Розробка гібридної нечіткої системи підтримки прийняття рішень для оцінювання ефективності артилерійського вогню в умовах дії невизначених збурень

Автор(и)

  • Максим Віталійович Максимов Національний університет «Одеська політехніка», Україна https://orcid.org/0000-0002-7536-2570
  • Олексій Валерійович Козлов Чорноморський національний університет імені Петра Могили, Україна https://orcid.org/0000-0003-2069-5578
  • Олексій Максимович Максимов Інститут Військово-Морських Сил Національного університету «Одеська морська академія», Україна https://orcid.org/0000-0003-2504-0853
  • Руслан Миколайович Рябошапка Національний університет «Одеська політехніка», Україна https://orcid.org/0009-0004-2068-0290

DOI:

https://doi.org/10.15587/2706-5448.2026.351953

Ключові слова:

артилерійська стрільба, оцінка ефективності, знос ствола, система підтримки прийняття рішень, нечітка логіка

Анотація

Об’єктом дослідження є процеси визначення ефективності вогню артилерійських установок в умовах дії невизначених збурень, до яких відносяться зношення ствола гармати, зниження якості зарядів та снарядів певної партії. У даній роботі вирішувалася проблема забезпечення адекватності оцінювання ефективності артилерійського вогню у випадках, коли параметри ствола гармати, якість порохових зарядів або снарядів відхиляються від номінальних значень та визначаються неточно.

У дослідженні використовувалися методи нечіткої логіки для формалізації процесів прийняття рішень в умовах невизначеності, а також методи математичного моделювання та статистичного аналізу для симуляції послідовностей стрільб і визначення оцінок ефективності.

Розроблено та апробовано гібридну нечітко-логічну систему підтримки прийняття рішень (СППР), яка дозволяє здійснювати комплексне та високоточне оцінювання ефективності вогню артилерійських установок. При формуванні оцінок наведена СППР враховує три ключові параметри, що характеризують найбільш суттєві джерела невизначеності: зношення ствола, зниження якості зарядів, зниження якості снарядів.

Одержано результати обчислювальних експериментів для різних реалістичних сценаріїв артилерійського вогню. У свою чергу, досліджувалися артилерійські установки з початковими значеннями зносу ствола 0,1 та 0,25 при застосуванні зарядів та снарядів різної якості. В ході проведених експериментів встановлено, що запропонована система забезпечує отримання адекватної, практично корисної оцінки ефективності вогню артилерійських установок за реалістичних умов невизначеності. Зокрема, розраховані значення ефективності протягом усього процесу стрільби змінювалися не більше ніж на 12% у перших трьох експериментах та не більше 21% у наступних трьох.

Розроблена СППР може бути застосована у сучасних артилерійських комплексах для підвищення ефективності прийняття керувальних рішень, зменшення частки промахів, економії дефіцитних боєприпасів і зниження ризику ураження техніки та особового складу.

Біографії авторів

Максим Віталійович Максимов, Національний університет «Одеська політехніка»

Доктор технічних наук, професор

Кафедра програмних і комп’ютерно-інтегрованих технологій

Олексій Валерійович Козлов, Чорноморський національний університет імені Петра Могили

Доктор технічних наук, професор

Кафедра інтелектуальних інформаційних систем

Олексій Максимович Максимов, Інститут Військово-Морських Сил Національного університету «Одеська морська академія»

Доктор філософії, доцент

Кафедра радіотехнічного озброєння, зв’язку та робототехніки

Руслан Миколайович Рябошапка, Національний університет «Одеська політехніка»

Кафедра програмних і комп’ютерно-інтегрованих технологій

Посилання

  1. Bartulović, V., Trzun, Z., Hoić, M. (2023). Use of Unmanned Aerial Vehicles in Support of Artillery Operations. Strategos, 7 (1), 71–92. Available at: https://hrcak.srce.hr/305562
  2. Chávez, K., Swed, O. (2023). Emulating underdogs: Tactical drones in the Russia-Ukraine war. Contemporary Security Policy, 44 (4), 592–605. https://doi.org/10.1080/13523260.2023.2257964
  3. Oprean, L.-G. (2023). Artillery and Drone Action Issues in the War in Ukraine. Scientific Bulletin, 28 (1), 73–78. https://doi.org/10.2478/bsaft-2023-0008
  4. Świętochowski, N. (2023). Field Artillery in the defensive war of Ukraine 2022-2023Part I. Combat potential, tasks and tactics. Scientific Journal of the Military University of Land Forces, 210 (4), 341–358. https://doi.org/10.5604/01.3001.0054.1631
  5. Świętochowski, N. (2024). Field Artillery in the defensive war of Ukraine 2022-2023. Part II. Methods of task implementation. Scientific Journal of the Military University of Land Forces, 211 (1), 57–76. https://doi.org/10.5604/01.3001.0054.4136
  6. Brzozowski, M., Pakowski, M., Nowakowski, M., Myszka, M., Michalczewski, M. (2019). Radars with the function of detecting and tracking artillery shells – selected methods of field testing. 2019 IEEE 5th International Workshop on Metrology for AeroSpace (MetroAeroSpace). Turin, 429–434. https://doi.org/10.1109/metroaerospace.2019.8869656
  7. Kislitsyn, A., Dorofeev, N. (2021). Directions for the development of domestic self-propelled artillery systems based on the analysis of samples of artillery weapons from the leading countries of the world. Social Development and Security, 11 (6), 98–107. https://doi.org/10.33445/sds.2021.11.6.7
  8. Ganjiyev, S. J., Usmonov, S. R., Karimov, A. Kh. (2023). Use of artillery in modern war: a brief analysis of the Ukrainian conflict. Galaxy International Interdisciplinary Research Journal, 11 (3), 118–121. Available at: https://internationaljournals.co.in/index.php/giirj/article/view/3646
  9. Oprean, L.-G. (2020). Artillery from the Perspective of Firing Effects and Ensured Capabilities. Scientific Bulletin, 25 (2), 107–113. https://doi.org/10.2478/bsaft-2020-0015
  10. Petlyuk, I., Shchavinsky, Y. (2021). Use of simulation modeling systems for determination of appropriate characteristics of prospective artillery weapons. Collection of Scientific Works of Odesa Military Academy, 1 (14), 11–22. https://doi.org/10.37129/2313-7509.2020.14.1.11-22
  11. STANAG 4355 The Lieske modified point mass and five degrees of freedom trajectory models – AOP-4355 EDITION A (2022). Washington: United States Department of Defense. Available at: https://quicksearch.dla.mil/qsDocDetails.aspx?ident_number=107513
  12. Zhuravlev, А., Orlov, S., Shuliakov, S. (2020). Mathematical model of the flight path of a projectile of a long-range artillery system. Systems of Arms and Military Equipment, 3 (63), 62–68. https://doi.org/10.30748/soivt.2020.63.09
  13. Khalil, M. (2022). Study on modeling and production inaccuracies for artillery firing. Archive of Mechanical Engineering, 69 (1), 165–183. https://doi.org/10.24425/ame.2021.139802
  14. Khudov, H., Yuzova, I., Lisohorskyi, B., Solomonenko, Y., Mykus, S., Irkha, A. et al. (2021). Development of methods for determining the coordinates of firing positions of roving mortars by a network of counter-battery radars. EUREKA: Physics and Engineering, 3, 140–150. https://doi.org/10.21303/2461-4262.2021.001821
  15. Shim, Y., Atkinson, M. P. (2018). Analysis of artillery shoot‐and‐scoot tactics. Naval Research Logistics, 65 (3), 242–274. https://doi.org/10.1002/nav.21803
  16. Grishyn, M., Maksymova, O., Kirkopulo, K., Klymchuk, O. (2025). Development of methods of artillery control for suppression of an enemy amphibious operation in video game simulations. Technology Audit and Production Reserves, 1 (2 (81)), 26–33. https://doi.org/10.15587/2706-5448.2025.321797
  17. Wang, X., Li, X., Sun, Q., Xia, C., Chen, Y.-H. (2025). Improved Manta Ray Foraging Optimization for PID Control Parameter Tuning in Artillery Stabilization Systems. Biomimetics, 10 (5), 266. https://doi.org/10.3390/biomimetics10050266
  18. Xiao, H., Yang, G., Ge, J. (2017). Surrogate-based multi-objective optimization of firing accuracy and firing stability for a towed artillery. Journal of Vibroengineering, 19 (1), 290–301. https://doi.org/10.21595/jve.2016.17108
  19. Mady, M., Khalil, M., Yehia, M. (2020). Modelling and Production of artillery firing-tables: case-study. Journal of Physics: Conference Series, 1507 (8), 082043. https://doi.org/10.1088/1742-6596/1507/8/082043
  20. Manev, N., Achkoski, J., Petreski, D., Gocic, M., Rancic, D. (2017). Smart field artillery information system: Model development with an emphasis on collisions in single sign-on authentication. Vojnotehnicki Glasnik, 65 (2), 442–463. https://doi.org/10.5937/vojtehg65-12703
  21. Sun, Y., Zhang, S., Lu, G., Zhao, J., Tian, J., Xue, J. (2022). Research on a Simulation Algorithm for Artillery Firepower Assignment According to Region. 2022 3rd International Conference on Computer Science and Management Technology (ICCSMT). Shanghai, 353–356. https://doi.org/10.1109/iccsmt58129.2022.00082
  22. Wang, L., Chen, Z., Yang, G. (2021). An Uncertainty Analysis Method for Artillery Dynamics with Hybrid Stochastic and Interval Parameters. Computer Modeling in Engineering & Sciences, 126 (2), 479–503. https://doi.org/10.32604/cmes.2021.011954
  23. Litsman, A., Nesterov, D. (2020) Definitions degree of influence of individual factors on mechanical equipment failure rate during artillery operation. Collection of scientific works of the National Academy of the State Border Guard Service of Ukraine. Series: Military and Technical Sciences, 80, 283–99. https://doi.org/10.32453/3.v80i2.204
  24. Kumar, D., Kalra, S., Jha, M. S. (2022). A concise review on degradation of gun barrels and its health monitoring techniques. Engineering Failure Analysis, 142, 106791. https://doi.org/10.1016/j.engfailanal.2022.106791
  25. Shen, C., Zhou, K., Lu, Y., Li, J. (2019). Modeling and simulation of bullet-barrel interaction process for the damaged gun barrel. Defence Technology, 15 (6), 972–986. https://doi.org/10.1016/j.dt.2019.07.009
  26. Dobrynin, Y., Maksymov, M., Boltenkov, V. (2020). Development of a method for determining the wear of artillery barrels by acoustic fields of shots. Eastern-European Journal of Enterprise Technologies, 3 (5 (105)), 6–18. https://doi.org/10.15587/1729-4061.2020.206114
  27. Boltenkov, V., Brunetkin, O., Dobrynin, Y., Maksymova, O., Kuzmenko, V., Gultsov, P. et al. (2021). Devising a method for improving the efficiency of artillery shooting based on the Markov model. Eastern-European Journal of Enterprise Technologies, 6 (3 (114)), 6–17. https://doi.org/10.15587/1729-4061.2021.245854
  28. Toshev, O., Kirkopulo, K., Klymchuk, O., Maksymov, M. (2025). Optimization of ammunition preparation strategies for modern artillery operations in computer simulation. Technology Audit and Production Reserves, 2 (2 (82)), 50–57. https://doi.org/10.15587/2706-5448.2025.326225
  29. Mendel, J. M. (2024). Explainable Uncertain Rule-Based Fuzzy Systems. Cham: Springer, 580. https://doi.org/10.1007/978-3-031-35378-9
  30. Kondratenko, Y., Kozlov, O., Zheng, Y., Wang, J., Kuzmenko, V., Aleksieieva, A. B. (2024) Bio-inspired optimization of fuzzy control system for inspection robotic platform: comparative analysis of hybrid swarm methods. CEUR Workshop Proceedings, 3711, 109–123. Available at: https://ceur-ws.org/Vol-3711/paper7.pdf
  31. Skakodub, O., Kozlov, O., Kondratenko, Y. (2021). Optimization of Linguistic Terms’ Shapes and Parameters: Fuzzy Control System of a Quadrotor Drone. 2021 11th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS), 566–571. https://doi.org/10.1109/idaacs53288.2021.9660926
  32. Kozlov, O. (2021). Information Technology for Designing Rule bases of Fuzzy Systems using Ant Colony Optimization. International Journal of Computing, 20 (4), 471–486. https://doi.org/10.47839/ijc.20.4.2434
  33. Congxiang, L., Kozlov, O., Kondratenko, G., Aleksieieva, A. (2024). Decision Support System for Maintenance Planning of Vortex Electrostatic Precipitators Based on IoT and AI Techniques. Research Tendencies and Prospect Domains for AI Development and Implementation. New York: River Publishers, 87–105. https://doi.org/10.1201/9788770046947-5
  34. Solesvik, M., Kondratenko, Y., Kondratenko, G., Sidenko, I., Kharchenko, V., Boyarchuk, A. (2017). Fuzzy decision support systems in marine practice. 2017 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), 1–6. https://doi.org/10.1109/fuzz-ieee.2017.8015471
  35. Maksymov, M., Kozlov, O., Dobrynin, Y., Sidelnykov, O., Kapalin, V., Vodichev, V. (2025). Verification of artillery systems’ shots: selection of the most appropriate sensors based on the fuzzy evaluation model. EUREKA: Physics and Engineering, 2, 199–210. https://doi.org/10.21303/2461-4262.2025.003662
  36. Pedrycz, W., Li, K., Reformat, M. (2015). Evolutionary Reduction of Fuzzy Rule-Based Models. Fifty Years of Fuzzy Logic and Its Applications. Cham: Springer, 459–481. https://doi.org/10.1007/978-3-319-19683-1_23
  37. Volna, E. (2017). Fuzzy-based decision strategy in real-time strategic games. AIP Conference Proceedings, 1906, 080002. https://doi.org/10.1063/1.5012346
  38. Werners, B., Kondratenko, Y. (2017). Alternative Fuzzy Approaches for Efficiently Solving the Capacitated Vehicle Routing Problem in Conditions of Uncertain Demands. Complex Systems: Solutions and Challenges in Economics, Management and Engineering. Cham: Springer, 521–543. https://doi.org/10.1007/978-3-319-69989-9_31
  39. Raskin, L., Sira, O. (2020). Development of methods for extension of the conceptual and analytical framework of the fuzzy set theory. Eastern-European Journal of Enterprise Technologies, 6 (4 (108)), 14–21. https://doi.org/10.15587/1729-4061.2020.217630
  40. Kozlov, O. V. (2021). Optimal Selection of Membership Functions Types for Fuzzy Control and Decision Making Systems. CEUR Workshop Proceedings, 2853, 238–247. Available at: https://ceur-ws.org/Vol-2853/paper22.pdf
  41. Kozlov, O., Kondratenko, G., Aleksieieva, A., Maksymov, M. (2025). Complex Structural-Parametric Optimization of Fuzzy Control Systems Based on Bioinspired Algorithms. CEUR Workshop Proceedings, 4048, 1–15. Available at: https://ceur-ws.org/Vol-4048/paper01.pdf
  42. Kozlov, O., Kondratenko, G., Aleksieieva, A., Maksymov, M., Tarakhtij, O. (2024). Swarm optimization of the drone’s intelligent control system: comparative analysis of hybrid techniques. CEUR Workshop Proceedings, 3790, 1–12. https://ceur-ws.org/Vol-3790/paper01.pdf
  43. Maksymov, M., Kozlov, O., Shynder, A., Maksymova, O., Aleksieieva, A. (2025). Development of mathematical models for temperature control objects in thermal destruction systems based on transient process identification. EUREKA: Physics and Engineering, 3, 207–220. https://doi.org/10.21303/2461-4262.2025.003802
Development of a hybrid fuzzy decision support system for assessing the effectiveness of artillery fire in conditions of uncertain disturbances

##submission.downloads##

Опубліковано

2026-04-30

Як цитувати

Максимов, М. В., Козлов, О. В., Максимов, О. М., & Рябошапка, Р. М. (2026). Розробка гібридної нечіткої системи підтримки прийняття рішень для оцінювання ефективності артилерійського вогню в умовах дії невизначених збурень. Technology Audit and Production Reserves, 2(2(88), 48–57. https://doi.org/10.15587/2706-5448.2026.351953

Номер

Том 2 № 2(88) (2026): Інформаційно-керуючі системи

Розділ

Системи та процеси керування

Ліцензія

Авторське право (c) 2026 Maksym Maksymov, Oleksiy Kozlov, Oleksiy Maksymov, Ruslan Riaboshapka

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.