Дипломная работа на тему "ТЮМГУ | Разработка шаблонов сценариев для тренажеров беспилотных летательных аппаратов"

Работа на тему: Разработка шаблонов сценариев для тренажеров беспилотных летательных аппаратов
Оценка: хорошо.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА ШАБЛОНОВ СЦЕНАРИЕВ ДЛЯ ТРЕНАЖЕРОВ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования и анализа больших данных»

2023

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 4
ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 6
1.1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ 6
1.2. ПРОБЛЕМАТИКА МАЛОГО КОЛИЧЕСТВА ОПЫТА У НАЧИНАЮЩИХ ОПЕРАТОРОВ БПЛА 7
1.3. ПРЕДЛАГАЕМОЕ РЕШЕНИЕ 8
ГЛАВА 2. ФОРМАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ИСПОЛЬЗУЕМЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И АЛГОРИТМОВ 10
2.1. МОДЕЛЬ ПОЛЕТА КВАДРОКОПТЕРА 10
2.2. СТАБИЛИЗАЦИЯ КВАДРОКОПТЕРА 12
2.3. ПОСТАНОВКА ЗАДАЧИ ДЛЯ АВТОПИЛОТА 14
2.4. ГЕНЕТИЧЕСКИЙ АЛГОРИТМ 16
2.5. АЛГОРИТМ NEAT 17
2.6. ОБУЧЕНИЕ АВТОПИЛОТА 20
ГЛАВА 3. АРХИТЕКТУРА ПРОГРАММНОГО КОМПЛЕКСА 23
ГЛАВА 4. РАЗРАБОТКА БИБЛИОТЕКИ СИМУЛЯЦИИ 25
4.1. МОДУЛЬ СИМУЛЯЦИИ ПОЛЕТА 25
4.2. МОДУЛЬ РАБОТЫ СО СЦЕНАРИЯМИ 27
4.3. МОДУЛЬ АВТОПИЛОТА 31
4.4. ИНТЕРФЕЙС БИБЛИОТЕКИ 34
ГЛАВА 5. РАЗРАБОТКА ТРЕНАЖЕРА НА UNREAL ENGINE 36
5.1. ПЛАГИН ДЛЯ ПОДКЛЮЧЕНИЯ БИБЛИОТЕКИ 36
5.2. ОПИСАНИЕ КЛАССОВ ТРЕНАЖЕРА 36
ГЛАВА 6. ОБУЧЕНИЕ АВТОПИЛОТА 39
6.1. СКРИПТЫ ДЛЯ ОБУЧЕНИЯ АВТОПИЛОТА 39
6.2. ЯЗЫКОВЫЕ ПРИВЯЗКИ ДЛЯ БИБЛИОТЕКИ СИМУЛЯЦИИ 39
6.3. ПРОЦЕСС ОБУЧЕНИЯ АВТОПИЛОТА 39
6.4. ОПТИМИЗАЦИЯ АЛГОРИТМА ОБУЧЕНИЯ 40
6.5. ПРИМЕР ПОЛУЧЕННОГО ГЕНОМА 42
ГЛАВА 7. РУКОВОДСТВО ПОЛЬЗОВАТЕЛЯ 43
ЗАКЛЮЧЕНИЕ 46
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 47
ПРИЛОЖЕНИЯ 1-7 49

ВВЕДЕНИЕ
В настоящее время использование беспилотных летательных аппаратов становится все более популярным в различных областях человеческой деятельности, включая:
? Геодезию, картографию и съемку ландшафта;
? Исследование и охрану окружающей среды;
? Поиск и спасение;
? Фото и видеосъемку;
? Доставку грузов и почты;
? Агрономию и земледелие;
? Инспекцию и содержание инфраструктуры;
? Полицейскую деятельность и борьбу с преступностью;
? Мониторинг состояния дорог и дорожного движения.
Беспилотные системы будут все чаще использоваться в коммерческих целях, например, для дистанционного обследования трубопроводов и гидроэлектростанций, наблюдения за лесными пожарами, наблюдения за важнейшими природными ресурсами, оценки стихийных бедствий и ряда других задач. Такое расширение использования возможностей беспилотных летательных аппаратов (БПЛА) приводит к необходимости иметь более высококвалифицированных пилотов БПЛА, операторов датчиков и командиров миссий.
На данный момент российские предприятия эффективно работают над созданием беспилотных летательных аппаратов малого класса. Стоит отметить, что концепция применения бюджетных беспилотников в сфере лесного хозяйства возникла одновременно в нескольких странах. [В. В. Коносевич, В. Л. Сементин, с. 8].
Важную роль в успешном управлении беспилотных летательных аппаратов составляют мелкая моторика и мышечная память. Человек, держащий пульт управления в первый раз, имеет большую вероятность разбить квадрокоптер. При этом к квадрокоптеру может быть прикреплено оборудование, стоимость которого в несколько раз превышает стоимость самого летательного аппарата, такое как гиперспектральная камера. Симуляционное обучение БПЛА позволяет операторам БПЛА тренироваться в реальном времени управлять БПЛА в виртуальной среде, которая является реалистичной и точной, но без рисков и ограничений реального полета.
Цель данной дипломной работы состоит в разработке тренажера для операторов беспилотных летательных аппаратов с шаблонами сценариев разной сложности. Главной задачей проекта является создание сценариев, которые позволят обучающимся практиковать навыки управления и принятие решений в различных ситуациях. Кроме того, тренажер должен быть легко используемым и настраиваемым, чтобы его можно было доработать для различных типов БПЛА и сценариев тренировки.
Задачи работы:
1. Изучить предметную область и литературу.
2. Разработать библиотеку для тренажера.
3. Интегрировать библиотеку в тренажер.
4. Разработать шаблоны сценариев.
Для успешной подготовки и защиты выпускной квалификационной работы использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающие высокую умственную и физическую работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Федеральное агентство лесного хозяйства (Рослесхоз) В. В. Коносевич, В. Л. Сементин, Р. Р. Азметов, Н.А. Коршунов, А. В. Перминов Отчет о научно-исследовательской работе по теме «Разработка научно-методических подходов и технологии использования беспилотных летательных аппаратов в лесном хозяйстве» – с. 7-9
2. Andrew Gibiansky Quadcopter Dynamics, Simulation, and Control –
3. MachineLearning Генетический алгоритм // Профессиональный информационно-аналитический ресурс, посвященный машинному обучению и интеллектуальному анализу данных [сайт].
4. Amit Manocha Three Axis Aircraft Autopilot Control Using Genetic Algorithms: An Experimental Study // Conference: Advance Computing Conference, 2009. IACC 2009. IEEE International – с. 172-173
5. Kenneth O. Stanley, Risto Miikkulainen Efficient Evolution of Neural Network Topologies – с. 1, 6
6. Kenneth O. Stanley, Risto Miikkulainen Evolving Neural Networks through Augmenting Topologies // The MIT Press Journals – с. 106
7. Unreal Engine Plugins // Официальная документация [сайт].
8. NEAT-Python // Официальная документация [сайт].
9. Nicola Valcasara Unreal Engine Game Development Blueprints – Packt Publishing Ltd., 2015 – с. 2
10. Microsoft Преимущества динамической компоновки // Официальная документация Microsoft [сайт].