Статті КАТ

Permanent URI for this collectionhttp://crust.ust.edu.ua/handle/123456789/698

ENG: Articles

Browse

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Thumbnail Image
    Item type:Item,
    Застосування згорткової нейронної мережі для класифікації кодів автоматичної локомотивної сигналізації
    (Український державний університет науки і технологій, Дніпро, 2026) Гончаров, Костянтин Вікторович; Рибалка, Роман Володимирович; Сердюк, Тетяна Миколаївна
    UKR: Мета. Обґрунтування вибору типу та параметрів штучної нейронної мережі для класифікації кодових сигналів автоматичної локомотивної сигналізації АЛСН за наявності завад та спотворень часових параметрів кодів. Методика. Для досягнення поставленої мети виконано порівняльний аналіз різних типів штучних нейронних мереж. Було встановлено, що для класифікації кодів АЛСН найбільш придатною є одновимірна згорткова мережа, яка ефективно виявляє характерні часові ознаки сигналів, потребує менше даних для навчання, стійка до шумів, забезпечує стабільну класифікацію навіть при зсуві сигналу в часі. Були проведені розрахунки кількості параметрів мережі залежно від її конфігурації: кількості шарів, згорткових фільтрів та кількості нейронів у повнозв’язаних шарах. Для навчання мережі використовували синтезовані дані: до еталонних сигналів «З», «Ж», «ЧЖ» додавався шум та вносились випадкові зміни часових параметрів (тривалості імпульсів і пауз). Було синтезовано 1000 реалізацій для кожного кодового сигналу АЛСН. Програмний код для підготовки даних, тренування мережі та класифікації сигналів був написаний мовою Python із використанням бібліотек TensorFlow, Keras, Scipy.signal та NumPy. Результати. Відповідно до отриманої залежності між конфігурацією нейронної мережі та точністю класифікації для розпізнавання кодів АЛСН була обрана мережа, яка містить три згорткові шари, шар Dense з 16-ти нейронів та вихідний шар з трьох нейронів. Працездатність запропонованої нейронної мережі була підтверджена результатами класифікації синтезованих сигналів з низьким відношенням сигнал/шум та сильним спотворенням форми, а також реальних сигналів АЛСН. Наукова новизна. Авторами цієї роботи вперше проведене комплексне дослідження ефективності різних типів штучних нейронних мереж для класифікації кодів автоматичної локомотивної сигналізації АЛСН в умовах інтенсивних завад та часових спотворень, що дозволило обґрунтувати вибір конфігурації одновимірної згорткової нейронної мережі та встановити залежності між параметрами моделі (кількістю шарів, фільтрів, нейронів) та точністю класифікації. Практична значимість. Впровадження цифрового локомотивного приймача сигналів АЛСН із класифікатором на базі запропонованої згорткової нейронної мережі замість застарілої релейної апаратури дозволить зменшити експлуатаційні витрати, підвищити завадостійкість та надійність системи АЛСН за рахунок стійкого розпізнавання кодів в умовах інтенсивних завад та спотворень часових параметрів кодових сигналів.