ivdon3@bk.ru
В статье рассматриваются современные подходы к проектированию и реализации архитектур обработки данных в интеллектуальных транспортных системах (ИТС) с фокусом на обеспечение технологического суверенитета. Особое внимание уделяется интеграции практик машинного обучения для автоматизации полного жизненного цикла моделей машинного обучения: от подготовки и потоковой обработки данных до мониторинга и обновления моделей в реальном времени. Анализируются архитектурные решения с использованием распределённых вычислительных платформ, таких как Hadoop и Apache Spark, баз данных в оперативной памяти на Apache Ignite, а также брокеров обмена сообщениями Kafka для обеспечения надёжной передачи событий. Подчёркивается важность гибкости и масштабируемости инфраструктуры, поддержки параллельной работы множества моделей и надёжного управления доступом, включая вопросы обеспечения безопасности, и использование протоколов безопасности транспортного уровня. Приводятся рекомендации по организации системы логирования и мониторинга для оперативного реагирования на изменения и инциденты. Представленные решения ориентированы на обеспечение высокой отказоустойчивости, безопасности и соответствие требованиям промышленной эксплуатации, что позволяет поддерживать эффективную обработку больших объёмов транспортных данных и адаптацию систем ИТС к условиямимпортонезависимости.
Ключевые слова: обработка данных, интеллектуальные транспортные системы, ,распределенная обработка, масштабируемость, отказоустойчивость
Обзор методов существующих неисправностей синхронных электродвигателей и методов их обнаружения. Классификация и анализ существующих методов, их применимость при обнаружении неисправностей, преимущество и недостатки. Рассмотрены и описаны три класса возможных неисправностей синхронного электродвигателя с постоянными магнитами: электрические неисправности, механические неисправности, размагничивание. В статье рассматриваются три класса методов диагностики неисправностей: на основе построения математической модели реального электродвигателя и моделирования его ошибок, на основе обработки сигналов, поступающих с датчиков и интеллектуальные методы на основе обработки собранных данных посредством искусственного интеллекта. Рассмотрены следующие методы обнаружения ошибок на основе моделирования: обнаружение на основе модели электрической принципиальной схемы, на основе аналитической модели, на основе цифровой имитационной модели. Рассмотрены следующие методы частотно-временного анализа получаемых сигналов с датчиков: анализ с использованием быстрого преобразования Фурье, кратковременного преобразования Фурье, Вейвлет-преобразования, преобразования Гильберта-Хуанга, распределения Вигнера-Вилля. Рассмотрены следующие интеллектуальные методы диагностики: диагностика с применением свёрточных нейронных сетей, рекурентных нейронных сетей, методом опорных векторов, нечеткой логикой и разряженным представлением.
Ключевые слова: синхронный двигатель с постоянными магнитами, неисправности электродвигателя, моделирование, быстрое преобразование Фурье, Вейвлет-преобразование, преобразование Гильберта-Хуанга, распределение Вигнера-Вилля нейронные сети, нечеткая логика
В данной работе было проведено исследование влияния тумана на системы машинного зрения, в частности, на корректность работы алгоритма распознавания образов. В рамках данной работы реализован фильтр, который устраняет искажения, вызванные туманом. Разработан корректирующий фильтр, осуществлен анализ работы нейронной сети с изображениями различной четкости, на основании которого были даны рекомендации по улучшению точности распознавания образов.
Ключевые слова: обработка изображений, фильтрация изображений, системы машинного зрения, распознавание образов
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)