Статья: СИСТЕМЫ И МОДЕЛИ: ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ (2024)

Управление современным производственным процессом является сложной задачей. Кроме того, управляющий производством может не иметь достаточной квалификации для правильной интерпретации данных о текущем состоянии системы, вследствие чего он не сможет быстро оценить ситуацию с целью принятия соответствующего решения, что может привести к возникновению аварии на производстве. Для осуществления эффективного управления производством во всех отраслях промышленности применяется визуализация промышленных процессов. Нами рассмотрена технология, позволяющая наблюдать и управлять CODESYS визуализацией.

В работе предложено решение по разработке автоматической системы для поддержания давления пара на лабиринтовые уплотнения паровой турбины ТЭЦ. Работа объекта рассмотрена в условиях структурно-параметрической неопределенности, полученной на основании анализа экспериментальных данных. Выполнено имитационное исследование предложенного комбинированного алгоритма управления и классического ПИ-регулятора. Сделаны выводы об определенных преимуществах в качестве работы предлагаемого решения.

In order to solve the problems of slow convergence speed and premature convergence at local minima in the traditional butterfly optimization algorithm (BOA), this paper proposes a butterfly optimization algorithm (ITBOA) based on chaos mapping improvement and adaptive distribution, to speed up the optimization process and improve global search capabilities. Chaos mapping improvement is used to generate more diverse population initial values, and adaptive T-distribution adjusts the search strategy according to the current population status. Experimental results show that ITBOA can quickly find the optimal solution under standard benchmark function tests. Compared with the original butterfly algorithm, the butterfly algorithm introducing chaotic mapping (IBOA) and the particle swarm optimization algorithm (PSO), the ITBOA algorithm has faster convergence speed and better search effect.

В работе представлен результат апробации и расширения функционала нейронной сверточной глубокоуровневой сети для решения задач классификации рентгеновских снимков при диагностике заболеваний легких человека. Основным компонентом системы интеллектуальной диагностики является предварительно обученная сеть ResNet50, реализованная в среде Matlab. Дополнительное обучение сети проводилось с использованием сформированного банка данных цифровых снимков человеческих легких, полученных с помощью флюорографического аппарата, и рентгеновских снимков, размещенных в открытом источнике. В целях повышения качества детектирования реализована процедура предпроцессорной обработки цифровых изображений. Применяемые алгоритмы обучения позволили добиться общей точности распознавания в 96% для диагностических случаев: COVID-19 затенения областей легкого, вирусной пневмонии и здоровых снимков легких.

В работе представлена реализация эволюционного алгоритма AGE-MOEA-II на языке Rust и выполнена оценка его эффективности по сравнению с реализацией этого алгоритма на языке Python. Результаты исследования дают представление о возможности использования языка Rust для реализации алгоритмов такого класса и его потенциале для решения многокритериальных оптимизационных задач.

Предлагается методика быстрого выбора коэффициентов размытости ядерных функций многомерной регрессионной оценки плотности вероятности независимых случайных величин. Регрессионная оценка плотности вероятности используется при решении задач распознавания образов и автоматической классификации в условиях исходных статистических данных большого объема. Ее синтез основан на сжатии исходной информации с использованием процедур дискретизации области значений случайных величин и формировании массива преобразованных данных. Элементами полученного массива данных являются центры интервалов дискретизации и соответствующие им частоты попадания случайных величин из исходной выборки. Для быстрого выбора коэффициентов размытости ядерных функций используются результаты исследования асимптотических свойств многомерной регрессионной оценки плотности вероятности. Предложена методика оценивания составляющих оптимального коэффициента размытости. Методом вычислительного эксперимента анализируется эффективность предлагаемого подхода быстрого выбора коэффициентов размытости регрессионной оценки плотности вероятности для семейства логнормальных законов распределения двухмерных независимых случайных величин при различных объемах исходных данных и перспективных процедур дискретизации области значений независимых случайных величин.

Рассмотрен итерационный алгоритм поиска кратных параметрических дефектов в непрерывных динамических объектах, основанный на использовании модели параметрической чувствительности. При реализации итерационного алгоритма использована структурно-матричная модель параметрической чувствительности. Исследовано влияние степени относительных отклонений параметров объекта диагностирования от параметров модели на сходимость алгоритма. Моделирование и вычислительные эксперименты проводились с помощью специализированного программного комплекса, созданного в среде Scilab/SciNotes.

Рассматривается способ оценки параметров резонансов сечений фотоионизации с помощью формул Фано и Шора. Произведен анализ резонансной структуры атома Be между 2p и 3p порогами ионизации, а также проведено сравнение полученных спектроскопических параметров с экспериментом и результатами других авторов.

Рассматривается интеграция трех ключевых компонентов системы управления БПЛА с использованием ROS . Эти компоненты включают фильтр Калмана, динамическую системную модуляцию и адаптивный алгоритм 3 DVFH +. В третьей части работы посредством математического моделирования и программирования на языке C ++ производится интеграция каждого модуля и их взаимодействия в среду ROS .

По данным концентрациям цитокинов проведено исследование связей между предикторами. Разработан алгоритм выделения наиболее информативных цитокинов. По данному алгоритму выделены информативные предикторы из цитокинового профиля пациентов. Проведена оценка качества классификации и устойчивости результатов.

Оценка кардинальности (числа записей) играет ключевую роль в создании эффективных планов выполнения запросов в СУБД. В последнее десятилетие разработано большое число методов оценки кардинальности. Но все эти подходы имеют существенные ограничения. В статье приведены результаты анализа нового метода, основанного на теории приближенного вычисления агрегатов. В отличие от существующих подходов он позволяет ослабить ограничения и повысить точность оценки при большом числе соединяемых таблиц. Приведены результаты экспериментов, подтверждающие эффективность разработанного метода.