Ф.М. Цеева , Н.Е. Арабов , А.М. Бозиева , З. В. Шомахов
2026-04-29
Аннотация ▼
Актуальность исследования обусловлена растущей потребностью в безопасной валидации навигационных алгоритмов автономных мобильных роботов, функционирующих в загромождённых и динамически изменяющихся средах, где использование физического оборудования сопряжено с риском повреждений и высокими затратами. Цель работы – разработка строгой методологии программной эмуляции системы технического зрения на основе комплементарных виртуальных инфракрасных и ультразвуковых датчиков. Для достижения цели решены следующие задачи: формализация кинематической модели дифференциального привода с вектором состояния [x, y, θ]ᵀ; математическое описание нелинейной триангуляции ИК-датчиков и физики распространения ультразвука методом времени пролёта d=c·t/2; интеграция аддитивных гауссовых шумов с параметрами σus=0,005 м, σir=0,002 м; реализация слияния разнородных данных через UKF. В качестве навигационных контроллеров применены метод искусственных потенциальных полей с притягивающими и отталкивающими компонентами и нечёткие логические контроллеры. Экспериментальная проверка в Python-среде моделирования лабиринта со статическими препятствиями продемонстрировала среднюю ошибку позиционирования 0,2 м в сферических конфигурациях и точность обнаружения препятствий 89,61%. Новизна предложенного подхода заключается в обеспечении детерминированной связи между теоретическим планированием траектории и физической реализацией за счёт синергетического использования оптических и акустических сенсорных модальностей. Практическая значимость работы состоит в существенном сокращении времени разработки и тестирования интеллектуальных робототехнических систем благодаря возможности предварительной отладки алгоритмов восприятия, слияния данных и навигации в контролируемых эмуляционных условиях без привлечения дорогостоящего аппаратного обеспечения
Актуальность исследования обусловлена противоречием между необходимостью наращивания производства продовольствия в условиях урбанизации и фрагментарностью существующих высокотехнологичных решений (гидропоники, аэропоники, IoT), которые внедряются изолированно, без единой методологии управления. Отсутствие унифицированных подходов к сбору данных и адаптивному контролю параметров среды ограничивает масштабирование вертикальных ферм. Цель работы – разработка и теоретическое обоснование архитектуры универсальной модели адаптивного управления замкнутыми агропроизводствами, интегрирующей различные методы культивации на базе алгоритмов машинного обучения. Методология базируется на систематическом анализе научных публикаций и экспериментальных данных по применению встраиваемых устройств и алгоритмов машинного обучения в гидропонных, аэропонных и грунтовых вертикальных теплицах. На основе синтеза данных построены параметрические матрицы для унификации технологических процессов. Основные результаты включают разработку структурной схемы универсальной модели, обеспечивающей интеграцию разнородных систем в единую платформу с возможностью непрерывного мониторинга и предиктивной аналитики. Обоснован минимально необходимый комплект датчиков: pH, EC, температуры, влажности, CO₂, PAR, давления и расхода питательного раствора. Предложенная архитектура позволяет динамически переключать режимы гидропоники, аэропоники и закрытого грунта в рамках одного фитотрона. Выводы и значимость работы заключаются в создании основы для проектирования масштабируемых вертикальных ферм с прогнозируемыми показателями рентабельности и ресурсоэффективности, обеспечивая непрерывное дообучение алгоритмов ИИ для предиктивного управления микроклиматом и ранней диагностики заболеваний растений в городских условиях
