Для авторов
Найти
Результаты поиска
Найдено результатов: 4.
-
СПОСОБ ИСПОЛЬЗОВАНИЯ СРЕДСТВ БЫСТРОГО ПРОТОТИПИРОВАНИЯ ДЛЯ РЕАЛИЗАЦИИ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ НА ПЛИС
В.В. Бахчевников , В. А. Деркачев , А. Н. Бакуменко2020-10-11Аннотация ▼Исследования в области искусственного интеллекта ведутся с возрастающим и н-
тересом с каждым годом. Области применения искусственного интеллекта довольно
обширны: автоматизация, анализ большого объема данных, технологии умного дома,
машинное зрение и т.д. Технологии искусственного интеллекта базируются на использ о-
вании искусственных нейронных сетей, имеющие в своей основе принципы нервной сис-
темы животных. При этом актуальным вопросом является реализация искусственных
нейронных сетей на различных программно-аппаратных платформах: программируемых
логических интегральных схемах (ПЛИС) типа FPGA (Field Programmable Gate Array), на
интегральных схемах специального назначения (Application-Specific Integrated Circuit,
ASIC), GPU, CPU и т.д. ПЛИС наилучшим образом проявляют себя в маломощных мо-
бильных системах. ASIC демонстрируют наибольшую производительность с н едостат-
ком: высокая цена разработки. Проблема быстрого прототипирования проектов, осн о-
ванных на использовании искусственных нейронных сетей, для ПЛИС привычными мет о-
дами (c помощью HDL-языков, HDL-кодеров, графического программирования) заключа-
ется в том, что либо такой проект сложен и длителен в отладке (HDL-языки), либо не
оптимален получающийся код (HDL-кодеры), либо высока длительность разработки
проекта и сложность реконфигурации нейронной сети (графическое программирование).
Поэтому в рамках данной работы рассматривается эффективный метод проектирова-
ния полносвязных и сверточноых нейронных сетей для их реализации на ПЛИС использ о-
ванием пакета Xilinx System Generator for DSP и Matlab/Simulink. Генерируемые таким
образом искусственные нейросети легко реконфигурируемы и позволяют решать сле-
дующие задачи: распознавание изображений, оптимальная фильтрация (например, для
задач подповерхностной радиолокации). -
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. -
ВИБРОМОНИТОРИНГ ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ
А.В. Логунов , А.Л. Береснев2022-01-31Аннотация ▼Работа посвящена проблеме диагностирования автомобильных двигателей внутрен-
него сгорания. Проблема контроля состояния двигателей внутреннего сгорания сейчас
наиболее актуально из-за увеличения числа автомобилей и ужесточения экологических
требований. В работе рассмотрены последствия работы неисправного двигателя внут-
реннего сгорания. Целью работы является обоснование выбора из существующих методов
диагностики такого метода который способен помочь наиболее точно и быстро обнару-
жить неисправность. Для этого в работе подробно рассмотрены современные средства
диагностики, выделены принципы работы, достоинства и недостатки. С появлением со-
временных технологий давно известный метод оценки состояния двигателей внутреннего
сгорания по звуку может стать самым передовым, поскольку исключается человеческий
фактор, для обработки сигнала применяется вычислительная техника анализ звукового
спектра в которой осуществляется с помощью искусственных нейронных сетей. Примене-
ние искусственных нейронных сетей для анализа звукового спектра нашло применение в
распознавание речи и для диагностики заболеваний дыхательной системы. В статье рас-
смотрены механизмы, которые способны генерировать звуковые сигналы во время работы
двигателя внутреннего сгорания, некоторые из них фазированы т.е. привязаны к рабочим
тактам, некоторые не фазированы. Предложенный способ диагностики позволяет выде-
лить «полезные» звуки из общего числа шумов двигателя, после сравнительного анализа
указать на узел звук которого отличается от эталонного, исправного. Научная новизна
состоит в том, что процесс диагностики становится автоматизированным, все звуки,
снятые датчиками, обрабатывается в ЭВМ или специальном сканере, на дисплей выводит-
ся информация о состоянии тех или иных узлов, в отличие от традиционных методов где
диагностика осуществляется визуально или на слух. Таким образом повышается точность
диагностики и снижается общая трудоемкость за счет исключения частичной или полной
разборки двигателя. -
ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА ДЛЯ ДИАГНОСТИКА ДВИГАТЕЛЯ ВНУТРЕННЕГО СГОРАНИЯ ТРАНСПОРТНЫХ СРЕДСТВ
А. В. Логунов , А. Л. Береснев2022-04-21Аннотация ▼Работа посвящена проблеме диагностирования двигателя внутреннего сгорания
транспортных средств эта проблема сейчас наиболее актуально из-за постоянного роста
автопарка и ужесточения требований к безопасной эксплуатации. Своевременный и точ-
ный контроль состояния двигателя внутреннего сгорания способен предотвратить выход из строя целых узлов транспортного средства, а также избежать таких серьезных по-
следствий как дорожно-транспортное происшествие. С появлением современных техноло-
гий давно известный метод оценки состояния двигателя по звуку может стать самым
передовым, поскольку исключается человеческий фактор, для обработки сигнала применя-
ется вычислительная техника анализ звукового спектра в которой осуществляется с по-
мощью искусственных нейронных сетей. Применение искусственных нейронных сетей для
анализа звукового спектра нашло применение в распознавание речи и для диагностики забо-
леваний дыхательной системы. В статье рассмотрена неисправность одного из основных
узлов двигателя внутреннего сгорания – подшипника. Представлены все возможные виды
неисправностей подшипников и причины, по которым они возникают. Перечислены узлы и
механизмы двигателя внутреннего сгорания в которых применяются подшипники. Описан
алгоритм экспериментальной части. Выполнен эксперимент, включающий в себя преобра-
зование полученных звуковых сигналов в спектрограммы и извлечение признаков с помощью
которых выполняется классификация. Выполненная экспериментальная часть доказала
возможность диагностирования двигателя внутреннего сгорания с применением искусст-
венных нейронных сетей. Научная новизна состоит в том, что процесс диагностики ста-
новится автоматизированным, все звуки, снятые датчиками, обрабатывается в ЭВМ или
в перспективе в специальном сканере, на дисплей выводится информация о состоянии тех
или иных узлов, в отличие от традиционных методов где диагностика осуществляется
визуально или на слух. Таким образом повышается точность диагностики и снижается
общая трудоемкость за счет исключения частичной или полной разборки двигателя.
1 - 4 из 4 результатов
