Введение. Рассмотрена проблема управления процессом выращивания монокристаллов галогенидов таллия методом Бриджмена–Стокбаргера. Определена важность обеспечения робастного управления температурным градиентом в зоне кристаллизации, оказывающего прямое влияние на качество получаемого монокристалла. Предложено и научно обосновано применение методов машинного зрения для определения положения границы расплав–кристалл и последующего автоматического управления температурным режимом выращивания.

Метод. Для автоматизированного управления температурным градиентом предлагается использовать алгоритм, основанный на визуальном отслеживании положения кристаллизующейся границы (фронта). Распознавание фронта осуществляется посредством применения инструментов машинного зрения, позволяющих производить расчет корректирующего управляющего воздействия на верхнюю зону нагрева установки.

Основные результаты. Представлено описание ключевых шагов алгоритма, приведена его блок-схема. На примере одной итерации производственного цикла проанализирована во времени динамика изменения высоты границы расплав– кристалл и температуры верхней печи. Соответствие полученного на опытной установке продукта принятым техническим условиям подтверждает эффективность предлагаемого подхода в стабилизации температурного профиля.

Обсуждение. Разработанный алгоритм позволяет отказаться от ручного регулирования параметров на каждой установке и обеспечивает возможности для горизонтального масштабирования производства. Подход демонстрирует преимущества по сравнению с традиционными методами управления в контексте повышения повторяемости и качества выращиваемых монокристаллов. Предложенный алгоритм может быть использован при проектировании и модернизации установок, работающих по методу Бриджмена–Стокбаргера. Основным ограничением предлагаемого подхода является его применимость только к процессам, в которых осуществляется выращивание монокристаллов, обладающих характерной окраской.

Представлено исследование оптических хиральных цилиндрических волноводов с точки зрения их применения в оптической спинтронике. Предложено использование хирального оптического цилиндрического волновода в роли оптического спинового диода. Рассчитана модовая структура рассматриваемого волновода и численно решено дисперсионное уравнение для фундаментальных мод волновода с азимутальным числом m = ±1 для различных значений параметра хиральности материала волновода. Получены выражения для потока энергии и оптического спинового тока внутри волновода. Показано, что в одномодовом режиме работы волновода, направление протекания оптических спиновых токов в волноводе определяется исключительно знаком параметра хиральности материала волновода, вне зависимости от азимутального числа и направления распространения моды. Следовательно, суперпозиция m = 1 и m = –1 мод, распространяющихся в разных направлениях, будет иметь нулевой поток энергии, но ненулевой оптический спиновой ток. Полученные результаты расширяют элементную базу оптической спинтроники и открывают новые пути для создания энергоэффективных оптических вычислительных систем.

Введение. Производство оптических компонентов с большими радиусами сферических поверхностей требует исключительно высокой точности профиля поверхности. Незначительные отклонения в позиционировании режущего инструмента, вызванные такими факторами, как механический люфт, тепловая деформация и ошибочное позиционирование инструмента, могут привести к ошибке в размере обработанной поверхности — в частности, выступам, которые свидетельствуют об ошибке обработки. Несмотря на широкий спектр исследований, посвященных износу инструмента и общим ошибкам обработки, недостаточно внимания уделено геометрическому моделированию и коррекции дефектов, вызванных ошибками позиционирования инструмента. Метод. Представлен комплексный подход к геометрическому моделированию влияния ошибок позиционирования режущего инструмента на профиль обработанной поверхности. Разработана математическая модель, имитирующая взаимодействие инструмента и сферической поверхности, что позволяет точно оценить ошибку радиального размера обработки. На основе этих данных предложен новый метод компенсации ошибки, позволяющий корректировать ошибки путем изменения траектории перемещения инструмента. Основные результаты. Предложенная модель с высокой точностью предсказывает формирование и характеристики выступов, возникающих вследствие смещения инструмента при обработке сферических поверхностей с большим радиусом. Внедрение метода компенсации существенно снижает количество брака, улучшая геометрическую точность и уменьшая потребность в дополнительной обработке. Обсуждение. Рассмотрение дефектов, вызванных ошибками позиционирования, позволяет предложить новый метод, ранее не рассмотренный в исследованиях по точной обработке. Предлагаемая модель и метод компенсации погрешности позиционирования инструмента демонстрируют эффективное и практическое решение для повышения точности профиля оптических компонентов, что способствует увеличению точности и эффективности производственных процессов. Разработанный метод вносит вклад в развитие высокоточного производства оптических изделий с минимальными затратами на постобработку, обеспечивая новый подход в области приборостроения и прецизионного машиностроения.

Введение. Исследована возможность повышения точности и оперативности применения инфракрасных спектров термодинамических ингибиторов для контроля их состава и расчета дозировки, необходимой для предотвращения гидратообразования в нефтяной и газовой промышленности. Предложенный метод заключается в определении количества ингибитора для исследуемой системы «газ-вода» и величины снижения температуры начала гидратообразования. Актуальность работы и ее новизна в сравнении с традиционным экспериментальным подходом состоит в появлении возможности качественной и количественной идентификаций до девяти компонентов в составе термодинамического ингибитора, сокращении временных затрат на процессы расчетов.

Метод. Для решения задачи определения концентрации веществ используется метод инфракрасной спектрометрии с преобразованием Фурье. Инфракрасные спектры растворов измерялись в режиме нарушенного полного внутреннего отражения. Для повышения точности измерений концентрации веществ по инфракрасному спектру в условиях многокомпонентности и схожести компонентов по химическому строению предложено применение регрессионной нейронной сети. В обучающую выборку были включены инфракрасные спектры чистых веществ — каждого отдельного компонента, двух- и трехкомпонентные смесевые водные растворы (вода + спирт + гликоль), а также ряд четырехкомпонентных растворов (гликоли + вода). Полученные данные о составе ингибитора использовались при расчете его дозировки для предотвращения гидратообразования в заданных условиях.

Основные результаты. Продемонстрирована возможность обученной нейронной сети определять концентрации до девяти схожих по своим свойствам веществ в составе термодинамических ингибиторов гидратообразования: метанол, этанол, пропанол, моноэтиленгликоль, диэтиленгликоль, триэтиленгликоль пропиленгликоль, глицерин. Показано, что применение нейронной сети обеспечивает точность определения концентраций до 2 % об. Апробация предложенного метода обработки результатов контроля состава и определения дозировки термодинамического ингибитора для подавления процесса образования гидратов показала хорошее соответствие результатам традиционно применяемого метода.

Обсуждение. Предложенный подход позволяет повысить оперативность подбора дозировки ингибиторов. Результаты работы могут найти применение в нефтепромысловой химии для входного контроля и прогнозирования эффективности применения ингибиторов гидратообразования термодинамического типа действия при добыче, подготовке или транспортировке углеводородного сырья.

Введение. Выполнен анализ мультисенсорных данных, полученных от электромиографа, инерциальных измерительных устройств, системы компьютерного зрения и трекеров виртуальной реальности, для решения задачи классификации двигательной активности человека. Актуальность решения данной задачи обусловлена необходимостью анализа и распознавания двигательной активности человека при использовании различных программно-аппаратных комплексов, например, реабилитационных и тренажерных систем. Для оптимального решения задачи распознавания типа движений рук с наибольшей точностью оценивается вклад каждого источника сигналов, а также выполняется сравнение различных моделей машинного обучения.

Метод. Подход к обработке мультисенсорных данных включает синхронизированный сбор потоков от различных источников, разметку исходных данных, фильтрацию сигналов; двойное выравнивание временных рядов по частоте и длительности с аппроксимацией до общей константы, формирование общего набора данных, обучение и выбор модели машинного обучения для распознавания двигательной активности рук. Рассматриваются девять моделей машинного обучения: логистическая регрессия, k-ближайших соседей, наивный байесовский классификатор, дерево решений и ансамбли на их основе (случайный лес, AdaBoost, Extreme Gradient Boosting, Voting и Stacking Classifier). Разработанный подход синхронизации, фильтрации и двойного выравнивания потоков данных позволяет сформировать унифицированный набор данных мультисенсорных данных для обучения моделей.

Основные результаты. Проведен эксперимент по классификации девяти категорий движений рук на основе анализа мультисенсорных данных (собрано 629 записей от 15 участников). Обучение выполнялось на 80 % собранных данных с пятикратной перекрестной проверкой. Показано, что ансамбль AdaBoost обеспечивает точность классификации 98,8 % на наборе данных из объединенных от четырех различных источников информации. В ходе абляционного анализа для сравнения источников данных, наибольшее влияние на итоговую точность классификации оказывает информация от трекеров виртуальной реальности (до 98,73 ± 1,78 % точности на модели AdaBoost), данные о мышечной активности от электромиографа являются наименее информативными. Определено, что высокая точность классификации двигательной активности может быть получена с использованием инерциальных измерительных устройств.

Обсуждение. Исследование формализует воспроизводимый подход к обработке мультисенсорных данных и позволяет объективно сравнить вклад различных источников информации и моделей машинного обучения при решении задачи классификации двигательной активности рук пользователя в рамках реабилитационных и виртуальных тренажерных систем. Показано, что при ограничениях по ресурсам возможно отказаться от части источников данных без существенной потери точности классификации, упростив аппаратную конфигурацию систем отслеживания, перейти от закрытых коммерческих систем (трекеров виртуальной реальности) к более доступным и компактным инерциальным измерительным устройствам.

конкретной области медицины, а также наличие специализированных инструментов, упрощающих данный процесс и учитывающих специфику обработки медицинских данных. Метод. В работе предложена универсальная архитектурная модель краудсорсинговой системы, специализированной для разметки медицинских данных. Модель поддерживает обработку различных медицинских форматов данных, имеет механизмы анонимизации и многоуровневого контроля качества, позволяет организовать распределенный процесс разметки с привлечением экспертного сообщества. Основные результаты. Приведена классификация актуальных проблем процесса сбора и разметки медицинских данных, сформулированы критерии качества и безопасности для сравнительного анализа систем разметки медицинских данных. Предложена схема обобщенного сценария взаимодействия групп пользователей с краудсорсинговой системой в контексте решения задач искусственного интеллекта в области медицины. Построена универсальная модель архитектуры такой системы. На ее основе реализована специализированная краудсорсинговая система разметки медицинских данных на базе Computer Vision Annotation Tool. Проведено тестирование и апробация реализованной системы кардиохирургами Клиники высоких медицинских технологий им. Н.И. Пирогова Санкт-Петербургского государственного университета. Обсуждение. Предложенная модель архитектуры краудсорсинговой системы может быть использована для повышения эффективности и безопасности организации и построения процесса разметки медицинских данных пациентов при решении различных прикладных задач машинного обучения/искусственного интеллекта, таких как семантическая сегментация внутренних органов и их патологий, детекция и классификация заболеваний по медицинским снимкам (например, компьютерной томографии). Разработанное решение может использоваться врачами различной специализации, исследователями и разработчиками, направленными на развитие и создание методов и технологий искусственного интеллекта в области медицины.

Введение. Представлены результаты разработки и апробации метода решения мультиагентной задачи коммивояжёра (Multiple Traveling Salesman Problem, mTSP) с целью минимизации максимальной длины маршрутов («минимаксная» оптимизация). Объектом исследования является комбинаторное пространство маршрутов, возникающее при распределении городов между несколькими агентами, что обуславливает необходимость равномерного распределения нагрузки и предотвращения перегрузки отдельных маршрутов. Новизна подхода заключается в создании дискретного аналога классического алгоритма роевой оптимизации частиц (Particle Swarm Optimization, PSO), адаптированного для работы с перестановками, а также в интеграции его с локальными эвристическими процедурами и муравьиным алгоритмом (Ant Colony Optimization, ACO).

Метод. Предложенный метод базируется на преобразовании исходной задачи mTSP в классическую задачу коммивояжёра для одного агента (TSP) посредством введения фиктивных депо, что позволяет однозначно разделить общий маршрут на отдельные части для каждого агента. Ключевым элементом является модификация PSO с использованием новых операций для дискретного пространства, таких как вычисление минимальной последовательности обменов (транспозиций) между перестановками, масштабирование скорости и применение ее к маршруту. Данный подход позволяет эффективно исследовать комбинаторное пространство решений и предотвращать преждевременную сходимость алгоритма.

Основные результаты. Экспериментальное исследование проведено на тестовых наборах стандартной библиотеки TSPLIB (eil51.tsp, berlin52.tsp, eil76. tsp, rat99.tsp) для задачи TSP, в ходе которого сравнивались два сценария: классический PSO со случайной инициализацией и гибридный метод PSO_ACO, где метод ACO используется для формирования начальной популяции. Результаты эксперимента продемонстрировали существенное улучшение по «минимаксному» критерию по сравнению с методами CPLEX, LKH3, OR-Tools, а также современными подходами DAN, NCE и EA, что подтверждает эффективность предложенного решения.

Обсуждение. Разработанный алгоритм может найти применение в логистике, транспортном планировании, распределении потоков в сетях связи и иных областях, где требуется оптимальное распределение ресурсов. Представленный метод будет полезен специалистам в области оптимизации, алгоритмического моделирования и практикам, занимающимся разработкой систем управления и планирования.

Вычислительные требования к алгоритмам поиска кратчайшего пути на больших графах с миллионами вершин и ребер представляют собой значительную проблему для последовательных реализаций, часто требуя многочасового времени выполнения даже с помощью мощных процессоров. В работе выполнена оценка реализации на графических процессорах трех фундаментальных алгоритмов поиска кратчайшего пути: Беллмана–Форда, Дейкстры и Флойда–Уоршелла с использованием платформы NVIDIA CUDA. Проведено сравнение нескольких вариантов каждого алгоритма, от базовых параллельных подходов до специфических алгоритмов улучшения. Исследованы базовые методы оптимизации, включая циклы с шагом сетки, использование общей памяти, объединение памяти. Также выполнен анализ алгоритмов улучшения, таких как раннее завершение на основе флагов для алгоритма Беллмана–Форда и тайловые вычисления для алгоритма Флойда–Уоршелла. В исследовании представлен анализ производительности, выполнено сравнение различных стратегий оптимизации и их эффективности на различных наборах графовых данных.

Кибербезопасность промышленного интернета вещей (Industrial Internet of Things, IIoT) означает предотвращение несанкционированного доступа, атак и уязвимостей взаимосвязанных устройств, сетей и данных. Учитывая внутреннюю взаимосвязь устройств IIoT, обеспечение безопасности имеет первостепенное значение для предотвращения потенциальных сбоев, утечек данных и вредоносных действий. По мере распространения систем IIoT возрастает важность надежных мер безопасности, эффективного обнаружения вторжений и интеллектуальных методов обнаружения для защиты критически важной инфраструктуры и конфиденциальных данных от киберугроз. В данной работе исследованы вопросы создания безопасной и устойчивой промышленной среды посредством использования гибридной модели: сверточной нейронной сети и глубокой нейронной сети, учитывающей различные распределения классов. Для повышения эффективности модели применен набор данных Edge IIoTset. В процессе оценки использованы различные метрики, включая Accuracy, Precision, Recal и F1-меру. Благодаря тщательной предварительной обработке и использованию различных сценариев распределения классов (2, 6, 9, 10 и 15 классов) модель показала хорошие результаты классификации. Конфигурация с 9 классами достигла точности 99,13 %, в то время как конфигурации с 6 и 10 классами — 97,13 % и 96,11 % соответственно. Предложенная архитектура эффективно сочетает уровни извлечения признаков и глубокой классификации, что приводит к созданию надежного решения, адаптируемого к сложному трафику IIoT.

Введение. Скрытые марковские модели могут применяться к задаче идентификации ядра связывания пептида с молекулами главного комплекса гистосовместимости, выявляя общие аминокислотные паттерны анализируемых последовательностей. Представлен усовершенствованный подход к решению этой задачи на основе ансамбля скрытых марковских моделей. Ранее предложенный авторами метод адаптирован к задаче классификации пептидов на два класса: связывающиеся и не связывающиеся.

Метод. Разработанный подход включает в себя обучения двух типов моделей: первый тип — обученный с использованием связывающихся пептидов (положительных примеров данных), второй — не связывающихся пептидов (отрицательных примеров данных). Отбор моделей в ансамбль и классификация последовательностей выполнялась на основе оценки условной вероятности между полученными моделями.

Основные результаты. Модифицированная стратегия обучения ансамбля моделей протестирована для шести различных аллелей главного комплекса гистосовместимости с использованием двух архитектур моделей. В первом случае использовалась упрощенная структура с девятью состояниями модели, соответствующими ядру связывания пептида, и двумя состояниями-циклами для аминокислот вне этого ядра. Во втором случае применялась расширенная схема, где состояния-циклы заменялись девятью дополнительными состояниями. Оценка эффективности моделей производилась в сравнении с современным методом MixMHC2pred, в ходе которой обученные модели продемонстрировали статистически значимое повышение точности предсказаний класса пептидов.

Обсуждение. Разработанная стратегия обучения моделей учитывает как связывающиеся, так и не связывающиеся с комплексом пептиды, позволяет повысить точность предсказания класса связывания скрытыми марковскими моделями даже в условиях ограниченного объема положительных данных. Повышение предсказания в этом случае достигается за счет использования фонового распределения аминокислотных последовательностей, полученного из отрицательной выборки.

Введение. Современные подходы к поиску текстовых и мультимодальных данных в больших коллекциях предполагают преобразование документов в векторные представления. Для эффективного хранения этих векторов применяется квантизация, которая снижает точность представления и, как следствие, ухудшает качество поиска. Ранее был предложен метод, уменьшающий потери точности при квантизации, в котором векторы кластеризуются с помощью алгоритма k-средних, вычисляется смещение, или дельта, являющееся разницей между центроидом кластера и исходным вектором, после чего квантуется только смещение. В настоящей работе предлагается модификация этого метода, использующая другой алгоритм кластеризации — ансамбль небрежных решающих деревьев.

Метод. Разработанный метод основывается на обучении ансамбля бинарных небрежных решающих деревьев. Этот ансамбль используется для вычисления хэша каждого исходного векторного представления, после чего векторные представления с одинаковым хэшем рассматриваются как принадлежащие одному кластеру. В случае, если число результирующих кластеров слишком большое или слишком маленькое для используемого набора данных, производится процесс перекластеризации. Каждый кластер сохраняется в двух отдельных файлах: первый содержит смещения для каждого вектора, второй — идентификаторы и позиции данных в первом файле. Данные в первом файле подвергаются квантизации и затем сжимаются с помощью универсального алгоритма сжатия.

Основные результаты. Предложенный метод кластеризации протестирован на наборах данных fashion-mnist-784-euclidean и NYT-256-angular и сравнивался с кластеризацией методом k-средних. Метод показал лучшее качество сжатия, демонстрируя до 4,7 % меньшее занимаемое дисковое пространство при использовании квантизации NF4 и алгоритма сжатия Brotli. Для других алгоритмов сжатия увеличение пространства оказалось менее значительным. Однако представленный алгоритм кластеризации демонстрирует большее значение показателя ошибки квантизации по сравнению с методом k-средних, минимум до 16 %. По сравнению с форматом Parquet разработанный метод кластеризации продемонстрировал меньший показатель ошибки для набора данных fashion-mnist-784-euclidean при использовании квантизаций FP8 и NF4. Для набора данных NYT-256-angular по сравнению с Parquet предложенный метод при использовании алгоритма сжатия Brotli позволяет добиться лучшего качества сжатия для всех протестированных типов квантизации.

Обсуждение. Полученные результаты свидетельствуют о том, что разработанный метод кластеризации может быть использован не только в задачах поиска ближайших соседей, но и в задачах сжатия данных, когда увеличением ошибки квантизации можно пренебречь.

Широкое распространение Kubernetes как платформы для оркестрации контейнеризированных приложений атакам типа «Отказ в обслуживании» (Denial-of-Service, DoS). В работе предложен подход к обнаружению DoS-атак, основанный на двух ключевых компонентах: использование комплексных метрик и применение ансамблевых моделей машинного обучения. Подход предполагает сбор и анализ комплексных метрик: уровня узлов (Central Processing Unit (CPU), память) и уровня приложений (сетевая активность, файловые дескрипторы) из контейнеров, работающих на различных фреймворках (Flask, Django, FastAPI, Node.js, Golang). Для реализации подхода создан набор данных, содержащий 49 990 экземпляров сетевой активности, охарактеризованных 28 признаками (комплексными метриками). Статистический анализ (t-критерий Стьюдента, корреляция Пирсона) выявил наиболее релевантные для детектирования атак метрики, включая общее время использования CPU (cpu_sec_total) и объем задействованной оперативной памяти (resident_memory_total). Сравнение девяти моделей машинного обучения для детектирования атак, включая ансамблевые методы (Random Forest, XGBoost, LightGBM), показало наивысшую эффективность (F1-мера равна 1,0) и полное разделение классов (AUC равна 1,0). Применение модели XGBoost позволило исключить ложноположительные срабатывания (precision равна 1.0). Анализ важности признаков выявил наиболее значимые для классификации метрики, связанные с использованием CPU (cpu_sec_total, cpu_sec_idle), передачей сетевых пакетов (transmit_ packets), средней загрузкой системы и использованием памяти (virtual_memory_total, resident_memory_total). Проведенное исследование показало важность интеграции разноуровневых метрик для создания устойчивых систем обнаружения аномалий. Предложенный подход является масштабируемым и независимым от конкретных фреймворков, что делает его применимым для защиты контейнеризированных сред. Результаты исследования служат основой для разработки проактивных систем безопасности Kubernetes, способных противостоять сложным векторам атак.

Технология Low Power Wide Area Networks (LPWAN) привлекает значительное внимание в Интернете вещей (IoT). Long-Range Wide-Area Networks (LoRaWAN) создан компанией Long Range (LoRa) как открытый нелицензионный стандарт. Его преимущества включают большую зону покрытия, низкое энергопотребление и недорогие чипы приемопередатчиков. Стандарт шифрования LoRaWAN использует 128-битный симметричный алгоритм Advanced Encryption Standard (AES). Этот стандарт защищает связь и объекты, что выгодно для устройств с ограниченными ресурсами в IoT для эффективной связи и безопасности. Проблемы безопасности сетей и устройств LoRa остаются важной задачей, учитывая широкое распространение этой технологии в многочисленных приложениях. Несмотря на то, что создатели LoRa улучшили архитектуру и безопасность сети LoRaWAN, последняя версия все еще имеет некоторые недостатки, такие как уязвимость к атакам. Многочисленные исследования показали, что версии LoRaWAN 1.0 и 1.1 содержат угрозы безопасности и уязвимости. В работе предлагается метод построения и интеграции криптографических алгоритмов (AES128) в широко используемых симуляторах беспроводных сетей NS-3. Целью данного средства является повышение безопасности данных в сетях LoRaWAN путем защиты критически важной информации от несанкционированного доступа. Внедрение алгоритма шифрования AES-128 в симулятор NS-3 позволит изучить влияние различных мер безопасности на показатели производительности сети, включая задержку, накладные расходы, энергопотребление, пропускную способность и размер пакета.

Введение. При построении навигационных систем беспилотных летательных аппаратов основными требованиями к ним являются автономность, точность и миниатюрность исполнения. Автономность навигации беспилотных летательных аппаратов может быть обеспечена с помощью бесплатформенной инерциальной навигационной системы, но ее недостатком является ухудшение точности решения навигационной задачи с течением времени. Для коррекции ошибок бесплатформенной инерциальной навигационной системы используется ее интеграция с различными неинерциальными навигационными системами, среди которых одной из наиболее перспективных с точки зрения выполнения перечисленных требований является система навигации по измерениям оптического потока. Но при традиционном использовании такой системы определяются только составляющие линейной и угловой скоростей беспилотных летательных аппаратов. Подобное определение скоростей является лишь частью общей задачи навигации и не позволяет решить ее в целом. Для поиска решения представлен подход, позволяющий объединить возможности бесплатформенной инерциальной навигационной системы, обеспечивающей решение задачи навигации в целом, и системы навигации по оптическому потоку, позволяющей осуществлять автономное наблюдение параметров линейного и углового движений с минимальными аппаратными затратами.

Метод. Предложенное решение задачи автономной навигации беспилотных летательных аппаратов получено на основе сильносвязанной интеграции бесплатформенной инерциальной навигационной системы и системы навигации по оптическому потоку с использованием методов стохастической нелинейной фильтрации. Синтез навигационного алгоритма построен на формировании уравнений оцениваемого вектора навигационных параметров по инерциальным измерениям, а уравнений его наблюдателя — по измерениям оптического потока, с последующей реализацией на их основе единого навигационного фильтра, учитывающего дискретный характер используемых измерений. Для оценки полного вектора параметров движения беспилотных летательных аппаратов по измерениям интегрированной инерциально-оптической навигационной системы применен модифицированный расширенный дискретный фильтр Калмана для коррелированных шумов объекта и наблюдателя.

Основные результаты. Апробация предложенного подхода выполнена на основе численного эксперимента, в ходе которого смоделировано пространственно-угловое движение среднескоростного беспилотного летательного аппарата с одновременным формированием зашумленных измерений параметров его движения. Уровень помех измерения выбран соответствующим уровню помех среднеточных инерциальных и оптических измерителей. Алгоритм оценивания вектора навигационных параметров беспилотного летательного аппарата реализован на основе предложенного модифицированного расширенного дискретного фильтра Калмана. Полученные значения погрешностей оценки всех параметров движения беспилотного летательного аппарата показали возможность выполнения требований к точности не только современных, но и перспективных автономных навигационных систем.

Обсуждение. Сильносвязанная интеграция инерциальной и оптической навигационных систем по вычислительным затратам и по точности оценки параметров движения оказывается более эффективной в сравнении с традиционным методом определения только составляющих линейной и угловой скоростей объекта по параметрам оптического потока. Основными преимуществами предложенной инерциально-оптической навигационной системы являются автономность и возможность наблюдения всех параметров движения беспилотного летательного аппарата.

Устойчивость и точность оценки, простота технической реализации позволяют использовать предложенное решение для автономной помехоустойчивой навигации беспилотных летательных аппаратов самого различного назначения. 

Введение. В связи с повышением требований к эксплуатационным характеристикам гироскопов с электростатическим неконтактным подвесом ротора возникает необходимость улучшения технологии производства деталей и сборки приборов. Важнейшим компонентом чувствительного элемента электростатического гироскопа является сферический ротор из бериллия. Возмущающие моменты от сил подвеса пропорциональны напряжению, подаваемому на электроды, и отклонению поверхности ротора от сферической формы. По этой причине технология финишной обработки поверхности ротора должна обеспечивать выполнение высоких требований к сферичности ротора. При изготовлении роторов всех известных типов электростатических гироскопов применяется технология бесцентровой доводки чашечными притирами со свободным абразивом. Одним из ключевых факторов, влияющих на получаемую сферичность, являются параметры движения ротора в доводочном станке. Представлена математическая модель, позволяющая определить параметры движения ротора в станке доводки под действием сил трения от вращения чашечных притиров.

Метод. Процесс бесцентровой доводки чашечными притирами рассматривается как разновидность фрикционного привода. Движение ротора рассматривается как движение абсолютно твердого тела. Для определения параметров движения используются дифференциальные уравнения Эйлера для вращательного движения, решение которых осуществляется численно с использованием программного пакета MATLAB. Распределение давлений в парах притир-ротор рассматривается по аналогии взаимодействий в шаровом шарнире.

Основные результаты. Показано, что математическая модель движения ротора в процессе доводки чашечными притирами помогает обнаружить основные закономерности движения ротора при бесцентровой доводке и определить граничные условия, при которых должна осуществляться обработка. Предложенная модель позволяет выявить влияние разности в моментах инерции ротора на его движение при обработке, в частности при полировке.

Обсуждение. Разработанная модель движения ротора может быть использована при проектировании алгоритмов и систем управления станками бесцентровой доводки сфер свободным абразивом, а также в качестве составной части математических и физических моделей, описывающих обработку поверхности ротора методом доводки чашечными притирами.

Введение. Представлены результаты экспериментального исследования структуры течения и поля температур в конвективной струе воздуха и продуктов сгорания природного газа, формирующейся над пламенем горелки малой мощности. Проанализированы пульсационные и спектральные характеристики потока в ключевых точках отбора, что позволило сделать вывод о характере течения в основных точках струи. Предложено для анализа спектральных характеристик потока использовать временные ряды изменения поля смещений точек.

Метод. В работе для визуализации течения и определения температур использован фоново-ориентированный шлирен-метод с последующей постобработкой в разработанной в ходе исследования программе. Преимуществом данного подхода в сравнении с традиционным оптическим шлирен-методом является отсутствие необходимости в параболических зеркалах, а также возможность получения результатов в цифровом виде, удобном для дальнейшей обработки. В ходе эксперимента за объектом исследования, который снимался видеокамерой, помещался фон со случайно расположенными черными точками. Колебания плотности среды вызывали изменения коэффициентов преломления среды, вследствие чего точки на фоне на видеокадрах смещались, причем смещение точек пропорционально изменению коэффициента преломления, который в свою очередь пропорционален градиенту плотности и, соответственно, градиенту температуры среды. Смещение точек определялось с применением кросс-корреляционного анализа каждого кадра в сравнении с кадрами при отсутствии возмущений. Далее поле смещений подвергалось фильтрации посредством медианного фильтра с целью минимизации шумов и статистических выбросов. Отфильтрованное поле смещений использовалось для вычисления поля температур, при этом решалась задача Коши относительно температуры с известной производной в точке и заданных граничных условиях.

Основные результаты. Получена совокупность мгновенных полей смещений точек, мгновенных и осредненного полей температуры, позволивших сделать выводы о структуре течения. В характерных точках струи получены осциллограммы величины смещения, а также спектры пульсаций, имеющие инерционный интервал, соответствующий закону «–5/3».

Обсуждение. Предложенный в работе подход позволяет в дополнение к бесконтактному исследованию поля температур также исследовать турбулентные пульсации течения в случае квазидвухмерных или осесимметричных потоков.

Введение. Исследована актуальная задача акустической диагностики автономно работающего промышленного оборудования. Обзор существующих подходов к акустической диагностике, включая методы на основе сверточных нейронных сетей и алгоритмы обучения с учителем, показал их ограничения, такие как необходимость использования для обучения больших объемов размеченных данных, слабая адаптация к изменяющимся условиям и отсутствие механизма принятия решений в реальном времени. Предложен новый подход к акустической диагностике на основе методов обучения с подкреплением, отличающийся способностью к адаптации, высокой устойчивостью к шуму и возможностью непрерывного обучения в динамической среде.

Метод. Представленный метод определения состояния работоспособности оборудования использует подход, основанный на исследовании акустических сигналов, издаваемых работающим оборудованием. Метод включает построение нейронной сети, выбор аудиозаписей из открытых библиотек аудиофайлов и обучение сети при помощи алгоритма с подкреплением. Процесс акустической диагностики состояния исправности/ неисправности промышленного оборудования предполагает четыре этапа: фиксацию в режиме реального времени акустических данных работающего оборудования, извлечение признаков состояния оборудования, обучение с подкреплением нейронной сети и принятие решения о исправности/неисправности оборудования.

Основные результаты. На основе размеченных аудиофайлов из открытых баз данных проведен эксперимент по идентификации различных состояний оборудования: нормальное состояние, начальная стадия дефекта, критическая неисправность. Результаты показали точность классификации от 89,7 % до 98,5 % и среднее время отклика от 0,5 до 0,7 с при низкой вычислительной нагрузке (в среднем загрузка центрального процессора 36,5 % и объем потребляемой оперативной памяти 509 МБ).

Обсуждение. В отличие от известных систем акустической диагностики, основанных на алгоритмах обучения с учителем нейронных и сверточных нейронных сетей на предварительно размеченных базах данных, содержащих акустические сигналы, издаваемые работающим оборудованием, в предлагаемом подходе реализуется декомпозиция исходных акустических сигналов на спектральные составляющие. Каждая из этих составляющих анализируется и снабжается признаками, отражающими состояние исправности/неисправности оборудования. Такой подход позволяет: использовать алгоритмы обучения с подкреплением для принятия решений на основе стратегии; сократить время обучения модели за счет предварительного выделения значимых признаков; повысить точность диагностики; снизить вычислительную нагрузку и требования к аппаратным ресурсам. Разработанный алгоритм может применяться для непрерывного мониторинга состояния оборудования и предиктивного обслуживания в автономно функционирующих промышленных системах. Его использование позволит надежно и своевременно выявлять, и классифицировать неисправности промышленного оборудования. Алгоритм возможно доработать с учетом требований к интеграции с инфраструктурой интернета вещей, повышения устойчивости к внешним шумам и внедрения более продвинутых алгоритмов обучения с подкреплением, таких как Proximal Policy Optimization или Asynchronous Advantage Actor-Critic.

Введение. Рассматривается задача о методологии прогнозирования особых режимов динамических процессов, в частности — нелинейного эффекта, возникающего в морской среде, называемого «волнами-убийцами». Волны-убийцы — волны, возникающие в океане, как правило, внезапно, существующие короткий временной промежуток и обладающие огромным разрушительным потенциалом. Существует множество направлений в изучении данного явления, основанных на применении компьютерного моделирования и численных методов. При этом наблюдается тенденция поиска волн-убийц не только в гидродинамике, но и в других предметных областях, в которых при построении моделей исследуемых явлений и процессов применяется аппарат решения соответствующих начально-краевых задач для систем дифференциальных уравнений. Как правило, исследования направлены на поиск решения дифференциальных уравнений, на основе которых удается продемонстрировать возникновение аномально высоких волн. Следует отметить, что поиск аналитических решений для некоторых дифференциальных уравнений является крайне сложной задачей или даже не решаемой.

Метод. Предлагается альтернативный подход, позволяющий доказать существование возможности возникновения аномалии без необходимости решения системы дифференциальных уравнений. В результате производится построение модели динамической системы, похожей на формализм теории Купмана, отличающейся учетом асимптотической скорости роста образа динамического оператора в энергетическом пространстве, на основе которого возникает упорядоченная иерархия классов динамических операторов. Предлагается определение аномалии в формализме рассматриваемого математического аппарата, при этом, феномен волны-убийцы интерпретируется как частный случай возникновения аномального явления в гидродинамической системе при достаточно высоком среднем значении волнового фона.

Основные результаты. Разработан метод, позволяющий рассматривать эволюцию динамической системы на основе взаимодействия выделенных объемов рассматриваемой среды и их обмена энергией. В рамках предложенного подхода удается сформулировать необходимые условия возникновения аномального явления и достаточные условия отсутствия возникновения аномалий. Предлагается метод обработки временного ряда, учитывающий гипотезу о периодичности возникновения аномальных явлений.

Обсуждение. Демонстрируется существование аномалий в магнитогидродинамических процессах, для доказательства которого проводится построение модели инверсии магнитного поля, причем решение дисперсионного уравнения осуществляется с помощью модификации численного метода Иванисова–Полищука, состоящей в комбинировании его алгоритма и метода оптимизации Adam. Полученные результаты могут быть востребованы для дальнейшего развития изучения устройства динамических систем и для выявления большего количества междисциплинарных связей, позволяющих конструктивно перенести часть результатов из одной предметной области в другую.

Введение. Качество регрессии определяется выбором аппроксимирующей функции, более или менее точно соответствующей процессу порождения данных. Ключевым классом таких процессов являются когнитивные процессы, часто имеющие волновой характер. Соответствующая математическая структура положена в основу метода регрессии поведенческих данных.

Метод. Волновая регрессия строится путем обобщения коэффициентов классической линейной регрессии вещественных весов на комплекснозначные амплитуды, модули и фазы которых кодируют усиление и задержку когнитивных волн. При этом целевая величина порождается квадратом модуля суммы амплитудных влияний базисных признаков. Построенные регрессионные модели апробированы на массиве оценок успеваемости учебной группы в сравнении с линейными регрессиями с тем же числом параметров.

Основные результаты. При большом числе базисных признаков точность волновой регрессии близка к точности линейных моделей. При уменьшении числа признаков базисных признаков ошибка линейной регрессии растет, тогда как ошибка волновой регрессии снижается. Наибольшая разница наблюдается в троичном режиме, когда целевой признак порождается парой базисных признаков. В этом случае ошибка трехпараметрической волновой регрессии на 2,5 % ниже ошибки полной линейной регрессии с 21 параметром.

Обсуждение. Полученное преимущество обусловлено особым типом нелинейности волновой регрессии, характерной для прагматических эвристик естественного мышления. Эта нелинейность позволяет использовать смысловые корреляции признаков, не видимые другими регрессионными моделями. Представленный подход к использованию этих корреляций открывает возможности создания экономичных алгоритмов природоподобного интеллекта и анализа данных.

В ведение. При построении отказоустойчивых кластеров высокой готовности с малыми задержками обслуживания потоков запросов все большее применение находит технология контейнерной виртуализации. При проектировании высоконадежных кластеров важной задачей является их структурно-параметрический модельноориентированный синтез с учетом влияния числа развертываемых контейнеров на производительность, задержки обслуживания потоков запросов и надежность системы.

Метод. Обоснование решений по обеспечению высокой готовности кластера основывается на разработке моделей восстанавливаемого кластера при реконфигурации с учетом миграции виртуальных контейнеров. Новизна предлагаемых марковских моделей кластера состоит в учете двухэтапного восстановления его работоспособности с определением влияния на надежность кластера числа контейнеров, подлежащих миграции в процессе реконфигурации — до и после физического восстановления отказавших серверов. Рассмотрены два варианта миграции контейнеров при восстановлении кластера. В первом варианте, на этапе физического восстановления отказавшего сервера, миграция контейнеров на исправный сервер не происходит, а во втором — происходит. На втором этапе реконфигурации после физического восстановления отказавшего сервера осуществляется миграция контейнеров, при которой возможно как увеличение, так и уменьшение числа развернутых в них контейнеров.

Основные результаты. На основе предлагаемых марковских моделей надежности кластера с контейнерной виртуализацией дана оценка его коэффициента готовности и определено влияние числа контейнеров, загружаемых при миграции на двух этапах реконфигурации, на надежность системы.

Обсуждение. Предложенные марковские модели надежности кластера с контейнерной виртуализацией направлены на обоснование выбора проектных решений по организации и восстановлению работоспособности кластера после отказов серверов с учетом влияния вариантов реализации миграции виртуальных контейнеров на готовность системы. В дальнейших исследованиях предполагается анализ влияния вариантов миграции контейнеров как на готовность кластера, так и на задержки обслуживания запросов на двух рассматриваемых этапах реконфигурации.

Представлено описание трех способов вычисления k-мерного объема k-мерного симплекса в n-мерном евклидовом пространстве (n ≥ k) в канонической барицентрической системе координат. Первый способ основан на вычислении для n-мерного симплекса с помощью определителя барицентрической матрицы, столбцами которой являются барицентрические координаты вершин симплекса. Второй способ представляет вычисление объема для k-мерного симплекса с помощью определителя Кэли–Менгера через длины ребер симплекса, которые можно найти по барицентрическим координатам вершин. Третьим способом является вычисление с помощью определителя Грама для построенной по вершинам k-мерного симплекса системы векторов в (n + 1)-мерном евклидовом пространстве.

Предложен метод вероятностной кластеризации матричных данных с использованием априорного распределения признаков и понижения размерности (Singular Value Decomposition, SVD). Метод позволяет выделять в большой контрольной группе кластер, статистически сопоставимый с тестовой группой, что снижает систематические искажения при дальнейшем сравнительном анализе. Показано, что предлагаемый метод позволяет корректно подбирать контрольную группу в случаях, когда известный метод ближайшего соседа дает ложноположительные результаты. Представленный метод применялся для отбора контрольных групп в исследованиях на основе медико-генетической базы данных, проводимых в Национальном медицинском исследовательском центре имени В.А. Алмазова.