Informacionnye TehnologiiInformacionnye TehnologiiИнформационные технологии1684-6400New Technologies Publishing House70225210.17587/it.31.24-34Intelligent systems and technologiesИнтеллектуальные системы и технологииResearch ArticleIntelligent technologies for joint navigation and functioning of mobile objects in different physical environmentsИнтеллектуальные технологии совместной навигации и функционирования подвижных объектов в разных физических средахAmosovO. S.АмосовО. С.
Russian Federation

Dr. Tech. Sc., Prof., Principal Researcher

д-р техн. наук, проф., гл. науч. сотр.

osa18@yandex.ruAmosovaS. G.АмосоваС. Г.
Russian Federation

PhD, Senior Researcher

канд. техн. наук, ст. науч. сотр.

amosovasg@yandex.ruV. A. Trapeznikov Institute of Control Sciences of RASИнститут проблем управления им. В. А. Трапезникова РАН1501202531124340602202606022026Copyright ©; 2025, Informacionnye TehnologiiCopyright ©; 2025, Информационные технологии2025Informacionnye TehnologiiИнформационные технологииhttps://journals.eco-vector.com/1684-6400/article/view/702252

Scientific solutions for a group of heterogeneous unmanned vehicles functioning in different physical environments in a coordinated manner are presented. The following are proposed for this group: synthetic algorithms for complexing information from different measurement systems; neural network models of Earth geophysical fields for navigation; the method of joint functioning based on a frame model and an expert decision-making system.

Изложены научные решения для группы разнородных беспилотных аппаратов, согласованно функционирующих в разных физических средах. Для указанной группы предложены: синтетические алгоритмы комплексирования информации от разных систем измерения; нейросетевые модели геофизических полей Земли для навигации; метод совместного функционирования на основе фреймовой модели и экспертной системы принятия решений.

unmanned vehiclecomplexinggeophysical fieldneural networkfuzzy systemframeexpert systemmultiagent systemбеспилотный аппараткомплексированиегеофизическое поленейронная сетьнечеткая системафреймэкспертная системамногоагентная системаРоссийский научный фондRussian Science Foundation24-29-00671The research was supported by RSF, grant no. 24-29-00671, https://rscf.ru/project/24-29-00671/Исследование поддержано РНФ, грант № 24-29-00671, https://rscf.ru/project/24-29-00671/Beloglazov I. N., Dzhandzhgava G. I., Chigin G. P. Fundamentals of Navigation Along Geophysical Fields, Moscow, Nauka. Glavnaya Redaktsiya Fiziko-Matematicheskoy Literatury, 1985, 328 p. (in Russian).Белоглазов И. Н., Джанджгава Г. И., Чигин Г. П. Основы навигации по геофизическим полям. М.: Наука. Главная редакция физико-математической литературы, 1985. 328 с.Stepanov O. A., Toropov A. B. Nonlinear Filtering for Map-aided Navigation. Part 1. An Overview of Algorithms, Gyroscopy and Navigation, 2015, vol. 6, no. 4, pp. 324—337.Степанов О. А., Торопов А. Б. Методы нелинейной фильтрации в задаче навигации по геофизическим полям. Часть 1. Обзор алгоритмов // Гироскопия и навигация. 2015. № 3 (90). C. 102—125.Stepanov O. A., Toropov A. B. Nonlinear Filtering for Map-aided Navigation Part 2. Trends in the Algorithm Development, Gyroscopy and Navigation, 2016, vol. 7, pp. 82—89.Степанов О. А., Торопов А. Б. Методы нелинейной фильтрации в задаче навигации по геофизическим полям. Часть 2. Современные тенденции развития // Гироскопия и навигация. 2015. № 4 (91). C. 147—159.Haykin S. Kalman Filtering and Neural Networks, N. Y., John Wiley&Sons, Inc., 2001.Haykin S. Kalman Filtering and Neural Networks. N. Y.: John Wiley&Sons. Inc., 2001.Stepanov O. A. Fundamentals of Estimation Theory with Applications to Navigation Information Processing Problems. Part 1. Introduction to Estimation Theory, Saint Petersburg, State Research Center of the Russian Federation JSC Concern Central Research Institute Elektropribor, 2017, 509 p. (in Russian).Степанов О. А. Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч. 1. Введение в теорию оценивания. Санкт-Петербург: ГНЦ РФ АО "Концерн "ЦНИИ "Электроприбор", 2017, 509 c.Stepanov O. A. Fundamentals of Estimation Theory with Applications to Navigation Information Processing Problems. Part 2. Introduction to Filtration Theory, Saint Petersburg, State Research Center of the Russian Federation JSC Concern Central Research Institute Elektropribor, 2017, 428 p. (in Russian).Степанов О. А. Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч. 2. Введение в теорию фильтрации. Санкт-Петербург: ГНЦ РФ АО "Концерн "ЦНИИ "Электроприбор", 2017. 428 c.Stepanov O. A, Amosov O. S., Toropov A. V. Comparison of Kalman-type Algorithms in Nonlinear Navigation Problems for Autonomous Vehicles, IFAC Proceedings Volumes (IFACPapersOnline), 2007, vol. 6, pt. 1, pp. 493—498.Stepanov O. A, Amosov O. S., Toropov A. V. Comparison of Kalman-type Algorithms in Nonlinear Navigation Problems for Autonomous Vehicles // IFAC Proceedings Volumes (IFAC- PapersOnline). 2007. Vol. 6, Pt. 1. P. 493—498.Sierociuk D., Macias M. Triple Estimation of Fractional Variable Order, Parameters, and State Variables Based on the Unscented Fractional Order Kalman Filter, Sensors, 2021, vol. 21, pp. 8159.Sierociuk D., Macias M. Triple Estimation of Fractional Variable Order, Parameters, and State Variables Based on the Unscented Fractional Order Kalman Filter // Sensors. 2021. Vol. 21. P. 8159. DOI: 10.3390/s21238159.Sierociuk D., Dzielinski A. Fractional Kalman Filter Algorithm for the States, Parameters and Order of Fractional System Estimation, Intern. J. of Applied Mathematics and Computer Science, 2006, vol. 16, iss. 1, pp. 129—149.Sierociuk D., Dzielinski A. Fractional Kalman Filter Algorithm for the States, Parameters and Order of Fractional System Estimation // Intern. J. of Applied Mathematics and Computer Science. 2006. Vol. 16, Iss. 1. P. 129—149.Xue G., Xu Y., Guo J., Zhao W. The Fractional Kalman Filter-Based Asynchronous Multirate Sensor Information Fusion, Hindawi Complexity, Dec. 2018, vol. 2018, article ID 1450353, 10 p.Xue G., Xu Y., Guo J., Zhao W. The Fractional Kalman Filter-Based Asynchronous Multirate Sensor Information Fusion // Hindawi Complexity. Dec. 2018. Vol. 2018. Article ID 1450353. 10 p. DOI: 10.1155/2018/1450353.Cui Ch., Zhang L., Yan G., Sun X. Track Fusion Fractional Kalman Filter, 41st Chinese Control Conference (CCC), Hefei, China, 2022, no. 22507536, 6 p.Cui Ch., Zhang L., Yan G., Sun X. Track Fusion Fractional Kalman Filter // 41st Chinese Control Conference (CCC). Hefei, China, 2022. N. 22507536. P. 6.Tripathi R. P., Singh A. K., Gangwar P. Innovation-based Fractional Order Adaptive Kalman Filter, J. Electrical Engineering, 2020, vol. 71, no. 1, pp. 60—64.Tripathi R. P., Singh A. K., Gangwar P. Innovation-based Fractional Order Adaptive Kalman Filter // J. Electrical Engineering. 2020. Vol. 71, N. 1. P. 60—64.Stepanov O. A., Amosov O. S. Bayesian Estimation Using Neural Network, Aviakosmicheskoye Priborostroyeniye, 2004, no. 6, pp. 46—55 (in Russian).Степанов О. А., Амосов О. С. Байесовское оценивание с использованием нейронной сети // Авиакосмическое приборостроение. 2004. № 6. С. 46—55.Stepanov O. A., Amosov O. S. Optimal Linear Filtering Using a Neural Network, Giroskopiya i Navigatsiya, 2004, no. 3 (46), pp. 14—29 (in Russian).Степанов О. А., Амосов О. С. Оптимальная линейная фильтрация с использованием нейронной сети // Гироскопия и навигация. 2004. № 3 (46). С. 14—29.Stepanov O. A., Amosov O. S. The Comparison of the Monte-Carlo Method and Neural Networks Algorithms in Nonlinear Estimation Problems, 9th IFAC Workshop "Adaptation and Learning in Control and Signal Processing", ALCOSP’2007. (IFACPapersOnline), Saint Petersburg, 2007, vol. 9, part 1, pp. 392—397.Stepanov O. A., Amosov O. S. The Comparison of the Monte-Carlo Method and Neural Networks Algorithms in Nonlinear Estimation Problems // 9th IFAC Workshop "Adaptation and Learning in Control and Signal Processing", ALCOSP’2007. (IFAC- PapersOnline). Saint Petersburg, 2007. Vol. 9, Part 1. P. 392—397.Amosov O. S. Fuzzy Logic Systems for Filtering Markov Sequences, Informatsionnyye Tekhnologii, 2004, no. 11, pp. 16—22 (in Russian).Амосов О. С. Системы нечеткой логики для фильтрации марковских последовательностей // Информационные технологии. 2004. № 11. С. 16—22.Amosov O. S., Baena S. G. Decomposition Synthetic Approach for Optimum Nonlinear Estimation, IFAC-PapersOnLine, 2015, vol. 48, no. 11, pp. 819—824.Amosov O. S., Baena S. G. Decomposition Synthetic Approach for Optimum Nonlinear Estimation // IFAC-PapersOn- Line. 2015. Vol. 48, N. 11. P. 819—824.Amosov O. S., Amosova S. G. Machine Learning with Reinforcement for Optimal and Adaptive Estimation Problems in Navigation Applications, Proceedings of the 29th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS-2022), Saint Petersburg, IEEE, 2022.Амосов О. С., Амосова С. Г. Машинное обучение с подкреплением для задач оптимального и адаптивного оценивания в навигационных приложениях // Сб. матер. XXIX Санкт-Петерб. междунар. конф. по интегрированным навигационным системам. СПб.: АО "Концерн "ЦНИИ "Электроприбор". 2022. С. 300—303.Kotenko P. S., Zakiryanov A. G. On-board Computer Systems for Navigation and Aircraft Navigation: a Tutorial, Ufa, UGATU, 2019 (in Russian).Котенко П. С., Закирьянов А. Г. Бортовые вычислительные комплексы навигации и самолетовождения: Учеб. пособ. Уфа: УГАТУ, 2019.Dzhandzhgava G. I., Gerasimov G. I., Avgustov L. I. Navigation and Guidance by Spatial Geophysical Fields, Izvestiya YUFU. Tekhnicheskiye Nauki, 2013, no. 3 (140), pp. 74—84 (in Russian).Джанджгава Г. И., Герасимов Г. И., Августов Л. И. Навигация и наведение по пространственным геофизическим полям // Известия ЮФУ. Технические науки. 2013. № 3 (140). С. 74—84.General Bathymetric Chart of the Oceans, available at: https://www.gebco.net/ (access date: 04.09.2024).General Bathymetric Chart of the Oceans. URL: https:// www.gebco.net/ (дата обращения 04.09.2024)European Space Agency, available at: http://eo-virtualarchive1.esa.int (access date: 04.09.2024).European Space Agency. URL: http://eo-virtual-archive1. esa.int (дата обращения: 04.09.2024).Enhanced Magnetic Model, available at: https://www.ngdc. noaa.gov/geomag/EMM/ (access date: 04.09.2024).Enhanced Magnetic Model. URL: https://www.ngdc.noaa. gov/geomag/EMM/ (дата обращения: 04.09.2024).Stepanov O. A., Vasiliev V. A., Toropov A. B. Map-Aided Navigation Algorithms Taking into Account the Variability of Position Errors of the Corrected Navigation System, 29th Saint Petersburg International Conference on Integrated Navigation Systems, ICINS, 2022.Степанов О. А., Васильев В. А., Торопов А. Б. Решение задачи навигации по геофизическим полям с учетом изменчивости погрешностей корректируемой навигационной системы // Сб. матер. XXIX Санкт-Петербургской междунар. конф. по интегрированным навигационным системам. СПб.: АО "Концерн "ЦНИИ "Электроприбор", 2022. С. 60—65.Chame H. F., dos Santos M. M., Botelho S. S. D. Neural Network for Black-Box Fusion of Underwater Robot Localization Under Unmodeled Noise, Robotics and Autonomous Systems, Dec. 2018, vol. 110, pp. 57—72.Chame H. F., dos Santos M. M., Botelho S. S. D. Neural Network for Black-Box Fusion of Underwater Robot Localization Under Unmodeled Noise // Robotics and Autonomous Systems. Dec. 2018. Vol. 110. P. 57—72.Ali U., Muhammad W., Irshad M. J., Manzoor S. Multi-Sensor Fusion for Underwater Robot Self-Localization Using PC/BC-DIM Neural Network, Sensor Review, 2021, vol. 41, no. 5, pp. 449—457.Ali U., Muhammad W., Irshad M. J., Manzoor S. Multi-Sensor Fusion for Underwater Robot Self-Localization Using PC/BC-DIM Neural Network // Sensor Review. 2021. Vol. 41, N. 5. P. 449—457.Li Z. Y., Yu H. P., Shen T. Sh., Li Zh. H. Segmented Matching Method of Multi-Geophysics Field SLAM Data Based on LSTM, 2020 3rd IEEE International Conference on Unmanned Systems (ICUS), 2020, 6 p.Li Z. Y., Yu H. P., Shen T. Sh., Li Zh. H. Segmented Matching Method of Multi-Geophysics Field SLAM Data Based on LSTM // 2020 3rd IEEE International Conference on Unmanned Systems (ICUS). 2020. P. 6.Bykova V. S., Martynova L. A., Mashoshin A. I., Pashkevich I. V. Algorithms for the Functioning of a Multi-agent Control System for an Autonomous Unmanned Underwater Vehicle, Materialy Konferentsii "Informatsionnyye Tekhnologii v Upravlenii", 2020, pp. 216—220 (in Russian).Быкова В. С., Мартынова Л. А., Машошин А. И., Пашкевич И. В. Алгоритмы функционирования мульти- агентной системы управления автономным необитаемым подводным аппаратом // Матер. конф. "Информационные технологии в управлении". 2020. С. 216—220.Mashoshin A. I., Skobelev P. O. Application of Multiagent Technologies for Controlling a Group of Autonomous Unmanned Underwater Vehicles, Izvestiya YUFU. Tekhnicheskiye Nauki, 2016, no. 1 (174), pp. 45—59 (in Russian).Машошин А. И., Скобелев П. О. Применение мульти- агентных технологий для управления группой автономных необитаемых подводных аппаратов // Известия ЮФУ. Технические науки. 2016. № 1 (174). С. 45—59.Karur K., Sharma N., Dharmatti Ch., Siegel J. E. Survey of Path Planning Algorithms for Mobile Robots, Vehicles, 2021, vol. 3, no. 3, pp. 448—468.Karur K., Sharma N., Dharmatti Ch., Siegel J. E. Survey of Path Planning Algorithms for Mobile Robots // Vehicles. 2021. Vol. 3, N. 3. P. 448—468.Ajeil F. H., Ibraheem I. K., Azar A. T., Humaidi A. J. GridBased Mobile Robot Path Planning Using Aging-Based Ant Colony Optimization Algorithm in Static and Dynamic Environments, Sensors, 2020, vol. 20, no. 7, art. no. 1880.Ajeil F. H., Ibraheem I. K., Azar A. T., Humaidi A. J. GridBased Mobile Robot Path Planning Using Aging-Based Ant Colony Optimization Algorithm in Static and Dynamic Environments // Sensors. 2020. Vol. 20, N. 7. Art. No. 1880.Kolmogorov A. N. On the Representation of Continuous Functions of Several Variables in the Form of Superpositions of Continuous Functions of one Variable and Addition, Dokl. AN SSSR, 1957, vol. 114, no. 5, pp. 953—956 (in Russian).Колмогоров А. Н. О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения // Докл. АН СССР. 1957. Т.114, № 5. С. 953—956.Cybenko G. Approximation by Superpositions of a Sigmoidal Function, Mathematical Control Signals Systems, 1989, vol. 2, pp. 303—314.Cybenko G. Approximation by Superpositions of a Sigmoidal Function // Mathematical Control Signals Systems. 1989. Vol. 2. P. 303—314.Funahashi K.-I. On the Approximate Realization of Continuous Mappings by Neural Networks, Neural Networks, 1989, vol. 2, iss. 3, pp. 183—192.Funahashi K.-I. On the Approximate Realization of Continuous Mappings by Neural Networks // Neural Networks. 1989. Vol. 2, Iss.3. P. 183—192.Hornick K., Stinchcombe M., White H. Multilayer Feedforward Networks are Universal Approximators, Neural Networks, 1989, vol. 2, iss.5, pp. 359—366.Hornick K., Stinchcombe M., White H. Multilayer Feedforward Networks are Universal Approximators // Neural Networks. 1989. Vol. 2, Iss.5. P. 359—366.Boev V. D. Simulation modeling of systems: a textbook for universities, Moscow, Yurayt, 2022, 253 p. (in Russian).Боев В. Д. Имитационное моделирование систем: учебное пособие для вузов. М.: Юрайт, 2022. 253 с.Kulba V. V., Kononov D. A., Chernov I. V., Roshchin P. E., Shuligina O. A. Scenario Study of Complex Systems: Analysis of Group Management Methods, Management of Large Systems: Collection of Works, 2010, no. 30-1, pp. 154—186 (in Russian).Кульба В. В., Кононов Д. А., Чернов И. В., Рощин П. Е., Шулигина О. А. Сценарное исследование сложных систем: анализ методов группового управления // Управление большими системами: сборник трудов. 2010. № 30-1. С. 154—186.Bolotova L. S. Decision Support Systems in 2 parts. Part 1: Textbook and Practical Course for Universities, Moscow, Yurayt, 2024, 257 p. (in Russian).Болотова Л. С. Системы поддержки принятия решений в 2 ч. Часть 1: учебник и практикум для вузов. М.: Юрайт, 2024. 257 с.Amosov O. S., Amosova S. G., Ivanov Y. S., Zhiganov S. V. Modelling of Intelligent Access Monitoring and Control System for Vehicles with Using the Deep Neural Networks, Informacionnye Tehnologii, 2019, vol. 25, no. 2, pp. 116—127 (in Russian).Амосов О. С., Амосова С. Г., Иванов Ю. С., Жиганов С. В. Моделирование интеллектуальной системы контроля и управления доступом транспортных средств с использованием глубоких нейронных сетей // Информационные технологии. 2019. Т. 25, № 2. С. 116—127.