրախի գերբեռնվածությունը մանևրի ընթացքում և տարածքը դիտելու ժամանակահատվածը.
Այս պայմաններում թիրախին ինքնաբերաբար հետևելու համար անհրաժեշտ է, առաջին հերթին, հայտնաբերել (նույնականացնել) մանևրը և, երկրորդ, հրաժարվելով թիրախի ուղղագիծ և միատեսակ շարժման վարկածից, որոշել մանևրի պարամետրերը և դրա հիման վրա օգտագործել. թիրախ շարժման նոր վարկած.
Թիրախային կոորդինատների դիսկրետ չափումների արդյունքների հիման վրա մանևրի հայտնաբերման մի շարք հայտնի մեթոդներ կան.
1. Ուղղագիծ միատեսակ շարժման վարկածի համաձայն զտման դադարեցման պատճառը կարող է լինել որոշակի հաստատուն արժեքի մնացորդային մոդուլի ավելցուկը։ Այս դեպքում ստացվելուց հետո ֆիլտրումը շարունակելու համար անհրաժեշտ պայման nրդ նշանը կարող է ներկայացվել հետևյալ ձևով.
; 
(1)
որտեղ: Դ Պ, Δ Դ- հաստատուններ, որոնք որոշում են անհամապատասխանության թույլատրելի արժեքը և կախված են ռադարների վերանայման ժամանակաշրջանից և մանևրի ընթացքում թիրախային գերբեռնվածության ընդունված արժեքից.
P n, D n- n-րդ հետազոտության ընթացքում չափված կրող և միջակայքի արժեքները.
, - կրող և միջակայքի արժեքներ, որոնք բացահայտվել են n-րդ չափման պահին:
2. Ուղղանկյուն կոորդինատային համակարգում ուղղանկյուն կոորդինատային համակարգում հետագծերի հետագծման պայմաններում հորիզոնական հարթությունում մանևրի հայտնաբերման որակի ավելի բարձր պահանջներով, յուրաքանչյուր վերանայման ժամանակ որոշվում է անհամապատասխանության թույլատրելի արժեքը և խնդիրը լուծվում է հետևյալ կերպ.
ա) յուրաքանչյուր կոորդինատների չափման արդյունքների հիման վրա հաշվարկվում են էքստրապոլացված և չափված կոորդինատային արժեքների մնացորդային մոդուլները.
; 
;
բ) հաշվարկվում է դիսկրետ չափման սխալների շեղումը
որտեղ ս Դ, σ Պ- միջակայքի և առանցքակալի դիսկրետ չափման արմատային միջին քառակուսի սխալներ.
գ) հաշվարկվում է էքստրապոլյացիայի սխալների շեղումը
,
դ) հաշվարկվում է կոորդինատների չափման և էքստրապոլացիայի ընդհանուր սխալի շեղումը
| (5) |
ե) արժեքները համեմատվում են դԵվ 
, որտեղ է ընտրված գործակիցը մանևրի կեղծ հայտնաբերման ընդունելի հավանականությունն ապահովելու նկատառումներով։
Եթե համեմատության արդյունքում պարզվի, որ դ> 
, ապա ընդունվում է «մանևրի սպասող» որոշումը։ Եթե անհավասարությունը բավարարվում է երկրորդ անգամ, ապա ընդունվում է «մանևրային» որոշումը և դադարեցվում է հետագծի պարամետրերի զտումը ըստ օգտագործված վարկածի։
3. Կիրառվում է նաև մանևրի հայտնաբերման չափանիշի ընտրության մեկ այլ մոտեցում: Յուրաքանչյուր հետազոտության ժամանակ հաշվարկվում է բևեռային կոորդինատների մնացորդների ավտոկորելացիոն ֆունկցիան նախորդ և ընթացիկ հետազոտություններում
,
Եթե չկա մանևր, ապա Δ D nև Դ Պ նանկախ վերանայումից մինչև վերանայում, և մնացորդների ավտոկոռելացիոն ֆունկցիաները փոքր են կամ նույնիսկ զրո: Մանևրի առկայությունը զգալիորեն մեծացնում է մնացորդների արտադրյալի մաթեմատիկական ակնկալիքը: Զորավարժություն սկսելու որոշումը կայացվում է, երբ ավտոկոռելացիոն ֆունկցիաները գերազանցում են որոշակի շեմային մակարդակը:
ԵՐԿՐՈՐԴ ՈՒՍՈՒՄՆԱՍԻՐԱԿԱՆ ՀԱՐՑ: Նպատակային հետևում մանևրի ընթացքում:
Ամենապարզ դեպքում, երբ մանևրի մեկնարկը հայտնաբերվում է թիրախի (n+1)-րդ ճառագայթումից հետո երկու կետում՝ n-րդ հետազոտության գնահատված կոորդինատները (բաց շրջան) և չափված կոորդինատները (( n+1)-րդ հետազոտությունը (պինդ շրջան) հաշվարկում է թիրախի արագության վեկտորը, որը կարող է օգտագործվել ընթացիկ կոորդինատները և էքստրապոլացված կոորդինատները հաշվարկելու համար: n+2) ակնարկ. Հետագայում, ընթացիկ և նախորդ հետազոտություններում չափված թիրախային կոորդինատները օգտագործվում են նպատակային հետագիծը կառուցելու և էքստրապոլացված կոորդինատները հաշվարկելու համար: Այս ալգորիթմի օգտագործմամբ գործող զտիչը կոչվում է երկու կետանոց էքստրապոլատոր:
Նման էքստրապոլատոր օգտագործելիս էքստրապոլացված կոորդինատների շեղումը թիրախի իրական դիրքից ( Լ 1, Լ 2, Լ 3) երկար դիտման ժամանակահատվածով և մանևրի ընթացքում թիրախային մեծ ծանրաբեռնվածությամբ կարող են բավականին նշանակալից լինել. այս դեպքում թիրախի ընթացիկ կոորդինատները կտրվեն մեծ սխալներով սպառողներին։ Էքստրապոլյացիայի մեծ սխալները կարող են հանգեցնել նրան, որ հաջորդ թիրախային նշանը գտնվում է ավտոմատ հետևող ստրոբի սահմաններից դուրս: Քանի որ ստրոբի ներսում սովորաբար կեղծ նշաններ կան, դրանցից մեկը կընտրվի և կօգտագործվի հետագիծը սխալ ուղղությամբ շարունակելու համար, և իրական թիրախի ավտոմատ հետևումը կխափանվի:
Մշտական ծանրաբեռնվածությամբ երկարատև մանևրի ընթացքում թիրախին հետևելու ճշգրտությունը կարող է մեծացվել՝ որոշելով թիրախի արագացման ուղղանկյուն բաղադրիչները՝ օգտագործելով հետագծի կոր հատվածի վրա ստացված առաջին երեք նշանները և հետագայում զտելով արագացումը: Այս խնդիրը լուծվում է օգտագործելով "α-β-γ"- ֆիլտր, որի կրկնվող ալգորիթմը կոորդինատների և դրանց փոփոխության արագության գնահատման համար մնում է նույնը, ինչ "α-β"- զտիչ և թիրախային արագացման գնահատում, օրինակ՝ ըստ կոորդինատների Xնշանը ստանալուց հետո n-րդ վերանայումը հաշվարկվում է բանաձևով
Ներածություն.
Գլուխ 1. Օդային թիրախների հետագծերի հետագծման զտիչների վերլուծություն:
§1.1. Kalman ֆիլտր.
§1.2. Կալմանի ֆիլտրի կիրառում TC հետագծերին հետևելու համար՝ օգտագործելով հսկողության ռադարային տվյալները:
§ 1.3. «Ալֆա-բետա» և «Ալֆա-բետա-գամմա» զտիչներ:
§ 1.4. Վիճակագրական մոդելավորում.
§1.5. Եզրակացություններ.
Գլուխ 2. Մանևրային դետեկտորների հիման վրա օդային թիրախների մանևրման հետագծերին հետևելու հարմարվողական մեթոդների վերլուծություն:
§ 2.1. Ներածություն.
§ 2.2. Թիրախային մանևրների համատեղ հայտնաբերում և գնահատում` հիմնված թարմացման գործընթացի վրա:
§ 2.3. Մանևրող մեքենաներին հետևելու հարմարվողական ալգորիթմներ
CC օգտագործելով մանևրային դետեկտորներ:
§ 2.4. Եզրակացություններ.
Գլուխ 3. Հայտնի բազմամոդելային ալգորիթմների ուսումնասիրություն.
§3.1. Ներածություն.
§3.2. Adaptive Bayes մոտեցում.
§3.3. Հսկողության ռադարի համար CC-ի հայտնի MMA հետագծերի հետագծման ուսումնասիրություն:
§3.4. Եզրակացություններ.
Գլուխ 4. Օդային թիրախների մանևրման * հետագծերին հետևելու բազմամոդելային ալգորիթմի մշակում:
§4.1. Ներածություն.
§4.2. Համակարգչի շարժման վիճակի վեկտորի գնահատում:
§4.2.1. Խնդրի ձևակերպում.
54.2.2. Խնդրի լուծման ընդհանուր մոտեցում.
04.2.3. Գծային ալգորիթմ.
§4.3. MMA-ի համեմատությունը այլ ալգորիթմների հետ:
§4.4. Եզրակացություններ.
Առաջարկվող ատենախոսությունների ցանկը
Տեղեկատվության երկրորդային մշակում երկու դիրքի ռադարային համակարգում դեկարտյան կոորդինատային համակարգում 2004թ., տեխնիկական գիտությունների թեկնածու Սիդորով, Վիկտոր Գենադիևիչ
Օբյեկտների գնդային կոորդինատների ֆիլտրում երկու դիրքի ռադարային համակարգում 2004թ., տեխնիկական գիտությունների թեկնածու Գրեբենյուկ, Ալեքսանդր Սերգեևիչ
Տեղեկատվական աջակցության ալգորիթմական տրամադրում՝ բազմասենսորային համակարգերում դինամիկ իրավիճակի գնահատման համար՝ մակերեսային օբյեկտների ավտոմատ հետևման ժամանակ 2001թ., տեխնիկական գիտությունների դոկտոր Բեսկիդ, Պավել Պավլովիչ
Օդային տարածքի արտագնա հատվածում օդային երթևեկության վերահսկման ժամանակ պետական ավիացիոն ինքնաթիռների տեղակայման մոնիտորինգի մեթոդների մշակում. 2009թ., տեխնիկական գիտությունների թեկնածու Շանին, Ալեքսեյ Վյաչեսլավովիչ
Խուսափող օբյեկտի թիրախավորման մեթոդի մշակում և հետազոտություն՝ հիմնված նրա շարժման ստոխաստիկ կանխատեսման վրա 2004թ., տեխնիկական գիտությունների թեկնածու Թրուոնգ Դանգ Խոա
Ատենախոսության ներածություն (ռեֆերատի մաս) «Օդային թիրախների հետագծերի հետագծման ալգորիթմների հետազոտություն» թեմայով
Ատենախոսության թեմայի արդիականությունը
Քաղաքացիական ավիացիայի կարևորագույն խնդիրներից է թռիչքների անվտանգության բարելավումը հատկապես թռիչքի և վայրէջքի ժամանակ։ Այս նպատակին հասնելու համար օդային երթևեկության կառավարման ավտոմատացված համակարգերը (ATC) պետք է ունենան անհրաժեշտ որակի ցուցիչներ, որոնք որոշ չափով կախված են մուտքային ռադիոտեղորոշիչ տեղեկատվության որակից: ATC համակարգում ռադարային տեղեկատվությունը երթուղու և օդանավակայանի ռադարներից օգտագործվում է օդային թիրախների տեղաշարժը (AT), բախումներից խուսափելու և մոտեցման վերահսկման համար: Համակարգչի շարժումը վերահսկելիս անհրաժեշտ է հաշվարկել յուրաքանչյուր համակարգչի ընթացիկ կոորդինատները՝ համակարգչի վտանգավոր մոտեցումներից խուսափելու համար։ Հակառակ դեպքում օդաչուներին հրահանգներ են տրվում ուղղել հետագծերը: Բախումից խուսափելու ռեժիմում ստեղծվում է էքստրապոլացված կոորդինատների գնահատում, որի հիման վրա որոշվում են վտանգավոր հարևանության գոտիները: Ավելին, վերջին տարիներին ավելացել է նաև օդային երթևեկության խտությունը։ Օդային երթևեկության խտության աճը հանգեցնում է վտանգավոր բախումների թվի ավելացմանը։ Ավիացիոն կենտրոնների միջև վտանգավոր մոտեցումների կանխարգելումը քաղաքացիական ավիացիայի կարևորագույն առաջադրանքի՝ թռիչքների անվտանգության ապահովումն է։ Վայրէջքի մոտեցման ժամանակ ինքնաթիռի շարժումը վերահսկելիս ռադարը ստուգում է օդանավի ճիշտ շարժումը նշված հետագծերով:
Ուստի ռադարային տեղեկատվության որակի բարելավման հարցերը մշտապես մեծ ուշադրություն են գրավում։ Հայտնի է, որ ռադարային տեղեկատվության առաջնային մշակումից հետո ռադիոտեղորոշիչ տեղեկատվության երկրորդային մշակման գործընթացը (SRIP) սովորաբար իրականացվում է թվային համակարգչի վրա ծրագրավորված թվային մշակման ալգորիթմներով, և ռադարային տեղեկատվության հոսքի որակը մեծապես կախված է հուսալիությունից և մշակման ալգորիթմների ճշգրտությունը. Այս խնդիրն առավել արդիական է, եթե հաշվի են առնվում օդանավի մանևրումը թռիչքի և վայրէջքի փուլերում՝ կապված թռիչքի մակարդակների փոփոխության, ընթացքի փոփոխության և ստանդարտ մոտեցման ընթացակարգերի կատարման հետ և այլն։
Դիտարկենք ԱԹԿ տարածքի օդային տարածքի տարրերի գտնվելու վայրը և տիպիկ վայրէջքի մոտեցումը: Քաղաքացիական ավիացիայում օդային տարածքը բաժանված է օդային ճանապարհի` հաստատված օդային տարածք երկրի մակերևույթից վերև (10-20) կմ լայնությամբ միջանցքի տեսքով, որի երկայնքով իրականացվում են կանոնավոր թռիչքներ, օդանավակայանի տարածք. օդային տարածքը օդանավակայանի և հարակից տարածքի վերևում և սահմանափակ տարածք՝ օդային տարածք, որտեղ բոլոր գերատեսչությունների ավիացիոն թռիչքներն արգելված են։
Օդանավակայանի տարածքում կազմակերպվում են օդային միջանցքներ, թռիչք-վայրէջքի գոտիներ և սպասասրահներ։ Օդային միջանցքը օդային տարածքի մի մասն է, որտեղ ինքնաթիռները իջնում և բարձրություն են ստանում: Թռիչքի և վայրէջքի գոտին օդային տարածքն է օդանավակայանի մակարդակից մինչև երկրորդ անվտանգ թռիչքի մակարդակի բարձրությունը: Այս գոտու չափերը որոշվում են տվյալ աերոդրոմում շահագործվող համակարգիչների թռիչքի կատարողական բնութագրերով, օդային երթևեկության հսկողության նավիգացիայի և վայրէջքի ռադիոտեխնիկական օժանդակության հնարավորություններով, մոտեցման սխեմաներով և աերոդրոմի տարածքի առանձնահատուկ առանձնահատկություններով: Որպես կանոն, թռիչքի և վայրէջքի գոտու սահմանները գտնվում են օդանավակայանից 25,30 կմ հեռավորության վրա։ Եթե օդաչուն ինչ-ինչ պատճառներով ինքնաթիռը վայրէջք չի կատարում առաջին մոտեցմամբ, ապա օդանավը անցնում է երկրորդ շրջանի մեջ, այսինքն՝ այն շարժվում է շրջանագծի տարածքում գտնվող հատուկ երթուղիով (տե՛ս նկ. Բ.1): Եթե CC-ին չի թույլատրվում շարժվել մոտեցման երթուղու երկայնքով թռիչքուղու (թռիչքուղու) ժամանակավոր զբաղվածության կամ անհասանելիության պատճառով, ապա CC-ն ուղարկվում է պահման տարածք, որը նախատեսված է սպասելու թույլտվություն օդանավակայանի մոտենալու համար: Այս գոտիները գտնվում են օդանավակայանի վերևում կամ դրանից 50 - 100 կմ հեռավորության վրա (նկ. Բ.1): Այսպիսով, օդանավակայանի տարածքում մեծ է համակարգչի մանևրելու հաճախականությունը։ Դա բացատրվում է նրանով, որ այս տարածքում համակարգիչների մեծ խտություն կա, և տվյալ երթուղիներն ու հեռավորությունները պահպանելու համար նրանք միշտ մանևրում են մի գոտուց մյուսը։
1 - երթուղիներ; 2 - օդանավակայանի տարածքի միջանցքներ, 3 - շրջանագծի տարածք; 4-թռիչքի և վայրէջքի գոտի;
5 - սպասասրահներ.
Բացի այդ, վայրէջքի ժամանակ օդանավի և ուղևորների անվտանգությունը բարելավելու համար ներկայումս լայնորեն կիրառվում է «արկղ» մոտեցման սխեման, որի դեպքում օդանավը պետք է պլանավորի (1-2) շրջաններ օդանավակայանի վրայով մինչև վայրէջք կատարելը (նկ. Բ.2): . Այս նախշը բաղկացած է մի քանի ուղիղ հատվածներից և չորս 90 աստիճանի շրջադարձից:
Բրինձ. 2-ում: «Box» մոտեցման սխեմա.
Մյուս կողմից, համակարգչային տեխնոլոգիայի վիճակն ու զարգացումը հնարավորություն են տալիս կիրառել ավելի բարդ և արդյունավետ ալգորիթմներ ռադարային տեղեկատվության մշակման համար՝ բարձրացնելու համակարգչի կոորդինատների և արագության գնահատման ճշգրտությունը:
Այսպիսով, ՌՏԿ-ի հետագծերին հետևելու ալգորիթմների ուսումնասիրությունը, որոնք բարելավում են ռադարային տեղեկատվության որակը, հրատապ խնդիր է:
Ռադարային տեղեկատվությունը մշակելիս հատկապես հրատապ խնդիր է CC մանևրի տարածքներում մշակման ալգորիթմների ուսումնասիրությունը, ինչը հանգեցնում է CC-ի իրական շարժման և ալգորիթմում օգտագործվող շարժման մոդելի միջև անհամապատասխանության: Արդյունքում, գնահատման արդյունքների ճշգրտությունը վատանում է, և ստացված ռադիոտեղորոշիչ տեղեկատվությունը դառնում է անհուսալի: Մանևրային հատվածներում համակարգչի հետագիծը հետևելու ճշգրտության բարձրացման հայտնի մոտեցումները հիմնականում հիմնված են մանևրի սկիզբը և վերջը հայտնաբերելու և համապատասխանաբար հետևող ֆիլտրի պարամետրերը փոխելու խնդրի լուծման վրա: Այս մոտեցումները հանգեցնում են «ալֆա-բետա» և «ալֆա-բետա-գամմա» ֆիլտրերի սխեմայի կամ Kalman ֆիլտրի (KF) մանևրային դետեկտորի հետ համատեղ:
Հայտնի է, որ հայտնաբերման և գնահատման տեսության մեջ ադապտիվ Բայեսյան մոտեցումը կարող է օգտագործվել նաև ապրիորի անորոշությունը լուծելու համար։ Պետական տարածության մեջ զտելիս այս մոտեցումը բաղկացած է վիճակի մոդելների բոլոր հնարավոր տարբերակները հաշվի առնելուց, և յուրաքանչյուր տարբերակի հետ հաշվարկվում է դրա հետին հավանականությունը: Վերջին տարիներին մշակվել է դրա կիրառումը մանևրող համակարգիչների հետագծերին հետևելու խնդրի լուծման համար։ Այս դեպքում ՏԿ-ի հետագիծը նկարագրվում է միաժամանակ մի քանի մոդելներով և ենթադրվում է, որ մոդելների միջև անցումային գործընթացը նկարագրվում է պարզապես միացված Մարկովյան շղթայով։ Գրականության մեջ առաջարկվել է նման ալգորիթմի ստեղծման մեկ տարբերակ՝ հիմնված Գաուսի մոտավորության վրա՝ վիճակի վեկտորի a priori հավանականության խտության համար։ Դրա էությունը մոդելի հնարավոր վարկածների համատեղումն է, և արդյունքում ստացված ալգորիթմը կոչվում է «բազմամոդելային ալգորիթմ» (MMA):
Ատենախոսությունը վերլուծում է վերը նշված մոտեցումները, ցույց է տալիս դրանց առավելություններն ու թերությունները, մշակվում է նոր MMA: Ի տարբերություն հայտնի MMA-ի, առաջարկվող ալգորիթմը ստեղծվել է VC վիճակի վեկտորի հետին հավանականության խտության գաուսյան մոտարկման հիման վրա, ըստ այդմ, ստացված ալգորիթմը առավելություններ ունի հայտնի հարմարվողական ալգորիթմների նկատմամբ: Վիճակագրական մոդելավորման արդյունքը ցույց տվեց, որ ուսումնասիրվող ալգորիթմը հնարավորություն է տալիս բարձրացնել համակարգչի գտնվելու վայրի գնահատման ճշգրտությունը՝ համեմատած հարմարվողական FC-ի և հայտնի MMA-ի՝ մանևրող համակարգչի հետագիծը հետևելիս: Հետազոտության արդյունքները ցույց են տվել, որ առաջին պարզեցված FC-ի հաշվարկման արժեքը կրճատվում է երկրորդ պարզեցված և ընդլայնված FC-ի համեմատ, մինչդեռ միաժամանակ համակարգչի և կոորդինատների և արագության գնահատման ճշգրտությունը մեծանում է (30-50)%: համեմատած «ալֆա-բետա» և «ալֆա-բետա-գամմա ֆիլտրերի հետ: Հետևաբար, առաջին պարզեցված FC-ի օգտագործումը ոչ մանևրող CC-ների հետագիծն ուղեկցելու համար ավելի նախընտրելի է:
Աշխատանքի նպատակը և նպատակները
Ատենախոսական աշխատանքի նպատակն է ուսումնասիրել և վերլուծել TC-ի հետագծերը հետևելու ալգորիթմները, մշակել նոր MMA և համեմատել ստացված MMA-ն հայտնի հարմարվողական ալգորիթմների հետ: Նշված նպատակին համապատասխան ատենախոսական աշխատանքում լուծվել են հետևյալ խնդիրները.
Պետական տարածության մեջ գնահատման ընդհանուր տեսության ուսումնասիրություն և դրա կիրառումը համակարգչի շարժման հետագծերի զտման համար:
«Ալֆա-բետա» և «ալֆա-բետա-գամմա» ֆիլտրերի վերլուծություն և մանևրային և ոչ մանևրային հատվածներում դրանց ձեռքբերման գործակիցների ընտրության մեթոդ:
Հարմարվողական FC-ների ուսումնասիրություն՝ մանևրելու համար մանևրող համակարգիչների հետագծերը մանևրի մեկնարկի պահի դետեկտորով հետևելու համար։
Օպտիմալ գնահատում վիճակի տարածության մեջ ընդլայնված վիճակի վեկտորով, որը ներառում է վիճակի պարամետրերի վեկտորից բացի անհայտ պարամետր, որը որոշում է վիճակի մոդելի բոլոր հնարավոր տարբերակները:
Հայտնի MMA-ի ուսումնասիրություն և մանևրող համակարգիչներին հետևելու նոր MMA-ի մշակում, որը հիմնված է համակարգչի հետագծի նկարագրության վրա միաժամանակ մի քանի մոդելների միջոցով, որոնք պարզապես միացված Մարկովյան շղթայի վիճակներ են:
Հետազոտության մեթոդներ
Տեսական հետազոտությունը և VC-ի հետագծերին հետևելու ալգորիթմների ստեղծումն իրականացվել է պայմանական Մարկովյան գործընթացների դիսկրետ ժամանակում զտելու տեսության հիման վրա։ Ստացված ալգորիթմները վերլուծվում են վիճակագրական մոդելավորման հիման վրա: Աշխատանքի գիտական նորույթը կայանում է հետևյալում. MMA-ն մշակվել է VC-ի հետագիծը միաժամանակ նկարագրելու համար՝ օգտագործելով մի քանի մոդելներ պարզապես միացված Մարկովյան շղթայի համար:
Ստացված աշխատանքի արդյունքների հավաստիությունը հաստատվում է վիճակագրական մոդելավորման արդյունքներով։
Աշխատանքի արդյունքների գործնական նշանակությունը
Մշակվել և ուսումնասիրվել է մանևրող համակարգչի հետագիծը հետևելու ալգորիթմ՝ բարելավելով մանևրային հատվածներում հետևելու ճշգրտությունը։
Աշխատանքի արդյունքների և հրապարակումների հաստատում
Աշխատանքի հիմնական գիտական արդյունքները հրապարակվել են «Radio Engineering», «Electronic Journal Proceedings of the MAI» և «Aerospace Instrumentation» ամսագրերում և ներկայացված են «Թվային մշակումը և դրա կիրառումը» 5-րդ միջազգային գիտաժողովում (Մոսկվա): , 2003 թ.), «Ավիացիա և տիեզերագնացություն 2003» միջազգային կոնֆերանսում և ցուցահանդեսում (MAI 2003): Աշխատանքի շրջանակը և կառուցվածքը
Ատենախոսությունը բաղկացած է ներածությունից, չորս գլուխներից, եզրակացությունից և հղումների ցանկից: Աշխատանքը պարունակում է 106 էջ տեքստ։ Մատենագիտությունը ներառում է 93 անուն։ Առաջին գլխում վերանայվում և վերլուծվում են օդային երթևեկության կառավարման հարցում չմանևրող և թույլ մանևրող համակարգիչների հետագծերը հետևելու որոշ գոյություն ունեցող մեթոդներ: Երկրորդ գլխում վերլուծվում են մանևրելու թիրախներին հետևելու հայտնի հարմարվողական ալգորիթմները, որոնք հիմնված են մանևրային դետեկտորների օգտագործման և պարամետրերի կամ ֆիլտրի կառուցվածքի ուղղման վրա: Երրորդ գլխում վերլուծվում է MMA-ի վիճակը օդային երթևեկության կառավարման համակարգերում: Չորրորդ գլխում առաջարկվում է օդային երթևեկության կառավարման խնդրի համար բազմամոդելային ալգորիթմների կառուցման ընդհանուր մոտեցում՝ պարզապես միացված Մարկովյան շղթայով օդային երթևեկության կենտրոնի շարժման հնարավոր մոդելները նկարագրելիս:
Նմանատիպ ատենախոսություններ «Ռադիոտեխնիկա, ներառյալ հեռուստատեսային համակարգեր և սարքեր» մասնագիտությամբ, 05.12.04 ծածկագիր ՎԱԿ.
Ինքնավար ռադիոտեսողության համակարգերում տեղեկատվության մշակման մեթոդներ և ալգորիթմներ ինքնաթիռների ցածր բարձրության թռիչքների ժամանակ 2006թ., Տեխնիկական գիտությունների դոկտոր Կլոչկո, Վլադիմիր Կոնստանտինովիչ
Համակցված ալեհավաքի ճառագայթների կառավարման ռադիոհամակարգերում անկյունների չափումների ճշգրտության բարձրացման մեթոդներ 2011թ., տեխնիկական գիտությունների թեկնածու Ռազին, Անատոլի Անատոլևիչ
Հրդեհաշիջման միջոցների մոնիտորինգի և օգտագործման համար օդանավերի կառավարման համակարգի սինթեզ 2012թ., տ.գ.թ. Անտիպովա, Աննա Անդրեևնա
Օդային թիրախի կոորդինատների և նավիգացիոն պարամետրերի գնահատման ալգորիթմներ բազմաստիճան ռադարում, որը հիմնված է Կալմանի ֆիլտրի վրա 2015թ., տեխնիկական գիտությունների թեկնածու Մաշարով, Կոնստանտին Վիկտորովիչ
Վերջավոր ծավալային հիմքերում ռադիոտեխնիկական համակարգերի սինթեզի անփոփոխ մեթոդներ և դրանց կիրառում ռադարային հետևման համակարգերի մշակման մեջ 1999թ., տեխնիկական գիտությունների դոկտոր Վոլչկով, Վալերի Պավլովիչ
Ատենախոսության եզրակացություն «Ռադիոտեխնիկա, ներառյալ հեռուստատեսային համակարգեր և սարքեր», Նգուեն Չոնգ Լուու թեմայով
§4.4. եզրակացություններ
Այս գլխում առաջարկվել է բազմամոդելային ալգորիթմներ կառուցելու ընդհանուր մոտեցում՝ նկարագրելու համակարգչային կենտրոնի շարժման հնարավոր մոդելները՝ ըստ պարզապես միացված Մարկովյան շղթայի վիճակների, և ստացվել են հետևյալ արդյունքները։
Ելնելով Մարկովի պայմանական պրոցեսների զտման ընդհանուր տեսությունից՝ ստեղծվել է ալգորիթմ, որում պարամետրերի զտված վեկտորը ներառում է ոչ միայն թիրախի շարժման պարամետրերը, այլև անհայտ պարամետրը, որը որոշում է թիրախի շարժման հնարավոր մոդելները: Արդյունքում ստացված ալգորիթմը ենթաօպտիմալ է, որը որոշվում է հետին հավանականության խտության Գաուսի մոտավորմամբ։
Ինչ վերաբերում է մանևրող համակարգիչների հետագծին հետևելուն, արդյունքում ստացված ալգորիթմը մոդելավորվել է M=2 դեպքի համար: Արդյունքները ցույց են տվել, որ մանևրի հետագծի հատվածներում ուսումնասիրվող երկչափ ալգորիթմը մեծացնում է տեղանքի գնահատման ճշգրտությունը (30 - 60)%-ով` համեմատած հայտնի ալգորիթմների: Այնուամենայնիվ, զտման որակի բարձրացումը ձեռք է բերվում հաշվողական ծախսերի մեծացմամբ:
ԵԶՐԱԿԱՑՈՒԹՅՈՒՆ
Ատենախոսական աշխատանքում ուսումնասիրվել են տեսահսկման ռադիոտեղորոշիչ տվյալների հիման վրա ՏՀ-ի հետագծերին հետևելու ալգորիթմները: Ստացված արդյունքները թույլ են տալիս գնահատել սպասարկման յուրաքանչյուր ալգորիթմի առավելություններն ու թերությունները: Ատենախոսության մեջ ուսումնասիրվել և մշակվել են ալգորիթմներ՝ վտանգավոր մոտեցումներից խուսափելու և համակարգչի և՛ կոորդինատների, և՛ արագության գնահատման ճշգրտությունը բարձրացնելու համար։ Հայտնի է, որ ռադարային տեղեկատվության երկրորդային մշակումը (SRIP) սովորաբար իրականացվում է թվային համակարգչի կամ թվային սարքավորումների միջոցով։ Վերջին տարիներին արագ զարգացել են համակարգչային տեխնոլոգիաները, միկրոպրոցեսորները, թվային տեխնոլոգիաների տարրական հիմքը, հատկապես VLSI, FPGA, սարքավորումների և համակարգերի նկարագրության լեզուները, ինչպիսիք են URUL, ASHEL և այլն: VLSI-ն կստեղծի բաց համակարգեր՝ հիմնված միջազգային ստանդարտների վրա, ներառյալ VORI համակարգերը: Սա հնարավորություն է տալիս իրական ժամանակում համակարգիչների հետագծերին հետևելու ավելի բարդ ալգորիթմներ ուսումնասիրել: Ներկայացված աշխատանքում ուսումնասիրված են վիճակագրական մոդելավորման վրա հիմնված ոչ մանևրող և մանևրող համակարգիչներին հետևելու տարբեր ալգորիթմներ։ Ատենախոսության մեջ ստացվել են հետևյալ արդյունքները.
1. Ուսումնասիրվել են «Ալֆա-բետա» և «ալֆա-բետա-գամմա» զտիչները, և առաջարկվել է CC-ի հետագիծն ուղեկցելիս դրանց ձեռքբերման գործակիցների ընտրության տարբերակ: «Ալֆա-բետա» և «ալֆա-բետա-գամմա» զտիչները հնարավորություն են տալիս նվազեցնել հաշվողական ծախսերը և պարզեցնել TC-ի հետագծերին հետևելու ընթացակարգը, սակայն դրանք միաժամանակ նվազեցնում են հետևման որակը (30-40)%՝ կախված միջակայքից: , դիտումների արագությունը և քանակը՝ համեմատած սովորական զտիչների հետ։
2. Ուսումնասիրվել է ոչ գծային զտման խնդիրը, երբ հսկողության ռադարը չափում է ԿԿ-ի բևեռային կոորդինատները, իսկ ֆիլտրացված վեկտորը ներառում է շարժման պարամետրեր դեկարտյան կոորդինատային համակարգում։ Առաջարկվում է պարզեցված Կալմանի զտիչը, որը չափման կոորդինատները փոխակերպում է բևեռային համակարգից դեկարտյան համակարգի, և ընդլայնված Կալմանի ֆիլտրը, որը գծայինորեն մոտեցնում է չափման հավասարումը` չեղարկելով Թեյլորի շարքի բարձր կարգի պայմանները: Վերլուծությունը ցույց տվեց, որ երկրորդ պարզեցված և ընդլայնված Kalman ֆիլտրերը տալիս են նույն արդյունքը թե՛ դիրքի, թե՛ արագության գնահատման ճշգրտության առումով, սակայն հաշվարկային ծախսերի առումով երկրորդ պարզեցված Kalman ֆիլտրը ավելի խնայող է:
3. Առաջարկվում են ադապտիվ ալգորիթմներ՝ հիմնված CC մանևրի համատեղ հայտնաբերման և գնահատման վրա: Մանևրների հայտնաբերման խնդիրը պատկանում է սպիտակ գաուսյան աղմուկի ֆոնի վրա օգտակար ազդանշանների հայտնաբերման խնդիրների դասին։ Այս դեպքում հայտնաբերված օգտակար ազդանշանը թարմացման գործընթացի մաթեմատիկական ակնկալիքն է, որը զրոյից տարբերվում է մանևրի առկայության դեպքում: Մանևրի հայտնաբերման խնդիրը լուծելիս օգտագործեցինք հավանականության հարաբերակցության մեթոդը, իսկ դրա ինտենսիվությունը գնահատելու համար արագացումը կհամարենք ոչ պատահական գործընթաց, արդյունքում գնահատիչ սինթեզելու համար անհրաժեշտ է օգտագործել առավելագույնը. հավանականության չափանիշ. Մանևրող համակարգչին ուղեկցելու համար մանևրը հայտնաբերելուց հետո փոխվում են կամ պարամետրերը կամ ֆիլտրի կառուցվածքները:
4. Հետազոտվել և մշակվել է հարմարվողական բազմամոդելային ալգորիթմ, որը հաշվի է առնում VC շարժման հետագծին համապատասխան բոլոր հնարավոր մոդելները։ Այսպիսով, շարժման պարամետրերի վեկտորը գնահատելուց բացի, անհրաժեշտ է գնահատել բոլոր մոդելների հետին հավանականությունները: VC-ի կոորդինատների ընթացիկ գնահատումը ձևավորվում է որպես գնահատումների կշռված գումար, որը վերաբերում է բոլոր մոդելներին, որոնք հիմնված են հետին հավանականությունների վրա: Սա թույլ է տալիս հետևելու ալգորիթմին արձագանքել մանևրին այն սկսելուց անմիջապես հետո: Հարմարվողական բազմամոդել ալգորիթմներ ստեղծելու համար անհայտ պարամետրը, որը որոշում է համակարգչի շարժման M հնարավոր մոդելներից մեկը ժամանակի յուրաքանչյուր պահին, նկարագրվում է պարզապես միացված Մարկովյան շղթայով։ Արդյունքում ստացված ալգորիթմը ստեղծվում է M2 զուգահեռ Kalman զտիչների մի շարքից։ M = 2 դեպքի մոդելավորման արդյունքները ցույց են տվել, որ մանևրի հետագծի հատվածներում ուսումնասիրվող երկչափ ալգորիթմը մեծացնում է ՏԿ-ի գտնվելու վայրի գնահատման ճշգրտությունը (30 - 60)%՝ համեմատած հայտնի ալգորիթմների հետ: Այնուամենայնիվ, զտման որակի բարձրացումը ձեռք է բերվում հաշվողական ծախսերի մեծացմամբ:
5. Թվային համակարգչի վրա մշակված փորձարարական ծրագրերը հնարավորություն են տալիս գնահատել ալգորիթմների առավելություններն ու թերությունները, որոնց հիման վրա որոշվում է դրանց իրականացման հնարավորությունը կոնկրետ պայմաններում։
Ատենախոսական հետազոտությունների համար հղումների ցանկ Տեխնիկական գիտությունների թեկնածու Նգուեն Չոնգ Լուու, 2004 թ
1. Farina A., Studer F. Ռադարային տեղեկատվության թվային մշակում: Պեր. անգլերենից - Մ.: Ռադիո և կապ, 1993, 319 էջ.
2. Sage E., Mele J. Գնահատման տեսությունը և դրա կիրառումը հաղորդակցության և կառավարման մեջ: Պեր. անգլերենից -Մ.: Հաղորդակցություն, 1976, 496 էջ.
3. Bakulev P. A., Stepin V. M. Շարժվող թիրախների ընտրության մեթոդներ և սարքեր: Մ.: Ռադիո և հաղորդակցություն, 1986, 288 էջ.
4. Kuzmin S. 3. Թվային ռադար. Հրատարակչություն KV1Ts, Կիև 2000, 426 p.
5. Սոսուլին Յու.Գ. Ռադարային և ռադիոնավարկության տեսական հիմունքները. - Մ.: Ռադիո և կապ, 1992, 303 էջ.
6. Bakut P. A., Zhulina Yu. V., Ivanchuk N. A. Շարժվող օբյեկտների հայտնաբերում: Մ.: Խորհրդային ռադիո, 1980, 287 էջ.
7. Kuzmin S. 3. Ռադարային տեղեկատվության թվային մշակում. Մ.: Սով. ռադիո, 1967,399 էջ.
8. Kuzmin S. 3. Ռադարային տեղեկատվության թվային մշակման տեսության հիմունքներ. Մ.: Սով. ռադիո, 1974, 431 էջ.
9. Kuzmin S. 3. Ռադարային տեղեկատվության թվային մշակման համակարգերի նախագծման հիմունքները: Մ.: Ռադիո և կապ, 1986, 352 էջ.
10. Յու.Սոսուլին Յու.Գ. Ստոխաստիկ ազդանշանների հայտնաբերման և գնահատման տեսություն. Մ.: Սով. Ռադիո, 1978, 320 էջ.
11. P. Shirman Ya. D., Manzhos V. N. Ռադարային տեղեկատվության մշակման տեսություն և տեխնոլոգիա միջամտության ֆոնի վրա: Մ.: Ռադիո և հաղորդակցություն, 1981, 416 էջ.
12. Tikhonov V.I. Վիճակագրական ռադիոտեխնիկա. Մ.: Ռադիո և հաղորդակցություն, 1982, 624 էջ.
13. Z. Tikhonov V. I., Kharisov V. N. Ռադիոինժեներական սարքերի և համակարգերի վիճակագրական վերլուծություն և սինթեզ: Մ.: Ռադիո և կապ, 1991, 608 էջ.
14. M. Bochkarev A. M., Yuryev A. N., Dolgov M. N., Shcherbinin A. V. Ռադարային տեղեկատվության թվային մշակում // Արտասահմանյան ռադիոէլեկտրոնիկա. Թիվ 3, 1991, էջ. 3 22.
15. Պուզիրև Վ.Ա., Գոստյուխինա Մ.Ա. Օդանավերի շարժման պարամետրերի գնահատման ալգորիթմներ // Արտասահմանյան ռադիոէլեկտրոնիկա, թիվ 4, 1981, էջ. 3-25։
16. Գրիցենկո Ն. Ս., Կիրիչենկո Ա. Ա., Կոլոմեյցևա Տ. Ա., Լոգինով Վ. Պ., Տիխոմիրովա Ի. Գ. Խուսանավելու օբյեկտների շարժման պարամետրերի գնահատում // Արտասահմանյան ռադիոէլեկտրոնիկա, թիվ 4, 1983, էջ. 3 30.
17. Detkov A. N. Օպտիմալացում ալգորիթմների համար թվային զտիչ հետագիծ տեղեկատվության երբ հետեւել մանեւրելու թիրախ // Ռադիոտեխնիկա, 1997 թ., թիվ 12, էջ. 29-33 թթ.
18. Ժուկով Մ. 67 - 71 թթ.
19. Bulychev Yu. G., Burlai I. V. Վերահսկվող օբյեկտների հետագծերի պարամետրերի քվազօպտիմալ գնահատում // Ռադիոտեխնիկա և էլեկտրոնիկա, 1996 թ., հատոր 41, թիվ 3, էջ. 298-302 թթ.
20. Bibika V.I., Utemov S.V. Զտիչ գաղտագողի մանևրելու համար գաղտագողի թիրախներին հետևելու համար // Ռադիոտեխնիկա, 1994, թիվ 3, էջ. 11-13։
21. Merkulov V.I., Drogapin V.V., Vikulov O.V. Ռադարային թեքաչափի սինթեզ ինտենսիվ մանևրող թիրախներին հետևելու համար // Ռադիոտեխնիկա, 1995, թիվ 11, էջ. 85 91։
22. Merkulov V. I., Dobykin V. D. Սինթեզ ալգորիթմի օպտիմալ նույնականացման համար օդային օբյեկտների ավտոմատ հետևման ժամանակ վերանայման ռեժիմում // Ռադիոտեխնիկա և էլեկտրոնիկա, 1996, T. 41, No. 8, p. 954-958 թթ.
23. Մերկուլով Վ.Ի., Խալիմով Ն.Ռ. Նպատակային մանևրների հայտնաբերում ավտոմատ հետևող համակարգերի գործունեության ալգորիթմների շտկմամբ // Ռադիոտեխնիկա, 1997 թ., թիվ 11, էջ. 15-20։
24. Bar-Shalom Y., Berver G., Johnson S. Filtering and stochastic control in dynamic systems. Էդ. Leondes K. T.: Trans. անգլերենից Մ.: Միր. 1980, 407 էջ.
25. Ռաո Ս.Ռ. Գծային վիճակագրական մեթոդներ և դրանց կիրառում. անգլերենից -Մ.: Նաուկա, 1968:
26. Մաքսիմով Մ.Վ., Մերկուլով Վ.Ի. Ռադիոէլեկտրոնային հետևման համակարգեր. Սինթեզ օպտիմալ կառավարման տեսության մեթոդներով. - Մ.: Ռադիո և կապ, 1990, 255 էջ.
27. Kameda N., Matsuzaki T., Kosuge Y. Target Tracking for Maneuvering targets Using Multiple Model Filter // IEEE Trans. Հիմնարարներ, հ. Ե85-Ա, թիվ 3, 2002 թ., էջ. 573-581 թթ.
28. Bar-Shalom Y., Birmiwal K. Variable Dimension Filter for Maneuvering Target Tracking // IEEE Trans, on AES 18, No. 5, 1982, p. 621 - 629 թթ.
29. Schooler S. C. Optimal a p Filters For Systems with Modeling Inccuracies // IEEE Trans, on AES - 11, No. 6, 1975, p. 1300-1306 թթ.
30. Քերիմ Դեմիրբաս. Թիրախների հետագծման մանևրում հիպոթեզի փորձարկումով // IEEE Trans, AES 23, No. 6, 1987, p. 757 - 765 թթ.
31. Մայքլ Գրին, Ջոն Ստենսբի. Radar Target Pointing Error Reduction Using Extended Kalman Filtering // IEEE Trans, AES 23, No. 2, 1987, p. 273 -278 թթ.
32. McAulay R. J., Denlinger E. A. Decision-Directed Adaptive Tracker // IEEE Trans, on AES 9, No. 2, 1973, p. 229 - 236 թթ.
33. Bar-Shalom Y., Fortmann T. E. Հետևելու տվյալների ասոցիացիա: Boston: Academic Press, 1988, 353 p.
34. Kalata P. R. Հետևման ինդեքս. ընդհանրացված պարամետր P և a - p -y թիրախային հետքերների համար // IEEE Trans, AES - 20, No. 2, 1984, p. 174 - 182 թթ.
35. Bhagavan V. K., Polge R. J. Performance of g-h Filter For Tracking Maneuvering Targets/ IEEE Trans, on AES-10, No. 6, 1974, p. 864 866։
36. Ackerson Guy A., Fu K. S. On State Estimation in Switching Environments // IEEE Trans, on AC-15, No. 1, February 1970, p. 10 17.
37. Bar-shalom Y., Chang K.C., Blom H.A. Հետևելով մանևրող թիրախին, օգտագործելով մուտքային գնահատումը, ընդդեմ փոխազդող բազմակի մոդելի ալգորիթմի // IEEE Trans, AES-25, No. 2, Մարտ 1989, էջ. 296.300.
38. Wen-Rong Wu, Peen-Pau Cheng, A Nolinear IMM Algorithm for Maneuvering Target Tracking // IEEE Trans, on AES-30, No. 3, July 1994, p. 875 -885 թթ.
39. Ցզին-ան Գու, Չե-հո Վեյ. Խուսափելու թիրախի հետևում օգտագործելով IMM մեթոդը բարձր չափման հաճախականությամբ // IEEE Trans, AES-27, No. 3, մայիս 1991, էջ. 514-519 թթ.
40. Blom H. A., Bar-shalom Y. The Interacting Multiple Model Algorithm for Systems with Markovian Switching Coefficients // IEEE Trans, on AC-33, No. 8, August 1988, p. 780-783 թթ.
41. Mazor E., Averbuch A., Bar-shalom Y., Dayan J. The Interacting Multiple Model Methods in Target Tracking: A Survey // IEEE Trans, on AES-34, No. 1, 1998, p. 103-123 թթ.
42. Բենեդիկտ Տ. Ռ., Բորդներ Գ.Ռ. Ռադարային ուղու սկանավորման հարթեցման հավասարումների օպտիմալ փաթեթի սինթեզ // IRE Trans, AC-7, հուլիս 1962, էջ. 27 32.
43. Chan Y. T., Hu A. G. C., Plant J. B. A Kalman Filter Based Tracking Scheme with Input Estimation // IEEE Trans, on AES 15, No. 2, July 1979, p. 237 - 244 թթ.
44. Chan Y. T., Plant J. B., Bottomley J. R. T. A Kalman Tracker With a Scheme with Input Estimator // IEEE Trans, on AES 18, No. 2, 1982, p. 235 - 240 թթ.
45. Bogler P. L. Հետևել մանևրող թիրախին, օգտագործելով մուտքային գնահատումը // IEEE Trans, AES 23, No. 3, 1987, էջ. 298 - 310 թթ.
46. Սթիվեն Ռ. Ռոջերս. Ալֆա բետա ֆիլտրը փոխկապակցված չափման աղմուկի հետ // IEEE Trans, on AES - 23, No. 4, 1987, p. 592 - 594 թթ.
47. Baheti R. S. Kalman Filter-ի արդյունավետ մոտարկումը թիրախների հետևման համար // IEEE Trans, AES 22, No. 1, 1986, p. 8-14.
48. Miller K. S., Leskiw D. M. Nonlinear Estimation With Radar Observations // IEEE Trans, on AES 18, No. 2, 1982, p. 192 - 200 թթ.
49. Murat E. F., Atherton A. P. Մանևրում թիրախային հետևում օգտագործելով Adaptive turn rate models in he IMM ալգորիթմում // Որոշումների և վերահսկման 35-րդ կոնֆերանսի նյութեր: 1996, էջ. 3151 -3156 թթ.
50. Alouani A. T., Xia P., Rice T. R., Blair W. D. On the Optimality of Two Stage State Estimation in Presence of Random Bias // IEEE Trans, on AC 38, No. 8, 1993, p. 1279-1282 թթ.
51. Julier S., Uhlmann J., Durrant-Whyte H. F. A New Method for the Nonlinear Transformation of Means and Covariance in Filters and Estimators // IEEE Trans, on AC 45, No. 3, 2000, p. 477 - 482 թթ.
52. Farina A., Ristic B., Benvenuti D. Tracking a Balistic Target: Comparison of Several Nonlinear Filters // IEEE Trans, on AES 38, No. 3, 2002, p. 854 - 867 թթ.
53. Սյուեժի Վանգ, Սուբհաշ Չալլա, Ռոբ Էվանս: Gating Techniques for Maneuvering Target Tracking in Clutter // IEEE Trans, on AES 38, No. 3, 2002, p. 1087 -1097 թթ.
54. Doucet A., Ristic B. Recursive State Estimation for Multiple Switching Models with Unknown Transition Probabilities // IEEE Trans, on AES 38, No. 3, 2002, p. 1098-1104 թթ.
55. Willett B., Ruan Y., Streit R. PMHT: Problems and Some Solutions // IEEE Trans, on AES 38, No. 3, 2002, p. 738 - 754 թթ.
56. Watson G. A., Blair W. D. Interacting Acceleration Compensation Algorithm For Tracking Maneuvering Targets // IEEE Trans, on AES -31, No. 3, 1995, p. 1152-1159 թթ.
57. Watson G. A., Blair W. D. Interacting Multiple Bias Model Algorithm with Application to Tracking Maneuvering Targets // Որոշումների և վերահսկման 31-րդ համաժողովի նյութեր: Դեկտեմբեր 1992, էջ. 3790 3795։
58. Kameda H., Tsujimichi S., Kosuge Y. A Comparison of Multiple Model Filters for Maneuvering Target Tracking // SICE 2000, էջ. 55 60։
59. Kameda H., Tsujimichi S., Kosuge Y. Target Tracking Under Dense Environments using Range Rate Measurements // SICE 1998, էջ. 927 - 932 թթ.
60. Rong Li X., Bar-Shalom Y. Performance Prediction of the Interacting Multiple Model Algorithm // IEEE Trans, on AES 29, No. 3, 1993, p. 755 - 771 թթ.
61. Ito M., Tsujimichi S., Kosuge Y. Հետևելով եռաչափ շարժվող թիրախին երկչափ անկյունային չափումներով բազմակի պասիվ սենսորներից // SICE 1999, էջ. 1117-1122 թթ.
62. De Feo M., Graziano A., Miglioli R., Farina A. IMMJPDA versus MHT and Kalman Filter NN հարաբերակցությամբ. կատարողականի համեմատություն// IEE Proc. Ռադար, Sonar Navigation, Vol. 144, թիվ 2, ապրիլ 1997 թ. 49 56։
63. Lerro D., Bar-Shalom Y. Interacting Multiple Model Tracking with Target Amplitude Feature // IEEE Trans, on AES 29, No. 2, 1993, p. 494 - 509 թթ.
64. Jilkov V. P., Angelova D. S., Semerdjiev TZ. Ա. Թիրախների հետագծման մանևրման ռեժիմի ադապտիվ IMM ալգորիթմի նախագծում և համեմատում // IEEE Trans, AES 35, No. 1, 1999, էջ. 343 - 350 թթ.
65. He Yan, Zhi-jiang G., Jing-ping J. Design of the Adaptive Interacting Multiple Model Algorithm // Ամերիկյան վերահսկողական կոնֆերանսի նյութեր, մայիս 2002, էջ. 1538-1542 թթ.
66. Buckley K., Vaddiraju A., Perry R. A New Pruning/Merging Algorithm for MHT Multitarget Tracking // IEEE International Radar Conference 2000, p. 71 -75 թթ.
67. Bar-Shalom Y. Update with Out-of-Sequence Measurements in Tracking Exact Solution // IEEE Trans, on AES 38, No. 3, 2002, p. 769 - 778 թթ.
68. Munir A., Atherton A. P. Թիրախների մանևրում, օգտագործելով տարբեր շրջադարձային արագության մոդելներ IMM ալգորնթմում // Որոշումների և վերահսկման 34-րդ կոնֆերանսի նյութեր, 1995, էջ. 2747 2751։
69. Bar-Shalom (Ed.) Y. Multitarget-multisensor Tracking. Ընդլայնված հավելվածներ: Հատ. I. Norwood, MA: Artech House, 1990 թ.
70. Bar-Shalom (Խմբ.) Y. Multitarget-multisensor Tracking. Ընդլայնված հավելվածներ: Հատ. II. Նորվուդ, Մ.Ա.: Artech House, 1992 թ.
71. Blackman S. S. Բազմաթիվ թիրախների հետևում ռադարային հավելվածներով: Նորվուդ, Մ.Ա.: Artech House, 1986 թ.
72. Campo L., Mookerjee P., Bar-Shalom Y. State Estimation for Systems with Sojourn-Time-Dependent Markov Model Switching // IEEE Trans, on AC-36, No. 2, 1991, p. 238-243 թթ.
73. Sengupta D., litis R. A. Neural Solution to the Multitarget Tracking Data Association Problem // IEEE Trans, on AES 25, No. 1, 1989, p. 96 - 108 թթ.
74. Մերկուլով Վ.Ի., Լեպին Վ.Ն.Ավիացիոն ռադիոկառավարման համակարգեր. 1996, էջ. 391 թ.
75. Perov A.I. Հարմարվողական ալգորիթմներ մանևրելու թիրախներին հետևելու համար // Ռադիոտեխնիկա, թիվ 7, 2002 թ., էջ. 73 81։
76. Kanashchenkov A. I., Merkulov V. I. Ռադարային համակարգերի պաշտպանություն միջամտությունից: - Մ.: «Ռադիոտեխնիկա», 2003 թ.
77. Qiang Gan, Chris J. Harris. Երկու չափման միաձուլման մեթոդների համեմատություն Կալմանի ֆիլտրի վրա հիմնված բազմասենսորային տվյալների միաձուլման համար // IEEE Trans, AES 37, No. 1, 2001, էջ. 273-280 թթ.
78. Blackman S., Popoli R. Ժամանակակից հետևող համակարգերի ձևավորում և վերլուծություն: Artech House, 1999, 1230 p.
79. Նիլ Ս. Ռ. Քննարկում «պարամետրիկ հարաբերություններ a-^-y ֆիլտրի կանխատեսման համար» // IEEE Trans, on AC-12, June 1967, p. 315 316։
80. Repin V. G., Tartakovsky G. P. Վիճակագրական սինթեզ a priori անորոշության ներքո և տեղեկատվական համակարգերի հարմարեցում: Մ.: «Խորհրդային ռադիո», 1977, 432 էջ.
81. Stratonovich R. L. Հարմարվողական տեխնիկայի սկզբունքները. Մ.: Սով. ռադիո, 1973, 143 էջ.
82. Tikhonov V.I., Teplinsky I.S. Մանևրելու օբյեկտների քվազի օպտիմալ հետևում // Ռադիոտեխնիկա և էլեկտրոնիկա, 1989 թ., T.34, No. 4, էջ. 792-797 թթ.
83. Պերով Ա.Ի. Ռադիոհամակարգերի վիճակագրական տեսություն. Ուսուցողական. - Մ.: Ռադիոտեխնիկա, 2003 թ.
84. Դարիմով Յու. Պ., Կրիժանովսկի Գ. Ա., Սոլոդուխին Վ. Ա., Կիվկո Վ. Գ., Կիրով Բ. Ա. Օդային երթևեկության վերահսկման գործընթացների ավտոմատացում: Մ.: Տրանսպորտ, 1981, 400 էջ.
85. Anodina T. G., Kuznetsov A. A., Markovich E. D. Օդային երթեւեկության կառավարման ավտոմատացում: Մ.: Տրանսպորտ, 1992, 280 էջ.
86. Բակուլև Պ.Ա., Սիչև Մ.Ի., Նգուեն Չոնգ Լյու. Խուսանավելու թիրախին հետևելը ինտերակտիվ բազմամոդելային ալգորիթմի միջոցով // Electronic journal, No. 9, 2002 Proceedings of MAI:
87. Բակուլև Պ.Ա., Սիչև Մ.Ի., Նգուեն Չոնգ Լյու. Ռադարային թիրախների մանևրման հետագծերի զտման ալգորիթմի ուսումնասիրություն // Թվային ազդանշանի մշակումը և դրա կիրառումը, 5-րդ միջազգային գիտաժողովի զեկույց. M.: 2003, T. 1. - էջ. 201 - 203 թթ.
88. Բակուլև Պ.Ա., Սիչև Մ.Ի., Նգուեն Չոնգ Լյու. Բազմամոդելային ալգորիթմ՝ մանևրելու թիրախի հետագիծը հետևելու համար՝ հիմնված հսկողության ռադարների տվյալների վրա // Ռադիոտեխնիկա, թիվ 1, 2004 թ.
89. Նգուեն Չոնգ Լուու. Մանևրող թիրախի հետագիծը հետևելու բազմամոդելային ալգորիթմի սինթեզ // Օդատիեզերական գործիքավորում, թիվ 1, 2004 թ.
90. Նգուեն Չոնգ Լուու. Ռադարային թիրախների մանևրման հետագծերի զտման բազմամոդելային ալգորիթմների ուսումնասիրություն // «Ավիացիա և տիեզերագնացություն 2003» միջազգային կոնֆերանսի և ցուցահանդեսի ամփոփագիր, MAI 2003 թ.
Խնդրում ենք նկատի ունենալ, որ վերը ներկայացված գիտական տեքստերը տեղադրված են միայն տեղեկատվական նպատակներով և ստացվել են բնօրինակ ատենախոսության տեքստի ճանաչման (OCR) միջոցով: Հետեւաբար, դրանք կարող են պարունակել սխալներ՝ կապված անկատար ճանաչման ալգորիթմների հետ: Մեր կողմից մատուցվող ատենախոսությունների և ամփոփագրերի PDF ֆայլերում նման սխալներ չկան:
Օգտագործում՝ ավտոմատացված թվային համակարգերում՝ ռադարային տեղեկատվության հայտնաբերման և մշակման համար: Գյուտի էությունը. օդային թիրախի կոորդինատների դիսկրետ ռադարային չափում, թիրախի հետագծի ընթացիկ պարամետրերի հարթեցում ֆիլտրի ձեռքբերումների փոփոխությամբ՝ կախված մանևրի կուտակված հավանականությունից: Նորությունը ֆիլտրի ձեռքբերման գործակիցների տեղադրումն է այն պահին, երբ թիրախը մտնում է հնարավոր մանևրի գոտի՝ կախված մանևրի կուտակված հավանականությունից։ Հետագծման ճշգրտության բարձրացումը ձեռք է բերվում թիրախային մանևրի հետևանքով առաջացած հետագծման սխալի դինամիկ բաղադրիչի փոխհատուցմամբ: 3 հիվանդ.
Գյուտը վերաբերում է ռադարին և կարող է օգտագործվել ավտոմատացված թվային համակարգերում՝ ռադարային տեղեկատվության հայտնաբերման և մշակման համար: Հայտնի են մանևրող օդային թիրախին հետևելու մեթոդներ և սարքեր՝ հիմնված կոորդինատների դիսկրետ ռադարային չափումների և դրա հետագծի պարամետրերի (կոորդինատներ և փոփոխության արագություններ) ընթացիկ գնահատման (հարթեցում և էքստրապոլացիա) վրա՝ ենթադրելով, որ դիտարկման ժամանակահատվածում թիրախը կատարել բարձր ինտենսիվության միայն մեկ կանխամտածված մանևր, երբ մանևր է հայտնաբերվում, կրկնվող հարթեցնող ֆիլտրի հիշողությունը նվազագույնի է հասցվում: Այս դեպքում, թեև փոխհատուցվում է հարթեցման դինամիկ սխալը, որը առաջացել է մանևրելու թիրախի իրական հետագիծը նկարագրող բազմանդամի աստիճանի և նրա շարժման գծային վարկածի միջև անհամապատասխանության պատճառով, հարթեցման սխալի պատահական բաղադրիչը ձեռք է բերում. առավելագույն արժեք կոորդինատների չափման տվյալ ճշտության համար, և ընդհանուր սխալը մեծանում է: Մանևրող օդային թիրախին հետևելու հայտնի մեթոդներից տեխնիկական էությամբ և ձեռք բերված էֆեկտով առաջարկվողին ամենամոտն այն մեթոդն է, որով մանևրը նույնականացվում է ընթացիկ արժեքների շեղման մեծության վերլուծության հիման վրա: Հետագծման հետագծի պարամետրերը դրանց չափված արժեքներից և համեմատելով այս շեղումը շեմային արժեքի հետ; երբ մանևրը հայտնաբերվում է, այն հարթեցվում է հետագծի պարամետրերը ֆիլտրի ձեռքբերման գործակիցներով, որոնք հավասար են միասնությանը, պայմանավորված այն հանգամանքով, որ հետագծի պարամետրերը հարթելիս. հաշվի է առնվում միայն մանևրի առկայության փաստը, այս մեթոդով հարթեցման սխալները մնում են բավականին մեծ: Գյուտի նպատակն է բարելավել ցածր թռչող մանևրող օդային թիրախին հետևելու ճշգրտությունը։ Դա ձեռք է բերվում նրանով, որ ցածր թռչող մանևրող օդային թիրախին հետևելու մեթոդով, որը հիմնված է կոորդինատների դիսկրետ ռադարային չափման և ֆիլտրի միջոցով թիրախի հետագծի պարամետրերի հարթեցման վրա, ուղիղ գծով շարժման հատվածներում ֆիլտրի շահույթով որոշված թիրախային վիճակի աղմուկով, որը որոշվում է առանցքակալի փոխհարաբերություններից՝ ըստ առանցքակալի փոփոխության արագության և թիրախային մանևրային հատվածներում ֆիլտրի ձեռքբերման գործակիցների փոփոխության, հետագիծ բաժին մտնելու պահին, որում. ըստ հետագծի առանձնահատկությունների մասին a priori տեղեկատվության՝ մանևրը հնարավոր է, թիրախ կրող ազդանշանը հարթվում է ֆիլտրի ձեռքբերման գործակիցներով, որոնք սահմանված են մանևրի ուղեկցվող թիրախների կուտակված հավանականության համաձայն՝ Р n = 1/(N-n+1) , որտեղ N-ը հնարավոր մանևրի տարածքում չափումների քանակն է, իսկ n-ը հնարավոր մանևրի տարածքում հարթեցման ցիկլի թիվը՝ կրելու գործակիցներից (p n) + -1 (1) առանցքակալի փոփոխության արագության համար (P n) - , որտեղ a + 2 (2) r 
(3) որտեղ է առանցքակալների չափման սխալների շեղումը. ա-ն մանևրի ընթացքում առանցքակալի երկայնքով թիրախի առավելագույն արագացումն է. Զորավարժությունների ճիշտ հայտնաբերման հավանականությունը. T-ը ռադարների վերանայման ժամանակաշրջանն է, և այն պահին, երբ թիրախային մանևրը հայտնաբերվում է, կրող ազդանշանը մեկ անգամ հարթվում է ֆիլտրի ձեռքբերման գործակիցներով և, (1) և (2) հարաբերություններից r արժեքով r (4) հարաբերակցությունից, որտեղ R մանևրի կեղծ հայտնաբերման հավանականությունն է, իսկ հետագա հարթեցման ցիկլերում թիրախի հետագծի պարամետրերը հարթվում են ֆիլտրի ձեռքբերման գործակիցներով, որոնք որոշվում են հարաբերություններից.
Որտեղ
(n) (n)
n= միջ 
m և m-ը ֆիլտրի օգուտներն են այն պահին, երբ հայտնաբերվում է թիրախային մանևրը: Ցածր թռչող մանևրող օդային թիրախին հետևելու հայտնի մեթոդները չունեն այնպիսի հատկանիշներ, որոնք նման են այն հատկանիշներին, որոնք տարբերում են առաջարկվող մեթոդը նախատիպից: Գործողությունների նոր ներդրված հաջորդականության առկայությունը հնարավորություն է տալիս բարձրացնել հետևելու ճշգրտությունը օդային թիրախին հետևելու հետագծի մասին ապրիորի տեղեկատվության շնորհիվ և, հետևաբար, նվազագույնի հասցնել հետագծման սխալները, որոնք առաջանում են թիրախային մանևրը բաց թողնելու դեպքում: Հետևաբար, հայցվող մեթոդը բավարարում է «Նորություն» և «Գյուտարար քայլ» չափանիշներին։ Առաջարկվող մեթոդից նոր ներդրված հատկանիշներով դրական էֆեկտի հասնելու հնարավորությունը պայմանավորված է դինամիկ առանցքակալների էքստրապոլյացիայի սխալի ազդեցության փոխհատուցմամբ, որը որոշվում է մանևրի դետեկտորի կողմից բաց թողնված թիրախային մանևրով, ֆիլտրի օգուտները փոխելով` համաձայն ս. մանևրի կուտակված հավանականությունը. Նկ. 1-ը ցույց է տալիս թիրախի մանևրման դիագրամը. նկ. 2 գրաֆիկ, որը ցույց է տալիս առաջարկվող մեթոդի արդյունավետությունը. նկ. Նկար 3-ում ներկայացված է առաջարկվող մեթոդի իրականացման համար սարքի էլեկտրական բլոկային դիագրամը: Քանի որ ցանկացած ցածր թռչող բարձր արագությամբ օդային թիրախ, որը հանկարծ հայտնվում է և հայտնաբերվում, օրինակ, ռադարակիր նավի վրա, կդասակարգվի որպես գրոհող, ողջամիտ է ենթադրել, որ այդ թիրախը, ամենայն հավանականությամբ, կշրջվի դեպի նավը, կատարելով տուն գնալու մանևր. Այլ կերպ ասած, ժամանակի որոշակի կետում նավին խոցելու համար ցածր թռչող բարձր արագությամբ օդային թիրախը պետք է կատարի մանևր, որի արդյունքում նավի նկատմամբ թիրախի ուղղության պարամետրը պետք է հավասար լինի զրոյի: Այս առումով սկզբունքորեն արդարացված է պարտադիր թիրախային մանևրի ենթադրությունը։ Հետագայում մենք որպես օդային թիրախ կդիտարկենք հականավային թեւավոր հրթիռը (ASCM), որը կատարում է նավարկության մանևր: Մեթոդը հիմնված է հետագծի վերջին հատվածում հականավային հրթիռային համակարգի հետագծային հատկանիշների օգտագործման վրա։ Հականավային հրթիռի հետագիծը (տես Նկար 1) ոչնչացման թիրախից 30 կմ-ից պակաս հեռավորության վրա ներառում է հետագծի երեք բնորոշ հատվածներ. տան հնարավոր մանևրի տարածք; հետագծի ուղիղ հատվածը տանող մանևրի ավարտից հետո: Հայտնի է, որ հականավային հրթիռների, օրինակ, «Harpoon» տեսակի հրթիռների տնետային մանևրը կատարվում է թիրախ նավից 5, 3, 20, 2 կմ հեռավորությունների վրա։ Կարելի է ենթադրել, որ 20,2 կմ-ից ավելի հեռավորությունների վրա մանևրելու հավանականությունը մոտ է զրոյի, իսկ ֆիլտրի ձեռքբերումները սահմանափակելու անհրաժեշտությունը պայմանավորված է միայն թիրախային վիճակի աղմուկի առկայությամբ: Այս կոնկրետ մարտավարական իրավիճակում հակառակորդի կողմից կիրառվող հականավային հրթիռների արձակման մեթոդի մասին ապրիորի տվյալների բացակայության դեպքում, հիմքեր կան ենթադրելու, որ հենակետային մանևրի մեկնարկը հավասարապես հավանական է ցանկացած ժամանակ, երբ հականավային հրթիռը գտնվում է նավից D min 5,3 կմ և D max 20,2 կմ հեռավորությունների սահմաններում: Հրթիռը ծածկում է նշված հեռահարության միջակայքը
t 1 = 50 վրկ, որտեղ V 290 մ/վ PCR թռիչքի արագություն: Հետևաբար, կարելի է ենթադրել, որ այն ժամանակ, երբ հականավային հրթիռը գտնվում է նավից հեռավորության վրա՝ թույլ տալով նրան սկսել տնամերձ մանևրը, կիրականացվեն N N +1 + 1 նրա կոորդինատների չափումներ։ Քանի որ մանևրը կարող է սկսվել հարցազրույցի ցանկացած ինտերվալում հավասար հավանականությամբ, n-րդ (n 1, 2,) ինտերվալում մանևրի սկիզբից բաղկացած իրադարձության հավանականությունը a priori հավասար է.
Պ
Եթե մանևրի սկիզբը չի հայտնաբերվում (n-1)-րդ կոորդինատային հարթության վրա, ապա n-րդ հարթության վրա մանևրի կուտակված հավանականությունը որոշվում է հարաբերությամբ.
P=
Զորավարժության ընթացքում հականավային հրթիռի արագացման ցրման կախվածությունը կուտակված հավանականությունից կարող է արտահայտվել հետևյալ կերպ.
2 a = (1+4P n)(1-P ohm) (5) որտեղ a-ն մանևրի ընթացքում հականավային հրթիռային համակարգի առավելագույն արագացումն է առանցքակալի երկայնքով (3,5գ);
P om մանևրի ճիշտ հայտնաբերման հավանականությունը: Իմանալով PCR (a) արագացման ցրվածությունը, ինչպես նաև ենթադրելով, որ կրող չափման սխալների արժեքները հայտնի են, հնարավոր է հաշվարկել ֆիլտրի շահույթի գործակիցների արժեքները, որոնք օպտիմալ են ընթացիկ հարաբերակցության համար: կոորդինատների չափման սխալների ցրման, առանցքակալը խանգարող արագացումը և ռադարի դիտման ժամանակահատվածը.
(P n) (6) առանցքակալի փոփոխության արագությամբ (P n), որտեղ o 2-ը կրիչի գնահատման սխալների շեղումն է.
առանցքակալների չափման սխալի շեղում;
R-ը կրող գնահատման սխալների և դրա փոփոխության արագության հարաբերակցության գործակիցն է: O և R o-ի արժեքները որոշվում են հետևյալ հարաբերություններով
2 o = + -1
R o = (7)
Փոխարինելով (7) հարաբերությունների (2) և (3) հարաբերությունների մեջ՝ մենք ստանում ենք կրող գնահատման սխալների դիսպերսիան և կրող գնահատման սխալների հարաբերակցության գործակիցը և դրա փոփոխության արագությունը, և, փոխարինելով (6) արտահայտությամբ՝ ստանում ենք. ֆիլտրի շահույթները որոշվում են (1) առնչությամբ: Ակնհայտ է, որ յուրաքանչյուր վերանայման հետ pcr-ի մոտենալուն զուգահեռ մեծանում է մանևրի կուտակված հավանականությունը, ինչը հանգեցնում է արագացման ցրման p cr-ի ավելացմանը և, համապատասխանաբար, հանգեցնում է ֆիլտրի ավելացումների և . Երբ հայտնաբերվում է մանևր, մանևրի կուտակված հավանականությանը վերագրվում է «մեկ» արժեքը, իսկ PCR-ի արագացման դիսպերսիան հաշվարկվում է հետևյալ կերպ.
= 2 (1-P գրություն) (8), որտեղ P գրությունը մանևրի կեղծ հայտնաբերման հավանականությունն է: Այս դեպքում r-ը հաշվարկվում է (4) հարաբերությունից, ֆիլտրի օգուտները ձեռք են բերում իրենց առավելագույն արժեքը: Հաշվի առնելով PCR մանևրի կարճ տեւողությունը (1,3 վ)՝ բավարար է մեկ հարթեցում ավելացված շահույթի գործակիցներով (դա հաստատվում է սիմուլյացիոն մոդելավորման արդյունքներով): Մանևրելու հավանականության գնահատման կարգը կատարվում է 20,2-ից մինչև 5,3 կմ միջակայքում: Մանևրը հայտնաբերելուց հետո կրող ֆիլտրի օգուտներին նշանակվում են արժեքներ, որոնք որոշվում են միայն թիրախային վիճակի աղմուկով, միջակայքի ձեռքբերումները մնում են անփոփոխ ամբողջ հետևման ժամանակի ընթացքում, և դրանց արժեքները ընտրվում են թիրախային վիճակի աղմուկի համաձայն: Նկ. Նկար 3-ը ցույց է տալիս մանևրող օդային թիրախին ավտոմատ հետևելու սարք, որն իրականացնում է առաջարկվող մեթոդը: Այն պարունակում է չափված կոորդինատային սենսոր 1, հարթեցնող բլոկ 2, էքստրապոլյացիայի բլոկ 3, առաջին հետաձգման բլոկ 4, հիշողության բլոկ 5, մանևրների հայտնաբերման բլոկ 6, համեմատական բլոկ 7, երկրորդ հետաձգման բլոկ 8, բլոկ 9։ ֆիլտրի շահույթի հաշվարկ: Օդային մանևրելու թիրախին ավտոմատ հետևելու սարքը բաղկացած է սերիական միացված սենսոր 1-ի չափված կոորդինատներից, որի մուտքը սարքի մուտքն է, սենսոր 1-ի չափված կոորդինատների ելքը միացված է հարթեցման բլոկի 2-ի 1-ին մուտքին: և մանևրի հայտնաբերման բլոկի 1-ին մուտքին, հարթեցնող բլոկի ելքը 2, որը միացված է էքստրապոլյացիայի բլոկի մուտքագրին 3, էքստրապոլյացիայի բլոկի 1-ին ելքը միացված է համեմատական բլոկի 7-ի մուտքին և միջոցով. 4-րդ բլոկի հետաձգումը հարթեցնող բլոկի 4-րդ մուտքին և մանևրի հայտնաբերման բլոկի 6-ի 2-րդ մուտքին, 3-րդ բլոկի էքստրապոլացիայի 2-րդ ելքը սարքի ելքն է, մանևրի հայտնաբերման բլոկի ելքը միացված է Ֆիլտրի շահույթի հաշվարկման բլոկի 9-րդ մուտքը և 8-րդ հետաձգման բլոկի միջոցով դեպի հիշողության բլոկի 2-րդ մուտքը և 9-րդ ֆիլտրի շահույթի հաշվարկման բլոկի 3-րդ մուտքը, Համեմատություն 7 բլոկի ելքը միացված է 1-ին մուտքին: 5-րդ հիշողության բլոկի և 9-ի բլոկի 1-ին մուտքը՝ ֆիլտրի շահույթը հաշվարկելու համար, 5-րդ հիշողության բլոկի ելքը միացված է հարթեցման բլոկի 2-րդ մուտքին, 9-րդ բլոկի ելքը՝ ֆիլտրի շահույթը հաշվարկելու համար, միացված է 3-րդ մուտքային բլոկին 2: հարթեցում. Սարքը աշխատում է հետևյալ կերպ. Ստացող սարքի ելքից հետևող թիրախի կոորդինատների չափման ընթացիկ n-րդ ցիկլի տեսազդանշանը մատակարարվում է հետևող սարքի մուտքին և, համապատասխանաբար, չափված կոորդինատների 1-ին սենսորին: Չափված կոորդինատային սենսոր 1-ը վիդեո ազդանշանը փոխակերպում է անալոգայինից թվային, ընտրում է օգտակար ազդանշանը և չափում կոորդինատային արժեքները՝ կրող (П n) և միջակայք (D n): Չափված կոորդինատների 1-ին սենսորը կարող է իրականացվել օդային թիրախի ավտոմատ դետեկտորի հայտնի սխեմաներից մեկի համաձայն: Չափված թիրախային կոորդինատների արժեքները (P n և D n) ազդանշանային կոդերի տեսքով մատակարարվում են հարթեցման բլոկի 2-ի 1-ին մուտքին, որն իրականացնում է կոորդինատների մշակման գործողությունը հետևյալ կերպ. երբ n 1, ընթացիկ գնահատականը. թիրախային կոորդինատներից է
= M n, որտեղ M n = П n, D n 2-ի համար, նպատակային հետագծի պարամետրերի ընթացիկ գնահատումը հավասար է.
= M n, V= (M n-1 -M n)/T o որտեղ T-ը ռադարի վերանայման ժամանակաշրջանն է; n>2-ի համար թիրախային հետագծի պարամետրերի ընթացիկ գնահատումը հավասար է
= + (Մ)
= +(M)/T որտեղ և են կշռման գործակիցները (ֆիլտրի ձեռքբերումներ);
և կոորդինատների գնահատումները և դրանց փոփոխության արագությունը էքստրապոլացված մեկ հետազոտության վրա: Բլոկ 2-ից կոորդինատների հարթեցված արժեքները և դրանց փոփոխության արագությունը մատակարարվում են էքստրապոլյացիայի բլոկի 3-ի մուտքագրմանը: Էքստրապոլյացիայի բլոկ 3-ը առաջացնում է հետագծի պարամետրերի գնահատականներ, որոնք արտահանվում են տվյալ ժամանակում.
= + VT e; = որտեղ T e-ն էքստրապոլյացիայի ժամանակային ընդմիջումների նշված արժեքն է: Այս սարքում T e T o, T e T tsu. Այս դեպքում, 1-ին ելքից ժամանակով էքստրապոլացված կոորդինատների արժեքները մատակարարվում են 4-րդ ուշացման բլոկի միջոցով հարթեցման բլոկի 2-ի 4-րդ մուտքին, որտեղ դրանք օգտագործվում են հաջորդ ցիկլում հետագծի պարամետրերը հաշվարկելու համար և Մանևրի հայտնաբերման բլոկի 2-րդ մուտքը 6, որտեղ դրանք հանվում են չափված կրող արժեքներից, որոնք մատակարարվում են մանևրային հայտնաբերման միավորի 1-ին մուտքագրին չափված կոորդինատների սենսոր 1-ից, և արդյունքում ստացված տարբերությունը համեմատվում է հետևյալ շեմի հետ.
P n ->
Շեմային արժեքները ընտրվում են մանևրի կեղծ հայտնաբերման անհրաժեշտ հավանականության հիման վրա: Նույն ելքից էքստրապոլացված կոորդինատներն ուղարկվում են համեմատական բլոկի 7 մուտք, որտեղ էքստրապոլացված միջակայքի արժեքները համեմատվում են 5,3-ից մինչև 20,2 կմ հնարավոր մանևրի միջակայքի հետ: Կոորդինատների արժեքները, որոնք էքստրապոլացված են T e ժամանակին, մատակարարվում են էքստրապոլյացիոն բլոկի 2-րդ ելքին (սարքի ելք) և օգտագործվում են սպառողներին թիրախային նշանակման տվյալներ ստեղծելու և տրամադրելու համար: Համեմատության 7-րդ բլոկում տրամաբանական մեկ ազդանշան է ստեղծվում, եթե էքստրապոլացված միջակայքի արժեքը գտնվում է հնարավոր արժեքների միջակայքում, որը համեմատական բլոկի 7-ի ելքից մատակարարվում է 5-րդ հիշողության բլոկի 1-ին մուտքին՝ միաժամանակ արգելելով. ֆիլտրի շահույթների թողարկումը հարթեցնող բլոկին 2, միևնույն ժամանակ նույն ազդանշանը հասնում է 9-րդ բլոկի 1-ին մուտքին՝ ֆիլտրի շահույթը հաշվարկելու համար և սկսում է օգուտների ելքը դեպի բլոկ 2 հարթեցման համար: Եթե էքստրապոլացված միջակայքի արժեքները չեն գտնվում հնարավոր մանևրի միջակայքի միջակայքում, ապա ստեղծվում է տրամաբանական զրոյական ազդանշան, որն արգելում է շահույթի գործակիցների թողարկումը 9-րդ բլոկից՝ ֆիլտրի շահույթը հաշվարկելու համար և սկսում է շահույթի գործակիցների թողարկումը: հիշողության բլոկ 5. Հիշողության 5-րդ բլոկը պահպանում է ֆիլտրի օգուտները, որոնց արժեքները որոշվում են թիրախային վիճակի աղմուկով: Ֆիլտրի օգուտները հաշվարկելու համար 9-րդ բլոկում օգուտները հաշվարկվում են տրամաբանական ազդանշանի ժամանման և մանևրի հայտնաբերման ազդանշանի բացակայության դեպքում՝ ըստ (1), (2) և (3) հարաբերությունների, և «Հայտնաբերված մանևրի» ազդանշանի ժամանման դեպք՝ ըստ (1), (2) և (4) հարաբերությունների։ Բլոկ 6-ում ստեղծվում է «մանևրի հայտնաբերված» ազդանշան և ուղարկվում է 9-րդ բլոկ՝ ֆիլտրի շահույթը հաշվարկելու համար, նույն ազդանշանն ուղարկվում է 8-րդ բլոկի հետաձգմանը և մեկ վերանայման ժամանակահատվածով հետաձգված՝ հիշողության բլոկներ 5 և 9 և հաշվարկային ֆիլտր: ձեռքբերումներ. Առաջարկվող մեթոդի արդյունավետությունը գնահատվել է մոդելավորման մոդելավորման միջոցով՝ հետևյալ նախնական տվյալներով.
Հարփուն տիպի հականավային հրթիռային համակարգի արձակման հեռահարությունը 100 կմ է;
ՃՇՇ գերբեռնվածությունը մանևրի ժամանակ 4 գ;
Մանևրի տևողությունը 4 վ;
Ռադարի վերանայման ժամանակահատվածը 2 վրկ;
Մանևրը սկսվում է 13-ից 14 ակնարկների միջև: Նկ. Նկար 2-ը ցույց է տալիս յուրաքանչյուր հետազոտության նորմալացված կոորդինատների էքստրապոլյացիայի սխալի կախվածությունը չափման համարից, որտեղ.
1 առաջարկվող մեթոդ;
2 հայտնի մեթոդ. Առաջարկվող մեթոդն իրականացնելիս կոորդինատների էքստրապոլյացիայի ճշգրտությունը կրկնապատկվում է:
Հայց
ՄԱՆԵՎՐՈՂ ՕԴԱՅԻՆ ԹԻՐԱՍԻՆ ՀԵՏԵՎԵԼՈՒ ՄԵԹՈԴ, որը հիմնված է կոորդինատների դիսկրետ ռադարային չափման վրա՝ հարթեցնելով թիրախի հետագծի պարամետրերը, օգտագործելով ֆիլտր ուղիղ գծի շարժման հատվածներում, ֆիլտրի ուժեղացուցիչի գործակիցներով, որոնք որոշվում են թիրախային վիճակի աղմուկով, որոնք. հարաբերություններից որոշված՝ կրելով 
որտեղ j-ը հարթեցման ընթացիկ ցիկլն է.
առանցքակալների փոփոխության արագությամբ
և փոխելով ֆիլտրի ձեռքբերման գործակիցը թիրախային մանևրային հատվածներում, որը բնութագրվում է նրանով, որ հետագծի հատված մուտք գործելու պահին, որի դեպքում հնարավոր է մանևր՝ հիմնվելով թիրախի հետագծի առանձնահատկությունների մասին a priori տեղեկատվության վրա, թիրախ կրող ազդանշանը հարթվում է ֆիլտրի շահույթով. գործակիցները, որոնք սահմանված են հետևված թիրախի մանևրելու կուտակված հավանականությանը համապատասխան,
Pn(Nn+1),
որտեղ N-ը հնարավոր մանևրի տարածքում չափումների քանակն է.
հարթեցման հատվածում հարթեցման ցիկլի n թիվը՝ առանցքակալների հարաբերություններից հնարավոր մանևրի հատվածում (1)
ըստ առանցքակալների փոփոխության արագության (2) 
որտեղ 2-ը առանցքակալների չափման սխալների շեղումն է.
ա՝ մանևրի ընթացքում թիրախի առավելագույն արագացումը՝ ըստ առանցքակալի.
Պ օ. մ մանևրի ճիշտ հայտնաբերման հավանականությունը;
T ռադարի վերանայման ժամանակաշրջանի մասին,
իսկ թիրախային մանևրի հայտնաբերման պահին կրող ազդանշանը մեկ անգամ հարթվում է ֆիլտրի ձեռքերով a և b (1) և (2) հարաբերություններից, հարաբերությունից r արժեքով. 
որտեղ P l. Օ. մ մանևրի կեղծ հայտնաբերման հավանականությունը, և հետագա հարթեցման ցիկլերում հետագծի պարամետրերը հարթվում են ֆիլտրի ձեռքբերման գործակիցներով, որոնց արժեքները համապատասխանում են ընթացիկ հարթեցման ցիկլի հետագա թվերին, որոնք որոշվում են հարաբերությունից։ 
որտեղ i 0, 1, 2, ցիկլի համարը մանևրը հայտնաբերելուց հետո;
տեղադրված ֆիլտրի հիշողություն թիրախային վիճակի աղմուկի պատճառով;
մ և մ ֆիլտրի շահույթը թիրախային մանևրի պահին:
Հորիզոնական հարթությունում թիրախի մանևրումը հանգեցնում է ուղղության և թռիչքի արագության փոփոխմանը: Օդային թիրախի մանևրի ազդեցությունը «Մանևր» մեթոդով կործանիչների ուղղորդման առաջին և երկրորդ փուլերում դրսևորվում է տարբեր ձևերով:
Ենթադրենք, որ ուղղորդումն իրականացվում է առաջին փուլում, երբ օդային թիրախը և կործանիչը համապատասխանաբար գտնվում էին կետերում. IN Եվ Ա (նկ. 7.9.), և նրանց հանդիպումը հնարավոր եղավ հենց այդ կետում Ս ո .
Բրինձ. 7.9. Թիրախային մանևրի ազդեցությունը հորիզոնական հարթությունում
կործանիչի թռիչքի ճանապարհին
Եթե օդային թիրախը գտնվում է կետում IN մանևրված ընթացք և ժամանակ տ շրջվեց դեպի անկյունը w t , այնուհետև, որպեսզի կործանիչը հետևի ուղղորդման երկրորդ փուլի շրջադարձային աղեղին շոշափողին, դրա ընթացքը պետք է միևնույն ժամանակ փոխվի անկյան տակ. w և t . Օդային թիրախն ավարտելուց հետո մանևրը, կետում հնարավոր կդառնա նրա հետ հանդիպումը ՀԵՏ , և օդային թիրախի ճանապարհի երկարությունը դեպի կետ կփոխվի DSc.
Եթե պատկերացնենք, որ շրջադարձի մեկնարկային կետը շարժվում է TC-ի հետ միասին, որը գտնվում է դրա նկատմամբ նույն ինտերվալում և հեռավորության վրա, ինչ կործանիչը շրջադարձն սկսելու պահին, ապա կործանիչը ուղղորդվում է դեպի այս կետը՝ օգտագործելով «Զուգահեռ. Մոտեցում» մեթոդը։ Եթե ՍԴ-ն գտնվում է մեծ հեռավորության վրա Նախքան կործանիչից, որի համեմատ ինտերվալը Ի և կանխարգելիչ շրջադարձի հեռավորությունը Դուպր կարելի է անտեսել, ապա ընդհանուր առմամբ «Մանևր» մեթոդի հատկությունները մոտ են «Զուգահեռ մոտեցման» մեթոդի հատկություններին։
Ավելի ուշ կործանիչի հետ հանդիպմանը թիրախի հետ (DSc > 0) ստիպում է նրան երես թեքել կռվողից (DΘ և > 0) , և դեպի կործանիչը շրջվելը հանգեցնում է ավելի վաղ հանդիպման: Հետևաբար, թիրախի կուրսի մանևրին հակազդելու միջոց, ինչպես նաև «Զուգահեռ մոտեցում» մեթոդի կիրառմամբ ուղղորդումը, կարող է լինել տարբեր կողմերից դրա վրա մարտիկների խմբերի միաժամանակյա թիրախավորումը:
Քանի որ հեռավորությունը դեպի ՏԿ նվազում է, «Մանևր» մեթոդի և «Զուգահեռ մոտեցման» մեթոդի հատկությունների տարբերությունն ավելի ու ավելի ակնհայտ է դառնում: VT-ի պտտման ժամանակ կործանիչը պետք է պտտվի ավելի մեծ անկյուններով, այսինքն՝ նրա անկյունային արագությունը w մեծանում է:
Արժեքի փոփոխություն w և երբ կործանիչը թռչում է օդային թիրախի հետ բախման դաշտում (UR = 180°) բնութագրում է անկյունային արագությունների փոխհարաբերությունների գրաֆիկը w և / w գ միջակայքից՝ արտահայտված կապարի շրջադարձի հեռավորության կոտորակներով Դ/Դուպր.
Ինչպես երևում է գրաֆիկից, երկար միջակայքում (D/Dupr = 5÷ 10) վերաբերմունք w և / w գ մի փոքր տարբերվում է միասնությունից, այսինքն՝ կործանիչի անկյունային արագությունը փոքր-ինչ տարբերվում է մանևրող թիրախի անկյունային արագությունից։ Տարածքի նվազմամբ՝ մոտ երեք Սուպեր , wi-ի արժեքը ինտենսիվ աճում է, և երբ կործանիչը մոտենում է շրջադարձի մեկնարկային կետին (D/Dupr = 1)w և աճում է մինչև անսահմանություն:
Այսպիսով, «Մանևր» մեթոդի կիրառմամբ մանևրային CC-ի վրա նպատակադրելիս գրեթե անհնար է կործանիչը հասցնել այն կետին, որտեղ շրջադարձը սկսվում է հաշվարկված շառավղով:
Բրինձ. 7.10. Անկյունային արագությունների հարաբերակցության կախվածությունը w և / w գ թիրախը մանևրելու ժամանակ
հետ կապված ուղղորդման առաջին փուլում Դ/Դուպր
Առաջին փուլում ուղղորդման գործընթացում օդային թիրախը կարող է բազմիցս մանևրել: Այսպիսով, օրինակ, օդային թիրախ մի կետում 1-ում կարող է միացնել կործանիչը, որի արդյունքում մի կետ Ա1 այն պետք է շեղվի իր նախկին ընթացքից և փոխվի նախապես պլանավորված շրջադարձի ուղղությունը։ Արդյունքում, կործանիչի հետագիծն ուղղորդման առաջին փուլում ուղիղ գծից վերածվում է բարդ գծի, որը բաղկացած է փոփոխական շառավղով պտտվող աղեղներից և նրանց միջև ուղիղ հատվածներից: Այս ամենը բարդացնում է օդային ճակատամարտ թռիչքի իրականացումը։
Մենք կդիտարկենք օդային թիրախի մանևրի ազդեցությունը կործանիչի առաջնորդման երկրորդ փուլում՝ օգտագործելով «Մանևր» մեթոդը՝ օգտագործելով Նկար 7.11-ը.
Բրինձ. 7.11. Օդային թիրախի մանևրի ազդեցությունը հորիզոնական հարթությունում
«Մանևր» մեթոդով ուղղորդման երկրորդ փուլում կործանիչի թռիչքի ճանապարհին
Ենթադրենք, որ ուղղորդման երկրորդ փուլի ինչ-որ պահի կործանիչը և օդային թիրախը համապատասխանաբար գտնվում են կետերում. Ա Եվ IN և նպատակակետին հասնելու համար Ընկ կործանիչը շառավղով շրջադարձ է կատարում Ռո և անկյունային արագություն w և = Vi/ Ro .
Եթե որոշ ժամանակով Դտ օդային թիրախը կփոխի իր թռիչքի ուղղությունը անկյան տակ w c × Dt , ապա նրա հետ հանդիպումը հնարավոր կդառնա հենց այդ կետում ՀԵՏ . Մի կետից այս կետին հասնելու համար Ա կործանիչը պետք է շրջադարձ կատարի այլ շառավղով Ռ . Բայց նախապես ժամանակին Դտ նա պետք է լրացուցիչ թեքվի անկյունը w և D × Dt .
Այսպիսով, ուղղորդման երկրորդ փուլում օդային թիրախի մանևրը հանգեցնում է կործանիչի շրջադարձի լրացուցիչ անկյունային արագության առաջացմանը. w և D . Որքան փոքր է մնացած շրջադարձի անկյունը UR մարտիկ, այնքան մեծ է արժեքը w և D , և քանի որ կործանիչը մոտենում է շրջադարձի վերջնակետին w և D աճում է մինչև անսահմանություն:
Այսպիսով, ուղղորդման երկրորդ փուլում «Մանևր» մեթոդով կործանիչը մանևրող օդային թիրախի հետ կապված տվյալ դիրքի բերելը գրեթե անհնար է:
Այս առումով, օդային թիրախի մանևրելու դեպքում, երկրորդ փուլում, որպես կանոն, անցնում են կործանիչը «Հետապնդման» մեթոդով ուղղորդելուն։
