Выпуск 24 (4), 2025: Информатика и автоматизация

В работе рассматривается задача планирования согласованных движений для системы многозвенных роботов-манипуляторов. Одним из перспективных современных подходов к её решению является конфликтно-ориентированное планирование, позволяющее отказаться от построения комбинированного пространства поиска высокой размерности за счет перехода к последовательному решению совокупности задач более низкой размерности. Этот переход осуществляется путем задания пространственно-временных ограничений при наличии конфликта в индивидуальных планах манипуляторов и последующего пере-планирования с учетом наложенных ограничений. К сожалению, известные к настоящему моменту способы наложения ограничений оперируют отдельными моментами времени, что снижает их эффективность на практике. В данной работе представляется новый алгоритм конфликтно-ориентированного планирования, основанный не на точечных, а на интервальных временных ограничениях – GECBS-T. С теоретической точки зрения, предлагаемый алгоритм гарантирует ограниченную суб-оптимальность конструируемых решений, т.е. при любом наперёд заданном пользователем ограничении w > 1, стоимость решения GECBS-T не будет превышать стоимость оптимального решения более, чем в w раз. На практике же, предлагаемый алгоритм существенно превосходит аналогичные алгоритмы по скорости решения задач планирования, что подтверждается проведенными экспериментами в робототехническом симуляторе mujoco, включающими 2-4 робота-манипулятора Kuka с 7 степенями свободы каждый.

Управление группой роботов с помощью одного пульта дистанционного управления является актуальной и сложной задачей, особенно в условиях нестабильной связи, когда часть роботов может временно терять управляющий сигнал, что требует разработки надёжных децентрализованных механизмов для поддержания строя. В данной работе предложена и апробирована полуцентрализованная система управления, позволяющая оператору координировать группу роботов как единое целое. Система объединяет централизованные команды от базовой станции с децентрализованной коррекцией положения на основе протокола ESP-NOW. Для сравнения эффективности в задаче поддержания жёсткой формации были применены протокол локального голосования (LVP) и его ускоренная версия (ALVP). Их эффективность оценивалась в среде моделирования на группе из четырёх дронов в ходе экспериментов, включавших резкие манёвры (повороты на 50° и 75°) и имитацию значительных потерь пакетов данных (50% и 80%). Результаты показали, что ALVP продемонстрировал значительные преимущества по сравнению со стандартным LVP: более высокую скорость восстановления формации, меньшую среднюю ошибку позиционирования и большую устойчивость. В частности, при выполнении серии из 20 полётов с поворотом на 50°, ALVP успешно сохранил строй в 17 случаях против 3 у LVP, а также показал лучшую робастность в условиях потерь пакетов. Таким образом, предложенный полуцентрализованный подход с использованием протокола ALVP является эффективным и надёжным решением для управления строем группы роботов. Дальнейшие исследования будут направлены на проведение натурных экспериментов и интеграцию механизмов обхода препятствий.

В статье рассматривается разработка математической модели походки человека для синтеза системы управления мехатронного реабилитационного комплекса. Актуальность исследования обусловлена необходимостью создания эффективных реабилитационных технологий для пациентов с нарушениями двигательной функции. Существующие реабилитационные комплексы можно разделить на экзоскелеты и устройства с механическим соединением ( end effector ), при этом экзоскелеты демонстрируют более высокую реабилитационную эффективность, имитируя естественную походку. Исследование включает анализ различных моделей движения, таких как кинематические, динамические, биомеханические, нейронные сети и алгоритмы управления. Научная новизна работы заключается в создании модели, позволяющей учитывать индивидуальные антропометрические параметры пациента, включая массу и длины сегментов конечностей, а также моделировать поворот ступней. В рамках исследования предложен метод разбиения цикла шага на четыре фазы, каждая из которых описывается отдельной системой математических уравнений, что обеспечивает высокую точность воспроизведения различных этапов движения. Для валидации модели использовалась маркерная система захвата движений, что позволило получить данные о траекториях движения. Результаты показали, что модель эффективно генерирует траектории сагиттальных углов возвышения бедра, голени и стопы, что способствует улучшению управления реабилитационным устройством. В заключение, работа подчеркивает важность математического моделирования для создания адаптивных систем управления, которые могут существенно улучшить процесс реабилитации. Дальнейшие исследования будут направлены на доработку модели и её интеграцию с методами машинного обучения для повышения точности и надежности реабилитационных программ.

В работе предложен алгоритм RainCast ( Rain Rate Now Cast ), предназначенный для краткосрочного прогноза интенсивности осадков на срок до двух часов. Данное направление метеорологии, в англоязычной литературе получившее название «наукастинг» (nowcasting), является одним из наиболее востребованных информационных продуктов во многих сферах человеческой деятельности. Вместе с тем, его доступность может быть сильно ограничена имеющейся наземной инфраструктурой. В настоящей работе авторами поставлена цель создания алгоритма прогноза осадков, предназначенного для одной из таких территорий на примере Азиатско-Тихоокеанского регионе с использованием спутниковых измерений космического аппарата Himawari-8/9. Предложенный алгоритм объединяет преимущества детерминированного и статистического подходов к задаче прогноза и основан на использовании двух нейросетевых моделей. Первая модель осуществляет предварительный прогноз общего направления движения осадков на мезомасштабном уровне с помощью физически-обусловленной нейронной сети NowcastNet. Вторая модель на основе архитектуры CasFormer служит для постобработки полученного прогноза методом диффузий с целью повышения его детализации. Разработанный с использованием данного метода гибридный алгоритм RainCast позволяет получать краткосрочный прогноз интенсивности осадков на срок до двух часов с частотой каждые 10 минут и пространственным разрешением 2 км/пиксель на основе спутниковых измерений в инфракрасном диапазоне. Спутниковые измерения используются для расчета интенсивности осадков по ранее предложенному авторами алгоритму. На основе карт осадков сформированы обучающие, валидационные и тестовые наборы данных, применяемые для обучения, настройки алгоритма и оценки качества прогнозов соответственно. Для предложенного алгоритма RainCast, а также применяемых в мировой практике актуальных решений, таких как NowcastNet, CasFormer, Earthformer, было проведено обучение с использованием сформированных наборов данных, после чего для указанных алгоритмов был рассчитан ряд показателей качества получаемых прогнозов. Из полученных результатов можно сделать вывод, что предложенный в настоящей работе гибридный алгоритм RainCast имеет более высокое качество прогноза в сравнении с другими вышеперечисленными решениями при равных условиях. Для валидационного набора данных на территории Дальневосточного региона при прогнозе алгоритмом RainCast c заблаговременностью 2 часа были получены следующие показатели для последнего спрогнозированного кадра: корень среднеквадратической ошибки RMSE составил 0.88 мм/ч, вероятность обнаружения POD – 0.78, коэффициент корреляции Пирсона – 0.75, индекс структурного сходства SSIM – 0.91, а пиковое отношение сигнала к шуму PSNR – 36.63. Дополнительно проведенный визуальный анализ прогнозов подтвердил, что наиболее близкие к фактическим наблюдениям результаты имеет предложенный гибридный региональный алгоритм RainCast.

В работе исследуются некоторые проблемы машинного обучения, связанные с анализом данных малого объема. А именно, решается задача формирования обучающего набора, обладающего высокой репрезентативностью в задачах многоклассовой классификации. Известно, что межклассовая и внутриклассовая несбалансированность, свойственная малым наборам данных, негативно влияет на качество работы алгоритмов. С целью их устранения в машинном обучении разработаны некоторые методы синтеза данных, дополняющие имеющийся набор и уравнивающие количество объектов каждого из классов. Однако такие методы не всегда решают проблему недостаточной репрезентативности. В данной статье предлагается метод построения репрезентативного обучающего набора данных за счет задания распределения, в наибольшей степени соответствующего действительности. Распределение формируется по каждому признаку в пределах информативных областей. Информативные области содержат характерные значения признаков, наиболее значимые для различения классов объектов. Предложенный метод построения областей основан на идее поэтапного расширения, сопровождающегося ростом информативности областей. При этом под информативностью понимается мера, отражающая то, насколько хорошо с помощью рассматриваемой области можно разделить объекты различных классов. С целью формирования дополняющего набора данных разработан метод генерации. В результате его применения дополняющий набор данных объединяется с исходным и образует в информативной области указанное распределение. Это распределение может быть задано либо на основе экспертных знаний о предметной области, если известно истинное распределение, либо получено в результате вычислительных экспериментов, направленных на поиск наиболее эффективного варианта. Применимость метода продемонстрирована на примере решения задачи определения уровня температурных аномалий молочных желёз. Показано, что для рассматриваемых температурных признаков характерно нормальное распределение. Повышение репрезентативности обучающего набора позволило обучить классический алгоритм классификации – логистическую регрессию – с точностью, сопоставимой с многослойной нейронной сетью. Такой подход к формированию обучающего набора данных открывает возможность создания более прозрачных и интерпретируемых систем искусственного интеллекта.

В статье представлен новый метод аугментации данных измерительных систем, разработанный для задач мониторинга состояния промышленного оборудования. Актуальность исследования обусловлена существенными ограничениями традиционных методов генерации синтетических данных, которые не способны адекватно воспроизводить сложные нестационарные сигналы с характерными переходными процессами, трендами и сезонными вариациями, наблюдаемыми в реальных промышленных условиях. Предложенный метод основан на интеграции двух современных методов: эмпирического вейвлет-преобразования (EWT) и условных генеративных состязательных сетей (Conditional GAN). Метод реализуется в три этапа: (1) адаптивная декомпозиция исходных сигналов на моды с помощью EWT, (2) категоризация мод с присвоением меток, (3) генерация синтетических данных с использованием Conditional GAN. Для комплексной оценки качества синтезированных сигналов применялся набор статистических метрик, включая расстояние Wasserstein (WS), коэффициент корреляции Пирсона (PCC) и среднеквадратическую ошибку (RMSE). Экспериментальные исследования проводились на реальных данных температурного датчика, работающего в условиях нестационарных режимов промышленного оборудования. Результаты демонстрируют значительное преимущество предложенного метода по сравнению с традиционным подходом timeGAN: снижение расстояния Wasserstein на 17%, увеличение коэффициента корреляции Пирсона на 57% и уменьшение среднеквадратической ошибки на 21%. Полученные данные свидетельствуют об эффективности метода в воспроизведении ключевых характеристик исходных сигналов. Разработанный метод позволяет создавать набор синтетических данных, необходимых для обучения современных нейросетевых моделей диагностики промышленного оборудования. Его практическое применение позволяет существенно сократить затраты на сбор экспериментальных данных, обеспечивая высокое качество синтезированных сигналов, что подтверждено статистическими метриками.

Переход к автоматизированным системам регулирования на неохраняемых железнодорожных переездах обусловил необходимость решения вопросов их безопасности. Наиболее рациональным решением указанной проблемы является применение систем видеонаблюдения, обеспечивающих трансляцию изображений, как на железнодорожные станции, в зоне ответственности которых находятся железнодорожные переезды, так и на локомотивы подвижных составов. С этой целью активно используют системы передачи информации, организованные на основе сетей широкополосного доступа и LTE. Но поскольку работа таких сетей организуется вдоль железнодорожных путей, в том числе в условиях активного применения различных излучающих средств, то для них характерном является нарушение условий электромагнитной совместимости, приводящее к сбою работы в результате непреднамеренного блокирования отдельных каналов. Поэтому анализ условий, при которых наступает сбой работы сети передачи видео, а также прогнозный расчет параметров радиолиний, при которых обеспечивается заданный уровень устойчивости работы сети, является актуальными. Рассмотрены технологии и особенности работы сетей стандарта LTE. Обоснованы показатели и критерии оценки функционирования линий передачи видео в рамках технических возможностей стандарта. Проведена математическая постановка задачи исследования. Определены исходные данные для разработки аналитической модели вероятностной оценки функционирования сети передачи видео. Разработан аналитический аппарат расчета вероятности блокирования каналов, учитывающий взаимную интенсивность использования частотного трафика конфликтующими средствами. Проанализированы требования ГОСТ Р 53111-2008, определяющего условиях, при которых обеспечивается устойчивость функционирования сети связи общего пользования. Получено выражение вероятностной оценки, характеризующее вероятность нарушения (блокирования) работы сети, определяемой как канальными шумами и замираниями, так и помехами непреднамеренного характера от сторонних источников радиоизлучений при нарушении условий их электромагнитной совместимости. Представлены результаты аналитического моделирования, раскрывающие условия, при которых обеспечивается успешное функционирование сети передачи результатов видеонаблюдения. Обосновано, что работа сетей передачи видео в условиях взаимных помех при нарушении требований по электромагнитной совместимости, более чувствительна к изменению отношения значений интенсивностей потоков сети и источников сторонних излучений, работающих в режиме с программной перестройкой рабочей частоты, чем к энергетическим соотношениям полезного и мешающего сигналов.

В данной работе представлен инновационный подход к кластеризации и маршрутизации в подводных беспроводных сенсорных сетях (ПБСС), основанный на модифицированном Лувенском алгоритме учитывающим расстояния между узлами, вероятности успешной передачи сообщений и текущий уровень энергии сенсоров. Класс задач, для которых используется указанный подход – гибридные подводные акустические беспроводные сенсорные сети с мобильным (надводным или подводным) шлюзом. Предложенный метод реализует механизм динамической рекластеризации сети на основе мониторинга энергетических ресурсов узлов, что позволяет перераспределять роли сенсоров в сети (обыкновенных и референсных) и обеспечивать адаптацию сети к изменениям внешней среды и состоянию сенсоров. Разработанный алгоритм нацелен на повышение энергоэффективности, минимизацию потерь данных и сокращение числа ретрансляций при передаче сообщений в условиях ограниченной пропускной способности гидроакустического канала связи. MAC-уровень базируется на TDMA протоколе, исключающем возможность коллизий за счёт использования независимых временных слотов для сенсоров. Динамическая модель решает ключевые задачи управления ресурсами ПБСС: снижает энергозатраты, повышает надёжность передачи данных, уменьшает длительность передачи сообщений и продлевает срок автономной работы сети. Модель учитывает пространственную трёхмерную структуру размещения сенсоров и оптимизирует размещение референсных узлов, предотвращая перегрузку и появление «узких мест» в сети. Целью работы является построение топологии, минимизирующей энергопотребление и потери сообщений при эффективной маршрутизации данных к мобильному шлюзу. Гибкость и адаптивность предложенного подхода делает его применимым в реальных подводных задачах мониторинга окружающей среды и исследованиях мирового океана. Модифицированный Лувенский алгоритм с введенным порогом кластеризации оказался эффективным инструментом, обеспечивающим детальный анализ влияния проектных параметров на основные функциональные характеристики ПБСС. Сочетание модифицированного Лувенского алгоритма и модифицированного метода Дейкстры в рамках предложенной имитационной стохастической модели позволяет создавать устойчивую, адаптивную и энергоэффективную кластерную архитектуру сети.