Технічна діагностика та неруйнівний контроль, 2025, №01

2025 №01 (02)

DOI of Article 10.37434/tdnk2025.01.03

2025 №01 (04)

---

Технічна діагностика і неруйнівний контроль, 2025, №1, стор. 16-21

Розробка алгоритмічного методу ідентифікації вектора стану чутливого елементу

О.М. Безвесільна, Т.О. Толочко

Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського». 03056, м. Київ, Берестейський проспект, 37. E-mail: prilad168@gmail.com, asnk@kpi.ua

На сьогоднішній день надзвичайно перспективним і актуальним є застосування алгоритмічних методів підвищення точності гравіметричних і навігаційних систем. Це вимагає створення високоточних та ефективних алгоритмічних методів обробки вихідного сигналу вимірювачів лінійних прискорень. Запропоновано використання штучної нейронної мережі для підвищення точності вимірювань у нестаціонарних і несприятливих умовах, що супроводжується виникненням ряду завад, які додаються до вихідного сигналу чутливого елементу цих вимірювачів. Ці особливості враховано при розробці алгоритмів ідентифікації стану вимірювачів лінійних прискорень із підвищеними метрологічними характеристиками. Розробка алгоритмічного методу ідентифікації вектора стану чутливого елементу вимірювача лінійних прискорень забезпечує підвищення точності таких вимірювачів у несприятливих і нестаціонарних умовах проведення вимірювань. Отримано розв’язок задачі ідентифікації на основі фільтра Калмана у реальному часі. Це дозволяє оцінити вектор стану чутливого елементу при наявності завад детермінованого та випадкового характеру. Запропоновано реалізацію алгоритму ідентифікації на основі штучної нейронної мережі. Адаптацію та оптимальне настроювання параметрів алгоритму виконано у процесі адаптації та навчання даної мережі. Для оцінки вектора стану чутливого елементу розроблено схему, що складається з ліній затримки та трьох адаптивних лінійних нейронів. Результатом є зменшення додаткової похибки вимірювань, обумовленої складними та нестаціонарними умовами вимірювань. Бібліогр. 12, рис. 1.
Ключові слова: алгоритмічні методи, ідентифікація, вектор стану, штучна нейронна мережа, фільтр Калмана

Отримано 26.11.2024
Отримано у переглянутому вигляді 24.12.2024
Прийнято 10.03.2025

Список літератури

1. Коломієць Л.В. та ін. (2009) Метрологія у галузі зв’язку. Книга 1. Загальні електрорадіовимірювання: Посібник. Одеса, ТОВ «ВМВ».
2. Безвесільна О.М. (2007) Авіаційні гравіметричні системи та гравіметри: Підручник. Житомир, ЖДТУ.
3. Shi, D., Tylavsky, D.J., Logic, N. (2012) An adaptive method for detection and correction of errors in PMU measurements. IEEE Transactions on Smart Grid, 3(4), 1575–1583. DOI: https://doi.org/10.1109/TSG.2012.2207468
4. Кириченко Е. (2003) Эффективность аддитивной и мультипликативной коррекции погрешностей при диагностировании. Правове, нормативне та метрологічне забезпечення системи захисту інформації в Україні, наук.-техн. зб., Вип. 6, 20–24.
5. Яцук В.О., Малачівський П.С. (2008) Методи підвищення точності вимірювань: Підручник. Львів, Бескид Біт.
6. Болюх В.Ф., Вінніченко О.І. (2019) Балістичний гравіметр для симетричного та несиметричного способів вимірювань прискорення вільного падіння. Патент на винахід 118620 Україна, МПК G01V 7/14 (2006.01). № a 2017 06239; заявл. 19.06.2017; опубл. 11.02.2019, Бюл. № 3.
7. KalmanFilter.NET [Електронний ресурс].Режим доступу: https://www.kalmanfilter.net/default.aspx
8. Безвесільна О.М. (2001) Вимірювання прискорень: Підручник. Київ, Либідь.
9. Коваль А.В. (2018) Ідентифікація та моделювання технологічних об’єктів: Навчальний посібник. Житомир, ЖДТУ.
10. Дубовой В.М. (2005) Моделювання систем контролю та керування: Навчальний посібник. Вінниця, ВНТУ.
11. Руденко О.Г., Бодянський Є.В. (2006) Штучні нейронні мережі: Навчальний посібник. Харків, ТОВ «Компанія СМІТ».
12. Зайченко Ю.П. (2004) Основи проектування інтелектуальних систем: Навчальний посібник. Київ, Видавничий дім «Слово».

---

Реклама в цьому номері:

---