Перегляд за Автор "ORCID: https://orcid.org/0000-0002-9823-0044"
Зараз показуємо 1 - 8 з 8
Результатів на сторінці
Налаштування сортування
Документ Microsoft Teams – платформа для організації спілкування(Шлях успіху і перспективи розвитку (до 26 річниці заснування Харківського національного університету внутрішніх справ) : матеріали міжнар. наук.-практ. конф. (м. Харків, 20 листоп. 2020 р.). - Харків : ХНУВС, 2020.- С. 532-533., 2020) Шевчук, А. М.; Shevchuk, A. M.; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044Зазначено, що Microsoft Teams – це сучасна платформа, яка дозволяє об’єднувати аудіо або відео спілкування, роботу над спільними документами та використання інших додатків використовуючи один контент. Це універсальна платформа з безліччю переваг. Так, в часи глобалізації та розосередженості користувачів не тільки в окремих містах, країнах, а навіть континентах, робота над спільним проектом значно спрощується. Обговорення робочих питань з усіма учасниками проекту можлива у реальному часі. Звичайно, що актуальне питання і її використання в учбовому процесі. Тому що, використовуючи Teams організувати сучасне навчальне середовище для студентів можна швидко, цікаво та продуктивно. Указано, что Microsoft Teams – это современная платформа, позволяющая объединять аудио или видео общение, работу над совместными документами и использование других приложений, используя один контент. Это универсальная платформа с множеством преимуществ. Да, во времена глобализации и рассредоточенности пользователей не только в отдельных городах, странах, а даже континентах, работа над общим проектом значительно упрощается. Обсуждение рабочих вопросов со всеми участниками проекта возможно в реальном времени. Конечно, актуальный вопрос и её использование в учебном процессе. Потому что, используя Teams организовать современную обучающую среду для студентов можно быстро, интересно и продуктивно. It is indicated that Microsoft Teams is a modern platform that allows you to combine audio or video communication, work on joint documents and the use of other applications using one content. It is a versatile platform with many benefits. Yes, in times of globalization and dispersal of users not only in individual cities, countries, but even continents, work on a common project is greatly simplified. Discussion of working issues with all project participants is possible in real time. Of course, the topical issue and its use in the educational process. Because, using Teams, you can organize a modern learning environment for students quickly, interestingly and productively.Документ Neuro-mechanical methods of control and diagnostics of the technical state of aircraft engine TV3-117 in film regions(Вісник Херсонського національного технічного університету. - 2020. - № 1(72), ч. 1. - С. 141-154, 2020) Vladov, S. I.; Владов, С. І.; ORCID: http://orcid.org/0000-0001-8009-5254; Kotliarov, K. H.; Котляров, К. Г.; ORCID: https://orcid.org/0000-0002-1109-6381; Hrybanova, S. A.; Грибанова, С. А.; ORCID:https://orcid.org/0000-0001-5831-2363; Husarova, O. V.; Гусарова, О. В.; ORCID: https://orcid.org/0000-0002-9823-0044; Derevyanko, I. H.; Дерев’янко, І. Г.; ORCID: http://orcid.org/0000-0003-0116-1378; Hvozdik, S. D.; Гвоздік, С. Д.; ORCID: http://orcid.org/0000-0002-4105-1520Обґрунтовано доцільність застосування нейронних мереж у задачі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117. Визначено доцільність розробки нейронних мереж на базі на базі нейрорегулятора NN Predictive Controller. З'ясовано застосування градієнтного методу навчання нейронних мереж, а також розроблено метод навчання нейрорегулятора на основі нейромодулятора із застосуванням методу зворотного поширення помилки. Отримано розв’язок задачі контролю параметрів технічного стану авіаційного двигуна ТВ3-117, який підтверджує доцільність застосування нейронних мереж у задачі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117.Документ Аспекти використання штучних нейронних мереж у сучасних тренажерних системах «екіпаж-вертоліт-середовище»(Вчені записки ТНУ імені В.І. Вернадського. Сер.: Технічні науки. – 2021. – Т. 32 (71), № 2, ч. 1. - С. 26-30, 2021) Бойко, С. М.; Boiko, S. M.; Олійник, Ю. Л.; Oliinyk, Yu. L.; Журід, В. І.; Zhurid, V. I.; Ємець, В. В.; Yemets, V. V.; Москалик, В. М.; Moskalyk, V. M.; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044Досліджено питання покращення тренажерної бази для підготовки та підвищення кваліфікації пілотів вертольотів. Зазначено, що режими роботи авіаційних тренажерів, а особливо тренажерних систем «екіпаж-вертоліт-середовище», мають дуже складну і розгалужену структуру, а технологічні процеси дуже складні і залежать від багатьох факторів. Запропоновано використання штучних нейронних мереж у сучасних тренажерних системах «екіпаж-вертоліт-середовище».Документ Використання коміксів при викладанні математики(Авіація, промисловість, суспільство : матеріали ІІІ Міжнар. наук.-практ. конф. (м. Кременчук, 12 трав. 2022 р.) / МВС України, Харків. нац. ун-т внутр. справ, Кременчуц. льотний коледж, Наук. парк «Наука та безпека». – Харків : ХНУВС, 2022. – С. 262-264., 2022) Подгорних, Н. В.; Podhornykh, N. V.; ORCID: https://orcid.org/0000-0002-1503-6896; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044Зазначено, що комікси, як спосіб передачі інформації доступні і легкі для розуміння і сприйняття, асоціюються з реальними діями. Комікси допомагають викладачу урізноманітнити форми роботи, активізувати пізнавальну активність, творчій потенціал та зацікавити здобувачів освіти. Отмечено, что комиксы как способ передачи информации доступны и легки для понимания и восприятия, ассоциируются с реальными действиями. Комиксы помогают преподавателю разнообразить формы работы, активизировать познавательную активность, творческий потенциал и заинтересовать соискателей образования. It is noted that comics as a way of transmitting information are accessible and easy to understand and perceive, are associated with real actions. Comics help the teacher to diversify the forms of work, activate cognitive activity, creativity and interest applicants for education.Документ Використання нечітких нейронних мереж в задачах контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах(Вісник Херсонського національного технічного університету. – 2021. – № 1 (76). – С. 77–86, 2021) Владов, С. І.; Vladov, S. I.; ORCID: https://orcid.org/0000-0001-8009-5254; Москалик, В. М.; Moskalyk, V. M.; ORCID: https://orcid.org/0000-0003-4916-3102; Подгорних, Н. В.; Podhornykh, N. V.; ORCID: https://orcid.org/0000-0002-1503-6896; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044; Назаренко, Н. П.; Nazarenko, N. P.; ORCID: https://orcid.org/0000-0001-9745-2430Предметом дослідження в статті є авіаційний двигун ТВ3-117 та методи контролю і діагностики його технічного стану. Мета роботи – обґрунтування використання нечіткої нейронної мережі Ванга-Менделя задля практичної реалізації нечітких експертних систем контролю і діагностики технічного стану авіаційних газотурбінних двигунів, зокрема, ТВ3-117, що ґрунтуються на використанні нечіткої логіки. Використовуються такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Висновки: Результати проведених досліджень показали, що штучні нейронні мережі і системи з нечіткою логікою схожі між собою, однак, кожна з них має свої переваги і недоліки. Даний висновок був узятий за основу при створенні нечітких нейронних мереж. Такі мережі будують рішення на основі апарату нечіткої логіки, проте функції приналежності налаштовуються за допомогою алгоритмів навчання штучних нейронних мереж. Крім того, такі мережі не тільки можуть навчатися, а й здатні враховувати апріорну інформацію. За своєю структурою нечіткі нейронні мережі схожі з багатошаровими мережами, наприклад, з мережею, яка навчається за алгоритмом зворотного поширення, але приховані шари в нечітких мережах відповідають етапам роботи нечіткої системи: перший шар виробляє введення нечіткості, виходячи із заданих ознак входів; другий шар визначає множину нечітких правил; третій шар виконує функцію приведення до чіткості. У кожному із зазначених шарів є набір параметрів, настройка яких проводиться так само, як і настройка звичайної нейронної мережі. Нечітка експертна система, реалізована за допомогою нечіткої нейронної мережі Ванга-Менделя, може бути використана в бортовій системі контролю і діагностики технічного стану авіаційних газотурбінних двигунів, зокрема вертолітних – ТВ3-117.Документ Метод підвищення робасності нейромережевої моделі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 в польотних режимах(Вісник Кременчуцького національного університету імені Михайла Остроградського. - 2020. - Вип. 1/2020 (120). - С. 113–119., 2020) Владов, С. І.; Vladov, S. I.; ORCID: https://orcid.org/0000-0001-8009-5254; Шмельов, Ю. М.; Shmelоv, Yu. M.; ORCID: https://orcid.org/0000-0002-3942-2003; Грибанова, С. А.; Hrybanova, S. A.; ORCID:https://orcid.org/0000-0001-5831-2363; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044; Подгорних, Н. В.; Podhornykh, N. V.; ORCID: https://orcid.org/0000-0002-1503-6896Розроблено метод підвищення робастності нейромережевої моделі контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах, який дозволяє зменшити помилки під час розрахунків контрольованих параметрів зазначеного авіаційного двигуна. При цьому застосовано метод нейроноінформатики при розробці нейромережевої моделі авіаційного двигуна ТВ3-117, градієнтний метод з адаптивним кроком під час навчання нейронної мережі, метод зворотного поширення задля навчання нейрорегулятора, метод зворотного поширення помилки задля навчання нейромодулятора. Для розв’язання задачі редукції нейромережевої моделі розроблено алгоритм на основі багатокритеріального навчання. У роботі здійснено оцінку робастності (здатність до узагальнення нейромережевої моделі) на основі обчислення специфічної міри складності мережі – «міри Вапніка–Червоненкіса» (VCdim), за допомогою якої задля збільшення робастності моделі необхідно зменшити кількість міжнейронних зв’язків при збереженні точності обчислень. У ході досліджень проведено обчислювальні експерименти, в яких нейронні мережі початково однакової топології піддавалися редукції трьома методами – запропонованим алгоритмом і двома стандартними, а саме, методом Optimal Brain Damage (OBD) й методом штрафних функцій. Розрахунково-експериментальним шляхом доведено, що розроблений алгоритм редукції нейронних мереж підвищує робастність побудованої на її основі моделі, та алгоритм перевершує стандартні методи за точністю і швидкістю навчання. Наукова новизна отриманих результатів полягає в тому, що удосконалено метод підвищення робастності нейромережевої моделі контролю і діагностики технічного стану авіаційних газотурбінних двигунів за рахунок комбінації системи нейромережевого контролю з емулятором і контролером, що застосовується для контролю і діагностики технічного стану авіаційного двигуна ТВ3-117 у польотних режимах. Це дозволило з алгоритмом на основі багатокритеріального навчання зменшити середні помилки навчання нейронної мережі приблизно на 80 та 70 % відповідно порівняно з методом Optimal Brain Damage (OBD) й методом штрафних функцій відповідно. Разработан метод повышения робастности нейросетевой модели контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах, который позволяет уменьшить ошибки в расчетах контролируемых параметров указанного авиационного двигателя. При этом применен метод нейроинформатики при разработке нейросетевой модели авиационного двигателя ТВ3-117, градиентный метод с адаптивным шагом при обучении нейронной сети, метод обратного распространения для обучения нейрорегулятора, метод обратного распространения ошибки для обучения нейромодулятора. Для решения задачи редукции нейросетевой модели разработан алгоритм на основе многокритериального обучения. В работе осуществлена оценка робастности (способность к обобщению нейросетевой модели) на основе вычисления специфической степени сложности сети – «меры Вапника–Червоненкиса» (VCdim), с помощью которой для увеличения робастности модели необходимо уменьшить количество межнейронных связей при сохранении точности вычислений. В ходе исследований проведены вычислительные эксперименты, в которых нейронные сети первоначально одинаковой топологии подвергались редукции тремя методами – предложенным алгоритмом и двумя стандартными, а именно, методом Optimal Brain Damage (OBD) и методом штрафных функций. Расчетноэкспериментальным путем доказано, что разработанный алгоритм редукции нейронных сетей повышает робастность разработанной на ее основе модели, и алгоритм превосходит стандартные методы по точности и скорости обучения. Научная новизна полученных результатов заключается в том, что усовершенствовано метод повышения робастности нейросетевой модели контроля и диагностики технического состояния авиационных газотурбинных двигателей за счет комбинации системы нейросетевого контроля с эмулятором и контроллером, который применяется для контроля и диагностики технического состояния авиационного двигателя ТВ3-117 в полетных режимах. Это позволило с алгоритмом на основе многокритериального обучение уменьшить средние ошибки обучения нейронной сети примерно на 80 и 70 % соответственно по сравнению с методом Optimal Brain Damage (OBD) и методом штрафных функций соответственно. The purpose of this work is to develop the method for increase the robustness of the neural network model for control and diagnostics of the TV3-117 aircraft engine technical state in flight modes, which allows to reduce errors in the calculation of the controlled parameters of the specified aircraft engine. Methodology. The work is based on neuroinformatics method in developing a neural network model of the TV3-117 aircraft engine, gradient method with adaptive step in training a neural network, back propagation method for training a neuroregulator, back propagation method for training a neuromodulator. To solve the problem of reducing the neural network model, an algorithm based on multicriteria training has been developed. The work estimates robustness (the ability to generalize a neural network model) based on the calculation of a specific degree of network complexity – “Vapnik-Chervonenkis measures” (VCdim), with which to increase the robustness of the model it is necessary to reduce the number of interneuron connections while maintaining the accuracy of calculations. Results. During the research, computational experiments were carried out in which neural networks of initially the same topology were subjected to reduction by three methods – the proposed algorithm and two standard ones, namely, the Optimal Brain Damage (OBD) method and the penalty function method. It is proved by calculation and experiment that the developed algorithm for reducing neural networks increases the robustness of the model developed on its basis, and the algorithm surpasses standard methods in accuracy and speed of training. Originality. The method of increasing the robustness of the neural network model for monitoring and diagnosing of aircraft gas turbine engines technical state has been improved by combining the neural network control system with an emulator and a controller, which is used to control and diagnose of TV3-117 aircraft engine technical state in flight modes. This allowed using the algorithm based on multicriteria training to reduce the average neural network learning errors by about 80 and 70 %, respectively, compared to the Optimal Brain Damage (OBD) method and the penalty function method, respectively. Practical value. The developed method is a component of the intelligent system of control and diagnostics of TV3-117 aircraft engine technical state in flight modes. References 14, table 1, figure 2.Документ Проблематика авіаційної безпеки під час експлутації безпілотних літальних апаратів(Вчені записки ТНУ імені В.І. Вернадського. Сер.: Технічні науки. – 2021. – Т. 32 (71), № 6. - С. 5-8, 2021) Бойко, С. М.; Boiko, S. M.; Ножнова, М. О.; Nozhnova, M. O.; ORCID: https://orcid.org/ 0000-0002-4306-0973; Стущанський, Ю. В.; Stushchanskyi, Yu. V.; ORCID: https://orcid.org/0000-0002-3021-6756; Олійник, Ю. Л.; Oliinyk, Yu. L.; Хебда, А. С.; Khebda, A. S.; ORCID: https://orcid.org/0000-0003-1917-9509; Голованов, С. Л.; Holovanov, S. L.; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044Розглянуто питанням безпеки застосування та експлуатації безпілотних літальних апаратів, що є серйозною науково-технічною проблемою в контексті забезпечення безаварійного застосування БПЛА, що виключає неконтрольоване падіння БПЛА на землю і пов’язане із цим ненавмисне завдання шкоди життю, здоров’ю людей та їхньому майну на землі. Незважаючи на ряд заходів, що вже застосовуються у світі для регулювання питань застосування та експлуатації БПЛА, дрони залишаються загрозою повітряному руху, і з кожним роком це питання стає більш актуальним. Обґрунтовано необхідність подальшого вивчення та вдосконалення питання авіаційної безпеки в контексті льотної експлуатації безпілотних літальних апаратів та запропоновано надалі у формуванні підходів до проєктування та льотної експлуатації безпілотних літальних апаратів ураховувати можливість примусового коригування траєкторії їхнього руху з метою попередження авіаційних інцидентів.Документ Ідентифікація багаторежимної моделі авіаційних двигунів вертольотів у польотних режимах з використанням модифікованого градієнтного алгоритму навчання радіально-базисних нейронних мереж(Вісник Херсонського національного технічного університету. - 2021. - № 4(79). - С. 52-63, 2021) Владов, С. І.; Vladov, S. I.; ORCID: http://orcid.org/0000-0001-8009-5254; Дєрябіна, І. О.; Dieriabina, I. O.; ORCID: http://orcid.org/0000-0001-5164-2976; Гусарова, О. В.; Husarova, O. V.; ORCID: https://orcid.org/0000-0002-9823-0044; Пилипенко, Л. М.; Pylypenko, L. M.; ORCID: https://orcid.org/0000-0001-5221-0921; Пономаренко, А. В.; Ponomarenko, A. V.; ORCID: http://orcid.org/0000-0002-4143-1814Розглянуто розв’язання прикладної задачі ідентифікації авіаційних газотурбінних двигунів вертольотів у польотних режимах за допомогою їх багаторежимних моделей з використанням класичного методу – методу найменших квадратів і нейромережевого методу – шляхом побудови нейронної мережі відповідно до вихідних даних. Використовано такі методи: методи теорії ймовірностей і математичної статистики, методи нейроінформатики, методи теорії інформаційних систем та обробки даних. Для досягнення поставленої мети та зменшення помилки ідентифікації багаторежимної моделі авіаційного газотурбінного двигуна у роботі запропоновано використання нейронної мережі радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання, що полягає у динамічній зміні структури нейронної мережі у процесі навчання, а для виключення ситуацій, коли параметри елементів стають близькими один до одного, введено коефіцієнт взаємного припинення елементів. При розв’язанні прикладної задачі ідентифікації авіаційних газотурбінних двигунів вертольотів показано, що похибка ідентифікації багаторежимної моделі авіаційних газотурбінних вертольотів (на прикладі авіаційного двигуна ТВ3-117) за допомогою персептрона при обчисленні окремих параметрів двигуна не перевищила 0,63 %; для нейронної мережі радіально-базисних функцій – 0,74 %, для нейронної мереж радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання – 0,47 %, у той час як для класичного методу (методу найменших квадратів) вона складає близько 1 % у розглянутому діапазоні зміни режимів роботи двигуна. Порівняльний аналіз нейромережевих і класичного методів ідентифікації в умовах дії шумів показує, що нейромережеві методи більш робастні до зовнішніх збурень: для рівня шуму σ = 0,025 похибка ідентифікації параметрів авіаційного двигуна ТВ3-117 при використанні персептрона зростає з 0,63 до 0,84 %; для нейронної мережі радіально-базисних функцій – з 0,74 до 0,86 %; для нейронної мережі радіально-базисних функцій з модифікованим градієнтним алгоритмом навчання – з 0,47 до 0,65 %, а для методу найменших квадратів – з 0,99 до 2,14 %.