Оптимизация методов баллистико-навигационного\r\nобеспечения полетов летательных аппаратов\r\nв условиях многоцелевых миссий

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

Optimization of ballistic-navigation support methods\r\nfor aircraft in multitasking mission conditions

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