Найти

Результаты поиска

• АЛГОРИТМ ВЫБОРА ОПТИМАЛЬНОЙ РАБОЧЕЙ ЧАСТОТЫ И ПАРАМЕТРОВ ПЕРЕДАЧИ В ДКМ-КАНАЛЕ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ ПО ДАННЫМ ГНСС-МОНИТОРИНГА

  А. Д. Скорик

  120-130

  2026-09-10

  Аннотация ▼

  Актуальность. Современные требования к автоматизированным системам управления (АСУ) специального назначения и достижения в области техники связи возрождают интерес к декаметровому (ДКМ) диапазону как к перспективному средству управления робототехническими комплексами (РТК) различного базирования, прежде всего морскими и воздушными. Существующие алгоритмы адаптации ДКМ-систем, регламентированные национальными и международными стандартами являются реактивными и не учитывают частотную зависимость параметров ионосферы, что ограничивает их эффективность для решения задач надежного управления РТК. Цель работы – разработка алгоритма выбора оптимальной рабочей частоты и параметров передачи (полоса, скорость, мощность, глубина перемежения) на основе прогнозирования частотно-зависимых характеристик диффузного ДКМ-канала по данным пассивного ГНСС-мониторинга. Методы. Использованы структурно-многолучевая модель для интервалов корреляции, методики ITU-R  для среднего отношения сигнал/помеха, аналитические выражения для параметра Накагами и допустимого отношения сигнал/помеха с учётом разнесённого приёма. Результаты. Разработан алгоритм, включающий оценку параметров ионосферы по результатам ГНСС-мониторинга, расчёт частотно-зависимых характеристик канала и выбор оптимального режима работы, максимизирующего энергетический запас и надёжность связи. Численное моделирование для типовой трассы подтвердило его работоспособность. Выводы. Предложенный алгоритм обеспечивает упреждающий выбор параметров связи с учётом реального состояния ионосферы, повышая надёжность и скорость передачи, что критически важно для задач управления РТК. Он является шагом к созданию когнитивных КВ-систем.

• МОДУЛЬ ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ПРЕОБРАЗОВАТЕЛЕЙ ПО ЗАДАННЫМ АМПЛИТУДНО-ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ

  В.И. Шлаев

  93-103

  2025-11-10

  Аннотация ▼

  Рассматривается решение задачи разработки преобразователей по заданным амплитудно-частотным характеристикам. Основная проблема заключается в проведении большого количества измерительных мероприятий с изменением параметров преобразователей для достижения необходимых амплитудно-частотных характеристик, что приводит к большим временным и ресурсным затратам на разработку. Проводится анализ основных параметров преобразователей, влияющих на заданные амплитудно-частотные характеристики. Анализируются существующие подходы, методы и алгоритмы при создании преобразователей требуемых характеристик. Описывается разработка модуля прогнозирования параметров электромеханических преобразователей, основанного на заданных амплитудно-частотных характеристиках. Задачи исследования включают создание структурно-параметрической и математической моделей для расчета характеристик преобразователей на стадии проектирования. Описывается алгоритм обучения модели на основе экспериментальных данных, полученных в ходе проведения измерений. Использование методов машинного обучения для предсказания параметров приводит к минимизации количества проводимых экспериментов и снижению затрат на разработку преобразователей. Предложенный подход основывается на использовании зависимости между конструктивными параметрами преобразователей и их частотными характеристиками. Для повышения точности прогнозирования применяется алгоритм градиентного бустинга. Представлены этапы подготовки данных для обучения модели. Описывается процесс обучения модели. Результаты демонстрируют значительное сокращение времени моделирования преобразователей: применение модуля позволяет ускорить процесс в несколько раз по сравнению с экспериментальным подходом. Прогнозирование характеристик на основе модели обеспечивает сопоставимую точность при большем объеме данных. Выводы исследования подтверждают эффективность предлагаемого подхода в разработке преобразователей, снижая временные и финансовые затраты, повышая точность моделирования и применимость в условиях ограниченных ресурсов

• ПРОГНОЗИРОВАНИЕ ТРАЕКТОРИИ ПОЛЕТА ЛЕТАТЕЛЬНОГО АППАРАТА В УСЛОВИЯХ ПОЛНОЙ ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ

  В. В. Косьянчук , В. В. Гласов , Е.Ю. Зыбин , Лиго Тань

  2021-04-04

  Аннотация ▼

  Большинство методов прогнозирования поведения динамических систем основаны на
  использовании информации о параметрах их математических моделей. Однако проблемы
  нестационарности, нелинейности и неидентифицируемости моделей реальных сложных
  систем приводят к тому что, традиционные параметрические методы применимы на
  практике только тогда, когда достоверно известны параметры и структура моделей
  систем, а неопределенности при постановке задачи существенно ограничены. В статьеописывается оригинальный непараметрический метод прогнозирования траектории поле-
  та летательного аппарата в условиях полного отсутствия априорной информации о па-
  раметрах его математической модели динамики полета. Предлагаемый метод, в отличие
  от аналогичных широко известных, не использует логические или статистические вычис-
  ления и не требует своего предварительного обучения или длительной настройки. Он по-
  строен только на основе ретроспективного анализа нескольких последовательных значе-
  ний пространственных координат летательного аппарата и его сигналов управления, по-
  этому не подвержен влиянию модельных ошибок и может быть использован для прогнози-
  рования траектории полета летательного аппарата в условиях полной параметрической
  неопределенности даже в случае неидентифицируемости модели его динамики полета.
  Приведены результаты численного моделирования решения задачи прогнозирования тра-
  ектории полета беспилотного летательного аппарата наиболее распространенного типа
  квадрокоптера в условиях полной неопределенности параметров его математической мо-
  дели. Полученные результаты подтверждают работоспособность разработанного мето-
  да и показывают высокие характеристики точности решения задачи и скорости настрой-
  ки алгоритма. Описанный подход может быть использован для прогнозирования траекто-
  рии движения любого другого транспортного средства (автомобиля, водного судна и т.д.)
  при условии линеаризуемости его модели на наблюдаемом интервале времени и наличия
  информации о его сигналах управления. Практическая реализация описываемого непара-
  метрического метода совместно с традиционными параметрическими позволит повысить
  точность прогнозирования траектории полета и решить задачу высокоточной посадки
  беспилотного летательного аппарата на активно маневрирующее судно, в том числе, при
  возникновении различных критических ситуаций.

• АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ

  Н. К. Полуянович , М. Н. Дубяго

  2021-07-18

  Аннотация ▼

  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.