Для авторов
Найти
Результаты поиска
Найдено результатов: 11.
-
МОДИФИЦИРОВАННАЯ РАСПРЕДЕЛЕННАЯ АРХИТЕКТУРА ОБРАБОТКИ ДАННЫХ ДЛЯ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ
М. Ю. Поленов , Д.А. Иванов2021-02-13Аннотация ▼Предложена модифицированная распределенная архитектура обработки данных на
основе модели клиент-сервер, как один из вариантов реализации программного приложения
геоинформационной системы. Проведенный обзор существующих геоинформационных
систем и их классификация с точки зрения архитектуры продемонстрировали перспек-
тивность применения распределенной архитектуры. Однако, системы, разработанные на
основе традиционной распределенной архитектуры, сталкиваются с проблемами ото-
бражения обработанных трехмерных данных в реальном времени на вычислительных уст-
ройствах с низкой производительностью. В связи с этим целью данной работы является
разработка и исследование модифицированной архитектуры геоинформационных систем,
позволяющей снизить требования к вычислительным устройствам клиентов. Актуаль-
ность темы исследования заключается в том, что в настоящее время существуют уст-
ройства способные поддержать работу только тонких клиентов, которые зачастую
имеют малый функционал и не способны решать тяжелые вычислительные задачи. В
статье рассмотрены особенности структурной и программной реализации геоинформационной системы на основе традиционной архитектуры и предложенной модифицирован-
ной распределенной архитектуры. Приведены результаты экспериментов проведенных на
двух разработанных программных приложениях, имеющих различную архитектуру. Про-
граммная реализация модифицированной архитектуры и результаты экспериментов, по-
казали целесообразность ее применения для геоинформационных систем на пользователь-
ских вычислительных устройствах с невысокой производительностью. Предложенная ар-
хитектура может быть использована и в других распределенных системах. Особенно в
таких, где стоят задачи отображения трехмерной информации на тонких клиентах -
ЕСТЕСТВЕННО-ЯЗЫКОВОЕ УПРАВЛЕНИЕ СТРОИТЕЛЬНЫМИ РОБОТЕХНИЧЕСКИМИ СИСТЕМАМИ
Д.Г. Макоева , И. Р. Тлупов , А. О. Шогенов83-932025-11-10Аннотация ▼Исследование нацелено на исследование потенциала систем управления строительными роботами посредством естественного языка. Именно отсутствие надежных систем обработки естественного языка служит тем сдерживающим фактором, что не дает интеллектуальной робототехнике в полной мере раскрыть свои потенциал. Работа дает обзор современных роботизированных строительных систем, которые используются для облегчения и улучшения строительных и инженерных процессов и задач. Объединяет эти все системы отсутствие естественно-языкового управления. В настоящей статье мы представляем принципы, алгоритмы и методы, позволяющие интеллектуальному агенту проникать в суть контекста ситуации, разворачивающейся на поле строительных и инженерных задач. В основе подхода лежит мультиагентная нейрокогнитивная архитектура, служащая своеобразным инструментом для моделирования процесса автоматической интерпретации фраз, взятых из ограниченного подмножества естественного языка. Чтобы интеллектуальный агент смог верно интерпретировать входящее сообщение, ему необходимо безошибочно определить условия, действия, свойства и отношения, имеющие место в системе «интеллектуальный агент – окружающая среда». Только после этого агент обретает способность интерпретировать контекст текущего диалога и генерировать высказывания, необходимые для проектирования кооперативного поведения, направленного на совместное преодоление технических преград. Одной из наиболее распространенных задач, требующих своего решения в быстроразвивающейся области робототехники, является разработка диалоговой системы управления, способной координировать совместное человеко-машинное поведение и интерпретировать цели и условия миссий, изложенные на естественном языке. Система управления, опирающаяся на естественный язык, является неотъемлемой частью интеллектуальной системы, фундаментом которой служит самоорганизующаяся мультиагентная нейрокогнитивная архитектура. Ее главная цель – наладить беспрепятственное общение между человеко-машинными коллективами, для того чтобы они могли совместно ставить, описывать и успешно выполнять сложные строительные задачи. Основополагающим элементом подхода является мультиагентность, позволяющая системе принятия решений робота быть гибкой, адаптивной и непрерывно расширять диапазон своих знаний, генерируя вопросы, необходимые для дальнейшей работы.
-
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ СИСТЕМЫ СБОРА УРОЖАЯ
З. В. Нагоев , О.З. Загазежева , К.Ч. Бжихатлов , И.А. Мамбетов2025-04-27Аннотация ▼В условиях необходимости обеспечения продовольственной безопасности актуальными ста-
новятся задачи оптимизации производственных процессов в аграрном секторе. Например, учиты-
вая нехватку трудовых ресурсов в сельском хозяйстве, требуется разработка и внедрение робо-
тотехнических систем для автоматизации процессов ухода за растениями, сбора урожая и его
переработки. В статье представлены результаты разработки автономного робота для сбора
яблок, созданного на базе универсального антропоморфного робота, разработанного в Кабардино-
Балкарском научном центре РАН. Робот оснащен двумя многозвенными манипуляторами, схожи-
ми с руками человека, что позволяет ему выполнять сложные задачи по сбору урожая. Для обес-
печения интеллектуального управления всей системой используется мультиагентная нейрокогни-
тивная архитектура, которая имитирует работу человеческого мозга и позволяет роботу адап-
тироваться к изменяющимся условиям окружающей среды. Робот оснащен набором сенсоров,
включая видеокамеры, ультразвуковые и инфракрасные дальномеры, лидар и энкодеры на приводах
манипуляторов. Это позволяет ему точно определять местоположение яблок, оценивать их зре-
лость и планировать траекторию движения манипуляторов. Особое внимание уделено разработ-
ке захвата, который имитирует человеческую кисть и позволяет регулировать силу сжатия, что
минимизирует риск повреждения плодов. Для управления роботом используется мультиагентная
нейрокогнитивная архитектура, которая обеспечивает автономное принятие решений на основе
данных с сенсоров. Система способна строить карту местности, определять положение робота
и планировать маршрут движения, а также распознавать яблоки и оценивать их состояние.
В статье также рассмотрены проблемы, связанные с автоматизацией сбора урожая в сельском
хозяйстве, включая нехватку трудовых ресурсов и потери урожая из-за неправильной эксплуата-
ции техники. Авторы подчеркивают, что автоматизация и роботизация процессов уборки уро-
жая имеют большой потенциал, особенно для культур, требующих индивидуального подхода, та-
ких как фрукты и овощи. Представленный робот демонстрирует высокую эффективность в ре-
шении этих задач, что подтверждается результатами полевых испытаний. Разработанная сис-
тема может быть адаптирована для работы с другими культурами, что делает ее универсаль-
ным решением для сельскохозяйственной отрасли -
РАЗРАБОТКА АГЕНТНО-ОРИЕНТИРОВАННОГО АЛГОРИТМА РЕШЕНИЯ СИСТЕМ ЛИНЕЙНЫХ АЛГЕБРАИЧЕСКИХ УРАВНЕНИЙ БОЛЬШОЙ РАЗМЕРНОСТИ
Д.А. Береза , Л. А. Гладков , Н. В. Гладкова2025-01-30Аннотация ▼Решение систем линейных алгебраических уравнений (СЛАУ) является одной из важнейших
фундаментальных задач при разработке нового поколения систем проектирования в различных об-
ластях науки и техники. Актуальность данного исследования обусловлена ростом объема данных и
усложнением задач. Традиционные методы решения СЛАУ, такие как метод Гаусса, метод прогон-
ки, итерационные методы (метод Якоби, метод Зейделя и т.д.), хорошо зарекомендовали себя при
работе с относительно небольшими системами. Однако при решении СЛАУ большой размерности
данные методы недостаточно эффективны из-за высоких вычислительных затрат и требований к
памяти. Одним из перспективных подходов к решению задач высокой сложности является использо-
вание агентно-ориентированных систем. Агентно-ориентированные системы предлагают новый
способ организации вычислительных процессов, основанный на взаимодействии независимых аген-
тов, каждый из которых выполняет определенную часть задачи. Такой подход позволяет более гиб-
ко распределять вычислительные ресурсы и эффективно решать сложные задачи в условиях боль-
ших данных. Представлена методика решения уравнений, описывающих математическую модель
схемы, с учетом оптимизации соотношения между точностью расчетов и временем их выполнения.
В данной работе предлагается агентно-ориентированный алгоритм для решения систем линейных
алгебраических уравнений большой размерности. В ходе разработки данного алгоритма был прове-
ден анализ существующих методов и алгоритмов решения СЛАУ, выявлены их преимущества и не-
достатки. Была разработана агентно-ориентированная архитектуру для решения СЛАУ большой
размерности, предложена организация взаимодействия агентов и механизмы распределения задач
между ними. Была выполнена программная реализация разработанного алгоритма. Для оценки эф-
фективности предложенного подхода было проведено его тестирование на ряде тестовых задач.
Также была выполнена оценка производительности и масштабируемости разработанного алго-
ритма, сравнение его с традиционными методами решения СЛАУ. -
ЦЕНТРАЛЬНО-КОЛЬЦЕВОЙ ПОЛИНОМИАЛЬНЫЙ АЛГОРИТМ РАСПРЕДЕЛЕНИЯ ВЫЧИСЛИТЕЛЬНО-ВРЕМЕННЫХ РЕСУРСОВ В ГРИД-СИСТЕМАХ
Д.Ю. Кравченко , Ю.А. Кравченко , Э. В. Кулиев , А.Э. Саак2022-08-09Аннотация ▼Статья посвящена решению задачи распределения вычислительно-временных ресурсов в
грид-системах на основе адаптации используемых полиномиальных алгоритмов к квадратич-
ным типам заявок пользователей. Актуальность задачи обоснована значительным ростом
востребованности парадигмы распределенных вычислений в условиях информационного пере-
полнения и неопределенности. В статье рассмотрены проблемы диспетчирования гетероген-
ных вычислительных ресурсов при решении сложных профессиональных и научных задач, по-
ступающих в различные моменты времени, на основе классификации по значимым признакам
соответствия и готовности ресурса. Проведен сравнительный обзор существующих аналогов.
Сформулирована постановка решаемой задачи в контексте выбранной тематики исследова-
ния. Обоснована проблема диспетчирования грид-систем с централизованной архитектурой,
которая использует технологию мульти-сайтного выполнения задач. Применение данной архи-
тектуры требует разработки эвристических алгоритмов распределения вычислительных ре-
сурсов с функцией учета свойств массивов заявок пользователей и оценки соответствия распи-
сания. Исключение возникновения ошибок диспетчирования требует разработки формального
аппарата, который будет выявлять закономерности множества заявок, введет их типизацию
и построит эвристические алгоритмы с оценкой качества, адаптированные под соответст-
вующие типы. Разработка такого формального аппарата несомненно является актуальной
задачей. Не менее важной задачей в рамках создания данного аппарата является построение
модели паритетности ресурсов и моделей взаимодействия пользователей и вычислительнойсистемы. Авторами предложено решать задачу диспетчирования вычислительных ресурсов на
основе разработки и исследования полиномиальных алгоритмов диспетчирования массивами
заявок гиперболического типа. Основной теоретической значимостью данного исследования
является создание формального аппарата среды диспетчирования, включающего определение
ресурсного прямоугольника, как модели заявки пользователя, на основе выполнения операций в
среде диспетчирования над этими ресурсными прямоугольниками. Научная новизна исследова-
ния заключается в разработке центрально-кольцевого полиномиального алгоритма распределе-
ния вычислительно-временных ресурсов в грид-системах, который отличается от существую-
щих алгоритмов диспетчирования вычислительных систем адаптацией к квадратичным типам
заявок пользователей и позволяет повысить эффективность распределения вычислительно-
временных ресурсов. Для оценки эффективности предложенного алгоритма разработано про-
граммное приложение и проведен вычислительный эксперимент с разным количеством сфор-
мированных классов вычислительных ресурсов. Полученные сравнительные результаты прове-
денных экспериментальных исследований подтверждает эффективность предложенного ал-
горитма распределения вычислительно-временных ресурсов. Описанные исследования имеют
высокий уровень теоретической и практической значимости и напрямую связаны с решением
классических задач искусственного интеллекта. -
ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ
Н. К. Полуянович , М. Н. Дубяго2022-05-26Аннотация ▼Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
тельства к прогнозированию электропотребления для решения задачи поддержания балан-
са мощностей между генерирующей стороной и потреблением электрической энергии.
При этом одной из основных задач, связанных с генерацией электрической энергии и ее
потреблением, является задача поддержания баланса мощностей. С одной стороны, при
увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
электропотребления к поиску матрицы свободных коэффициентов посредством обучения
на имеющихся статистических данных (активная и реактивная мощность, температура
окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
рования электропотребления участка районной электрической сети 10 кВ, учитывает
факторы: – времени, – метеорологических условий, – отключений отдельных питающих
линий электропередач, – режима работы потребителей электроэнергии. Получены про-
гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
требляемой активной и реактивной мощности вполне работоспособна, однако на данном
этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
сти вызывает прогнозирование потребления реактивной мощности. -
ФОРМАЛИЗОВАННЫЙ ПОДХОД К СИНТЕЗУ АРХИТЕКТУРЫ СИСТЕМЫ АДАПТИВНОГО ГРУППОВОГО УПРАВЛЕНИЯ РОБОТОТЕХНИЧЕСКИМИ КОМПЛЕКСАМИ В УСЛОВИЯХ НЕДЕТЕРМИНИРОВАННОЙ ДИНАМИЧЕСКОЙ СРЕДЫ
В. В. Свиридов2022-05-26Аннотация ▼Бурное развитие «многоагентных систем», как самостоятельного и многопланового
раздела искусственного интеллекта, привлекает к себе многих исследователей в различных
сферах деятельности. Темпы прогресса в развитии информационных технологий, распре-
делённых информационных систем, компьютерной техники определяют возможности
применения технологий робототехники в Вооружённых силах Российской Федерации.
Представленные в статье факторы санкционируют необходимость внедрения в войска
новых интеллектуальных технологий – автономных робототехнических комплексов (сис-
тем). Развитие методов искусственного интеллекта позволяет сделать новый шаг к из-
менению стиля взаимодействия комплексов между собой в составе робототехнической
системы. Возникла идея создания так называемых "автономных комплексов", которые
породили уже новый стиль адаптивного группового управления. Вместо взаимодействия,
инициируемого пользователем-оператором путём команд и прямых манипуляций, комплек-
сы самостоятельно вовлекаются в совместный процесс решения общей задачи в условиях
недетерминированной динамической среды. В статье предложен формализованный подход
к конструированию вариантов архитектур группового взаимодействия автономных робо-
тотехнических комплексов в системе, основанного на законе открытого управления, т.е.
индуцированных и достоверных предпочтений каждого комплекса к действию, удовлетво-
ряющих условиям совершенного согласования их деятельности, путём идентификации па-
раметров, при которых максимизируется целевая функция в различных режимах функционирования робототехнической системы. Представлена формализованная постановка за-
дачи синтеза системы адаптивного группового управления автономными робототехниче-
скими комплексами в условиях априорной неопределённости. Архитектура группового
взаимодействия комплексов адаптивно выстраивается исходя из условий внешней среды и
внутреннего состояния системы, в которых каждый комплекс группы функционирует для
достижения общей цели (решения системной задачи) в рассматриваемый момент времени -
МУЛЬТИАГЕНТНЫЙ АЛГОРИТМ СБОРА ДАННЫХ С МЕТЕОСТАНЦИИ ДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ И СОСТОЯНИЯ ПОСЕВОВ
И.А. Пшенокова , К.Ч. Бжихатлов , А. А. Унагасов , М.А. Абазоков91-1012022-04-21Аннотация ▼Погода оказывает сильное влияние на урожайность и состояние посевов, на требо-
вания к количеству и качеству удобрений, а также на профилактические меры по предот-
вращению заболеваний. Плохие погодные условия могут повлиять на качество продукции во
время транспортировки и хранения, а значит и на жизнеспособность семян и посадочного
материала. В настоящее время в сельском хозяйстве широко применяются различные сис-
темы интеллектуального мониторинга, к которым можно отнести спутниковый мони-
торинг и метеостанции. При этом основополагающую роль играет выбор метода анализа
полученных данных и интеллектуальных систем их обработки для превентивного прогно-
зирования. Целью исследования является разработка интеллектуальной системы прогно-
зирования урожайности и состояния посевов на основе данных с метеостанции. В рамках
данного исследования разработан мультиагентный алгоритм прогнозирования состояния
посевов по данным с метеостанции на основе самоорганизации нейрокогнитивной архи-
тектуры. Приведено описание структурной схемы метеостанции и ее датчиков. Разрабо-
тан алгоритм программы для сбора и обработки данных с датчиков метеостанции.
В результате обработки в интеллектуальную систему принятия решений отправляются
данные о температуре воздуха и почвы, влажности воздуха и почвы, скорости и направле-
ние ветра, количестве осадков и о сумме активных температур. Описана система по-
строения причинно-следственных связей, на основе которой строится система прогнозирования, которая позволяет в превентивном порядке делать рекомендации или прогнозы по
урожайности и состоянию посевов, а также по вероятности заболеваний и распростра-
нения вредителей на контролируемых посевах. -
МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ТРАНСПОРТНОГО ПОТОКА НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРЕДСКАЗАНИЯ ТРАФИКА НА ДОРОГАХ
Аламир Хайдер Сагбан Хуссейн, Е.В. Заргарян, Ю. А. Заргарян124-1322021-08-11Аннотация ▼В связи с индустриализацией современного общества, ростом транспортных систем нашей страны, увеличения определенных необходимых для развития потребностей граждан нашей страны количество транспортных средств разных видов и типов с каждым годом продолжает увеличиваться с большой скоростью, вызывая огромные пробки на транспортных дорогах, особенно в больших городах и мегаполисах. Таким образом, прогнозирование транспортных потоков является важным и необходимым компонентом оптимального управления трафиком в современных условиях развития транспортной сети. В качестве решения этой проблемы данная статья нацелена на анализ и описание приме-нения методов искусственного интеллекта, в частности нейронных сетей, что представляет современный подход к моделированию в сложных и нелинейных ситуациях, возникаю-щих при прогнозировании модели транспортного потока. Показанный метод точности основан на разработке нейронной сети для прогнозирования дневного потока трафика. Затем ожидаемый транспортный поток сравнивается с реальным набором данных, записанным на участке дороги и предоставленным менеджером инфраструктуры. Фактически, нейронные сети способны извлекать уроки из прошлых возникших ситуаций и предсказывать будущие ситуации на транспортной сети. В этом исследовании были изучены раз-личные структуры нейронной сети, и результаты моделирования показали, что лучшие прогнозы были получены с использованием многослойной архитектуры персептрон, кото-рая имеет хорошую систему обобщения со средней общей квадратичной ошибкой 0,00927 при текущем наборе транспортных средств. Первая часть статьи посвящена определению различных концепций, относящихся к текущей области исследований, включая обзор литературы по прогнозированию трафика и нейронным сетям. Вторая часть посвящена описанию проблемы перегрузки трафика с помощью задач прогнозирования и представлению предлагаемого метода решения с акцентом на искусственные нейронные сети, как средство прогнозирования спроса и его различных структур. Затем численные эксперименты проиллюстрированы анализом результатов прогноза после формирования и тестирования различных архитектур нейронных сетей.
-
УПРАВЛЕНИЕ МОБИЛЬНЫМ РОБОТОМ С ПРИМЕНЕНИЕМ НЕЙРОННОЙ СЕТИ ДЛЯ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ В НЕКАРТОГРАФИРОВАННОЙ СРЕДЕ С ПРЕПЯТСТВИЯМИ
А. К. Фархуд99-1142022-01-31Аннотация ▼В данной работе применяется нейронная сеть глубокого обучения специальной
структуры, которая позволяет мобильному роботу перемещаться без столкновения с
препятствиями в неизвестной среде. Основными проблемами, на решение которых направ-
лены усилия исследователей в области нейросетевых планировщиков движения, являются
повышение производительности нейронных сетей, оптимизация их структуры и автома-
тизация процессов обучения. Основным результатом данной статьи является новый ите-
рационный алгоритм разработки обучающего набора. На первой итерации разрабатыва-
ется стартовый обучающий набор и производится начальное обучение нейронной сети.
В следующих итерациях обученная на предыдущем этапе нейронная сеть используется в
качестве фильтра для следующих обучающих наборов. Фильтр выбирает траектории с
коллизиями, обусловленными ошибками нейронной сети. В процессе обучения количество
сверточных и полностью связанных слоев итеративно увеличивается. Таким образом,
предложенный алгоритм позволяет разработать как обучающий набор, так и архитекту-
ру нейронной сети. Выполняется сравнение результатов обучения для отфильтрованных и
нефильтрованных наборов. Подтверждена высокая эффективность фильтрации, в ре-
зультате которой изменяется распределение примеров в обучающей выборке. Алгоритм
может быть использован для разработки блока планирования системы управления мобильными наземными роботами. В статье приводится пример обучения нейронной сети в
среде моделирования Matlab. В примере проведено пять итераций обучения, в ходе которых
достигнута точность более 90 %. Данная точность получена с использованием набранной
статистики по движению мобильного робота в случайно генерируемой среде. Плотность
заполнения среды препятствиями составляла до 40 %, что соответствует городским
условиям. Проведено сравнение нейросетевых планировщиков, обученных с помощью пред-
ложенной итерационной процедуры и при обычном обучении. Сравнение показало, что
применение итерационной процедуры повышает точность планирования до 12 – 15 %. При
этом исходный объем обучающей выборки уменьшается в несколько раз за счет применяе-
мой фильтрации. -
АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ
Н. К. Полуянович , М. Н. Дубяго2021-07-18Аннотация ▼Статья посвящена исследованиям термофлуктуационных процессов в соответствии
с теорией теплопроводности для решения задач факторного прогнозирования остаточно-
го ресурса изоляционных материалов на основе неразрушающего температурного метода.
Обоснована актуальность задачи разработки алгоритма для прогнозирования температу-
ры жил СКЛ в режиме реального времени на основе данных системы температурного
мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода.
Экспериментальным методом выявлены типы искусственных нейронных сетей, их архи-
тектура и состав, которые обеспечивают максимальную точность прогнозирования при
минимальном наборе значимых факторов. Разработана нейросеть для определения темпе-
ратурного режима токоведущей жилы силового кабеля. Определен минимальный набор
значимых факторов и размерность входного обучающего вектора, который обеспечивает
универсальность нейросетевого метода прогнозирования. Разработана нейросеть для оп-
ределения температурного режима токоведущей жилы заключается в диагностике и про-
гнозировании ресурса электроизоляции (ЭИ) силового кабеля. Модель позволяет оцениватьтекущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Проведен сравни-
тельный анализ экспериментальных и расчетных характеристик алгоритмов обучения
искусственной нейронной. Установлено, что предлагаемый алгоритм искусственной ней-
ронной сети может быть использована для составления прогноза температурного режи-
ма токоведущей жилы, на три часа вперед с точностью до 2,5% от фактического значе-
ния температуры жилы. Основная область применения разработанной нейросети для
определения температурного режима токоведущей жилы заключается в диагностике и
прогнозировании ресурса электроизоляции (ЭИ) силового кабеля. Разработка интеллекту-
альной системы прогнозирования (ИНС) температуры жилы СКЛ способствует планиро-
ванию режимов работы электросети с целью повышения надежности и энергоэффектив-
ности их взаимодействия с объединенной энергосистемой.
1 - 11 из 11 результатов
