Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
3 results
Search Results
Item Fuzzy controller, designed by reinforcement learning, for vehicle traction system application(Видавництво Львівської політехніки, 2021-03-01) Демків, Л. І.; Лозинський, А. О.; Ванцевич, В. В.; Горсіч, Д. Дж.; Литвин, В. В.; Кльось, С. Р.; Лезервуд, М. Д.; Demkiv, L. I.; Lozynskyy, A. O.; Vantsevich, V. V.; Gorsich, D. J.; Lytvyn, V. V.; Klos, S. R.; Letherwood, M. D.; Національний університет “Львівська політехніка”; Університет Алабами у Бірмінгемі; Центр систем наземного транспорту армії США; Центр систем наземного транспорту, Наука і техніка Аліон; Lviv Polytechnic National University; University of Alabama at Birmingham; US Army CCDC Ground Vehicle Systems Center; Alion Science and Technilogy, Ground Vehicle Systems CenterУ цій статті представлено нечіткий регулятор, що налаштовується методом навчання з підкріпленням. Розроблений алгоритм використовує теорію нечіткої логіки та методи навчання з підкріпленням для підбору параметрів функцій належності нечіткого регулятора. Крім цього, імплементовано нечіткий задавач інтенсивності вхідного сигналу (сигналу завдання) нечіткого регулятора. Нечіткий задавач інтенсивності змінює вхідний сигнал регулятора враховуючи оригінальне значення вхідного сигналу та тип зовнішніх збурень у системі. Таким чином, розроблена система керування з нечітким регулятором налаштованим за допомогою методу навчання з підкріпленням забезпечує стабільну, оптимальну та безпечну роботу системи, та враховує зовнішні збурення в системі. Для перевірки роботи запропонованого методу керування, його було синтезовано до математичної моделі колісного модуля електроавтомобіля, щоб покращити антибуксувальну систему транспортного засобу. Ефективність розробленої системи керування на базі нечіткого регулятора підтверджено результатами імітаційного моделювання.Item Алгоритм оперативного наведення засобів вимірювально–керувального вузла кіберфізичної системи на рухомий об’єкт(Видавництво Львівської політехніки, 2020-03-01) Кушнір, Д. О.; Парамуд, Я. С.; Kushnir, D.; Paramud, Y.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityЗа результатами аналізу літературних джерел встановлено. що одними з основних вузлів кіберфізичних систем є вимірювально–керувальні вузли. Одним із завдань, розв’язання яких покладено на такі вузли, є наведення засобів спостереження за рухомими об’єктами. Запропоновано алгоритм наведення, який полягає в оперативному опрацюванні результатів спостережень, передбаченні найімовірнішого напрямку руху та формуванні команд для максимального наближення зображення рухомого об’єкта до центра інформаційного кадру. Розроблений алгоритм базується на алгоритмі навчання з підкріпленням DDPG. Засоби розпізнавання реалізовують можливості моделі YOLOv3. Використані додаткові програмні фільтри для покращення якості розпізнавання. Алгоритм верифіковано на експериментальній фізичній моделі з використанням дрона. Результати експериментальних досліджень підтвердили функціонування алгоритму наведення в реальному часі.Item Структурна адаптація процесів збирання даних в автономних розподілених системах із використанням методів навчання з підкріпленням(Видавництво Львівської політехніки, 2020-03-01) Бочкарьов, О. Ю.; Botchkaryov, A.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозроблено метод структурної адаптації процесів збирання даних на основі навчання з підкріпленням блоку прийняття рішень щодо вибору дій на структурному та підпорядкованому йому функціональному рівні, який забезпечує ефективніший розподіл вимірювальних та обчислювальних ресурсів, вищу надійність та живучість підсистем збирання інформації автономної розподіленої системи порівняно з методами параметричної адаптації. Зокрема за результатами експериментальних досліджень середня кількість зібраної інформації за один крок із використанням методу структурної адаптації на 23,2 % більша, ніж у випадку використання методів параметричної адаптації. Разом з тим кількість обчислювальних витрат на роботу методу структурної адаптації в середньому більша на 42,3 %, ніж на роботу методів параметричної адаптації. Досліджено надійність роботи методу структурної адаптації за допомогою коефіцієнта збереження ефективності для різних значень інтенсивності потоку відмов процесів збирання даних. За допомогою коефіцієнта швидкості відновлення для різних значень відносних одночасних раптових відмов досліджено живучість множини процесів збирання даних, організованих за методом структурної адаптації. За надійністю роботи метод структурної адаптації переважає методи параметричної адаптації в середньому на 21,1 %. Усереднений показник живучості для методу структурної адаптації більший ніж для методів параметричної адаптації на 18.4 %.