RU2810247C1 - Способ учета изменения технических характеристик конкретного артиллерийского орудия - Google Patents

Abstract

Способ учета изменения технических характеристик конкретного артиллерийского орудия, при котором на орудие устанавливают счетчик выстрелов с накопительной шкалой фиксации и измеряют геометрические характеристики ствольно-затворной группы. Производят баллистические стрельбы. Данные счетчика выстрелов и замеров баллистических стрельб вводят в модуль компьютерной обработки собранных данных. Полученные поправки сводят в таблицу и используют для уточнения начальной скорости стрельбы конкретного орудия. Технический результат – повышение точности стрельбы. 3 з.п. ф-лы, 3 ил.

Description

Заявляемое изобретение относится к области вооружения и военной техники, в частности к области контроля технического состояния ствольно-затворной группы артиллерийских орудий (СЗГ) и может быть использовано для уточнения поправок к таблицам стрельбы (ТС). Толкование терминов, используемых в заявке. Машинное обучение - класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение предиктивных моделей прогнозированию за счет применения решений множества сходных задач.

Машинное обучение использует статистические модели для анализа уже имеющихся данных и реализации механизма прогнозирования. Модели, основанные на различных алгоритмах машинного обучения, обучаются на предоставляемых выборочных данных, которые должны включать различные признаки, на основе которых происходит прогноз, и соответствующие им значимые данные (прогнозируемые характеристики) (см, например, Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. Издательский дом Вильяме. - 2003. - стр. 369-482 или Вьюгин В. Математические основы машинного обучения и прогнозирования. - Litres. - 2017. - стр. 295-306).

Предиктивные модели - модели предсказательного характера, используемые для прогнозирования будущего поведения объектов и субъектов с целью принятия оптимальных решений.

Таблицы стрельбы - сборник данных и/или математических зависимостей, необходимых для расчета установок прицельных приспособлений, корректирования огня в ходе стрельбы и решения некоторых инженерных задач.

Таблицы стрельбы составляются для артиллерийского орудия данного типа в целом и не учитывают индивидуальные особенности каждого орудия. Для уточнения таблиц стрельбы используются индивидуальные поправки к таблицам стрельбы.

Настрел артиллерийского орудия - термин, характеризующий усредненное количество произведенных выстрелов с поправкой на их баллистический вариант.

Баллистический вариант выстрела - сочетание артиллерийского снаряда с одним из вариантов метательного заряда.

Уровень техники

Разработка таблиц стрельбы является ключевым элементом формирования данных, необходимых для расчета установок для стрельбы, корректирования огня в ходе стрельбы на поражение и решения инженерных задач, требующих существенных временных и финансовых ресурсов. В то же время составленные таблицы стрельбы требуют корректировок, призванных учитывать различные воздействующие на систему «Артиллерийское орудие - снаряд» факторы.

Известны способы определения отклонений от нормальных условий стрельбы путем уменьшения ошибки метеорологической подготовки. Примерами способов-аналогов являются технические решения по патентам: RU 2206042 C1 (10.06.2003); RU 2700709 С1 (19.09.2019), RU 2649051 (29.03.2018).

Недостатком этих комплексов является то, что все они относятся к расчету отклонений в зависимости от метеорологических факторов и не учитывают индивидуальные особенности орудия, в частности его ствольно-затворной группы, влияние которых существенно воздействует на баллистические параметры полета снаряда.

К данным особенностям относятся: удлинение зарядной каморы, разгар канала ствола, величина обтюрации пороховых газов и ряд других характеристик.

Обычные устройства и способы для контроля технического состояния артиллерийских орудий, в частности способы диагностики и аппаратура для диагностики СЗГ, основаны на наблюдении и/или измерении определенных рабочих параметров артиллерийского орудия (далее АО), причем отклонение от заданного значения предполагает проведения мер технического характера (замены ствола, ввода (пересчета) индивидуальных поправок).

Естественно, при этом вывод о необходимой степени воздействия при рассмотрении изолированно измеренных параметров является неточным и подвержен ошибкам.

Следует ожидать, что в суммарной величине поправки учтены не все данные, которые оказывают влияние на дальность и точность стрельбы АО, что не позволяет дать точную оценку или даже предсказание рабочей ситуации.

Способ расчета индивидуальных поправок, реализованный в методиках расчета дальности полета снаряда по результатам измерений рабочих параметров ствольно-затворной группы АО при проведении регламентных работ, принят за прототип.

Для реализации способа организована и функционирует система, состоящая из измерительного и сервисного оборудования, а также личного состава, имеющего достаточный уровень квалификации.

Применяемые в настоящее время в артиллерийских подразделениях артиллерийские баллистические станции (АБС) - это специализированные устройства для замера начальной скорости выстреливаемого из АО снаряда. Современные модели АБС способны служить автоматическим устройством ввода данных о скорости снаряда в боевые информационно-управляющие системы для оперативного вычисления поправок на баллистические условия стрельбы.

Расчет поправок на начальную скорость снаряда является частью баллистической подготовки. Он является необходимым условием для точной стрельбы, поскольку данные о дальности стрельбы приводятся в ТС для усредненного орудия. По мере использования АО происходит износ канала ствола и падение начальной скорости. Знание отклонения начальной скорости от номинальной позволяет компенсировать недолет изменением угла возвышения или мощности метательного заряда. Этот способ выбираем в качестве прототипа.

Для реализации способа организован и функционирует комплекс, включающий полигонное оборудование, систему «артиллерийское орудие - снаряд», измерительное оборудование АБС, счетчик выстрелов, а также обслуживающий персонал, имеющий достаточный уровень квалификации.

Недостатками прототипа являются:

Для работы прототипа необходима АБС, которыми обеспечены далеко не все буксируемые АО;

Получение информации об изменениях в геометрии и перерасчет величины индивидуальных поправок возможны только во время регламентных работ;

Нет зависимости отклонения начальной скорости от количества произведенных выстрелов конкретными баллистическими вариантами снарядов;

Наличие поправок на изменение геометрических характеристик учитывает не все воздействующие на дальность факторы.

Задачей заявляемого изобретения является решение выше перечисленных проблем, а именно, создание способа расчета индивидуальных поправок (далее - исследований) на изменение геометрических параметров СЗГ к таблицам стрельбы в зависимости от количества произведенных выстрелов различными баллистическими вариантами снаряда (далее – поправок на настрел) с помощью метода машинного обучения. Создание предиктивных моделей стрельбы с учетом поправок на настрел позволит повысить точность стрельбы различных типов орудий, не имеющих АБС.

Указанная задача решается за счет реализации совокупности предлагаемых в изобретении инженерных и технологических решений.

Так для составления поправок на настрел аналогично способу - прототипу используются:

устройства и способы контроля технического состояния АО, в частности способы диагностики и аппаратура для диагностики СЗГ;

методика расчета индивидуальных поправок к ТС в зависимости от изменение геометрических параметров СЗГ;

результаты предыдущих испытаний (табличных стрельб).

Технический результат, получаемый при осуществлении изобретения, заключается в повышении точности стрельбы.

В отличие от прототипа, в изобретении технический результат достигается тем, что:

1. На артиллерийское орудие устанавливают счетчик выстрелов, фиксирующий откат СЗГ и, в зависимости от его величины, использованный при выстреле баллистический вариант снаряда.

Накопительная шкала фиксирует итоговый настрел орудия. Известны промышленно применимые образцы данных счетчиков, приведенные в патентах SU 39 606 A1 (09.10.1933), SU 41880 A1 (28.02.1935), RU 20140126473 U (30.06.2014), RU 87012 U1 (13.04.2009).

2. Используя в качестве входных данных результаты баллистических стрельб, полученные путем замера АБС, а также данные счетчика выстрелов, посредством алгоритмов машинного обучения анализируется зависимость начальной скорости снаряда от произведенного настрела, создают базовые предиктивные модели для прогнозирования поправок на настрел при стрельбе из каждого типа орудия.

3. Используя в качестве входных данных базовые предиктивные модели для прогнозирования поправок на настрел при стрельбе из конкретного типа орудия, а также имеющиеся в ТС поправки на геометрические характеристики СЗГ посредством машинного обучения создают предиктивные модели второй группы для определения зависимости настрела орудия от его геометрических характеристик.

4. Используя в качестве входных данных базовые предиктивные модели для прогнозирования поправок на настрел при стрельбе из данного типа орудия, а также информацию о настреле конкретного орудия данного типа, полученную путем применения предиктивных моделей второй группы, получают индивидуальные поправки для данного орудия в зависимости от его настрела.

5. Полученные поправки сводят в таблицу и используют для уточнения начальной скорости стрельбы конкретного орудия без использования АБС, во время проведения регламентных работ индивидуальные поправки на настрел уточняют в зависимости от измеренных геометрических характеристик.

6. Полученные данные прогнозирования поправок на настрел вносят в базу данных, оценивают текущую точность прогнозирования и значимость новых исследований для повышения текущей точности стрельбы и, по результатам оценки текущей точности стрельбы, используют для корректировки программы и объема требуемых испытаний.

Предлагаемый способ повышает точность стрельбы артиллерийских орудий путем получения индивидуальных поправок на настрел в межрегламентный период без использования АБС.

Краткое описание чертежей

Изобретение поясняется чертежами, где:

на фиг. 1 приведена блок-схема системы организационных, технологических, аппаратных и программных средств, применяемых для составления таблиц поправок,

на фиг. 2 - модуль формирования поправок на настрел,

на фиг. 3 - блок-схема способа составления таблиц поправок на настрел с помощью методов машинного обучения.

Система, представленная на фиг. 1, содержит:

программу исследований 1;

полигонный комплекс 2;

артиллерийские орудия 2.1;

артиллерийская баллистическая станция 2.2;

счетчик количества выстрелов с их баллистическими вариантами 2.3;

измерительное и контрольное полигонное оборудование 2.4;

препроцессор 3;

модуль формирования поправок на настрел 4;

модуль оценки качества поправок на настрел 5;

модуль 6 оптимизации программы и объема баллистических стрельб и расчетов.

Модуль формирования поправок на настрел, представленный на фиг. 2, содержит:

Процесс проведения баллистических стрельб для получения поправок на настрел, включающий:

- базу данных по настрелу, начальной скорости, воздействующих на систему «артиллерийское орудие - снаряд» факторов 7;

- предиктивная модель первого типа для прогнозирования поправок на настрел для каждого типа орудия 8.

Процесс получения зависимостей настрела артиллерийского орудия от его геометрических характеристик, включающий:

- таблицы стрельбы с поправками на геометрические характеристики СЗГ на артиллерийском орудии данного типа 9;

- предиктивная модель второго типа для прогнозирования зависимости настрела орудия от его геометрических характеристик 10.

Процесс составления таблиц индивидуальных поправок на настрел конкретного артиллерийского орудия, включающий:

- измерение геометрических характеристик СЗГ АО во время регламентных работ 11;

- определение настрела артиллерийского орудия 12;

- уточнение индивидуальных поправок артиллерийского орудия на настрел 13;

- таблица индивидуальных поправок на настрел конкретного артиллерийского орудия 14.

Способ организации получения поправок на настрел с помощью метода машинного обучения, представленный на фиг. 3, содержит следующие операции:

пополнение базы данных результатами исследований 15;

препроцессинг результатов исследований 16;

прогнозирование поправок на настрел из каждого типа орудия 17;

оценка текущей степени отработки таблиц поправок на настрел 18;

оптимизация программы и объемов исследований 19;

формирование индивидуальных поправок на настрел артиллерийских орудий 20.

Осуществление изобретения

Дальность стрельбы АО зависит от достаточно большого количества воздействующих на него факторов:

где V₀ - начальная скорость снаряда;

θ₀ - угол бросания;

С - баллистический коэффициент;

ΔW_x - продольная составляющая ветра;

Т_в - температура воздуха;

ΔН - отклонение наземного давления воздуха от нормального.

В свою очередь начальная скорость является функцией от:

где Δλ₀ - изменение геометрических размеров (длины) зарядной каморы;

- изменение геометрических размеров (длины нарезной части) ствола;

Δm_сн - отклонение массы снаряда от нормальной;

Δm_зар - отклонение массы заряда от нормальной;

ΔT_зар - отклонение температуры воздуха от нормальной;

Х_пр - прочие воздействующие факторы.

Таким образом, из (2) видно, что дальность и, соответственно, точность стрельбы зависит от геометрических характеристик СЗГ АО.

Определение отклонения начальной скорости снаряда V₀, вызываемое износом канала ствола, производится следующими способами:

с помощью АБС;

по зависимости изменения начальной скорости ΔV₀ от числа выстрелов N (настрела);

по зависимости изменения начальной скорости AV₀ от удлинения зарядной каморы Δλ₀.

Данные зависимости приводятся в таблицах стрельбы.

Недостатком расчета предлагаемыми способами является:

- организационно-техническая сложность применения АБС;

- отсутствие счетчиков настрела на АО;

- необходимость проведения регламентных работ для измерения удлинения зарядной каморы;

- отсутствие зависимости начальной скорости снаряда от настрела и/или удлинения зарядной каморы для целого ряда артиллерийских орудий.

В основе изобретения лежит способ расчета поправок на настрел относительно развивающихся в АО геометрических и физико-химических изменений (далее - отклонений) после каждого выстрела. При этом должна быть, в частности, достижима высокая точность предсказания отклонений.

Для обеспечения способа составления таблиц стрельбы артиллерийских орудий с помощью методов машинного обучения (далее - Способа) используется система взаимосвязанных организационных, технологических, аппаратных и программных средств проведения исследований (далее - Система). В дополнение к стандартному комплексу полигонного оборудования, в Систему добавлен счетчик выстрелов (модуль 2.3 фиг. 1), разрабатываемый к уже существующим орудиям и представляющий собой механический прибор, фиксирующий откат СЗГ и, в зависимости от его величины, использованный при выстреле баллистический вариант снаряда. Накопительная шкала фиксирует итоговый настрел орудия.

Предлагаемый Способ представляет собой процесс осуществления действий над Системой, обеспечивающей получение индивидуальных поправок с минимальным количеством стрельб и сокращение времени на получение необходимой информации по информации из базы данных в виде таблиц поправок, содержащихся в таблицах стрельбы. Сокращение времени на получение необходимой информации из базы данных происходит за счет постоянного определения степени полноты базы данных и формирования рекомендаций по корректировке комплекса проведения исследований. Система принимает на вход результаты части исследований и генерирует новые данные о индивидуальных поправках, а также выполняет оценку полноты описания таблиц поправок, на основании чего происходит оптимизация объемов дальнейших исследований.

Система выполняет автоматизированное управление циклом исследований с помощью постоянной оптимизации программ и планов-графиков исследований, а также выдает рекомендации на прекращение исследований в соответствии с заранее заданными критериями.

Система может содержать препроцессор 3 фиг. 1 результатов исследований, предназначенный для формирования единой согласованной базы данных исследований из различных источников информации.

Как показано на фиг. 1, Система содержит базу данных 1 в виде таблиц поправок (в составе таблиц стрельбы), предназначенную для хранения результатов исследований из различных источников информации. В базу данных 1 поступают результаты расчетов поправок, которые вычисляются по уравнениям внешней баллистики с использованием опытных значений некоторых параметров, определяемых по результатам сравнительно небольшого количества стрельб. Опытные данные, необходимые для расчета и составления таблиц стрельбы, определяют в результате проведения баллистических стрельб фиг. 2. Полученные в каждой стрельбе данные нормализуются, то есть приводятся к нормальным и табличным условиям, затем проводится согласование результатов расчетов с опытными данными. В результате обработки опытных данных стрельб получают значения поправок на настрел для всех отстрелянных углов бросания и зарядов, после чего интерполированием определяются табличные поправки для каждого заряда. Также в таблицы стрельбы добавляются результаты прогнозирования поправок на настрел, получаемые при осуществлении предлагаемого способа.

Система также содержит модуль 4 формирования поправок на настрел.

На фиг. 2 поясняется принцип работы модуля 4 фиг. 1 формирования поправок на настрел, предназначенного для получения таблицы индивидуальных поправок на настрел конкретного АО.

Данный модуль предназначен для прогнозирования таких характеристик, как значения поправок на настрел для каждого типа орудия, зависимости настрела орудия от его геометрических характеристик, а также значений индивидуальных поправок на настрел конкретного АО. Прогноз данных характеристик осуществляется на основе уже имеющихся и формирует полный набор поправок каждого вида артиллерийских орудий. В процессе работы модуль 4 использует алгоритмы машинного обучения, обученные на результатах предыдущих исследований для выстрелов разных типов. Модуль 4 позволяет определить индивидуальные поправки на настрел конкретных орудий за счет прогнозирования зависимости настрела орудия от его геометрических характеристик, определяемых в процессе исследований фиг. 2.

Модуль 5 оценки качества поправок на настрел предназначен для оценки текущей степени разработки и качества таблиц поправок на основе точности прогноза полученных в модуле 4 результатов прогнозирования.

В Системе содержится модуль 6 оптимизации программы и объема исследований, предназначенный для корректировки программы и объема исследований по результатам оценки текущего уровня отработки таблиц поправок. Основная задача модуля 6 - автоматизированное управление циклом исследований от разработки первичных программ и планов-графиков исследований до их постоянной оптимизации, и выдачи рекомендаций на прекращение исследований. Модуль 6 позволяет спланировать исследования в автоматическом режиме, что исключает возможность негативного влияния человеческого фактора и ускоряет процесс исследований.

Система оптимизации составления таблиц стрельбы артиллерийских орудий дополнительно может содержать препроцессор 3 результатов исследований, предназначенный для формирования единой согласованной базы данных исследований из различных источников информации. Данные, поступающие в базу данных 1, могут представлять собой набор файлов, имеющих различный формат, структуру и степень информативности или детализации результатов исследований. Среди других проблем качества данных можно выделить наличие большого количества пропусков в данных (когда тот или иной эксперимент охарактеризован только частью параметров), опечатки, ошибки в форматах записи числовых значений.

Для решения описанных проблем и предназначен препроцессор 3 - модуль компьютерной обработки собранных данных. Данный модуль производит агрегирование данных по измерениям различного формата в единую базу данных с применением интеллектуальных алгоритмов приближенного поиска соответствий и исправления ошибок. Препроцессор 3 использует методы искусственного интеллекта для выполнения одного или нескольких действий, выбранных из группы:

- приведение собранных данных к единому формату, включающее выравнивание размерностей и единиц измерения;

- выявление с помощью методов машинного обучения аномальных данных: пропусков, выбросов, некорректных значений, фактов перекалибровки датчиков в процессе экспериментов.

Далее на фиг. 3 описан способ составления таблиц поправок на настрел артиллерийских орудий с помощью методов машинного обучения.

На вход Системы, представленной на фиг. 1, подается первичная программа исследований. Здесь с учетом заданных ограничений (бюджет, сроки, оборудование и пр.) происходит планирование исследований и формируются планы-графики и дорожные карты исследований, которые поступают исполнителям для выполнения. В соответствии с блоком 15, по мере выполнения исследований, их результаты непрерывно или с определенной периодичностью поступают в таблицу поправок (таблицы поправок 1 на фиг. 1). В соответствии с одним из вариантов реализации изобретения посредством препроцессора 3 на фиг. 1 осуществляют препроцессинг результатов исследований (блок 16 на фиг. 3) - формируют единую согласованную базу данных таблиц поправок из различных источников информации (файлов). Препроцессинг также включает выгрузку и сопряжение данных из различных баз данных. Препроцессинг данных может быть выполнен с помощью поиска и анализа компетентным пользователем системы.

Одна из функций блока препроцессинга результатов лабораторных исследований 16 - приведение собранных данных к единому формату, выравнивание размерностей и единиц измерения (с помощью таблиц перевода известных размерностей и правил и пр.).

Еще одна функция блока 16 «выявление аномальных данных» использует алгоритмы машинного обучения для определения наличия в результатах лабораторных исследований аномалий, соответствующих пропускам, выбросам, некорректным значениям (например, значения, во много десятков раз превышающие физически обоснованные значения) и маркирует их в соответствии с выявленной аномалией.

В блоке 17 результаты исследований поступают на вход модуля формирования поправок на настрел 4 на фиг. 1. В данном модуле формируется каскад базовых предиктивных моделей (фиг. 2), основывающихся на алгоритмах машинного обучения (линейные регрессии, деревья решений, градиентный бустинг, метод опорных векторов, искусственные нейронные сети и пр.).

К первой группе базовых предиктивных моделей, формирующих каскад, относятся модели, которые позволяют получить наиболее точный прогноз поправок на настрел, используя при этом сформированную систему исходных данных о характеристиках выстрела, орудия и результаты баллистических стрельб. Облегчает задачу наличие ранее уже составленных таблиц стрельбы, на которых, используя алгоритмы машинного обучения, можно организовать первичное обучение предиктивной модели.

В качестве исходных данных используются нормальные и табличные условия и ограничения, к которым относятся:

- топографические условия;

- баллистические условия;

- метеорологические условия;

- тактико-технические характеристики орудия;

- исходные данные по каждому заряду;

- исходные данные по каждому баллистическому варианту снаряда, такие как угол бросания, коэффициент формы, коэффициент внутренней баллистики, срединные отклонения и другие.

Посредством базовых предиктивных моделей могут быть определены такие характеристики, как поправки на настрел для каждого типа орудия.

Ко второй группе предиктивных моделей, формирующих каскад, относятся модели, которые в качестве входных признаков используют таблицы с поправками на геометрические характеристики СЗГ на АО данного типа. Модели второй группы позволяют предсказывать характеристики прогнозирования зависимости настрела орудия от его геометрических характеристик.

Разнообразие предиктивных моделей определяется наличием значительного количества данных, достаточных для обучения алгоритмов машинного обучения. Еще одним требованием построения точных моделей является представительность данных.

Высокая предиктивная способность моделей ограничена тем диапазоном признаков, в котором они были обучены.

Для повышения точности прогнозирования характеристик, в качестве дополнительных входных данных моделей могут быть использованы индивидуальные поправки артиллерийских орудий.

Все спрогнозированные характеристики пополняют базу данных таблиц поправок (модуль 3 на фиг. 1).

Полученная в модуле 10 фиг. 2 предиктивная модель второго рода предназначена для получения таблицы индивидуальных поправок на настрел конкретного АО 14. Для этого во время регламентных работ производится измерение геометрических характеристик СЗГ АО (модуль 11). Подставляя измеренные значения в модель 10 определяем настрел АО (модуль 12). Полученные данные совместно с моделью прогнозирования поправок на настрел 8 являются исходными для уточнения индивидуальных поправок АО на настрел 13, результатом чего является сформированная таблица индивидуальных поправок на настрел конкретного АО 14. Для контроля настрела АО в его состав добавляется счетчик количества выстрелов с их баллистическими характеристиками (модуль 2.3 фиг. 1). Данный счетчик устанавливает связь между количеством циклов откат-накат и длиной отката с произведенным настрелом.

Затем, в соответствии с блоком 18 на фиг. 3 посредством модуля 5 на фиг. 1 оценки качества отработки таблиц поправок (VOI) (Value of Information) оценивают текущую степень отработки таблиц поправок и значимость новых исследований для повышения текущей степени отработки на основе точности прогноза результатов различных видов исследований.

VOI или «ценность информации» - одно из важных свойств информации, оценка которого зависит от целей процессов ее генерации и обработки.

Концепция VOI рассматривается специальными теориями информации и теорией принятия решений (см., например, Харкевич А.А., О ценности информации. Проблемы кибернетики. - 1960. - Вып. 4. - с. 53, или Howard R.A. Information value theory, IEEE Transactions on systems science and cybernetics. - 1966. - т. 2. - №. 1-е. 22-26).

В случае достижимости цели несколькими возможными путями VOI можно определить по приносимому этой информацией сокращению затрат ресурсов (материальных, временных). Чем более информация ведет к достижению цели, чем более она полезна, тем больше VOI. Оценка VOI происходит в модуле оценки качества таблиц поправок 5 на фиг. 1.

В качестве VOI может быть выбрана точность прогноза поправок модулем прогнозирования результатов исследований (модуль 4 на фиг. 1). В качестве метрик точности прогноза могут использоваться: коэффициент детерминации (R²), среднеквадратическая ошибка прогноза (MSE); средняя абсолютная ошибка прогноза (МАЕ) и пр. В рассматриваемом варианте VOI может оцениваться для каждого типа исследований независимо. Количественное выражение VOI будет зависеть от требований к точности прогноза характеристик. Например, пусть необходимой точностью прогноза какой-либо характеристики является значение R₂ ² (R₂ ² не может быть лучше, чем для обученной модели). Тогда при достижении данного условия VOI для любого последующего измерения будет равняться нулю. В начальный момент времени значение VOI максимально - любая новая информация позволит выполнить оценку метрик точности прогноза алгоритмов, обученных на исторических данных по объектам аналогам. Таким образом, VOI в начальный момент времени можно приравнять к единице при некотором начальном значении R₀ ². Тогда для каждого i-ого вида исследований VOI на каждом шаге цикла оптимизации исследований может быть оценен как

Если для каждого результата, отобранного на текущем цикле исследований, прогноз рассматриваемой характеристики удовлетворяет критерию точности, то VOI≤0, а в новой программе исследований соответствующий вид исследований будет отсутствовать. В случае же когда VOI>0, происходит дообучение предиктивной модели из модуля прогноза результатов исследований на новых данных и выдача рекомендаций по расширению программы исследований дополнительными баллистическими стрельбами по определению рассматриваемой характеристики.

В другом варианте осуществления системы в качестве VOI может быть выбран диапазон доверительного интервала. В этом случае условием равенства VOI нулю будет являться снижение диапазона доверительного интервала после цикла дообучения предиктивной модели до заданного уровня.

В соответствии с блоком 19 на фиг. 3, в зависимости от степени отработки таблиц поправок (VOI), модуль оптимизации программы и объема баллистических стрельб и расчетов (модуль 6 на фиг. 1) непрерывно контролирует и по необходимости вносит корректировки, а также уточняет план-график проведения работ. Планы-графики могут быть сгенерированы с учетом таких факторов, как:

- ожидаемый бюджет исследований;

- ожидаемые сроки исследований;

- доступные мощности;

- шкала приоритетов по исследованиям;

- история исследований по объекту (если программа не первичная) и других.

Система работает в итерационном режиме: корректировка программы и плана-графика исследований происходит циклически по мере поступления новых данных пока не будет достигнут определенный уровень отработки таблиц стрельбы (VOI>0). Если VOI≤0, то система выдает стоп-сигнал о прекращении исследований вследствие достижения заданного уровня отработки. Если VOI>0, то система выполняет корректировку программы исследований с учетом значимости каждого последующего исследования. На основе скорректированной программы формируют и новые планы и графики исследований.

Таким образом, к основным данным, генерируемым системой при оптимизации лабораторных исследований, относятся:

- величина VOI каждого баллистического варианта снаряда и каждого типа артиллерийского орудия;

- скорректированная программа исследований отрабатываемой таблицы поправок или стоп-сигнал о прекращении исследований.

Промышленная применимость способа обеспечивается наличием элементной базы, на основе которой могут быть выполнены устройства, реализующие данный способ.

Предлагаемый способ учета изменения технических характеристик конкретного артиллерийского орудия и составления таблиц поправок с помощью методов машинного обучения может быть реализован с помощью аппаратных и программных средств и используемого в настоящее время полигонного комплекса. Для аппаратной части реализации устройство должно содержать, по крайней мере, процессор и постоянное запоминающее устройство (ПЗУ). Для программной части реализации предлагаемый способ может представлять собой набор функциональных модулей (функции или классы), написанных на языках программирования (например, С++, Python). Программный код может храниться в блоках памяти ПЗУ и извлекаться процессором для выполнения.

Таким образом, технический результат, получаемый при осуществлении изобретения, заключается в повышении точности стрельбы.

Claims (4)

1. Способ учета изменения технических характеристик конкретного артиллерийского орудия, заключающийся в том, что при проведении регламентных работ на артиллерийское орудие устанавливают счетчик выстрелов, фиксирующий откат ствольно-затворной группы (СЗГ) с накопительной шкалой фиксации итогового настрела орудия и измеряют геометрические характеристики ствольно-затворной группы для уточнения индивидуальных поправок на настрел.

2. Способ по п. 1, отличающийся тем, что производят баллистические стрельбы баллистическим вариантом снаряда для получения данных замеров баллистических стрельб артиллерийской баллистической станцией (АБС).

3. Способ по любому из пп. 1 или 2, отличающийся тем, что данные счетчика выстрелов и замеров баллистических стрельб вводят в модуль компьютерной обработки собранных данных, представляющий собой процессор с постоянным запоминающим устройством (ПЗУ) для получения индивидуальных поправок для данного орудия в зависимости от его настрела.

4. Способ по любому из пп. 1-3, отличающийся тем, что полученные поправки сводят в таблицу и используют для уточнения начальной скорости стрельбы конкретного орудия.