ОПТИМИЗАЦИЯ МЕТОДОВ БАЛЛИСТИКО-НАВИГАЦИОННОГО ОБЕСПЕЧЕНИЯ ПОЛЕТОВ ЛЕТАТЕЛЬНЫХ АППАРАТОВ В УСЛОВИЯХ МНОГОЦЕЛЕВЫХ МИССИЙ

Представлен анализ методов баллистико-навигационного обеспечения полетов летательных аппаратов в условиях многоцелевых миссий. Методология исследования включает разработку симуляционной модели, учитывающей реальные аэродинамические характеристики и внешние факторы, такие как гравитация. Были протестированы методы оптимизации: градиентный спуск, метод Ньютона, метод роя частиц, динамическое программирование, а также глубокие нейронные сети. Результаты симуляции показали, что алгоритмы глубоких нейронных сетей продемонстрировали наивысшую точность и адаптивность, минимальное отклонение от заданной траектории и быструю реакцию на изменения условий. Метод Ньютона также обеспечил высокую точность и сравнительно низкий расход топлива. Метод роя частиц показал эффективность в адаптации, но был менее стабиленв достижении глобальных минимумов. Исследование подтвердило значимость применения математических методов для повышения устойчивости и надежности навигационного обеспечения летательных аппаратов в сложных операционных условиях. Таким образом, дальнейшие исследования могут сосредоточиться на совершенствовании алгоритмов и их интеграции в реальные системы управления летательных аппаратов, а реализация предложенных методов может значительно улучшить результаты выполнения многоцелевых миссий летательных аппаратов.

This article presents an analysis of ballistic-navigation support methods for aircraft under multitasking mission conditions. The research methodology includes the development of a simulation model that accounts for real aerodynamic characteristics and external factors, such as gravity. Optimization methods tested include gradient descent, Newton’s method, particle swarm optimization, dynamic programming, and deep neural networks. Simulation results indicated that deep neural networks algorithms demonstrated the highest accuracy and adaptability, minimal deviation from the set trajectory, and a rapid response to changing conditions. Newton’s method also provided high accuracy and relatively low fuel consumption. Particle swarm optimization showed efficiency in adaptation but was less stable in achieving global minima. The study confirms the importance of mathematical methods in enhancing the stability and reliability of navigation support for aircraft in complex operational conditions. Thus, further research can focus on improving the algorithms and integrating them into real aircraft control systems, and the implementation of the proposed methods can significantly improve the performance of multirole aircraft missions.