122 Комп'ютерні науки
Постійне посилання колекціїhttps://dspace.mipolytech.education/handle/mip/678
Переглянути
2 результатів
Результати пошуку
Документ Дослідження методів, моделей та інформаційних технологій використання нейронних мереж в підвищенні рудозбагачувальних фабрик(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Коник, А. B.; Konyk, A. B.; Костіков, О. А.Метою магістерської роботи є розробка програмно-технічного комплексу з використанням згорткових нейронних мереж, як додатковий модуль АСУТП технологічних секцій, який стане додатковим інструментом контролю крупності вхідної сировини а також продуктів розвантаження млинів. Об’єктом дослідження є технологічний процес подрібнення руди у барабанних млинах та збагачувальні процеси технологічних секцій на гірничо-збагачувальних комбінатах. Предметом дослідження є методи управління технологічним процесом подрібнення руди та збагачувальні процеси у технологічних секціях гірничозбагачувальних комбінатів. При виконанні роботи проаналізовано математичну модель існуючих АСУТП систем керування технологічним процесом. Огляд та аналіз існуючої АСУТП системи керування технологічним процесом на підприємстві, вказали на ряд недоліків у функціональності та управлінні. Дослідження аналізу систем керування процесами подрібнення руди в барабанних млинах та технологій дроблення і подрібнення руди в дробарках і барабанних млинах вказують на важливість ефективного управління цими процесами для підвищення продуктивності та якості виробництва залізорудного концентрату. Аналіз сучасних методів управління вказує на те, що автоматизовані системи грають ключову роль в оптимізації процесів переробки руди. Впровадження сучасних технологій, моделей та інформаційних систем сприяє покращенню точності та швидкості управління, що в свою чергу призводить до зменшення витрат та підвищення виробничої ефективності. Ефективні автоматизовані системи управління дозволяють реалізовувати оптимальні стратегії обробки руди, враховуючи різноманітні параметри, такі як розмір часток, хімічний склад і фізичні властивості. Інтеграція передових технологій, таких як штучний інтелект та машинне навчання, дозволяє створювати гнучкі та адаптивні системи, які можуть самостійно вдосконалюватися на основі зібраної інформації. Отже, розвиток та вдосконалення систем управління процесами подрібнення руди в барабанних млинах, технологій дроблення і подрібнення руди, а також використання сучасних методів та інформаційних технологій в автоматизованих системах є важливим етапом для оптимізації виробничих процесів та забезпечення стабільної та ефективної виробництва залізорудного концентрату. Представлені результати теоретичних досліджень, які були проведені з метою вивчення заданого об’єкта. В процесі роботи було здійснено опис перебігу досліджень, а також представлені отримані результати, включаючи приклади розрахунків. Аналіз теоретичних аспектів дозволив отримати глибше розуміння властивостей та характеристик досліджуваного об’єкта. Описані методи та підходи виявилися ефективними для досягнення поставлених цілей та вирішення конкретних завдань. Результати експериментальних досліджень, які включають в себе чисельні дані, графіки та приклади розрахунків, свідчать про високий рівень об’єктивності та достовірності отриманих результатів. Це дозволяє зробити висновки щодо властивостей та робочих характеристик досліджуваного об’єкта. Отже, в розділі підкреслено важливість проведення теоретичних та експериментальних досліджень для вивчення та розуміння заданого об’єкта. Отримані результати є основою для подальших висновків та рекомендацій, а також можуть служити основою для подальших досліджень та розвитку області. Виконані розрахунки витрат на реалізацію проєкту, порівняні результати розрахунків різними методами, а також розрахований економічний ефект від впровадження ПТК на одному гірничо-добувному підприємстві.Документ Дослідження методів, моделей та інформаційних технологій розпізнавання об’єктів роботоавтомобілем при його русі(ТОВ "ТЕХНІЧНИЙ УНІВЕРСИТЕТ "МЕТІНВЕСТ ПОЛІТЕХНІКА", 2024) Якимов, Ю.; Yakymov, Yu. M.; Шматко. О. В.Мета дослідження полягає у підвищенні точності розпізнавання рухомих об'єктів роботизованим автомобілем для точного визначення та прогнозування руху інших об'єктів на дорозі, безпечної та плавної їзди за рахунок дослідження методів та проєктування та розробки програмних компоненті для системи розпізнавання рухомих об’єктів. Об'єкт дослідження – системи розпізнавання об’єктів у роботизованих автомобілях. Предмет дослідження: методи та засоби побудови систем розпізнавання рухомих об’єктів для управління роботизованим автомобілем. Метод дослідження – комплексний аналіз існуючих алгоритмів виявлення об'єктів, розробка та тренування моделей глибокого навчання на базі архітектури YOLO, експериментальна верифікація та порівняння ефективності різних моделей. Робота включає аналіз існуючих досліджень, розробку програмних компонентів, тренування моделей глибокого навчання, аналіз роботи системи. Магістерська робота присвячена розробці інтелектуальної системи виявлення рухомих об'єктів у реальному часі за допомогою алгоритмів YOLO, що є важливим елементом систем комп'ютерного зору для роботизованих автомобілів. Мета роботи полягає у підвищенні точності розпізнавання рухомих об'єктів для ефективного визначення та прогнозування їх траєкторій, що забезпечить підвищення безпеки дорожнього руху. Об'єктом дослідження виступають системи виявлення об'єктів у роботизованих автомобілях, а предметом — методи та засоби побудови цих систем. У роботі розглядаються функціональні та нефункціональні вимоги до таких систем, а також аналізується системна архітектура, включаючи модулі введення, виявлення об'єктів та генерації попереджень. Розроблено програмні компоненти та проведено дослідження розробленої системи, показавши ефективність комбінованого використання алгоритмів для виявлення рухомих об'єктів у різних умовах. Дослідження має значний практичний потенціал, оскільки його результати можуть бути застосовані для оптимізації систем автономного управління транспортними засобами, забезпечуючи високу точність та швидкість реагування, необхідні для безпеки дорожнього руху. Теоретична цінність роботи полягає в розвитку наукових підходів до побудови інтелектуальних систем виявлення об'єктів, що може послужити основою для подальших досліджень у цій області. Результати можуть бути використані при викладанні дисциплін, пов'язаних зі штучним інтелектом, машинним навчанням та робототехнікою. Наукова новизна полягає у впровадженні удосконалень в алгоритми обробки зображень та в реалізації адаптивних методів для підвищення точності і швидкодії системи розпізнавання в різноманітних умовах дорожнього середовища. Практичне значення отриманих результатів виявляється у можливості використання розробленої системи для підвищення рівня безпеки та оптимізації управління в автономних транспортних засобах.