Найти

Результаты поиска

• МОДЕЛИРОВАНИЕ И ИДЕНТИФИКАЦИЯ СОДОРЕГЕНЕРАЦИОННОГО КОТЛОАГРЕГАТА КАК ОБЪЕКТА УПРАВЛЕНИЯ

  Д.А. Ковалёв , Д.Х. Имаев , С.Е. Душин

  226-241

  2026-09-10

  Аннотация ▼

  Ключевой агрегат производства сульфатной целлюлозы (крафт-процесса) – содорегенерационный котлоагрегат (СРК) – обеспечивает восстановление химикатов черного щелока. Актуальна задача повышения степени восстановления щелока без изменения технологии процесса и конструкции аппаратов, т.е. информационно-алгоритмическими средствами автоматического управления процессом. Более высокое гарантированное качество восстановления обеспечивают алгоритмы регулирования, синтезированные на основе адекватных математических моделей. Цель статьи – системный анализ СРК как объекта управления и построение усовершенствованной математической модели, пригодной для синтеза высококачественных систем автоматической стабилизации. В основе методологии лежит принцип последовательного раскрытия неопределённости моделей сложных систем управления (А.А. Вавилов). В отличие от известных подходов, динамика СРК в окрестности выбранного режима описана в виде многоуровневой модели класса LTI. Комбинирование аналитических методов с обработкой экспериментальных данных для конкретного режима позволило получить определенные до значений параметров математические модели реального СРК. Разработанная многоуровневая линейная стационарная модель СРК дает возможность анализировать динамику подсистем и агрегата в целом, устойчивость режимов и влияние возмущений, и обосновать необходимость автоматического поддержания требуемого качества технологических процессов в окрестности выбранного режима. Модели в символьном виде применимы к большинству подобных агрегатов технологического процесса производства сульфатной целлюлозы. Параметры полностью определенных моделей должны быть скорректированы по результатам обработки данных, относящихся к конкретному агрегату и режиму. Направление дальнейших исследований связано с развитием методов анализа динамики сложных систем управления по моделям иерархической структуры, а также синтеза систем стабилизации режима и ослабления влияния возмущений

• МЕТОД ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ ОПЕРАТОРА И АНПА, ОСНАЩЕННОГО ГИДРОАКУСТИЧЕСКИМ КАНАЛОМ СВЯЗИ, ДЛЯ ИДЕНТИФИКАЦИИ ЦЕЛЕВЫХ ОБЪЕКТОВ

  А.Ю. Коноплин , А. П. Юрманов , А. Ю. Родионов , Р.П. Василенко, М.О. Панчук

  2026-04-29

  Аннотация ▼

  Выполнение автономными необитаемыми подводными аппаратами (АНПА) инспекционных и манипуляционных операций под контролем оператора ограничено низкой пропускной способностью гидроакустического канала связи, не позволяющей передавать видеопоток и качественные фотоизображения в реальном времени. В то же время существующие методы автоматического распознавания целевых объектов бортовыми системами технического зрения АНПА не гарантируют точного определения местоположения и формы объекта при наличии на нем дефектов (заиливание, биологические обрастания, механические повреждения). Для решения указанной проблемы в статье ставится задача разработки метода, обеспечивающего посредством низкопропускного гидроакустического канала связи информационное взаимодействие оператора с АНПА для оценки оператором качества распознавания целевых объектов с последующим формированием целеуказаний для аппарата и его бортового манипулятора. В основе метода используется алгоритм идентификации объектов с дефектами, использующий модифицированное ICP-совмещение облаков точек с исключением дефектных областей и характерных особенностей (ХО). Выявленные ХО и области дефектов преобразуются в компактный набор геометрических примитивов, передаваемый оператору по гидроакустическому каналу связи с АНПА. На основе полученной информации, поступающей от АНПА телеметрии, а также эталонной трёхмерной модели объекта графический интерфейс визуализирует сканируемую сцену, позволяя оператору оценить точность распознавания. Натурные испытания метода проводились с использованием гидроакустического модема производства ИПМТ ДВО РАН и бортового вычислителя NVIDIA Jetson TX2. Передаваемый в течение минуты информационный пакет содержал тип объекта, его положение, карту дефектов и описание ХО при объеме данных, на три порядка меньшем по сравнению с передачей полного облака точек сканируемого объекта. На основе полученной информации оператор подтверждал успешность идентификации объекта, до 30% площади поверхности которого были покрыты дефектами. Практическая значимость метода заключается в возможности выполнения ответственных миссий под контролем оператора в условиях неопределенности окружающей среды.

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА РАННЕГО ОПОВЕЩЕНИЯ И МОНИТОРИНГА РАСТЕНИЙ

  А.А. Кочкаров , А. К. Куликов , В.А. Ольхова , А. С. Стахмич , А.Н. Рыбак

  2025-04-27

  Аннотация ▼

  Настоящее исследование направлено на систематизацию научных знаний о заболеваниях сель-
  скохозяйственных культур с последующей интеграцией полученных данных в системы автоматизиро-
  ванного управления агропроизводством. Актуальность работы обусловлена необходимостью миними-
  зации экономических потерь в растениеводстве за счёт ранней диагностики патологий и оптимизации
  фитосанитарного контроля. В рамках исследования проведена классификация заболеваний растений.
  В качестве модельного объекта выбрано растение базилик (Ocimum basilicum L.), характеризующееся
  высокой восприимчивостью к фитопатогенам в условиях интенсивного выращивания. Для создания
  инструмента автоматизированной диагностики осуществлён сбор специализированного датасета,
  включающего 214 изображений базилика на различных стадиях вегетации. Съёмка проводилась в кон-
  тролируемых условиях с использованием RGB-камеры. Каждый образец аннотирован с локализацией
  повреждения , площади поражения. Особое внимание уделено методологическим аспектам формиро-
  вания банков данных для биологических систем. Установлено, что ключевыми проблемами являются
  высокая вариабельность морфологических признаков у растений, влияние факторов окружающей сре-
  ды на визуальные проявления заболеваний. На основе анализа полученных данных предложена архитек-
  тура системы раннего оповещения, включающая три модуля: Сенсорный блок – малогабаритные каме-
  ры и датчики микроклимата. Алгоритмический блок – нейросетевая модель для семантической сег-
  ментации изображений и алгоритмы оценки динамики развития патологий. Интерфейс принятия
  решений и оповещения – рекомендации по корректировке режимов полива, внесения пестицидов и мик-
  роэлементов. Обучение свёрточной нейронной сети выполнено на основе фреймворка YOLOv11 с при-
  менением методов аугментации данных (гауссовский шум, аффинные преобразования) и трансферного
  обучения. Валидация модели на тестовой выборке показала точность детекции 74.7%
  (F1-score = 0.72). Для снижения ложноположительных срабатываний реализована постобработка
  предсказаний с учётом пространственно-временной корреляции данных. Разработанный прототип
  демонстрирует потенциал интеграции компьютерного зрения и агрономии для создания предиктивных
  систем управления. Дальнейшие исследования планируется направить на расширение датасета и уве-
  личение измеряемых параметров, а также внедрение алгоритмов обработки данных на edge-
  устройствах для уменьшения задержек в принятии решений. Полученные результаты могут быть
  адаптированы для других культур закрытого грунта, что способствует развитию точного земледелия
  и снижению антропогенной нагрузки на агроэкосистемы