Вісник Вінницького політехнічного інституту

ПОРІВНЯННЯ СКІНЧЕННО-ЕЛЕМЕНТНИХ СІТОК У РАЗІ ЧИСЕЛЬНОГО МОДЕЛЮВАННЯ КОЛІННОГО СУГЛОБА ТА АНАЛІТИЧНА ВАЛІДАЦІЯ РЕЗУЛЬТАТІВ

2026-07-03T14:48:22+03:00

Досліджено вплив параметрів скінченно-елементної дискретизації на точність і обчислювальну ефективність чисельного моделювання колінного суглоба людини у статичній постановці осьового стиску, що відповідає положенню тіла під час спокійного стояння. Колінний суглоб є одним з найнавантаженіших і травмонебезпечних елементів опорно-рухового апарату, а достовірне відтворення його напружено-деформованого стану має важливе значення для задач біомеханіки, ортопедії та реабілітаційної інженерії. Метод скінченних елементів широко застосовується для аналізу таких систем, проте результати моделювання суттєво залежать від типу, щільності та якості скінченно-елементної сітки, що потребує окремого кількісного обґрунтування. Геометричну модель колінного суглоба побудовано в середовищі SolidWorks на основі даних комп’ютерної томографії з урахуванням основних анатомічних компонентів: стегнової та великогомілкової кісток, меніска та зв’язкового апарату. Чисельні розрахунки виконано в ANSYS (Static Structural) для сценарію прикладання осьового навантаження величиною 750 Н. У роботі порівняно три варіанти тетраедричних скінченно-елементних сіток з кількістю елементів 30001, 501090 та 1006936. Якість дискретизації оцінювали за метриками Skewness та Orthogonal Quality з локальним згущенням елементів у зонах потенційної концентрації напружень. Для кожного варіанта сітки проаналізовано переміщення вздовж осі навантаження, еквівалентні напруження за Мізесом у меніску та зв’язках, а також часові витрати обчислень на фіксованій апаратній конфігурації. З метою незалежної перевірки достовірності чисельних результатів виконано аналітичну валідацію шляхом подання системи «меніск–зв’язки» у вигляді еквівалентної пружинної моделі з паралельним з’єднанням елементів та використанням закону Гука. Показано, що сітка з кількістю елементів близько 5,0×10⁵ забезпечує оптимальний компроміс між точністю та обчислювальною складністю: відхилення чисельних переміщень від аналітичної оцінки становить близько 4,5 %, тоді як подальше згущення сітки до понад 10⁶ елементів не призводить до помітного підвищення точності, але суттєво збільшує час розрахунку. Отримані результати підтверджують доцільність керованого проєктування скінченно-елементної сітки у біомеханічних задачах колінного суглоба та можуть бути використані як практична рекомендація для побудови ефективних чисельних моделей.

ГІБРИДНИЙ АЛГОРИТМ АВТОМАТИЗОВАНОГО ПЕРВИННОГО АНАЛІЗУ ШИРОКОСМУГОВИХ ДІЕЛЕКТРИЧНИХ СПЕКТРІВ НЕОДНОРІДНИХ МАТЕРІАЛІВ

2026-07-03T15:12:41+03:00

Широкосмугова діелектрична спектроскопія (ШДС) забезпечує вимірювання частотно залежної комплексної діелектричної проникності ε*(ω), у якій одночасно відображаються кілька релаксаційних механізмів і процеси перенесення заряду в неоднорідних матеріалах. Проте через накладання дипольної релаксації, міжфазної (поляризації Максвелла–Вагнера), електродної поляризації та вимірювального шуму первинний аналіз експериментальних спектрів стає нетривіальним і трудомістким. У роботі запропоновано гібридний алгоритм первинного аналізу ШДС-даних, що поєднує попереднє приглушення шуму, відновлення розподілу часів релаксації (distribution of relaxation times, DRT) з використанням тіхонівської регуляризації та легку машинно-навчальну інтерпретацію на основі одновимірної згорткової нейронної мережі (1D-CNN), навченої на фізично обґрунтованих синтетичних спектрах. На етапі попередньої обробки застосовуються сингулярний спектральний аналіз (SSA) та корекція базової лінії для зменшення впливу артефактів вимірювання. Далі розв’язується некоректно поставлена задача відновлення невід’ємної функції розподілу часів релаксації g(log τ), яка узагальнює приховані релаксаційні моди без жорстких апріорних припущень про модель. Із отриманих спектрів та DRT векторизуються інтерпретовані ознаки (кількість піків, їх центри та ширини, показники провідності на низьких частотах тощо), що подаються на вхід компактної 1D-CNN. Мережа оцінює метапараметри, зокрема кількість перекривних релаксацій, наявність поляризації Максвелла–Вагнера та наявність «хвоста» провідності на низьких частотах. Числові експерименти на синтетичній вибірці показують приріст відношення сигнал/шум на 8...12 дБ після фільтрації, медіанне значення метрики Васерштейна для відновленого DRT менше ніж 0,08 та макросереднє значення F1-міри близько 0,91 для задачі класифікації метапараметрів. Запропоновано еталонну програмну реалізацію на Python, орієнтовану на інтеграцію з лабораторними вимірювальними комплексами. Алгоритм мінімізує обсяг апріорних припущень, водночас зберігаючи фізичну інтерпретовність, завдяки чому він є придатним як ядро системи автоматизованого первинного аналізу ШДС-даних композитів, пористих середовищ, ґрунтів, полімерних електролітів та інших неоднорідних систем.

СИСТЕМА КЕРУВАННЯ СОНЯЧНИМ ПОВІТРЯНИМ КОЛЕКТОРОМ

2026-07-03T15:36:03+03:00

У статті представлено розробку інтелектуальної IoT-системи керування повітряним сонячним колектором, призначеної для підвищення енергоефективності опалення та вентиляції приміщень і забезпечення безпечних параметрів мікроклімату. Актуальність дослідження зумовлена зростанням вартості енергоресурсів, необхідністю скорочення викидів парникових газів та наявністю значного сонячного потенціалу України (середньорічний показник GHI близько 1200 кВт·год/м²), що створює сприятливі умови для впровадження повітряних сонячних колекторів. Проаналізовано сучасні комерційні рішення та встановлено, що більшість з них мають обмежені можливості автоматизації й не забезпечують повноцінного дистанційного моніторингу та захисту від ризику конденсації. Запропоновано архітектуру системи на основі мікроконтролера з підключенням датчиків температури, відносної вологості та концентрації CO₂, а також GSM/NB-IoT-модема для передавання даних у хмарне середовище з використанням захищених протоколів (TLS, AES).Особливу увагу приділено алгоритму запобігання утворенню конденсату шляхом розрахунку температури точки роси за формулою Магнуса–Тетенса та впровадженню логіки прийняття рішень на основі порівняння температурних і вологісних параметрів. Система функціонує в трьох режимах: «опалення та осушення», «термінова вентиляція» та «захист/простій», що дозволяє адаптивно реагувати на зміну умов у приміщенні та зовнішньому середовищі. Передбачено мобільний застосунок для моніторингу показників у реальному часі та віддаленого керування. Реалізовано механізми автентифікації пристрою, шифрування даних і автономної роботи у разі втрати зв’язку. Живлення системи здійснюється від джерела постійної напруги 12 В з резервуванням акумулятором і BMS, що забезпечує безперервність функціонування. Отримані результати підтверджують доцільність застосування розробленої системи для модернізації наявних повітряних сонячних колекторів та впровадження в житлових і малих комерційних об’єктах з метою підвищення енергоефективності та підвищення якості внутрішнього повітря.

СИСТЕМА САМОКАЛІБРУВАННЯ СЕНСОРІВ РОЗУМНОГО БУДИНКУ НА ОСНОВІ РОБАСТНОЇ РЕГРЕСІЇ ТА ОНЛАЙН-ДЕТЕКЦІЇ АНОМАЛІЙ

2026-07-03T15:58:44+03:00

Розглянуто програмну платформу самокалібрування сенсорів розумного будинку, реалізовану як зовнішній сервіс на Python для локальних систем Інтернету речей (IoT). Актуальність роботи зумовлена тим, що дрейф і систематична похибка недорогих температурних та вологісних сенсорів безпосередньо впливають на якість моніторингу мікроклімату, коректність автоматизованих сценаріїв керування опаленням і вентиляцією, а також на енергетичну ефективність житла. На рівні програмної реалізації відтворено повний конвеєр обробки даних: надходження показів через REST API, MQTT або симулятор, збереження в базі даних PostgreSQL, періодичне перенавчання калібрувальної моделі, застосування корекції до нових вимірювань, онлайн-виявлення аномалій та подальшу візуалізацію через веб-дашборд і Grafana. Методична новизна рішення полягає у поєднанні часової синхронізації пар «сирий сенсор – еталон», робастної афінної корекції за допомогою HuberRegressor, правила прийняття моделі за критерієм зменшення середньої абсолютної похибки (mean absolute error, MAE) не менше ніж на 2 % та онлайн-детекції аномалій на основі медіанного абсолютного відхилення (median absolute deviation, MAD) з резервним переходом до z-оцінки. Показано, що алгоритм не лише навчає корекційну модель, а і може безпечно відмовлятися від її застосування, якщо якість моделі недостатня або даних для навчання замало. Експеримент на вбудованому симуляторі, який моделює чотири кімнати, 20 сенсорів і 4800 вимірювань, засвідчив виражене зменшення похибки для температурних каналів: середня MAE після початкового калібрування зменшилася з 1,56 до 0,31 °C. Для каналів вологості ефект виявився помірнішим: середня похибка знизилася з 1,44 до 1,34 %RH. У завершальному онлайновому вікні після серії перенавчань середнє зменшення MAE для всіх парних каналів становило 30,4 %, при цьому для температурних сенсорів воно досягло 42,3 %, а для вологісних — 14,5 %. Додаткова перевірка на архівній SQLite-базі з проєкту підтвердила сильний ефект для температурного датчика у вітальні (1,789 → 0,162) та помірний ефект для вологісного каналу (0,611 → 0,588). Практична цінність запропонованого підходу полягає в тому, що його можна інтегрувати у локальну інфраструктуру розумного будинку без модифікації прошивки кінцевих пристроїв, підвищуючи достовірність телеметрії, зменшуючи кількість хибних спрацювань та створюючи передумови для економії енергії в системах домашньої автоматизації. Окрім технічного ефекту, запропоноване рішення має виражене прикладне соціально-економічне значення, оскільки дає змогу підвищити якість роботи дешевих сенсорів програмними засобами без переходу на дорожче обладнання. Це суттєво полегшує повсякденне користування бюджетними системами розумного дому, робить такі системи доступнішими для ширшого кола споживачів і в перспективі сприяє зменшенню їх загальної вартості як на етапі впровадження, так і під час подальшої експлуатації.

ЧАС-ІМПУЛЬСНИЙ ПЕРЕТВОРЮВАЧ ДЛЯ ЄМНІСНИХ ПАРАМЕТРИЧНИХ СЕНСОРІВ

2026-07-03T16:19:04+03:00

Розглянуто актуальне питання метрологічного обґрунтування вибору схемотехнічних рішень для побудови час-імпульсних перетворювачів ємнісних параметричних сенсорів, що застосовуються у сучасних системах промислової автоматизації та контрольно-вимірювальній техніці. У роботі проведено детальний порівняльний аналіз трьох поширених варіантів апаратної реалізації вимірювальних каналів: на базі дискретних компараторів напруги, спеціалізованого інтегрального одновібратора SN74ALS123 та прецизійного інтегрального таймера серії NE555. Обґрунтовано доцільність використання таких рішень як надійної та значно дешевшої альтернативи спеціалізованим інтегральним перетворювачам ємності в цифру, які часто мають надлишкову складність для типових інженерних задач.

Дослідження основано на розробці уніфікованої математичної моделі функції вимірювального перетворення, що базується на аналізі експоненціального перехідного процесу заряду часозадавальної RC-ланки. Доведено математичну подібність функцій перетворення для всієї досліджуваної групи схем, що дає змогу використовувати єдині алгоритми обробки сигналів. За допомогою комп’ютерного моделювання в аналітичному середовищі Maple виконано метрологічний аналіз впливу технологічних допусків пасивних компонентів та варіації внутрішніх параметрів мікросхем на кінцевий результат вимірювання. Побудовано тривимірні характеристичні поверхні, які ілюструють залежність вихідного цифрового коду від ємності сенсора та апаратних параметрів схеми.

Встановлено, що за використання тактової частоти квантування 100 МГц відносна похибка дискретизації не перевищує 0,09 % у діапазоні близько 1 нФ, що є нехтовно малим порівняно з похибками аналогової частини. Визначено, що переважним чинником сумарної похибки є технологічний розкид параметрів опорного резистора (±5 %) та власного коефіцієнта пропорційності мікросхеми (±2 %). Для нівелювання цих впливів запропоновано методику дворівневої програмної корекції, що базується на процедурі індивідуального калібрування кожного екземпляра пристрою. Запропонований підхід забезпечує високу точність вимірювання за використання доступної елементної бази.

ПОРІВНЯЛЬНИЙ АНАЛІЗ МОДЕЛЕЙ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ТЕМПЕРАТУРИ ЗЕРНА У ЗЕРНОСХОВИЩАХ

2026-07-03T16:31:16+03:00

Короткострокове прогнозування температури зерна є важливою складовою інтелектуального моніторингу зерносховищ, оскільки дає змогу своєчасно виявляти небезпечні температурні тенденції, оцінювати ризик локального самозігрівання зернової маси та підвищувати ефективність прийняття рішень щодо подальшого зберігання продукції. Температурний стан зерна формується під впливом власної теплової інерції зернової маси, зовнішніх метеорологічних умов, вологості, типу культури, глибини розташування датчиків та просторової неоднорідності температурного поля. У зв’язку з цим актуальним є дослідження моделей, здатних враховувати як часову динаміку процесу, так і нелінійні взаємозв’язки між технологічними, метеорологічними та просторовими параметрами.

У статті досліджено моделі множинної лінійної регресії, LSTM, Compact ANFIS та гібридні архітектури LSTM-ANFIS для короткострокового прогнозування температури зерна на горизонтах 1, 3 і 6 годин уперед. Дослідження виконано на багатосерійному часовому датасеті, що охоплює дві зернові культури, чотири засіки, 24 підвіски та 72 температурні датчики. Вхідні дані містили погодинні вимірювання температури зерна, зовнішні метеорологічні параметри, характеристики розташування датчиків та додаткові інженерні ознаки. У процесі попередньої обробки даних сформовано лагові, статистичні, циклічні, просторові та режимні ознаки, а також цільові змінні для кожного горизонту прогнозування. Для уникнення витоку інформації розділення даних на навчальну, валідаційну та тестову вибірки виконувалося за часовим принципом.

У результаті кореляційного аналізу встановлено, що найінформативнішими для прогнозування температури зерна є поточне значення температури зерна, її лагові значення, ковзні статистики, різниця між температурою повітря та температурою зерна, оцінка вологості зерна, тип культури, глибина розташування датчика та просторово-режимні характеристики. Показано, що ефективність моделей істотно залежить від горизонту прогнозування. Для горизонту 1 година найкращою виявилася модель множинної лінійної регресії, яка забезпечила MAE = 0,10266, RMSE = 0,16233 та R² = 0,99228. Для горизонту 3 години найвищу точність продемонструвала гібридна модель LSTMEncoder + Compact ANFIS з результатами MAE = 0,29073, RMSE = 0,39682 та R² = 0,95375. Для горизонту 6 годин найкращою стала модель LSTMEncoder + Compact ANFIS Residual + Regime Features, яка досягла MAE = 0,53045, RMSE = 0,73544 та R² = 0,84081.

Отримані результати підтверджують, що для короткострокового прогнозування температури зерна достатньо ефективними можуть бути табличні моделі з якісно сформованими лаговими, статистичними та інженерними ознаками. Водночас зі збільшенням горизонту прогнозування зростає доцільність використання гібридних архітектур, які поєднують здатність LSTM враховувати часову динаміку з можливістю Compact ANFIS виконувати нелінійне уточнення прогнозу на основі фізично змістовних і просторово-режимних характеристик. Практичне значення отриманих результатів полягає у можливості використання запропонованого підходу в системах моніторингу зерносховищ, раннього попередження про небезпечні температурні зміни та підтримки прийняття рішень щодо керування мікрокліматом зернової маси.

ЯКІСНО КЕРОВАНЕ ЗЛИТТЯ КОНТЕКСТНОГО ТА ПОВЕДІНКОВОГО СКОРИНГУ ДЛЯ Risk-Based АВТЕНТИФІКАЦІЇ

2026-07-03T12:11:30+03:00

Розглянуто підвищення ефективності автентифікації на основі ризику під час входу в систему шляхом поєднання двох джерел даних: контекстних ознак спроби входу та поведінкових біометричних ознак, сформованих на основі динаміки натискань клавіш. Показано, що традиційні підходи до об’єднання контекстного та поведінкового скорингу часто не враховують якість поведінкового зразка, хоча саме вона істотно впливає на надійність підсумкового рішення. Це особливо важливо для практичного застосування RBA, де навіть незначне зміщення оцінки ризику може призвести або до необґрунтованого ускладнення входу для легітимного користувача, або до зниження здатності системи своєчасно виявляти підозрілі спроби доступу. Автозаповнення полів, короткі паролі, пропуски подій, відмінності між пристроями введення, зміна клавіатурної розкладки, особливості браузера та інші чинники можуть знижувати достовірність поведінкового каналу й підвищувати частоту хибних спрацювань. У зв’язку з цим запропоновано підхід, у якому внесок поведінкових ознак у фінальну оцінку ризику визначається з урахуванням якості отриманого зразка. Розроблено формальну модель злиття контекстної та поведінкової оцінок ризику, а також алгоритм налаштування порогів прийняття рішень для режимів дозволу входу, додаткової перевірки та відмови в доступі. Експериментальну перевірку виконано на синтетичних даних і відкритому наборі CMU Keystroke Dynamics Benchmark. Порівняння з базовими схемами злиття показало, що врахування якості зразка дає змогу адаптивніше використовувати поведінковий канал залежно від ступеня його інформативності. Отримані результати засвідчили, що запропонований підхід дає змогу зменшити кількість зайвих додаткових перевірок без погіршення контрольованого рівня безпеки, а в умовах низької якості поведінкових даних забезпечує ще відчутніший виграш. Запропоноване рішення орієнтоване на підвищення стійкості автентифікації без надмірного зростання навантаження на користувача. Це підтверджує доцільність явного врахування якості поведінкового зразка під час побудови систем автентифікації на основі ризику та налаштування їхніх правил ухвалення рішень.

МЕТОД ДИНАМІЧНОЇ ВЕРИФІКАЦІЇ ПІДПИСУ НА ОСНОВІ XGBoost З ВИКОРИСТАННЯМ МІКРОМОТОРНИХ ОЗНАК ТА АДАПТИВНОГО ПОРОГУ ПРИЙНЯТТЯ РІШЕНЬ

2026-07-03T12:58:35+03:00

Актуальність дослідження зумовлена необхідністю створення високонадійних біометричних систем, стійких до спроб несанкціонованого доступу та якісних підробок підпису в умовах глобальної цифровізації бізнес-процесів. Традиційні методи статичної верифікації поступово втрачають ефективність через появу нових інструментів для відтворення графічного накреслення. У зв’язку з цим автором проведено комплексний порівняльний аналіз розробленого авторами ML-рішення з визнаним комерційним галузевим стандартом Wacom Ink SDK for Verification. Основна увага приділена здатності систем відрізнити справжній підпис від кваліфікованої підробки, виконаної зловмисником з візуальним доступом до оригіналу.

Експериментальне дослідження проведено з використанням професійного графічного планшета Wacom STU-540, що забезпечує високу частоту дискретизації (200 Гц) та 1024 рівні чутливості до тиску. Вибір такого обладнання дозволив зібрати деталізовані часові ряди, що включають координати пера (x, y), кути нахилу та азимут, а також динаміку зміни зусилля натискання. На основі аналізу реальних даних від шести користувачів, які надали як еталонні зразки, так і імітаційні спроби підробки, виконано багатокритеріальну оптимізацію порогу прийняття рішення. Встановлено, що з адаптивним значенням порогу розроблена система демонструє збалансовані показники ефективності: FAR (коефіцієнт помилкового допуску зловмисника) на рівні 1,33 % та FRR (коефіцієнт помилкового відхилення легітимного користувача) — 6,67 %.

Наукова новизна роботи полягає в обґрунтуванні та селекції набору найінформативніших динамічних параметрів для моделі градієнтного бустингу XGBoost. На відміну від стандартних підходів, запропонована модель враховує не лише геометрію підпису, а й похідні характеристики: миттєву швидкість, прискорення та швидкість зміни тиску (jittering). Використання механізму регуляризації в XGBoost дозволило уникнути перенавчання на малих вибірках, що характерно для біометричних даних одного користувача. Це дозволило досягти точності, яка є конкурентоспроможною відносно закритих комерційних алгоритмів (рівень рівної помилки EER ~4 %).

Особливості програмної реалізації включають етап попередньої обробки даних, де застосовується інтерполяція для вирівнювання часових кроків та нормалізація ознак для приведення їх до єдиного масштабу. Це критично важливо для стабільної роботи моделі XGBoost, оскільки мікромоторика руки кожного користувача має унікальні амплітудні характеристики. Розроблений конвеєр обробки дозволяє проводити верифікацію в режимі реального часу, витрачаючи менше 100 мс на один запит, що робить систему придатною для використання в умовах високої інтенсивності документообігу.

Практичне значення отриманих результатів полягає у можливості інтеграції запропонованого підходу в корпоративні системи електронного документообігу та автоматизовані системи ідентифікації персоналу (наприклад, для верифікації водіїв або фінансових менеджерів). Головною перевагою є відсутність залежності від дороговартісного пропрієтарного програмного забезпечення та ліцензійних обмежень, зі збереженням високого рівня безпеки.

Результати порівняння підтвердили, що використання градієнтного бустингу з урахуванням глибоких параметрів мікромоторики дозволяє ефективно виявляти зловмисників навіть у разі спроб ретельного копіювання візуального стилю підпису.

МЕТОД АВТОМАТИЗОВАНОЇ ІДЕНТИФІКАЦІЇ ОБМЕЖЕНИХ КОНТЕКСТІВ ПІД ЧАС ПРОЄКТУВАННЯ СИСТЕМ ЕЛЕКТРОННОЇ КОМЕРЦІЇ

2026-07-02T16:52:08+03:00

Розглянуто проблематику автоматизації стратегічного етапу проєктування систем електронної комерції, фокусуючись на моделюванні складної бізнес-логіки та структуруванні предметної області. Сучасні системи електронної комерції характеризуються високим рівнем заплутаності бізнес-правил та великою кількістю взаємопов’язаних процесів. Ефективне управління цією складністю можливе завдяки застосуванню підходу предметно-орієнтованого проєктування, який передбачає декомпозицію системи на логічно відокремлені модулі — обмежені контексти. Якість виділення цих контекстів безпосередньо впливає на життєздатність системи, зрозумілість кодової бази та можливість її подальшого розвитку.

Традиційні підходи до ідентифікації меж контекстів базуються переважно на евристичних методах та експертних сесіях, які є ресурсомісткими та залежними від людського фактора. Наявні формальні методи, що ґрунтуються на структурному аналізі даних, часто не здатні коректно інтерпретувати семантичні нюанси бізнес-термінології. У роботі запропоновано інформаційну технологію, що використовує можливості генеративного штучного інтелекту та великих мовних моделей для автоматизованого аналізу простору задачі.

Основну увагу в статті приділено розробці методу семантичної кластеризації вимог, який дозволяє виявляти приховані лінгвістичні закономірності в описі бізнес-процесів. Запропонований підхід передбачає використання великих мовних моделей для аналізу єдиної мови проєкту та формування карти контекстів на основі семантичної близькості понять, а не лише їхніх технічних зв’язків. Описано алгоритм, який трансформує текстові специфікації та історії користувачів у формалізовані моделі доменів, визначаючи рекомендовані межі відповідальності для кожного модуля.

Результати дослідження демонструють, що застосування генеративного підходу дозволяє значно підвищити об’єктивність моделювання предметної області, мінімізувати когнітивне навантаження на архітекторів та забезпечити валідацію логічної цілісності системи на ранніх етапах проєктування. Розроблена технологія слугує інструментом інтелектуальної підтримки прийняття рішень, дозволяючи формувати гнучкі та адаптивні до змін бізнес-моделі електронної комерції.

СИСТЕМНИЙ АНАЛІЗ ТА СТОХАСТИЧНА ОПТИМІЗАЦІЯ ВПЛИВУ РОЗМІЩЕННЯ МАЙНІНГОВОГО КЛАСТЕРУ БІЛЯ АЕС НА СТАБІЛІЗАЦІЮ ЧАСТОТИ

2026-07-02T17:03:59+03:00

Виконано системний аналіз та побудовано стохастичну оптимізаційну модель впливу розміщення керованого майнінгового кластера на майданчику атомної електростанції (АЕС) на стабілізацію частоти в об'єднаній енергосистемі. Маневровість атомних блоків обмежена вузьким діапазоном первинного регулювання (±2 % N_nom) і унеможливлює участь у вторинному резерві (FRR/aFRR) через ядерно-фізичні обмеження, тоді як дедалі більша частка відновлюваних джерел підвищує потребу в таких ресурсах. Запропонований підхід усуває цю суперечність: ASIC-кластер функціонує як кероване навантаження, що знижує споживання у часі повного розгортання ≤ 30 с відповідно до вимог ENTSO-E до FCR, не змінюючи теплового режиму реактора.

Розроблено двоступеневу стохастичну модель оптимізації, де перший ступінь (day-ahead) формує базовий план завантаження кластера та обсяг зобов'язань FCR, а другий ступінь (real-time) коригує план у разі активацій FCR у різних стохастичних сценаріях. Надійність виконання зобов'язань FCR гарантується шанс-обмеженнями із заданим рівнем довіри. Параметризація невизначеності охоплює прогнозування курсу криптовалют та активацій FCR; стохастичні сценарії стану енергосистеми описуються авторегресійними моделями відновлення ЕЕС та ВДЕ України. Генерація сценаріїв виконується методом Монте-Карло з редукцією до 200 репрезентативних траєкторій.

На числовому прикладі блока ВВЕР-1000 показано, що пропонована стратегія «майнінг + FCR» забезпечує ≈ 23 % приросту добового доходу порівняно з чистим майнінгом і майже восьмикратну економічну перевагу над BESS-альтернативою завдяки відсутності CAPEX і монетизації кластера у режимі готовності. Локалізація навантаження дає додатковий ефект близько 284 млн грн/рік через зниження мережевих втрат. Наукова новизна полягає у побудові двоступеневої стохастичної моделі із шанс-обмеженнями та параметризації невизначеності, що інтегрує прогнозування курсу криптовалют, частоту FCR-активацій і авторегресійні сценарії стану ЕЕС та ВДЕ України. Практичним результатом є адаптація реалізованої у США архітектури behind-the-meter проєкту Nautilus Cryptomine до умов ОЕС України, де майнінговий кластер біля АЕС використовується як інструмент надання первинного регулювання частоти, що компенсує обмежену маневровість блоків ВВЕР-1000.

СИСТЕМА КОРЕКЦІЇ ІНЕРЦІЙНОЇ НАВІГАЦІЇ БПЛА НА ОСНОВІ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ЗІСТАВЛЕННЯ ЗОБРАЖЕНЬ З КАМЕРИ ТА СУПУТНИКОВИХ ЗНІМКІВ

2026-07-03T09:20:37+03:00

Надійна навігація безпілотних літальних апаратів (БПЛА) є критичною функцією, що значною мірою покладається на сигнали GNSS. В умовах радіоелектронної боротьби (РЕБ) ці сигнали пригнічуються, що призводить до втрати апаратів через неконтрольоване накопичення похибки бортових інерційних навігаційних систем (INS). Наявні візуальні методи локалізації часто є обчислювально-витратними та неоптимальними для заміських ландшафтів.

Метою роботи є розробка та експериментальна валідація обчислювально-ефективної гібридної системи автономної геолокалізації, здатної коригувати похибку INS шляхом зіставлення зображень з бортової камери та референсних супутникових знімків, з фокусом на життєздатність на низькоресурсних бортових платформах.

Запропоновано гібридний метод, що поєднує дані INS з дискретною корекцією від модуля глибокого навчання. Проведено збір та розмітку власного набору даних польотів у заміській місцевості. Виконано порівняльний аналіз архітектур CNN (VGG11, MobileNetV2, ResNet18) та функцій втрат для задачі крос-модального зіставлення. Точність та продуктивність фінальної моделі валідовано на одноплатному комп'ютері Raspberry Pi.

Експериментально показано, що Triplet Loss, завдяки механізму відбору «негативних» прикладів, змушує модель вивчати диференційовані ознаки, що дозволяє розрізняти візуально схожі ділянки ландшафту. У порівняльному тестуванні архітектур, модель VGG11, навчена з Triplet Loss, показала найкращу точність, перевершивши MobileNetV2 та ResNet18. Під час тестування механізму корекції з симульованим початковим 10-метровим дрейфом INS, система на основі VGG11 досягла середньої похибки 5,4 метри, успішно обчислюючи вектор корекції. На реальному тестовому маршруті довжиною 200 м, де максимальна похибка некерованої INS досягла 15,2 м, запропонована система зменшила максимальне відхилення до 8,5 м. Валідація продуктивності на Raspberry Pi 4 підтвердила обчислювальну придатність: повний цикл корекції для зображення 224´224 становить 2,5 секунди, а для 448´448 — 10 секунд, що є прийнятним для періодичного (непостійного) уточнення координат.

НЕЙРОМЕРЕЖЕВИЙ МЕТОД РОЗПІЗНАВАННЯ ЕМОЦІЙНОГО СТАНУ МОВЛЕННЯ В СИСТЕМАХ КОНТАКТ-ЦЕНТРІВ НА ОСНОВІ АРХІТЕКТУРИ CNN-BiLSTM З МОДИФІКОВАНИМ МЕХАНІЗМОМ УВАГИ

2026-07-03T11:06:28+03:00

Актуальність дослідження зумовлена необхідністю підвищення ефективності систем підтримки прийняття рішень у контакт-центрах для автоматизованого аналізу емоційного стану мовлення операторів і клієнтів. Визначення емоційної напруженості у голосі дозволяє своєчасно коригувати взаємодію, підвищувати якість обслуговування та ефективність роботи операторів. Традиційні методи обробки аудіосигналів, що базуються на мел-частотних кепстральних коефіцієнтах (MFCC), мають обмеження щодо збереження повної акустичної інформації, що знижує точність розпізнавання емоцій. У роботі запропоновано нейромережевий метод, який поєднує згорткові нейронні мережі (CNN) та двонаправлені мережі довгострокової короткочасної пам’яті (BiLSTM) з модифікованим механізмом уваги (Attention). Першим етапом здійснено завантаження українськомовного аудіонабору та попередню обробку даних, що включає нормалізацію амплітуди, фільтрацію шумів, сегментацію мовлення, перетворення у мел-спектрограму та вилучення низькорівневих дескрипторів (LLD), таких як енергія і частота основного тону. Вхідні дані формуються у тензори фіксованої розмірності для нейромережевого аналізу. На етапі вилучення ознак CNN автоматично визначає локальні спектральні характеристики сигналу, включно з інтенсивністю, частотними компонентами та інтонаційними сплесками. Кожен згортковий блок доповнено пакетною нормалізацією для стабільного навчання та пришвидшення збіжності. Для моделювання часової динаміки емоційного стану застосовано двонапрямлені шари BiLSTM, що враховують контекст попередніх і наступних фрагментів сигналу. Механізм уваги формує контекстний вектор як зважену суму ознак, визначаючи відносну значущість окремих часових кадрів, який передається до повнозв’язного шару з функцією активації tanh. Модифікований механізм уваги у цій роботі означає інтеграцію метаданих аудіозапису (тривалість сигналу, бітрейт 640 кбіт/с, технічні ідентифікатори) у процес формування контекстного вектору через систему мультимодального зважування (MWS). Це дозволяє одночасно враховувати локальні спектральні ознаки, часову динаміку аудіосигналу та релевантність окремих фрагментів мовлення. Наукова новизна полягає у розробленні нейромережевого методу, що поєднує CNN–BiLSTM–Attention з механізмом мультимодального зважування, який інтегрує метадані аудіозапису у формування контекстного вектора. Така архітектура забезпечує підвищену точність розпізнавання емоційної напруженості. Проведено порівняльний аналіз традиційних MFCC та LLD, який показав перевагу LLD: базова точність CNN зросла з 82,42 % до 91,00 %, а інтеграція шару Attention додатково підвищила точність на 1,5...2 %. Найвищий результат 93,48 % досягнуто у разі поєднання CNN-BiLSTM-Attention з багатомодальною системою зважування та ознаками LLD.

МЕТОД ДИНАМІЧНОГО ОПТИМАЛЬНОГО РОЗПОДІЛУ ПОТОКУ ЗВЕРНЕНЬ У БАГАТОСЕРВЕРНИХ ІНТЕРАКТИВНИХ СИСТЕМАХ

2026-07-02T15:26:52+03:00

Запропоновано динамічний оптимальний метод розподілу потоків запитів у багатосерверних інтерактивних системах, спрямований на забезпечення адаптивного балансування навантаження в умовах нестаціонарного та непередбачуваного трафіку. Запропонований підхід забезпечує коригування розподілу потоку запитів між паралельними серверами в реальному часі на основі поточних коефіцієнтів навантаження, що дозволяє підтримувати стабільність системи та мінімізувати ймовірність перевантажень. Розроблено структурно-функціональну модель запропонованого методу, яка складається з модулів згладжування трафіку, динамічного демультиплексування та вирівнювання навантаження по серверній лінії. Запропоновано модифіковану версію алгоритму “token bucket”, призначену для перетворення нестаціонарного та пульсуючого вхідного потоку у квазістаціонарні сегменти трафіку, що можуть оброблятися дискретними механізмами керування. Модель здійснює безперервне вимірювання миттєвих параметрів навантаження кожного сервера та виконує ітеративний перерозподіл черг запитів між перевантаженими та недовантаженими вузлами. У разі критичного перевантаження можливе автоматичне підключення додаткових серверів, тоді як у періоди низької інтенсивності надлишкові сервери тимчасово деактивуються з метою оптимізації використання ресурсів. Запропонований метод може бути використаний під час проєктування систем реального часу, хмарних центрів оброблення даних, VoIP- та IoT-платформ, а також ядер мереж 5G, для яких підтримання стабільних показників продуктивності за змінних навантажень є критично важливою вимогою. Підхід підвищує масштабованість системи, зменшує затримку та ймовірність втрати запитів, а також створює підґрунтя для впровадження інтелектуальних програмних контролерів адаптивного балансування навантаження. Програмна реалізація підтвердила ефективність розробленого методу динамічного оптимального розподілу потоків запитів у багатосерверних інтерактивних системах. Алгоритм забезпечує адаптивне балансування навантаження, знижує ймовірність перевантажень і втрати запитів та може бути інтегрований у системи реального часу, SDN-платформи, VoIP-сервери або центри оброблення даних.

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ВИЯВЛЕННЯ СУЇЦИДАЛЬНИХ І ДЕПРЕСИВНИХ НАМІРІВ У СОЦІАЛЬНИХ МЕРЕЖАХ НА ОСНОВІ LOGISTIC REGRESSION, MULTINOMIAL NAIVE BAYES, LINEAR SVM ТА CNN

2026-07-02T16:05:32+03:00

Розглянуто актуальну проблему розробки та впровадження автоматизованих систем для моніторингу ментального здоров’я користувачів у цифровому середовищі. З огляду на стрімке зростання випадків депресивних розладів та намірів суїциду, що фіксується Всесвітньою організацією охорони здоров’я, виникає нагальна потреба у створенні інструментів раннього виявлення психологічних ризиків на основі аналізу текстового контенту соціальних мереж та месенджерів. Особлива увага в роботі приділена специфіці українського контексту в умовах соціальної нестабільності, де ресурси медичних установ є обмеженими. Метою дослідження є розробка інтелектуальної інформаційно-аналітичної платформи MindGuard, яка дозволяє здійснювати глибокий аналіз текстів для виявлення ознак депресії, тривожності та суїцидальної поведінки. Для досягнення цієї мети сформовано та розмічено масштабний навчальний корпус, що включає понад 340 000 прикладів повідомлень із платформи Reddit, розподілених за категоріями: «non-psycho» (тексти без ознак розладів), «depression» (депресивні стани) та «suicide» (суїцидальні наміри). У межах дослідження реалізовано та порівняно декілька підходів до класифікації текстів: класичні алгоритми машинного навчання (Logistic Regression, Multinomial Naive Bayes, Linear SVM) з використанням статистичного зважування TF-IDF, а також методи глибинного навчання, зокрема архітектуру TextCNN із застосуванням попередньо навчених ембеддингів GloVe. Результати експериментальної оцінки показали, що модель CNN забезпечує найкращий баланс між точністю та обчислювальною ефективністю. Досягнуті показники F1-score становлять 0,92 для класу «non-psycho», 0,74 для «depression» та 0,76 для «suicide». Високі значення метрики ROC AUC (0,910...0,990) підтверджують здатність системи ефективно ранжувати тексти за ступенем ризику. Проведено детальний аналіз матриць неточностей, який виявив лексичну близькість між категоріями депресії та суїцидальних думок, що зумовлює основні складнощі в диференціації проміжних станів. Практична реалізація платформи включає розробку REST API на базі FastAPI та клієнтської частини на React. Тестування продуктивності підтвердило високу швидкодію системи: середня затримка (latency) становить близько 15 мс на запит, що дозволяє обробляти до 66 текстів на секунду на одному CPU-потоці. Це відкриває можливості для інтеграції MindGuard у роботу модераторських команд соціальних мереж, психологічних служб та освітніх закладів для автоматизації первинного скринінгу та своєчасного прийняття превентивних заходів. Наукова новизна роботи полягає у створенні гібридної архітектури, адаптованої до локального контексту, що забезпечує високу точність виявлення психологічно ризикованих повідомлень у реальному часі.

ПРОЄКТУВАННЯ АДАПТИВНИХ ІНФОРМАЦІЙНИХ СИСТЕМ УПРАВЛІННЯ НАВЧАЛЬНИМ ПРОЦЕСОМ

2026-07-03T16:42:27+03:00

Проаналізовано системи управління навчальним процесом в українських та прибалтійських університетах з метою систематизації підходів до цифровізації та виявлення закономірностей цифрової трансформації. Дослідження базується на порівняльному інституційному аналізі репрезентативних кейсів з використанням TOGAF-методології для архітектурного аналізу систем. Виявлено 15—20-річне відставання українських ЗВО у цифровізації управління від естонських, латвійських та литовських університетів, що створює загрозу втрати конкурентних позицій на європейському освітньому ринку. Встановлено, що ключова відмінність полягає в архітектурному підході: прибалтійські системи базуються на потужній національній цифровій інфраструктурі (естонський X-Road з інтеграцією 929+ державних установ, литовський AIKOS як централізований реєстр освітніх провайдерів), тоді як українська ЄДЕБО виконує переважно реєстраційні функції без повноцінної інтеграції з внутрішніми системами ЗВО через відсутність відкритих API та стандартизованих протоколів обміну даними.

На прикладі Тартуського університету (система SIS/ÕIS з 2001 року з автентифікацією через національну PKI), Ризького технічного університету (портал ORTUS з 2007 року з мультитенантною архітектурою та IoT-проєктом Smart Campus) та Вільнюського університету (міграція на Oracle PeopleSoft з багатомовним інтерфейсом та штучним інтелектом для прогнозування ризиків відрахування) систематизовано три успішні моделі цифрової трансформації: національна платформа як сервіс, консорціумний підхід та корпоративні рішення з адаптацією до національних потреб. Аналіз літературних джерел виявив п’ять критичних факторів успішної цифрової трансформації університетів: національна цифрова інфраструктура, стандартизація протоколів обміну, фінансування ІТ-проєктів, кваліфікація персоналу та підтримка керівництва. Порівняльний аналіз виявив значний розрив у цифровій зрілості між прибалтійськими та українськими університетами за всіма ключовими доменами оцінки.

Обґрунтовано трирівневу концептуальну модель адаптації прибалтійського досвіду для українських ЗВО: архітектурний рівень (розробка відкритих API для інтеграції з ЄДЕБО, стандартизація протоколів обміну), інституційний рівень (формування регіональних консорціумів для спільного фінансування та розробки систем) та технологічний рівень (модернізація існуючої LMS-інфраструктури з додаванням аналітичних компонентів). Результати створюють теоретичну та методологічну базу для розробки державної стратегії цифровізації вищої освіти та обґрунтування концептуальних засад цифрової трансформації українських університетів з урахуванням специфіки національної нормативної бази та ресурсних обмежень.

РОБОТОТЕХНІКА ЯК ІНСТРУМЕНТ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ІНЖЕНЕРНО-ТЕХНІЧНОЇ ОСВІТИ

2026-07-03T16:59:54+03:00

Досліджено потенціал робототехніки як ефективного інструмента підвищення результативності освітньої діяльності у сфері інженерії. Робототехнічні системи завдяки міждисциплінарному характеру поєднують компоненти електроніки, програмування, мехатроніки та автоматизації, що забезпечує унікальні можливості для формування комплексних професійних компетентностей. Розглянуто роль робототехніки у розвитку проєктного та критичного мислення, підвищенні мотивації студентів, залученні до досліджень і формуванні професійної ідентичності майбутніх фахівців.

У межах дослідження проаналізовано ключові напрями впровадження робототехнічних технологій в освітній процес: інтеграція в навчальні дисципліни, організація гурткової діяльності, виконання курсових і дипломних проєктів, участь у науково-технічних заходах, міждисциплінарних командах та стартапах. Показано приклади успішного впровадження таких підходів у навчальну та наукову практику Національного університету «Запорізька політехніка», зокрема через інженерні гуртки, конкурси з робототехніки, хакатони, конкурси стартапів, участь у міжнародних ініціативах та стажуваннях.

Подано узагальнену таблицю, яка ілюструє форми використання робототехніки та їхній освітній ефект. Акцентовано на доцільності використання робототехніки як освітньої технології, що поєднує практичну значущість, інноваційність і високий рівень залучення здобувачів освіти. Матеріали статті можуть бути корисними для розробників освітніх програм, викладачів технічних спеціальностей, організаторів STEM-освіти та керівників навчальних закладів.

Дійшли висновку про необхідність системного підходу до інтеграції робототехніки у вищу технічну освіту з метою підвищення її привабливості, актуальності та практичної спрямованості.

ЕФЕКТИВНІСТЬ ВЗАЄМОДІЇ КОРИСТУВАЧА З ChatGPT: СОЦІОЛІНГВІСТИЧНІ АСПЕКТИ ВВІЧЛИВОСТИ

2026-07-06T10:42:34+03:00

Дослідження впливу ввічливости на взаємодію користувача зі штучним інтелектом (ШІ) є актуальним напрямом сучасних міждисциплінарних студій. У статті досліджено соціолінгвістичні аспекти ввічливости як фактору культури спілкування з погляду її впливу на ефективність роботи з ШІ, окреслено значення лінгвоетикету для цифрової комунікації з великими мовними моделями на основі ШІ. Актуальність дослідження, з одного боку, пов’язана з різким зростанням запитів користувачів до штучного інтелекту, що поступово впливає на формування нових моделей цифрової комунікації та характер відповідей системи. З іншого боку, важливою є потреба дослідити вплив ввічливости на взаємодію користувачів із ШІ засобами української мови, що розширює наукове уявлення про ввічливість у людино-машинній взаємодії.

Для дослідження впливу ввічливости в промптах на ефективність взаємодії користувача й ШІ як основний використано метод опитування. Метод зреалізовано за допомогою програмного забезпечення для адміністрування опитування Google Forms від компанії «Google». В опитуванні, проведеному протягом 2025—2026 рр., взяли участь 176 студентів обох статей 1—2 курсів семи факультетів Вінницького національного технічного університету. Для інтерпретації результатів та для аналізу емпіричних даних опитування використано описовий, порівняльний та статистичний методи. Здійснено порівняльний аналіз згенерованих текстових результатів штучного інтелекту за декількома показниками: з використанням фраз нейтральної, високопатетичної та фамільярної тональности. Визначено, що форма ввічливости не змінює кардинально загальну логічність моделі або набір фактів. Проте тип стратегії, вибір тональности впливає на глибину аналізу та структуру аргументації. Результати дослідження засвідчили, що ввічливі мовленнєві конструкції нейтральної тональности в структурі промптів опосередковано підвищують якість взаємодії користувача з системами штучного інтелекту, оскільки сприяють чіткішому, логічнішому та структурованішому формулюванню запитів. Етикетні формули ввічливости виконують функцію непрямої конкретизації комунікативного наміру, що полегшує інтерпретацію запиту мовною моделлю та підвищує релевантність і змістовність відповідей.

ОНТОЛОГІЧНЕ МОДЕЛЮВАННЯ БАЗИ ЗНАНЬ «ОПЕРАЦІЙНІ СИСТЕМИ»

2026-07-06T11:02:02+03:00

У сучасних умовах розвитку інформаційної екосистеми вищої освіти та систем генеративного штучного інтелекту особливого значення набуває впровадження онтологічних баз знань. Застосування технологій Semantic Web дозволяє полегшити цей процес, забезпечуючи машинне розуміння контенту, інтероперабельність даних та їхню безшовну інтеграцію між різними освітніми платформами. У статті проведено онтологічне моделювання предметної області «Операційні системи» як основи для інтелектуалізації освітнього процесу. Актуальність дослідження зумовлена стрімким ускладненням архітектури сучасного системного ПЗ, що вимагає переходу від фрагментарного опису до машинозчитуваної формалізації. Описуються переваги використання стандарту Ontology Web Language для опису функціональних залежностей між компонентами ОС. Метою роботи є систематизація взаємозв’язків та генеалогії операційних систем за допомогою онтологічного інжинірингу. Описано процес створення моделі в середовищі Protégé, його надійній підтримці сучасних систем логічного виведення. Структура бази знань охоплює компоненти ОС, системне ПЗ та класифікацію операційних систем. Особливу увагу приділено моделюванню спадкоємності та архітектурних відгалужень, що є критично важливим для розуміння еволюції сучасних ОС. Практична цінність полягає у верифікації онтології через запити SPARQL, які дозволяють аналізувати зв’язки між типами ядер, файловими системами, мережевими стеками та засобами віртуалізації. Такий підхід долає обмеження статичних репозиторіїв та забезпечує динамічне виведення нових знань. Результати дослідження підтверджують ефективність моделі для інтеграції в освітнє середовище, зокрема для формування контексту LLM-моделей під час оцінювання знань студентів. Розробка відкриває перспективи для інтелектуальних систем підтримки навчання, виходячи за межі традиційних методів викладання дисципліни «Операційні системи», що забезпечує студентам глибше розуміння архітектурних принципів побудови складних програмних продуктів.