Санкт-Петербург, г. Санкт-Петербург и Ленинградская область, Россия
Военно-космическая академия имени А. Ф. Можайского (Кафедра "Математическое и программное обеспечение", Профессор)
Россия
ВАК 2.9.8 Интеллектуальные транспортные системы
УДК 681.51 Системы автоматического управления (САУ). Кибернетические характеристики систем. Системы по принципу действия
Актуальность задач определения координат транспортных объектов в режиме реального времени возрастает в условиях информационной «слепоты», когда традиционные методы навигации становятся недоступными. Особую значимость это приобретает на железнодорожном транспорте, где ошибки в позиционировании могут привести к катастрофическим последствиям. Цель: разработка алгоритма на основе нечеткого вывода Такаги — Сугено для повышения точности и надежности определения координат транспортных объектов в условиях дефицита данных. Методы: предложена адаптивная модель, интегрирующая нечеткую логику для обработки неполных и противоречивых сигналов. Алгоритм реализует многоуровневый анализ данных с учетом динамики движения и внешних помех для критических участков инфраструктуры. Результаты: проведены компьютерные эксперименты применительно к участкам железнодорожных путей с ограниченным числом датчиков. Разработаны рекомендации по использованию алгоритма для поддержки принятия решений. Обсуждение: доказана эффективность применения нечеткой логики для компенсации информационной «слепоты». Обозначены перспективы внедрения алгоритма в системы безопасности и диспетчеризации, а также необходимость дальнейшей оптимизации вычислительной сложности для высокоскоростных объектов.
идентификация, координаты объекта, транспортные объекты, алгоритм Такаги - Сугено, информационная «слепота», безопасность движения
1. Сарайкин А. И., Аралбаев Т. З., Хасанов Р. И. Позиционирование мобильного объекта на дорожном полотне в условиях дефицита информации // Вестник Оренбургского государственного университета. 2015. № 4 (179). С. 114–118. EDN: https://elibrary.ru/UHINLP
2. Хруль С. А., Сонькин Д. М. Повышение точности позиционирования подвижных объектов на основе оригинальных методов фильтрации навигационных данных // Науковедение. 2013. № 4 (17). 11 с.
3. Антонович К. М., Карпик А. П. Мониторинг объектов с применением GPS-технологий // Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2004. № 1. С. 53–67. EDN: https://elibrary.ru/VGANYP
4. ГЛОНАСС — стратегический ресурс России / А. Ю. Данилюк, С. Г. Ревнивых, Н. А. Тестоедов [и др.] // Вестник Сибирского государственного аэрокосмического университета им. академика М. Ф. Решетнева. 2013. Вып. 6 (52). C. 17–23. EDN: https://elibrary.ru/RTBNOP
5. Ядровская М. В., Поркшеян М. В., Синельников А. А. Перспективы технологии интернета вещей // Advanced Engineering Research. 2021. Т. 21, № 2. С. 207–217. DOI:https://doi.org/10.23947/2687-1653-2021-21-2-207-217. EDN: https://elibrary.ru/HXPZIC
6. Gerber A., Romeo J. Connecting All the Things in the Internet of Things // IBM Developer. 2020. 30 January. URL: http://developer.ibm.com/articles/iot-lp101-connectivity-network-protocols (дата обращения: 09.02.2025).
7. Provotorov A., Privezentsev D., Astafiev A. Development of Methods for Determining the Locations of Large Industrial Goods During Transportation on the Basis of RFID // Procedia Engineering. 2015. Vol. 129. Pp. 1005–1009. DOI:https://doi.org/10.1016/j.proeng.2015.12.163. EDN: https://elibrary.ru/WUZKKH
8. Методика применения нечетких множеств в системе поддержки принятия решений робототехнического комплекса / С. В. Войцеховский, У. Ю. Головчанская, С. В. Логашев, Ю. С. Фоменко // Интеллектуальные технологии на транспорте. 2018. № 2 (14). С. 34–40. EDN: https://elibrary.ru/VJWYLU
9. Хомоненко А. Д., Логашев С. В., Краснов С. А. Автоматическая рубрикация документов с помощью латентно-семантического анализа и алгоритма нечеткого вывода Мамдани // Труды СПИИРАН. 2016. Вып. 1 (44). С. 5–19. DOI: https://doi.org/10.15622/SP.44.1; EDN: https://elibrary.ru/VOORAX
10. Применение алгоритма нечеткой логики Мамдани для оценки качества моделей искусственного интеллекта на основе имеющихся данных / С. Т. Дусакаева, М. П. Носарев, И. А. Хохлов, П. Л. Нирян // Современные технологии. Системный анализ. Моделирование. 2023. № 1 (77). С. 170–180. DOI:https://doi.org/10.26731/1813-9108.2023.1(77).170-180. EDN: https://elibrary.ru/SVPILB
11. Takagi T., Sugeno M. Fuzzy Identification of Systems and Its Applications to Modeling and Control // IEEE Transactions on Systems, Man, and Cybernetics. 1985. Vol. SMC-15, Iss. 1. Pp. 116–132. DOI:https://doi.org/10.1109/TSMC.1985.6313399.
12. Филатова Е. С., Девяткин А. В., Фридрих А. И. Система стабилизации БПЛА на основе нечеткой логики // Сборник докладов XX Международной конференции по мягким вычислениям и измерениям (SCM›2017), (Санкт-Петербург, Россия, 24–26 мая 2017 г.). Т. 1. СПб.: СПбГЭТУ «ЛЭТИ», 2017. С. 380–383.
13. Fakurian F., Menhaj M. B., Mohammadi A. Design of a Fuzzy Controller by Minimum Controlling Inputs for a Quadrotor // Proceedings of the Second RSI International Conference on Robotics and Mechatronics (ICROM 2014), (Tehran, Iran, 15–17 October 2014). Institute of Electrical and Electronics Engineers, 2014. Pp. 619–624. DOI:https://doi.org/10.1109/ICRoM.2014.6990971.
