Методы теории принятия решений // Ковалев В.В., Волкова О.Н., Анализ хозяйственной деятельности  предприятия. – М.: Проспект, 2000 – с.106-113

48 
 
Таким образом, можно сказать, что использование нейронных сетей в технологии интеллекту-
ального  анализа  данных  является  актуальным  направлением,  которое  непрерывно  развивается,  по 
пути устранения недостатков. 
В  аналитических  методах  технологии  анализа  данных известны  различные  алгоритмы  и  мето-
ды.  Основная  часть  методов  анализа  данных  была  разработана  в  области  интеллекта.  Из  методов 
нейронных сетей модель сети Кохонена использует для кластеризации и распознавания образов. Data 
mining основан на обучения без учителя. При таком обучении обучающее множество состоит из зна-
чений входных переменных. Идея сети Кохонена принадлежит финскому ученному  Тойво Кохонену 
[2,3]. Нейроны самоорганизующихся сетей могут быть обучены выявлению групп (кластеров) векто-
ров входа, обладающих некоторыми общими свойствами. 
Обучение без учителя или кластерный анализ это кластеризация объектов, когда схожие объек-
ты кластеризуются в  один объект. Алгоритмы кластерного анализа делятся на две группы такие как 
иерархические  и  итеративные  методы  т.е.  неиерархические.  Иерархические  методы  кластеризации 
объединяют объекты по схожему типу в одну, так сказать дендрограмму т.е. иерархическое дерево. В 
итеративном алгоритме кластеризации наиболее популярны методы Кохонена. На сегодняшнее время 
существует много программ для кластерного анализа, в том числе есть специальная программа STA-
TISTICA для решении статистических задач. Использование нейронной сети Кохонена дает возмож-
ность точной визуализации и упрощения многомерной структуры.  
В качестве примера выбираем метод неиерархической кластеризации по методу Кохонена. Для ин-
формативно-примерного  данного  берем  ЭФИ    показатель  риса.  Электрофоретический  интенсивность 
(ЭФИ) – движение заряженных частиц под воздействием электрического поля. С помощью программного 
продукта Matlab создаем сеть Кохонена. Такие сети полезны когда мы не знаем цель Target.  
Ниже приведены данные для самонастройки сети:  
  количество нейронов в этой сети равно 6; 
  база знаний  z; 
  зададим одно из множеств для 1 кластера; 
  середина для 1 кластера будет равна 3, с средним разбросом от центра случайность равна (1,25); 
  v1и c1 будет массивом размерности (1,25). 
Текст программы на Matlab: 
>> v1=1+rand(1,25); 
>> c1=3+rand(1,25); 
>> plot(c1,v1,'ob') 
>> v2=0+rand(1,25); 
>> c2=-2+rand(1,25); 
>> plot(c2,v2,'or') 
>> v3=4+rand(1,25); 
>> c3=-2+rand(1,25); 
>> plot(c3,v3,'oy') 
>> v4=0+rand(1,25); 
>> c4=-3+rand(1,25); 
>> plot(c4,v4,'og') 
>> v5=4+rand(1,25); 
>> c5=-3+rand(1,25); 
>> plot(c5,v5,'ok') 
>> v6=-4+rand(1,25); 
>> c6=-1+rand(1,25); 
>> plot(c6,v6,'oc') 
Графика состоящаяся из 6 кластеров, которая показывает массив размерности 
 

49 
 
 
 
Рисунок 1. Получившиеся значения из 6 класстеров 
Для полного видения мы можем посмотреть все кластеры в одном графике 
>> figure (1); 
>> hold on 
>> plot(c1,v1,'ob') 
>> plot(c2,v2,'or') 
>> plot(c3,v3,'oy') 
>> plot(c4,v4,'og') 
>> plot(c5,v5,'ok') 
>> plot(c6,v6,'oc') 
>> grid on 
>> hold off 
 
 
 
Рисунок 2. Шесть класстеров, которые объедененные по типу схожества 
 

50 
 
Задаем цели для 6 кластеров 
>> T1 (1:25)=10; 
>> T2 (1:25)=20; 
>> T3 (1:25)=30; 
>> T4 (1:25)=40; 
>> T5 (1:25)=50; 
>> T6 (1:25)=60; 
Объединяем все цели кластера 
>>T(1:25)=T1; 
>>T(26:50)=T2; 
>>T(51:75)=T3; 
>>T(76:100)=T4; 
>>T(101:125)=T5; 
>>T(126:150)=T6; 
Для подачи входа нейросети необходимо объединить базу знаний для нейронной системы в од-
ну матрицу, из них значение v и c присвоим в переменную z   
>> c(1:25)=c1; 
>> c(26:50)=c2; 
>> c(51:75)=c3; 
>> c(76:100)=c4; 
>> c(101:125)=c5; 
>> c(126:150)=c6; 
>> v(1:25)=v1; 
>> v(26:50)=v2; 
>> v(51:75)=v3; 
>> v(76:100)=v4; 
>> v(101:125)=v5; 
>> v(126:150)=v6; 
>> z(1,1:150)=c; 
>> z(2,1:150)=v; 
Задаем функцию newsom для создании сетку Кохонена 
>> net=newsom(z,[6 2]); 
Проведем обучения 
>> net=train(net,z)        
 
Далее, после результата обучения нам будут известны насколько центры кластеров и спектров 
распределились  правильно.  Если  сравнить  результаты  спектров  кластера  и  центры  кластеров 
нейронной сети Кохонена мы видим совершенно одинаковые результаты. Так как на 5 ячейке карты 
отсутствует  значение,  оно  сместилось  на  6  карту  по  типу  одинаковых  схожеств.  По  весовым 
позициям можем сказать что в 6 карте удвоение.   
    
           
 
 
Рисунок 3. Результативные данные после обучении нейроной сети  

51 
 
В  заключение  следует  отметить  что  основным  достоинством  применения  нейронных  сетей 
является  возможность  решать  различные  неформализованные  задачи.  Даже  при  этом  возможно 
моделировать различные ситуации, подавая на вход сети различные данные и оценивая выдаваемый 
сетью результат.  
В ходе применения нейронных сетей отмечен существенный недостаток: сложность понимания 
процесса получения сетью результата. Первым шагом к  устранению данной проблемы является раз-
работка новой технологии, которая позволяет генерировать описание процесса решения задачи ней-
ронной  сетью.  Используя  таблицу  экспериментальных  данных,  описывающих  предметную  область, 
можно будет получить явный алгоритм решения поставленной задачи. 
 
ЛИТЕРАТУРА 
1.  Xianjun  Ni.,  Research  of    Data  Mining  Based  on  Neural  Networks.-  World  Academy  of  Science  //  -2008.              
– № 39. –P. 381–384. 
2.  Manzhula  V.G.,  Fedyashov  D.S.,  Кohonen  neural  networks  and  fuzzy  neural  networks  in  data  mining 
//Technical sciences. - 2013. -4. -P 108-114. 
3.  Christopher M. Pattern Recognition and Machine Learning., SPRINGER SCIENCE, 2012. -373p 
 
Макешова К.К.,  Алтай Е.А. 
Кохонен нейрожелілерін кластерлік анализге қолдану 
Түйіндеме: Мақалада нейрожелілер технологиясын пайдалана отырып кластерлік анализдің графикалық 
нәтижелері тұрғызылып және қалыптастырылды. Matlab бағдарламасын қолдана отырып Кохонен нейрожелісін 
оқыттырылды.  
Негізгі сөздер: кластерлік анализ, Кохонен нейрожелісі, мәліметтер анализі, Matlab 
 
Makeshova K.K., Altai E.A. 
Аpplication of neural network Кohonen for cluster analysis 
Summary. Formulated and built the graphical results of a cluster analysis using neural network technologies. 
Using  the  Matlab  program  carried  out  the  training  of  the  neural  network  Kohonen,  the  results  were  compared  with 
graphic data. 
Key words: cluster analysis, neural network Kohonen, data analysis, Matlab 
 
 
ӘОЖ 681.587.34
  
 
Мухидинов Т.М. магистрант, Шоланов Қ.С. 
Қ.И.Сәтбаев атындағы Қазақ ұлттық техникалық университеті 
Алматы қ., Казақстан Республикасы 
 
ҚАДАМДАУШЫ МОБИЛЬДІ РОБОТТАР 
                                        
Аңдатпа. Мақалада арнайы қолдануларға арналған мобильді робот жобаланған. Мобильді робот ретінде 
алты аяқты қадамдаушы робот таңдалынып, жасалынды. Құрастыру кезінде роботты  қозғалтуға сервожетекші 
таңдалынып,  микроконтроллермен  байланыстырылды.  Басқаруға  арнайы  бағдарлама  жазылды.  Нәтижесінде 
алты аяқты екі қозғалыс дәрежесі бар робот жасалынды. 
 
Негізгі сөздер: робот, қадамдаушы робот, мобильді робот, сервожетекші. 
 
Қадамдаушы роботтар 
Қадамдаушы  роботтар  жануарлар  немесе  жәндіктердің  қозғалысын  көрсететін  роботтар  класы 
болып  саналады.  Ереже  бойынша,  қозғалу  үшін  роботтар  механикалық  аяқтар  қолданады.  Аяқтар 
көмегімен  қозғалу  миллиондаған  тарих  жылына  созылады.  Дөңгелектер  көмегімен  қозғалу  10-нан  7 
мың  жыл  бұрын  бастау  алды.  Дөңгелектік  қозғалыс  эффективті,  бірақ  тегіс  жолдарды  қажет  етеді. 
Қиылысқан  жолдар  желісін  байқау  үшін  қаланың  немесе  қалашықтардың  аэрофотосуреттерін  көру 
жеткілікті. 
Қадамдаушы  роботтар  әдеттегі  дөңгелектік  құралдарға  қол  жетімсіз  қиылысқан  жерлермен 
қозғала алады. Осындай мақсатпен әдетте қадамдаушы роботтар жасалады. 
Жетілдірілген  қадамдаушы  роботтар  жәндіктердің,  шаян  тәрізділердің,  кейде  адамның 
қозғалысын  қайталайды.  Екіаяқты  роботтардың  құрастырмалары  сирек,  себебі  жүзеге  асуы  үшін 
күрделі инженерлік шешімдерді қажет етеді. Алтыаяқты қадамдаушы робот құрастырайық. 
 

52 
Қадамдаушы робот жасау 
Қадамдық роботтың құрастыруына қажет тетіктер 
-  Сервомоторлар 
-  Микроконтроллеры 16F84 
-  пластикалық жолақтар 
-  пластиктік жазық бет 
-  бұрандалар, шайбалар. 
Қозғалу  үшін  үш  сервомотор  қажет.  Өз  аяқтарына  көп  дәрежеде  еркіндікті  қалайтын  алты 
аяқты және төрт аяқты қадамдаушы робот үлгілері бар. Сәйкесінше,  еркіндік дәрежесі үлкен болған 
сайын  әр  аяқ  үшін  басқарушы  механизмдер  саны  да  ұлғаяды.  Егер  осы  мақсатта  сервомоторлар 
қолданылса, онда әр аяқ үшін екі, үш немесе тіпті төрт қозғалтқыш керек. 
Сорвомоторлардың мұндай санына қажеттілік кемінде  екі  еркіндік дәрежесі қажет  екендігімен 
түсіндіріледі. Біреуі аяқты түсіріп–көтеруге, ал басқасы оны алға–артқа қозғалту үшін. 
Робот құрастырмасы 
Робот  «денесі»  негізіне  мен  өлшемі  150х100х8  мм  пластина  бетін  алдым.  Сервомоторлар 
пластинаның  алдыңғы  бөлігіне  беіктілген  (1-сурет).  Сервомоторлар  асындағы  саңылау  белгісі 
сызбадан көшірілуі тиіс және алюминий бетіне ауыстырылады. Мұндай көшірме  сервомоторлардың 
бектілуі  астындағы  саңылау  күйінің  дәлдігін  қамтамасыз  етеді.  4,3  мм  диаметрлі  төрт  саңылау 
ортаңғы  сызықтын  сәл  артқа  орналасқан  және  орталық  сервомоторды  бекітуге  арналған.  Осы  төрт 
саңылау  оң  жиекке  ығысқан.  Бұл  орталық  сервомотордың  фланеці  «дененің»  ортасы  бойынша  дәл 
орналасуы  үшін  орындалады.  Екі  артқы  саңылау  артқы  аяқтардың  қозғалмалы  тіректері  үшін 
арналған. 
1-сурет. Робот қаңқасы 
Саңылаулар  орталығын  белгілеу  үшін  бұрғы  ретінде  кернер  қолданылады.  Қарсы  жағдайда 
саңылауларды бұрғылау кезінде  бұрғыны «алып кетуі» мүмкін. Егер кернер болмаса үшкір шегемен 
алмастыруға болады. 
Робот  аяқтары  ені  8  мм  және  қалыңдығы  15  мм  пластина  жолағынан  жасалған  (1–сурет). 
Алдыңғы аяқтарда төрт саңылаудан бұрғыланады. Артқы аяқтарда екі саңылау: бірі қозғалмалы тірек 
үшін, екіншісі керме тірегі үшін. Артқы аяқтар алдыңғылардан 6 мм–ге қысқа. Бұл алдыңғы аяқтарға 
бекітілетін сервомотор фланеці биіктігін ескеру қажеттігімен түсіндіріледі. Артқы аяқтарды қысқарту 
платформа күйін тегістейді. 

53 
 
 
 
2-сурет. Алдыңғы және артқы аяқтары 
 
Қажетті  саңылауларды  бұрғылағаннан  кейін  жазық  жолақты  қажетті  пішінге  бүгу  қажет. 
Жолақты  бұрғыланған  саңылаулар жағынан  25  мм  қашықтықта  қысады.  Пластинаға  басып,  оны  90° 
бұрышпен  бүгеді.  Пластинаны  еріндіктер  айналасында  басу  қажет.  Бұл  кезде  пластина  аяқтың 
«төменгі» бөлігінің иілу қаупінсіз 90° бұрышпен бүгіледі. 
Орталық  аяқтар  бір  пластина  бөлшегінен  жасалған.  Роботқа  бекіту  кезінде  орталық  аяқтар 
алдыңғы және артқы аяқтардан 6 мм–ге қысқа болады. Сонымен, ортаңғы күйде олар жерге тимейді. 
Бұл  аяқтар  роботтың  оңға  және  солға  иілуіне  арналған.  Орталық  сервомоторлар  айналғанда  аяқтар 
роботты шамамен ±20° бұрышқа иеді. 
Орталық  аяқтарды  дайындау  кезінде  150х100х8  мм  өлшемді  пластина  жолағында  сервомотор 
фланеці  астынан  үш  орталық  саңылаулар  оң  жағынан  бұрғыланады.  Одан  соң  пластина  жолақ 
қысқыш  бекітіледі,  қысқыш  еріндері  жоғарғы  жиегі  бойынша  жолақты  жолақ  орталығынан  20  мм 
қашықтықта  тіркейді.  Жолақты  кемпірауыз  көмегімен  қысқыштардың  жоғарғы  жиегінен  12  мм 
қашықтықта  басыңыз.  кемпірауызды  қысып  тұрып  пластиналық  жолақты  90°  бұрышқа  абайлап 
бұрады.  Операцияны  баяу  жүргізбесе  пластинаны  оңай  сындырып  алуға  болады.  Пластинаны  басқа 
жағынан бұраймыз. 
90° бұрышқа бұрғаннан кейін пластинаны екі жерден 90° бұрышқа қосымша бүктейміз. 
Сервомоторларды орнату 
Алдыңғы  сервомоторлар  пластикалық  винттер  мен  гайкалар  көмегімен  пластиктік  негізге 
бекітіледі.  Пластикалық  винттерді  оңай  бүктеуге  болады  және  пластинадағы  бұрғыланған 
саңылаулар  мен  сервомотордағы  бекіту  саңылауларының  сәйкеспеушілігі  үлкен  болмайды.  Аяқтар 
сервомотордың  пластикалық  бөлігіне  бекітіледі.  Ол  үшін  2  мм–лік  винттер  мен  бұрандалар 
қолданылады.  Сервомотор  ернеуіне    бекіту  кезінде  әр  аяқ  орташа  перпендикуляр  күйден  бірдей 
бұрышқа алға–артқа ауытқи алатынына көз жеткізу керек. 
Орталық сервомотор 
Орталық  сервомоторларды  бектіу  үшін  екі  Г–тәріздес  қапсырмалар  қолданылады.  Пластиктік 
жолағында  сәйкес  саңылауларды  бұрғылап,  оларды  90°  бұрышқа  қапсырмалар  пайда  болатындай 
бүгу  қажет.  Екі  Г–тәріздес  қапсырмаларды  орталық  сервомоторға  пластикалық  винттер  мен 
бұрандалар  көмегімен  бекіту  керек.  Одан  соң  орталық  сервомотор  түйінін  негіздің  төменгі  бөлігіне 
бекітеміз.  Негіздегі  төрт  саңылауды  Г–тәріздес  қапсырманың  жоғарғы  бөлігіндегі  саңылаулармен 
сәйкестендіру керек. Бөліктерді пластикалық винттер мен бұрандалар көмегімен қапсырмалау керек. 
Келесі саты сервомотор және микроконтроллердің байланысы. 
 
 
 
3-сурет. 16F84–04 типті микроконтроллері 
 

54 
 
 
 
4-сурет. Толық жиналған мобильді роботтың макеті 
 
Электрлік бөлім 
5-суретте  сервомоторларды  РІС–микроконтроллер  көмегімен  басқару  сұлбасы  көрсетілген. 
Сервомотор  мен  микроконтроллерді  қоректендіру  6В  батареядан  жүргізіледі.  Батареялық  бөлік  6  В 
АА 4 элементінен тұрады. Микроконтроллер сұлбасы шағын макеттік платада жиналған. Батареялық 
бөлік пен сұлба пластиктік негізге жоғары жағынан бекітілген. 4–суретте қозғалысқа дайын мобильді 
роботтың дайын макеті көрсетілген. 
 
1 – оң жақ сервомоторы; 2 – сол жақ сервомоторы; 3 – орталық сервомоторы 
5-сурет. Алтыаяқты робот басқаруының принципиалды сұлбасы 
 
ӘДЕБИЕТ 
1.  Артоболевский И.И. Теория механизмов и машин. М.: Наука, 1975.
 
2.  Фу К., Гонсалес Р., Ли К. Робототехника М.: Мир, 1989
 
3.  Юденич В.З. Лабораторные работы по ТММ М.: Высшая школа, 1962.
 
                                                                                
Шоланов Қ.С., Мухидинов Т.М. 
Шагающие мобильные роботы 
Аннотация:  В  статьи  проектирован  мобильный  робот  специального  назначения.  Выбран  и 
проектирована  щестиноги  шагающий  робот.  Для  движения  робота  был  выбран  сервомотор  и  сделана 
соединение  сервомотора  с  микроконтроллером.  Для  управления  написана  программа.  В  результате 
спроектирован шестиноги робот.
 
Ключевые слова: робот, шагающие роботы, мобильный робот, сервомотор.  
 
Sholanov K.S., Mukhidinov T.M. 
Walking mobile robots 
Summary: In the article engineered mobile robot special purpose. Selected and engineered destiny walking ro-
bot. To move the robot was selected actuator and made the connection of the actuator with the microcontroller. To con-
trol the program is written. The result designed hexapod robot.                                                                      
Key words: robot, walking robots, mobile robots, a servomotor. 

55 
 
УДК 50.51.19 
 
Онбаев А.Б. магистрант,  Муханов Б.К., Омирбекова Ж.Ж. 
Казахский национальный технический университет имени К.И. Сатпаева,  
г. Алматы, Республика Казахстан, E-mail hcarter839@gmail.com 
 
МОДЕЛИРОВАНИЕ ПРОЦЕССА ПОДЗЕМНОГО ВЫЩЕЛАЧИВАНИЯ В СРЕДЕ COMSOL 
MULTIPHYSICS 
 
Аннотация. Данной статье описывается численное моделирование процесса подземного выщелачивания 
урана  с  помощью  прикладного  программного  обеспечения.    Рассмотренная  модель  описывается  с  помощью 
дифференциальных  уравнениях  в  частных  производных  (PDE)  методом  конечных  элементов.  С  этим  про-
граммным пакетом можно расширять стандартные модели, использующие  одно дифференциальное  уравнение 
(прикладной режим) в мультифизические модели для расчета связанных между собой физических явлений. 
Ключевые слова: уран, математическая модель, дифференциальные уравнения в частных производных 
 
Задачей  моделирования  исследования  является  построение  модели  фильтрации  в  режиме  на-
порной фильтрации (основной режим) и в режиме насыщения. На втором этапе полученную модель, 
связать с топологией трубопроводов и провести моделирующий эксперимент для выяснения влияния 
изменения уровня насыщения пласта на характер изменения корреляционных функции, отражающих 
взаимовлияние  между  переменными  топологической  сети.    Для  получения  взаимо  корреляционных 
кривых (функции) необходимо в сети организовать возмущающие воздействия (аналог гидропрослу-
шивания при проведении ГДИС). 
COMSOL  Multiphysics  –  это  интерактивная  среда  для  моделирования и  расчетов  большинства 
научных и инженерных задач основанных на дифференциальных уравнениях в частных производных 
(PDE)  методом  конечных  элементов.  С  этим  программным  пакетом  можно  расширять  стандартные 
модели, использующие одно дифференциальное уравнение (прикладной режим) в мультифизические 
модели  для  расчета  связанных  между  собой  физических  явлений.  Это  возможно  благодаря  встроен-
ным физическим режимам, где коэффициенты PDE задаются в виде понятных физических свойств и 
условий, таких как: теплопроводность, теплоемкость, коэффициент теплоотдачи, объемная мощность 
и т.п. в зависимости от выбранного физического   раздела. Преобразование  этих  параметров  в  ко-
эффициенты  математических  уравнений  происходит  автоматически.  Взаимодействие  с  программой 
возможно  стандартным  способом  –  через  графический  интерфейс    пользователя  (GUI),  либо    про-
граммированием  с  помощью  скриптов  на  языке  COMSOL  Script  или  языке  MATLAB. 
Математическое  моделирование  и  конечно  элементный  анализ    во  многих  приложениях  позволяет 
сократить  дорогостоящие  и  длительные  циклы  разработки  «проектирование  –  изготовление  –  испы-
тание»  новых  технологических  установок,  а  также  могут  быть  полезны  при  оптимизации  конструк-
ций и режимов работы уже эксплуатирующих установок.  
Для решения PDE, COMSOL Multiphysics использует    метод  конечных   элементов  (FEM).  Про-
граммное обеспечение запускает конечноэлементный анализ вместе с сеткой учитывающей геометри-
ческую  конфигурацию тел и  контролем  ошибок  с использованием  разнообразных  численных решате-
лей. Так как многие физические законы выражаются в форме PDE, становится возможным моделиро-
вать широкий спектр научных и инженерных явлений из многих областей физики таких как: акустика, 
химические реакции, диффузия, электромагнетизм, гидродинамика, фильтрование, тепломассоперенос, 
оптика, квантовая механика, полупроводниковые устройства, сопромат и многих других.  
Кроме  вышеперечисленного,  программа  позволяет  с  помощью  переменных  связи  (coupling 
variables) соединять модели в разных геометриях и связывать между собой модели разных размерностей. 
Для создания и расчета задачи рекомендуется следующая последовательность действий: 
1)  Выбираем размерность модели, определяем физический раздел в Model Navigator [Навига-
торе моделей] (каждому разделу соответствует определенное дифференциальное  уравнение) и опре-
деляем стационарный или нестационарный анализ; 
2)  Определяем рабочую область и задаем геометрию; 
3)  Задаём исходные данные, зависимости переменных от координат и времени; 
4)  Указываем физические свойства и начальные условия; 
5)  Указываем граничные условия; 
6)  Задаём параметры и строим сетку; 
7)  Определяем параметры решающего устройства и запускаем расчет; 
8)  Настраиваем режим отображения; 

56 
 
9)  Получаем результаты. 
Численное моделирование процессом фильтрации грунтовых жидкостей в среде Comsol Multi-
physics 
 
 
 
Рисунок 1. Структура модульных пакетов  программного комплекса Comsol Multiphysics 

жүктеу/скачать

Достарыңызбен бөлісу: