книги2 / MK-1670

МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ 41

дой, равной сумме амплитуд волн в плечах 1 и 2. Таким образом создается суммарный ∑. Н-плечо возбуждается с амплитудой, равной разности амплитуд в плечах I и 2. Поскольку в данном случае амплитуды равны, то плечо Н не возбуждается, т.е. разностный сигнал равен нуле, ошибки сопровождения по ε нет.

Рассмотрим другой случай. Пусть цель отклонилась вверх от РСН. В этом случае амплитуда возбужденной волны в волноводе 1 будет больше, чем в волноводе 2. Распределение амплитуд для этого случая показано штриховыми линиями. Теперь в Н-плече возбудится волна с разностной амплитудой Δε, причем амплитуда будет тем больше, чем больше цель отклонится вверх от РСН.

Если цель отклонится вниз от РСН, что показано на рис.6 пунктиром, то в Н-плече также возбудится волна с разностной амплитудой, но ее начальная фаза изменится по сравнению с предыдущим случаем на 180°.

Таким образом, двойной волноводный тройник обеспечивает выработку суммарного и разностного сигналов по углу места. Оставшаяся часть двойного волноводного тройника по сравнению с двойным волноводным тройником имеет больший размер широких стенок волноводов 1 и 2. Волноводы расширены так, чтобы в них могла возбуждаться кроме волны основного типа H10 и волна Н20.

Разрез азимутальной части облучателя приведен на рис.7.

Рис. 7. Разрез азимутальной части моноимпульсного облучателя

В середине широких стенок волноводов 1 и 2 прорезаны продольные щели, с помощью которых возбуждается волноводы 3 и 4, являющиеся плечами Е-тройника. Рассмотрим несколько частных случаев.

Цель находится на PСH. В волноводах 1 и 2 возбуждаются синфазные волны H10, при которых поперечные поверхностные токи в центре широких стенок волновода равны нулю. При этом щели не возбуждаются и, следовательно, Е-плечо не возбуждается. Это означает, что разностный сигнал по β равен нулю, ошибки сопровождения по β нет.

Если цель отклонится влево от РСН и займет положение 1 (рис. 2.7), то в волноводах 1 и 2 возбудятся волны H20, силовые линии которых показаны сплошными линиями. При этом волноводы 3 и 4 возбудятся, и волны по отношению к Е-тройнику будут противофазны. Следовательно, Е-плечо возбудится с суммарной амплитудой. Величина отклонения цели по азимуту от РСН Δβ будет тем больше, чем дальше отклонилась цель влево от РСН, так как при этом условия возбуждения волн H20 улучшаются.

При отклонении цели вправо-от РСН будет наблюдаться аналогичная картина с той лишь разницей, что начальная фаза волны Δβ изменится на 180°.

Таким образом, используя моноимпульсный облучатель можно осуществлять пеленгование целей в двух плоскостях. Разностные сигналы Δβ и Δε уже несут в себе информацию об отклонении цели от РСН и поэтому после обработки в 2-канальной приемной системе они трансформируются в сигналы ошибок по координатам β и ε. Точность автоматического сопровождения целей в моноимпульсных РЛС более высокая, чем в системах с коническим сканированием. В связи с этим моноимпульсные системы

VII International scientific conference | www.naukaip.ru

42 МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ

нельзя совместить с когерентно-импульсными системами селекции движущихся целей. На практике применяются более сложные по устройству моноконические РЛС, в которых такое совмещение возможно.

Список источников

1.Леонов А.И., Фомичёв К.И. Моноимпульсная радиолокация. М., Радио и связь, 1984 -312с.

2.Теоретические основы радиолокации. Под ред. Дулевича В.Е. М., Советское радио, 1978 - 416 c.

©А.А. Прохоркин, А.В. Халла, С.В. Варламов, 2023.

VII международная научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»

МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ 43

УДК 62

МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА ДИСКРЕТНОЙ МНОГОКРИТЕРИАЛЬНОЙ ЗАДАЧИ

Хужакулов Т.А.,

доцент

Гаипназаров Р.Т.,

старящий пред

Тошпулатов Ж., Абдуллаев М.,

Маматкулов М.

магистранты Ташкентский университет информационных технологий имени Мухаммада ал-Хоразмий

Аннотация. В данной статье рассмаотрена математическая постановка дискретной многокритериаль-

ной задачи.

Ключевые слова: математика, модель, задача, проблема.

MATHEMATICAL FORMULATION OF A DISCRETE MULTI-CRITERIA PROBLEM

Khujakulov T.A.,

Gaipnazarov R.T.,

Toshpulatov J.,

Abdullaev M.,

Mamarkulov M.

Abstract. In this article, the mathematical formulation of a discrete multicriteria problem is reviewed. Key words: mathematics, model, task, problem.

Современная обогатительная фабрика (ОФ), перерабатывающая руды цветных металлов, - крупные промышленные предприятия с непрерывно-дискретным производственным процессам и относится к классу гитары них производств. Основными особенностями этого производства являются: разнообразие типов перерабатываемых руд, многоцветность производственных структур с последовательным и параллельным соединением агрегатов большой единой мощности, наличие связей материальных, энергетических и информационных потоков, множество различных механических, тепловых, технологических процессов, протекающих непрерывный или периодический, сложная и вероятностная природа технологические синтеза, наличие оборотных материальных потоков, наличие большего числа как внешних, так и внутренних факторов, влияющих на процесс функционирования, существование нескольких различных фаз, соотношение между которыми изменяется в процессе (твёрдой, жидкой, газообразной), существенное влияние качества исходного сырья и материалов на объем продукции и т.д.

VII International scientific conference | www.naukaip.ru

44 МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ

Сложные МСП обогатительного производства состоят из большого числа разнотипных аппаратов, связанных между собой сложной технологической схемой. Характере этих связей может быть весьма различным: поток исходного сырья, поступающего в агрегаты после соответствующих переработать, разделяется на товарные продукты, отвальные и пам парам продукты, направляемые в другие агрегаты.

Средний период колебаний определяется по пространственному или временному графику процесса колебания показателей качества и рассчитывается по формулам:

Τср = π−1ℓ , Τср = π−1

где ℓ - линейный интервал, м; - временной интервал, сутки, смена, час; π - число пересечений графика с уровнем среднего значения показателя качества.

В условиях медно-обогатительной фабрики АГМК среднее значение плюс-минус размах, колебаний содержания меди составляет ±0.2 %; среднее квадратичное отклонение, δ, % (0,08) и средой период смены (3-7).

Эффективность процесса флотации в целом оценивается скоростью флотации. Эта величина измеряется в минутах и характеризуется продолжительностью процесса для достижения определенного извлечения ценных минералов при заданном качестве концентрата.

Список источников

1.Усманов Р.Н. Математическое моделирование взаимосвязи гидрохимических режимов грунтового и напорного водоносных горизонтов, // Узб. журнал "Проблемы информатики и энергетики" - Ташкент, 2006. №6. -С.40-44.

2.Усманов Р.Н. Интеллектуализация процесса принятия решений в условиях нечеткой исходной инфомации// Aloqa Dunuosi. - 2007. - №1. С. 52-56

3.Усманов Р.Н., Сеитназаров К.К., Отениязов Р.И. Моделирование сложных процессов и управление ими в условиях нечеткой информации, 2016 – Ташкент: «Fan va texnologiya», 2016, 298 стр.

4.Усманов Р.Н. К вопросу интеллектуализации нечеткого управления сложных процессов (на примере водозаборов подземных вод) // Вестник ТУИТ. - 2007. - №1. - С. 46-49.

VII международная научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»

МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ 45

УДК 004.8

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В АВТОНОМНЫХ ТРАНСПОРТНЫХ СРЕДСТВАХ

Тихонов Максим Константинович

аспирант ФГБОУ ВО «Сибирский федеральный университет»

Научный руководитель: Непомнящий Олег Владимирович

доцент, к.т.н. ФГБОУ ВО «Сибирский федеральный университет»

Аннотация: в статье рассмотрены различные области применения искусственного интеллекта в авто-

номных транспортных средствах, включая восприятие, принятие решений и управление. Также описаны проблемы, возникающие при разработке и внедрении автономных транспортных средств, включая вопросы безопасности и юридические аспекты. В заключение дается обзор текущего состояния этой области и будущих направлений исследований.

Ключевые слова: искусственный интеллект, автономные транспортные средства, безопасность, эффективность, доступность, регулирование.

ARTIFICIAL INTELLIGENCE IN AUTONOMOUS VEHICLES

Tikhonov Maxim Konstantinovich

Scientific adviser: Nepomnyashchiy Oleg Vladimirovich

Abstract: The article considers various applications of artificial intelligence in autonomous vehicles, including perception, decision-making and control. It also describes the problems encountered in the development and implementation of autonomous vehicles, including safety and legal aspects. It concludes with an overview of the current state of the field and future research directions.

Key words: artificial intelligence, autonomous vehicles, safety, efficiency, accessibility, regulations.

Введение

Автономные транспортные средства — это быстро развивающаяся технология, которая способна произвести революцию на транспорте. Эти автомобили используют комбинацию датчиков, камер и другого оборудования для обнаружения и интерпретации окружающей среды. Затем они используют эту информацию для принятия решений о том, как передвигаться по дорогам. Возможность работать без вмешательства человека дает ряд преимуществ, включая повышение безопасности, уменьшение заторов и улучшение доступности для людей с ограниченными возможностями.

Одним из ключевых компонентов автономных транспортных средств является искусственный интеллект (ИИ). ИИ — это широкая область, которая включает в себя ряд методов машинного обучения, распознавания образов и принятия решений. В контексте автономных транспортных средств ИИ используется для того, чтобы транспортное средство могло воспринимать окружающую среду, принимать решения о том, как перемещаться по дорогам, и управлять своим движением.

VII International scientific conference | www.naukaip.ru

46 МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ

Восприятие

Одним из наиболее важных применений ИИ в автономных транспортных средствах является восприятие. Восприятие относится к способности автомобиля распознавать окружающую среду, включая другие транспортные средства, пешеходов и препятствия. Это достигается с помощью комбинации датчиков, таких как камеры, радары и лидары. Необработанные данные с этих датчиков затем обрабатываются с помощью методов компьютерного зрения для извлечения необходимой информации об окружающей среде. Эта информация затем используется для создания трехмерной карты окружения автомобиля, которая используется для принятия решений о том, как перемещаться по дорогам [1, с.

1233].

Принятие решений

Еще одним ключевым применением ИИ в автономных транспортных средствах является принятие решений. После того, как автомобиль распознает окружающую обстановку, он должен принять решение о том, как ориентироваться на дороге. Это включает решения о том, по какой полосе двигаться, когда менять полосу движения и как реагировать на сигналы светофора и знаки. Эти решения принимаются с помощью комбинации систем, основанных на правилах, и алгоритмов машинного обучения. Системы, основанные на правилах, используются для кодирования правил дорожного движения, например, когда следует остановиться на красный свет. Алгоритмы машинного обучения используются для обучения на основе данных, например, как реагировать на различные сценарии вождения [2, с.

2723].

Управление

Последним применением ИИ в автономных транспортных средствах является управление. Под управлением понимается способность автомобиля контролировать свое движение на основе решений, принятых системами восприятия и принятия решений. Это достигается с помощью комбинации датчиков, таких как акселерометры и гироскопы, и систем управления, таких как системы рулевого управления и торможения. Система управления должна быть способна быстро и точно реагировать на изменения в окружающей среде транспортного средства для обеспечения безопасной и эффективной работы

[3, с. 2289].

Вызовы

Несмотря на потенциальные преимущества автономных транспортных средств, существует ряд проблем, которые необходимо решить для обеспечения их безопасной и эффективной эксплуатации. Одной из наиболее значимых проблем является безопасность. Автономные автомобили должны быть способны безопасно работать в самых разных дорожных условиях, включая неблагоприятную погоду, опасные строительные зоны и интенсивное движение. Они также должны уметь быстро и точно реагировать на неожиданные события, такие как выход пешехода на дорогу или выезд автомобиля за пределы своей полосы движения. Обеспечение безопасности автономных транспортных средств требует тщательного процесса тестирования и проверки, а также постоянного мониторинга и технического обслуживания [4, с. 1].

Еще одной проблемой при разработке автономных транспортных средств являются правовые и нормативные аспекты. Автономные автомобили поднимают ряд юридических и этических вопросов, включая ответственность в случае аварии, конфиденциальность данных и кибербезопасность. Эти вопросы должны быть решены путем разработки новых законов и нормативных актов, регулирующих использование автономных транспортных средств на дорогах общего пользования. Нормативноправовая база в отношении автономных транспортных средств продолжает развиваться, и необходимо добиться большей ясности и последовательности в правилах, регулирующих их эксплуатацию.

Будущие направления

Несмотря на трудности, разработка автономных транспортных средств продвигается быстрыми темпами. По мере развития ИИ и других технологий мы можем ожидать постоянного повышения безопасности, эффективности и доступности автономных транспортных средств. Одним из направлений, представляющих особый интерес, является разработка совместно используемых автономных транспортных средств, которые могут значительно сократить количество автомобилей на дорогах и улуч-

VII международная научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»

МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ 47

шить доступ к транспорту для малообеспеченных слоев населения [5, с. 3]. Другой интерес представляет разработка автономных транспортных средств для грузоперевозок, которые могут повысить эффективность и снизить воздействие на окружающую среду.

Выводы

Разработка автономных транспортных средств — это сложная и быстро развивающаяся область, требующая знаний в ряде дисциплин, включая искусственный интеллект, инженерное дело и право. Несмотря на наличие серьезных проблем, которые предстоит решить, потенциальные преимущества автономных транспортных средств значительны, включая повышение безопасности, уменьшение заторов и повышение доступности. Поскольку технология продолжает развиваться, важно, чтобы мы продолжали следить за ее развитием и обеспечивали ее безопасное и ответственное применение.

Список источников

1.Geiger A. et al. Vision meets robotics: The kitti dataset //The International Journal of Robotics Research. – 2013. – Т. 32. – №. 11. – С. 1231-1237.

2.Chen C. et al. Deepdriving: Learning affordance for direct perception in autonomous driving //Proceedings of the IEEE international conference on computer vision. – 2015. – С. 2722-2730.

3.Yang Z. et al. End-to-end multi-modal multi-task vehicle control for self-driving cars with visual perceptions //2018 24th International Conference on Pattern Recognition (ICPR). – IEEE, 2018. – С. 2289-2294.

4.Shalev-Shwartz S., Shammah S., Shashua A. On a formal model of safe and scalable self-driving cars //arXiv preprint arXiv:1708.06374. – 2017.

5.Nemoto E. H. et al. How to measure the impacts of shared automated electric vehicles on urban mobility //Transportation research part D: transport and environment. – 2021. – Т. 93. – С. 102766.

VII International scientific conference | www.naukaip.ru

МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ 49

Горизонт БП14 – единый объект разработки, состоящий из 6 пластов, представленных переслаиванием глин и линзовидных/линейных песчаных тел, промышленно нефтеносный, проницаемость коллекторов меняется от 0.04 мД до 232 мД при среднем значении 13.8 мД. Горизонт является низкопроницаемым, разработка осуществляется с применением гидравлического разрыва пласта (ГРП).

Таблица 1

Прогноз накопленной добычи нефти на 01.01.2039

Рис. 1. Дебит нефти

Для построения гидродинамической модели (ГМД) пласта БП14 Тарасовского месторождения и расчёта прогноза была проделана следующая работа:

1)Загрузка исходных данных в ПК РН-КИН:

– геометрия;

– куб пористости, проницаемости, начальной водонасыщенности, литологии;

– разломы;

– данные PVT;

– данные относительных фазовых проницаемостей (ОФП);

– данные породы;

– скважины – траектория, перфорация, режимы работы скважин, трещины ГРП.

2)Задание параметров ГМД:

– инициализация модели – равновесная;

VII International scientific conference | www.naukaip.ru

50МОЛОДЁЖЬ, НАУКА, ОБРАЗОВАНИЕ

–фазы – газ, нефть, вода, растворенный газ.

3)Расчёт ГДМ на текущую дату 01.01.2023 год.

4)Адаптация ГДМ на исторические данные с помощью кубов масштабирования ОФП и куба проницаемости.

5)Загрузка проектных скважин и прогноз работы скважин на 01.01.2039.

Для расчёта прогноза на 01.01.2039 год собрано две одинаковых ГДМ. Отличие двух этих моделей заключалось только в количестве трещин ГРП в проектных нагнетательных горизонтальных скважинах. В первой модели на каждой проектной нагнетательной скважине задано 8 трещин ГРП, а во второй модели 2 трещины ГРП. Расчёт производился на разных режимах работы проектных скважин (табл. 1). Результаты адаптация и расчёта прогноза сектора ГДМ пласта БП14 Тарасовского месторождения показаны на рис. 1. Синей линией показана история работы скважин, красной – результаты расчета прогноза в ПК РН-КИМ.

По результатам расчётов видно, что накопленная добыча нефти на 01.01.2039 год больше по всем рассчитанным режимам при 2 трещинах ГРП на нагнетательных горизонтальных скважинах. Такие результаты объясняются тем, что в ГДМ, где задано 8 трещин на каждой нагнетательной ГС, добывающие скважины обводняются быстрее и перестают работать при обводненности 98%.

Список источников

1.Бархатов Э.А., Яркеева Н.Р. Эффективность применения многозонного гидроразрыва пласта

вгоризонтальных скважинах // Инжиниринг георесурсов. – 2017. – № 10. – С. 50-58.

2.Сулейманова М.В., Трофимчук А.С. Опыт применения нагнетательных горизонтальных скважин при разработке терригенных коллекторов на месторождениях ООО «РН-Юганскнефтегаз» // Нефтяное хозяйство. – 2023. – № 1. – С. 23-27.

VII международная научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»