ЗАСТОСУВАННЯ GNSS-CИСТЕМ ДЛЯ АВТОМАТИЗОВАНОГО КЕРУВАННЯ РОБОЧИМИ ПРОЦЕСАМИ ГРЕЙДЕРІВ ІЗ ШТУЧНИМ ІНТЕЛЕКТОМ
DOI:
https://doi.org/10.30977/BUL.2219-5548.2023.101.2.129-136Ключові слова:
непромережені технології, GNSS, GPS, інтелектуальна система, алгоритми, системи прийняття рішень(СППР)Анотація
GNSS (Global Navigation Satellite System) - це глобальна навігаційна система, яка використовує супутникові сигнали для визначення місця і часу в будь-якій точці світу. Одним із застосувань GNSS є використання разом з елементами машинного навчання з метою керування грейдерами. Грейдери використовуються для профілювання і вирівнювання поверхні грунту на будівельних майданчиках. Використання GNSS та машинного навчання дозволяє більш точно визначити місце розташування і висоту відвалу грейдера, що в свою чергу призводить до більш точної і ефективної роботи машини. GNSS може забезпечити високу точність вимірювань місцезнаходження грейдера, що дозволяє оптимізувати процес роботи грейдера та мінімізувати витрати часу на профілювання та вирівнювання поверхні. За допомогою машинного навчання грейдер може автоматично аналізувати дані GNSS і приймати рішення про оптимальну траєкторію руху для досягнення потрібної точності і швидкості роботи. Використання GNSS і машинного навчання дозволяє підвищити ефективність роботи грейдера, що в свою чергу призводить до скорочення часу і витрат на будівельні роботи. Також це може зменшити кількість помилок і підвищити якість роботи грейдера, що поліпшить кінцевий результат проекту. У даній роботі показано особливості інтелектуальних систем керування, що можуть бути використані для автоматизованого керування робочими процесами землерийних машин із використанням штучного інтелекту. Запропоновано реалізацію на мовах програмування, проаналізовано вплив ґрунтових умов на процес автоматизованої роботи, представлено концепцію методики оцінки та прогнозування в інтелектуальних системах підтримки прийняття рішень для інтелектуальної системи дорожньої машини.
Посилання
Korotkov A., Potapenko A. The use of neural networks for controlling construction machines. Scientific Bulletin of the National Technical University of Ukraine. 2019, no. 29.5, pp. 113-119.
Korotkov A., Potapenko A. Analysis of methods for controlling construction machines using neu-ral networks. Proceedings of the XXIII Interna-tional Scientific and Technical Conference "Sci-entific Achievements of the Present". 2019, pp. 72-73.
Shymko R., Potapenko A. The use of neural networks to improve the efficiency of construc-tion machine control. Control, navigation and communication systems. 2021, no. 1(57), pp. 30-35.
Shymko R. The use of neural networks to control the movement of construction machines. Energy, electrical engineering, energy saving. 2020, no. 3(54), pp. 32-36.
Dudnyk V., Sinenko Yu., Matsyk M., Demchen-ko Ye., Zhyvotovskyi R., Repilo Iu., Zabolotnyi O., Simonenko A., Pozdniakov P., Shyshatskyi A. Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enter-prise Technologies. 2020, no. 2 (105), pp. 37–47.
Pievtsov H., Turinskyi O., Zhyvotovskyi R., Sova O., Zvieriev O., Lanetskii B. and Shyshatskyi A. Development of an advanced method of finding solutions for neuro-fuzzy expert systems of anal-ysis of the radioelectronic situation. EUREKA: Physics and Engineering. 2020, no. (4), pp. 78-89.
Zuiev P., Zhyvotovskyi R., Zvieriev O., Hatsenko S., Kuprii V., Nakonechnyi O., Adamenko M., Shyshatskyi A., Neroznak Y., Velychko V. De-velopment of complex methodology of pro-cessing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies. 2020, no. 9 (106), pp. 14‒23.
Shyshatskyi A., Zvieriev O., Salnikova O., Dem-chenko Ye., Trotsko O., Neroznak Ye. Complex Methods of Processing Different Data in Intellec-tual Systems for Decision Support System. Inter-national Journal of Advanced Trends in Com-puter Science and Engineering. 2020, no. 4, pp. 5583‒5590.
Çavdar A. B., Ferhatosmanoğlu N. Airline cus-tomer lifetime value estimation using data ana-lytics supported by social network information. Journal of Air Transport Management. 2018, no. 67, pp. 19–33.
Ramaji I.J., Memari A.M. Interpretation of struc-tural analytical models from the coordination view in building information models. Automation in Construction. 2018, no. 90, pp. 117–133.
Koshlan A., Salnikova O., Chekhovska M., Zhyvotovskyi R., Prokopenko Y., Hurskyi T., Yefymenko A., Kalashnikov Y., Petruk S., AShyshatskyi A. Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in condi-tions of diversity and uncertainty of data. East-ern-European Journal of Enterprise Technolo-gies. 2019, no. 9 (101), pp. 16–27.
Kuchuk N., Mohammed A.S., Shyshatskyi A., Nalapko O. The method of improving the effi-ciency of routes selection in networks of connec-tion with the possibility of self-organization. In-ternational Journal of Advanced Trends in Com-puter Science and Engineering. 2019, no. 1 (8), pp. 1–6.
Zhdanov V.V. Experimental method to predict avalanches based on neural networks. Lëd i Sneg. 2016, no. 4 (56), pp. 502–510.
Sreeshakthy M., Preethi J. Classification of hu-man emotion from deap EEG signal using hybrid improved neural networks with Сuckoo search. Brain: Broad Research in Artificial Intelligence and Neuroscience. 2016, no. 3–4, pp. 60–73.
Abaci K., Yamacli V. Hybrid artificial neural network by using differential search algorithm for solving power flow problem. Advances in Electri-cal and Computer Engineering. 2019, no 4 (19), pp. 57–64.
O.S. Mishchuk O.S., Vitynskyi P.B. Neural net-work with combined approximation of the sur-face of the response. Research Bulletin of the National Technical University of Ukraine "Kyiv Polytechnic Institute". 2018, no. 2, pp. 18–24.
Kazemi M., M. Faezirad M. Efficiency esti-mation using nonlinear influences of time lags in DEA Using Artificial Neural Networks. Industrial Management Journal. 2018, no. 1 (10), pp. 17–34.
