Розроблено новий метод глибинного ущільнення грунтів, який передбачає створення внутрішнього тиску за допомогою робочого тіла, що не має внутрішнього тертя. Запропоновано розрахункову модель грунтової основи, що ущільнюється внаслідок внутрішнього тиску, яка базується на розв'язанні змішаної пружно-пластичної задачі у геометрично нелінійній постановці. Наведено експериментальні дані про зміну фізико-механічних властивостей грунтів, процеси зміни напружено-деформованого стану грунтових масивів за умов створення внутрішніх ущільнювальних тисків, зокрема, закономірності утворення навколо фундаментів зон ущільненого грунту зі зміненими властивостями. Розроблено нову ефективну конструкцію, а також обладнання та спосіб створення фундаментів ущільнення.

  Скачати повний текст

Дисертація присвячена розробці моделей та методів переробки даних в інформаційних системах, що містять біологічні складові елементи, вхідна і вихідна інформація яких у реальному часі процесу бере участь в функціонуванні системи. Актуальність проблематики обумовлено тим, що принципи обробки даних і прийняття рішень технічними і біологічними об'єктами суттєво різняться, а потрібність в системах, в яких людина входить як її невід'ємний компонент, зростає. Стримуючим фактором є необхідність врахування вимог щодо індивідуальності вихідних ознак, нечіткості і неоднозначності реакції біологічного об'єкту на вхідний тестовий вплив. Дослідження проведені на базі інфрачервоної біотехнічної системи, у якості неділимого компоненту задіяна людина, фізіологічні реакції якої на вхідний вплив служать первинними даними для обробки. Показана доцільність первинної обробки ознакової інформації кореляційними методами параметри якого узгоджені з характеристикамибіологічного об'єкту, з наступною фільтрацією експоненціальним фільтром Брауна. Запропоновано використання методів нецифрової статистики для обробки даних з використанням медіани Кемені для визначення середнього у вікні, що зменшує вплив невизначеності перетворення інформації. На базі нецифрових статистичних методів реалізовані нелінійні фільтри, що забезпечили більш високу стійкість до аномальних викидів порівняно з лінійними фільтрами. Подальша обробка даних нечітким регулятором дозволила зменшити вплив розкиду реакції біологічних об'єктів на однаковий вплив, що сумісно з кореляційним і нецифровим перетворенням даних сприяє створенню систем з біологічним зворотним зв'язком^UThe dissertation is devoted to the development of models and methods of data processing in information systems containing biological components, input and output information of which in real time of the process participates in the functioning of the system. The urgency of the problem is due to the fact that the principles of data processing and decisionmaking by technical and biological objects are significantly different, and the need for systems in which man is an integral part of it is growing. The deterrent is the need to take into account the requirements for the individuality of the initial features, the fuzziness and ambiguity of the reaction of a biological object to the input test effect. The research was carried out on the basis of an infrared biotechnical system, as an indivisible component a person is involved, whose physiological reactions to the input effect are the primary data for processing. The expediency of primary processing of feature information by correlation methods, the parameters of which are consistent with the characteristics of the biological object, followed by filtering with an exponential Brown filter, is shown. The use of non-digital statistics methods for data processing using the Kemeny median to determine the mean in the window, which reduces the impact of uncertainty in the transformation of information. On the basis of non-digital statistical methods, nonlinear filters were implemented, which provided higher resistance to anomalous emissions compared to linear filters. Further processing of the data by a fuzzy controller allowed to reduce the impact of the scatter of the reaction of biological objects on the same impact, which together with the correlation andnon-digital data conversion contributes to the creation of systems with biological feedback.

Дисертація присвячена розробці моделей та методів підвищення ефективності розподілених трансдюсерних мереж на основі машинного навчання та периферійних обчислень. В роботі був проведений аналіз особливостей використання розподілених трансдюсерних мереж при побудові різних систем Інтернету речей, а також методів обробки та аналізу даних у цих мережах. Також в роботі було проаналізовано переваги та недоліки типових архітектур розподілених трансдюсерних мереж в умовах застосування глибинних нейронних мереж як інструменту аналізу даних. Показано, що функціонування сучасних систем Інтернету Речей засноване на аналізі показань множини сенсорів різного типу, з різною розмірністю даних та частотою отримання нових даних. Для вирішення цього завдання запропоновано метод попередньої обробки та форматування показань сенсорів для їх подальшого використання у якості вхідних даних в запропонованій ієрархічній нейромережевій моделі. Показано, що структури типових моделей нейронних мереж можуть бути надмірними для вирішення різних задач машинного навчання. Для вирішення цього завдання запропоновано метод компресії нейронних мереж з метою зниження вимог до обчислювальних та енергетичних ресурсів за рахунок скорочення множини зв'язків між нейронами мережі. Розроблено ієрархічну нейромережеву модель периферійних обчислень для аналізу мультисенсорних даних, яка дозволяє організувати нейромережеві обчислення за ієрархічним принципом без використання централізованого хмарного серверу. Був запропонований метод формування вхідного тензору з множини показників, які збираються сенсорами різних типів протягом деякого часу. Було розроблено метод компресії нейронних мереж з метою зниження вимог до обчислювальних та енергетичних ресурсів за рахунок скорочення множини зв'язків між нейронами мережі. Було розроблено інструментальні засоби, що реалізують запропоновані рішення. На основі розроблених інструментальних засобів створено програмний компонент для моделювання роботи розподілених трансдюсерних мереж у різних галузях застосування систем Інтернету Речей.^UThe qualification scientific work is devoted to the development of models and methods for improving the efficiency of distributed transducer networks based on machine learning and peripheral computing.The analysis of the peculiarities of the use of distributed transducer networks in the construction of various Internet of Things systems, as well as methods of data processing and analysis in these networks was carried out. The paper also analyzes the advantages and disadvantages of typical architectures of distributed transducer networks in the use of deep neural networks as a tool for data analysis. It is shown that the functioning of modern IoT systems is based on the analysis of the readings of many sensors of different types, with different data dimensions and frequency of obtaining new data. To solve this problem, a method of pre-processing and formatting of sensor readings for their further use as input data in the proposed hierarchical neural network model is proposed. It is shown that the structures of typical models of neural networks can be redundant to solve various machine learning problems. To solve this problem, a method of neural network compression is proposed to reduce the requirements for computing and energy resources by reducing the number of connections between network neurons.A hierarchical neural network model of peripheral computing for multisensory data analysis has been developed, which allows to organize neural network computations on a hierarchical principle without the use of a centralized cloud server. A method of forming an input tensor from a set of indicators collected by sensors of different types over a period of time has been proposed. A method of compressing neural networks was developed to reduce the requirements for computing and energy resources by reducing the connections between network neurons. Programming tools have been developed to implement the proposed solutions. On the basis of the developed tools the software component for modeling of work of the distributed transducer networks in various areas of application of systems of the Internet of Things is created.