Скляренко Р. П.
Применение нейрокомпьютеров в военной технике всегда вызывало интерес в первую очередь благодаря их преимуществам в быстродействии, небольшим габаритам и массам, а также малому энергопотреблению. Нейрокомпьютеры позволяют решать сложные и сверхсложные задачи, не возникавшие до недавнего времени просто из-за невозможности их решения с помощью линейных вычислительных средств. Применение нейросетевого логического базиса позволило перейти к новому отношению производительность – стоимость, за счет резкого повышения первой, основанной на автоматизации исследования предметной области, создания алгоритмов, моделирования, проверки релевантности моделей и обучению по принципу проб и ошибок.
Фирмами промышленно развитых страны мира, в первую очередь США, Великобритания и Япония, ведется интенсивное исследование и применение нейрокомпьютерной технологии при создании военной техники. Первая программа подобного рода бала выполнена США в 1987-1988 годах Лабораторией Линкольна Массачусетского института за счет военного бюджета. Особое внимание к данной сфере Президента США Дж.Буша позволило на начало 90-х годов достигнуть существенного прогресса, выражаемого в росте компаний разрабатывающих подобные средства.
По оценкам американских консалтинговых фирм за 90-е годы мировой рынок военных нейрокомпьютеров вырос со 100 млн. долларов до полутора миллиардов долларов. Сейчас количество фирм, занимающихся нейрокомпьютерами, приближается к 300, однако эта оценка крайне не объективна, благодаря большой скрытности подобных разработок.
Направления применения нейрокомпьютеров крайне разнообразны. Не заменима их роль в областях предполагающий недостаток информации в условиях динамичной среды с высоким уровнем шума, это в первую очередь космос, авиация, робототехника, пеленгация, энергетика, обработка информации, автоматические системы управления и коммуникация, медицина и статистика.
В 80-е годы США предполагали применение нейрокомпьютеров для управления мощным лазерным оружием в рамках Стратегической оборонной инициативы. Созданные наработки позволяют управлять кривизной зеркал в телескопах и поддерживать заданные параметры в высокоточных системах ориентации.
Применение нейрокомпьютеров наиболее наглядно можно понять в управлении космической робототехникой, в частности используемой на кораблях системы “Шаттл”: механическая рука, телероботы. Это позволяет значительно снизить нагрузку на оператора.
Успешно применяются нейросети в планировании работы антенных устройств, размещенных на спутниках. Обработка больших массивов информации, также может осуществляться непосредственно на спутнике, что позволяет избежать передачи с орбиты шума. Причем, нейронные сети позволяют обрабатывать на орбите даже изображения, что многократно упрощает процесс картографирования. Совмещение с экспертными системами позволяет реагировать на изменения поверхности в реальном масштабе времени.
Впечатляюще выглядит применение нейрокомпьютеров для распознавания облаков в различных диапазонах с вероятностью более 96% и составлением карт ветров.
Распознавание линейчатых структур на изображениях, таких как дрога, трубопровод, линия электропередач и т.п., позволяет в автоматическом режиме производить поиск признаков цивилизации на планетах других космических систем.
Предсказание повреждений космических станций вследствие столкновения с космическими частицами является еще одной важной областью, определяющей степень защиты станции и массу спутника выводимого на орбиту.
Система обеспечения безопасности полетов основанная на предсказание молний на космодроме во время запусков позволяет ослабить ограничения интервалов запуска, данная система может быть интегрирована в систему ПРО и систему командования на ТВД.
Перспективно применение нейросетевой системы при выборе маневров в воздушном бою на самолетах будущего поколения, поскольку воздушное боевое маневрирование содержит ситуации, отвечающие более одному правилу при наличие помех, с которыми линейные вычислительные средства справиться не могут. Система позволит летчику выбрать лучший маневр из нескольких возможных. Сети обучаются как летчики-курсанты, т. е. им предлагается большое число сценариев воздушного боевого маневрирования, для выбора оптимального, сети также обучаются реагировать на изменения внешних условий с учетом всех текущих данных борта.
Нейронные сети позволяют решить задачи связанные с технической диагностикой летательных аппаратов с применением методов неразрушающего контроля в реальном времени. Оценивается усталость и механические повреждения, как на Земле, так и в полете. Метод высокочастотного ультразвукового сканирования позволяет достигнуть почти 100% точности. Сети позволяют прогнозировать надежность всех систем применяемых как на самолете, так и в наземном управлении движением полетами.
Применяются нейрокомпьютеры и для распознавания типов самолетов по изображению, причем допускаются повороты профилей, смещения, изменение масштаба изображения, высокий уровень шума.
Нейросетевые алгоритмы и нейроктроллеры успешно применяются при обучении управлению вертолетом начинающих-пилотов. Обучение проходит автоматически, без участия человека: система управления вертолетом активно принуждает новичка увеличивать степень контроля над полетом для достижения определенного мастерства. Как и в истребительной авиации, здесь нейркомпьютеры могут отвечать за точный маневр против цели, корректируя ошибки пилота, шум и учитывая внешние условия.
Применение автономных подвижных роботов являются крайне перспективными направлением. Способность работы в любой среде, широкая вариация размеров и устройств, размещаемых на роботах, позволяют применять их в условиях не доступных человеку. Особо перспективны направления связанные с навигационными робототехническими комплексами, позволяющими осуществлять автономную навигацию с полным учетом внешних воздействий, таких как собственная скорость, скорость среды, вращение, направление движения, при этом оценка информации происходит автоматически, без участия оператора. Таким образом, решается наиболее сложная задача управления подводными роботами, где оператору приходилось контролировать три направления движения: вдоль фронта, вверх-вниз, вокруг оси. Ошибки сетей составляют мене 1-2%, что не достижимо для оператора. Интересны наземные роботы погрузчики для работы в экстремальных условиях и на других планетах, маломерные летательные аппараты с автономным пилотированием.
Применение нейрокомпьютеров в тактическом вооружении связано, в первую очередь, со способностью к обработке сигнала при высоком уровне шума. Обработка изображений по двум направлениям: распознавание цели и выделение движущейся цели на стационарном или движущемся фоне – открывает широчайшие возможности в реализации тактических задач. Являясь самым эффективным алгоритмом выделения движущихся целей на фоне – нейронные сети открывают путь к полностью автоматическому ведению боевых операций с применением обычных вооружений. Построение систем совместимых с человеческим биологическим зрением увеличит продуктивность операций в десятки раз. Возможность восстановления первоначальной картины по последующим данным создаст значительный рынок средств безопасности. Сейчас уже очевидны преимущества нейронных сетей при выделении целей на изображении перед человеком даже в оптическом диапазоне. Сети применяются уже в системах зрения роботов, двигающихся в среде с препятствиями.
Интересен рынок транспьютеров создающих объемные картины, они находят применение в радиолокации, показывая трехмерные модели радио источников. Сети позволяют успешно решать задачи обнаружения цели при любом отношении сигнал/шум, путем устранения помех и моделирования цели. Решаются задачи обработки информации в широкой зоне обзора при наличии большого количества объектов, задачи сопровождения целей, обнаружения маневра цели в зоне преднамеренных помех и другие, ранее вызывавшие огромную сложность в режиме реального времени и способностей человека-оператора. Опытные диспетчеры справляются с одновременным сопровождением 25-26 целей. В реальных ситуация, например в районе аэропорта, количество целей может достигать нескольких десятков. Совместная работа нескольких диспетчеров, передающих друг другу цели, снижает пропускную способность аэропорта вследствие человеческого фактора. Нейросети позволяют анализировать траектории и прогнозировать дальнейшее движение при наличии большого числа помех. Созданием систем отслеживания траекторий многих целей на основе нейронных сетей заняты несколько фирм Китая и Сингапура.
В распознавании радиолокационных целей нейронные сети применяются с 60-х годов. Процессоры, основанные на нейронных сетях, отличаются повышенной помехоустойчивостью, быстрой сходимостью к искомому решению при проверке многочисленных гипотез. Возможно, автоматическое распознавание целей на основе данных от нескольких разно диапазонных локаторов. Сигналы с каждого канала подаются на отдельную нейронную сеть, все сети связаны между собой и с обобщающей сетью, содержащей экспертную систему. Четкость и полнота сигналов не играют заметной роли.
Работы, проводившиеся в Лаборатории электроники и СВЧ оптики Университета штата Пенсильвания в 90-х годах были направлены на создание РЛС нового поколения для формирования трехмерных голографических изображений аэрокосмических целей с разрешением, близким к оптическому. Эта система позволяет отказаться от дорогостоящих антенных решеток и значительно сократить время обработки сигнала.
Применение нейросетей в БРЛС позволяет эффективно распознавать подстилающую поверхность и тип местности.
Великобритания ведет активную работу по созданию средств РЭБ и электронной войны на основе нейро сетевых алгоритмов. Перспективно применение нейросетей при наведении ракет на источники помех.