Сборник статей по материалам LXI международной научно-практической конференции №1 (60) Январь 2017 г

58 
Таблица 3. 
Звуковые показатели 
Показатель 
Значения рассчитываемых величин при 
среднегеометрических частотах октавных полос, Гц 
63 
125  250 
500 
1000 
2000 
4000 
8000 
Суммарные октавные 
уровни звуковой 
мощности источников 
шума в котельной 
81,6  81,7  79,6  75,4 
71,7 
66,3 
60,6 
54,6 
Постоянная поме-
щения на среднегео-
метрической частоте 
1000 Гц, B
1000
 
 
 
 
 
19,66 
 
 
 
Частотный 
множитель М 
0,65  0,6  0,64  0,75 
1 
1,5 
2,4 
4,2 
Постоянная 
помещения В, м
2
 
12,8  12,2  12,6  14,7 
19,6 
29,5 
47,2 
82,6 
Отношение B/S
огр
, 
0,079  0,077  0,07  0,92 
0,122 
0,183 
0,293  0,512 
Коэффициент Ψ 
0,96  0,94  0,95  0,98 
0,93 
0,86 
0,775  0,675 
Величина 10lg B, дБ 
11,06  10,8  10,9  11,69  12,94 
14,69 
16,74  19,17 
Величина 10lg Ψ, дБ 
-0,18  -0,27  -0,23  -0,09  -0,315  -0,655 
-1,11 
-1,71 
Октавные уровни зву-
кового давления в зоне 
отраженного звука 
в котельной, L
отр
, дБ 
83,14  82,7  80,9  78,37  78,11 
80,44 
89,94  116,29 
Расчетная точка Горелка Baltur TBG 85 P газовая двухступенчатая 
Коэффициент x 
при r\lmax = 7,16 
1 
1 
1 
1 
1 
1 
1 
1 
Величина  
при S=10,8 м
2
, дБ. 
(
10???????????? ∗
??????∗Ψ
??????
) 
-1,01  -1,06  -1,05  -1,04  -1,065  -1,099  -1,145  -1,205 
Октавные уровни 
газовой двухсту-
пенчатой горелки 
Baltur TBG 85 P, дБ; 
L
кор
pокт 
54 
55,6  55,1  66,4 
67,3 
66,7 
61,4 
51,1 
Октавные уровни 
звукового давления 
в зоне прямого звука 
L
пр
, дБ 
52,94  54,5  54,04  65,35  66,235  65,601  60,255  49,89 

59 
По  результатам  расчета  концентрации  шума  в  котельной  можно 
сделать вывод: – при проектировании жилых массивов с применением 
автономных  источников  теплоснабжения  необходимо  учитывать 
сумму факторов пожарной безопасности, инсоляции и обязательно 
шумовых характеристик низкочастотных шумов котельной. 
 
Список литературы: 
1.
 
ГОСТ 5542-2014. «Газы горючие природные промышленного и коммунально-
бытового назначения».  
2.
 
СП 124.13330.2012. «Тепловые сети». 
3.
 
Исследование  процессов  шумообразования  в  системах  отопления  жилых 
зданий.  Сборник  материалов  XIII научно-практической  конференции 
молодых  ученых,  аспирантов  и  соискателей  ТюмГАСУ.  –  Тюмень: 
РИО ГОУ ВПО ТюмГАСУ, 2014. с. 165 – 168. 
4.
 
Шумовой мониторинг городских территорий. Цукерников И.Е., Шубин И.Л. 
НИИСФ  РААСН.  Academia.  Архитектура  и  строительство  5  Год:  2009 
С. 94-100. 
5.
 
Рекомендации  по  акустическому  расчету  котельных.  Серия ЖЗ-172. 
Москва, 1984 г. 
6.
 
СП 51.13330.2012 «Защита от шума». 
 
МНОГОАГЕНТНЫЕ СИСТЕМЫ И ФУНКЦИИ АГЕНТА 
В ЗАДАЧЕ УПРАВЛЕНИЯ ИННОВАЦИОННЫМ 
ПРОЦЕССОМ 
Рогозин Николай Олегович 
ассистент, МГТУ им. Баумана,  
РФ, г. Москва 
Рогозин Олег Викторович 
канд. техн. наук, доцент МГТУ им. Баумана 
РФ, г. Москва 
 
Аннотация.  В  представленной  работе  рассматриваются  задачи 
управления  информационными  процессами. Представлен пример  реали-
зации многоагентной системы на основании нейро-нечеткой модели.  
Abstract.  This  article  gives  an  overview  of  innovative  process 
management, followed by the example of implementation of the multi-agent 
system, based on neuro-fuzzy model. 

60 
Ключевые  слова:  многоагентные  системы,  нейронные  сети, 
принятие  решений,  инновационный  проект,  качество,  управление 
инновационным процессом 
Keywords:  multi-agent  systems,  neural  network,  decision  support, 
innovation project, quality, management of innovative process 
 
Агент  (Интеллектуальный  агент)  определяется  как  программа 
или  объект,  обладающий  программой,  получающий  и  выполняющий 
в течение длительного времени задание, указанное пользователем. 
Агентов можно разделить на 5 основных групп по типу обработки 
информации: 
1)
 
Агенты с простым поведением, действующие на основе текущих 
знаний. 
2)
 
Агенты  с  поведением  на  основании  модели.  Внутри  агентов 
такого  типа  находится  представление  о  той  части  среды,  которая 
находится  вне  границ  обзора,  поскольку  основная  задача  агентов 
такого типа – работа со средой, частично поддающейся наблюдению. 
3)
 
Целенаправленные  агенты,  которые  хранят  информацию 
о нежелательных  для  себя  ситуациях,  позволяющую  более  гибко 
выстраивать логику нахождения решения. 
4)
 
Практичные агенты. Различают состояния, когда цель достигнута 
или нет, а также насколько желанно для них текущее состояние. 
5)
 
Автономные интеллектуальные агенты. Как следует из названия, 
независимы  и  способны  к  обучению  и  приспосабливанию  к  окру-
жающим обстоятельствам. 
Каждый  агент  обладает  рядом  свойств,  cреди  которых  можно 
выделить: 

 
Автономность  –  возможность  действовать  независимо  от  поль-
зователя. 

 
Адаптивность  –  способность  к  обучению  во  время  работы. 
Агент считается адаптивным, если он может изменять свое поведение 
на основании опыта. 

 
Коммуникативность  –  способность  коммуникации  с  другими 
пользователями или агентами. 

 
Способность  к  сотрудничеству.  Агент  способен  к  сотруд-
ничеству,  если  он  может  общаться  с  другими  агентами  для  решения 
своих задач. 

 
Персонифицированность – естественное поведение. 

 
Мобильность  –  возможность  перемещения  по  окружающей 
среде. 

61 
Одним  из  подходов  в  решении  задач  разработки  и  внедрения 
новых технологий является нахождение лучшего выбора из конечного 
множества  имеющихся  вариантов  инновационных  решений.  В  качестве 
инновационного  решения  будем  понимать  объединение  иннова-
ционных  проектов  на  основе  цели  или  набора  целей  и  критериев 
выбора.  Инновационные  проекты  могут  включать  как  завершенные, 
так  и  не  завершенные  процессы.  Каждый  инновационный  процесс 
включает совокупность технологий, ресурсы требующиеся для их выпол-
нения  и  определенное  время  выполнения.  Сформируем  набор 
показателей  эффективности  инновационного  проекта  и  представим 
обобщенную модель инновационного проекта процессного типа в виде 
I  <  I
n
,  G,  T,  R  >,  где  I  –  инновационный  проект,  I
n 
–  начальное 
состояние инновационного проекта, G – цель, T – технологии или пра-
вила  перехода  от  одного  состояния  проекта  к  другому,  R  –  ресурсы, 
используемые при этом. В показатели оценки проекта включим: 

 
финансовые результаты реализации проекта; 

 
воздействие  данного  проекта  на  другие  в  рамках  портфеля 
НИОКР корпорации; 

 
влияние проекта в случае его успеха на экономику корпорации в 
целом. 
Предложенный  метод  оценки  эффективности  инновационного 
проекта основан на использовании агента, реализующего нейро-нечеткий 
вывод,  в  котором  функции  принадлежности  могут  быть  скоррек-
тированы с помощью нейронной сети особой структуры. 
Созданная система, основанная на объединении нечеткой логики 
и нейронных сетей, предоставляет возможность удобного для человека 
представления знаний и самообучения на основе статистических данных. 
(Рис 1.)  
 

62 
 
Рисунок 1. Структура нейро-нечеткой системы 
 
Нейро-нечеткая гибридная система 
Для  объединения  достоинств  продукционной  модели  и  нейронных 
сетей  применим  гибридную  систему,  основанную  на  нейро-нечеткой 
модели,  сочетающая  в  себе  возможности  обучения  и  возможность 
задания знаний на языке, близком к естественному. (Рис. 2) 
 

63 
 
Рисунок 2. Структура нейро-нечеткой сети 
 
Адаптивная  нейро-нечеткая  система  вывода  на  основе 
алгоритма Суджено. 
Рассмотрим способ конструирования гибридных систем, основан-
ных на методе Суджено. Пусть система имеет следующие правила: 
«
??????
1
 : если 
??????
1
 есть 
??????
11
 и 
??????
2
 есть 
??????
12
 , то 
?????? = ??????
11
??????
1
 + 
??????
12
??????
2
 » , 
«
??????
2
 : если 
??????
1
 есть 
??????
21
 и 
??????
2
 есть 
??????
22
 , то 
?????? = ??????
21
??????
1
 + 
??????
22
 
??????
2
 ».  
 
Выход  системы  представлен  формулой 
,  где 
??????
??????
  – 
выход -го правила. 
Данная система может быть реализована в виде нейронной сети, 
состоящей  из  пяти  слоев,  называемой  адаптивной  нейро-нечеткой 
системой  вывода  (Adaptive  Neuro-Fuzzy  Inference  System,  ANFIS) 
со следующими функциями каждого слоя: 

64 

 
Слой 1.  Выходы  нейронов  этого  слоя  представляют  собой 
степени  принадлежностей  входных  значений  нечетким  множествам, 
ассоциированным  с  нейронами.  Обычно  применяются  гауссовские 
функции принадлежности: 
??????
ij 
= ex
, 
 
где 
??????
ij 
-  множество  параметров,  требующих  настройки  в  процессе 
обучения. Также могут быть использована произвольная непрерывная 
функция, например, трапециевидной или треугольной формы.  

 
Слой 2.  Каждый  нейрон  этого  слоя  вычисляет  уровень 
истинности  правила  по  формуле: 
??????
????????????
  = 
??????
i1
  (
??????
1
) 
∧  ??????
i2
  (
??????
0
), 
??????  =  1,  2, 
где для моделирования  связки  «и»  может  использоваться  дифферен-
цируемая Т-норма.  

 
Слой 3.  На  данном  слое  производится  нормализация  уровней 
истинности каждого правила по формулам 
??????
??????
 = 
??????
??????
/(
??????
1
 + 
??????
2
). 

 
Слой 4. Выходы нейронов представляют произведение норма-
лизованных  значений  уровней  истинности  на  соответствующие 
выходы правил: 
??????
??????
 = 
??????
??????
 (
??????
??????
1
??????
1
 + 
??????
??????
2
??????
2
 ). 

 
Слой 5.  Нейрон  последнего  (выходного)  слоя  производит 
адаптивное  суммирование  выходов  нейронов  предыдущего  слоя.  Адап-
тивная нейро-нечеткая система вывода (ANFIS) представлена на рис.3. 
 
 
Рисунок 3. Общая структура нейро-нечеткой гибридной сети, 
основанная на методе Суджено 
 

65 
Заключение 
Проведенные  исследования  показывают  перспективу  разработки 
интеллектуальных  агентов  на  основе  нейро-нечетких  моделей.  Этот 
подход  обеспечивает  возможность  реализации  известной  теоремы 
нечетких  множеств  об  универсальном  нечетком  аппроксиматоре 
и его применении  в  многоагентной  экономической  структуре  при  реше-
нии  задач,  связанных  с  формированием  наукоемких,  инновационных 
решений.  Автономность  агента  и  способность  принятия  решений 
на основе  как  количественных,  так  и  качественных  показателей 
значительно  расширяют  область  применения  предложенного  матема-
тического аппарата. 
 
Список литературы: 
1.
 
Колмогоров А.Н.,  Драгалин А.Г.  Математическая  логика.-М.  КомКнига, 
2006. – 240 с. 
2.
 
Тарасов В.Б.  Методология  агентно-ориентированного  формирования 
синергетических  организаций.  9-я  научно-практическая  конференция 
“Реинжиниринг бизнес -процессов на основе современных информационных 
технологий.  Системы  управления  знаниями”:  Сборник  научных  трудов./ 
Моск. госуд. ун-т экономики, статистики и информатики – М., 2006. 
3.
 
Sugeno M.  Kang G.T.  Structure  identification  of  fuzzy  model//Fuzzy  Sets 
Syst.– 1988.– Vol. 28, No. 1.– pp. 15–33. 
4.
 
Рогозин О.В.  Адаптивный  программный  комплекс  анализа  качественных 
показателей инновационного решения. Открытое образование, 2011, М. № 5, 
С. 54-59. 
 
АНАЛИЗ СИСТЕМ НИВЕЛИРОВАНИЯ АВТОГРЕЙДЕРОВ 
С ЦЕЛЬЮ ПОВЫШЕНИЯ ПРОИЗВОДИТЕЛЬНОСТИ  
Дмитриев Владимир Анатольевич 
канд. техн. наук, доцент Политехнического института СФУ, 
РФ, г. Красноярск 
Скопцов Максим Викторович 
магистрант Политехнического института СФУ, 
РФ, г. Красноярск 
 
Автогрейдер  широко  применяется  в  строительстве,  так  как  является 
мобильной  универсальной  машиной.  Помимо  основного  рабочего 

66 
органа (РО), располагающегося внутри колесной базы, который в свою 
очередь  может  устанавливаться  под  различным  углом  в  горизонталь-
ной  плоскости  и  до  90°  в  вертикальной,  а  также  перемещаться 
в сторону  относительно  хребтовой  балки,  может  быть  оснащен 
бульдозерным  отвалом,  рыхлителем,  снегоочистителем  и  путепрок-
ладочным оборудованием. 
Главными показателями эффективности автогрейдера при плани-
ровочных  работах  являются  его  производительность  и  точность. 
Направления совершенствования автогрейдеров: 

 
автоматизация управления отвалом; 

 
изменение  конструкции  подвеса  тяговой  рамы  в  продольной 
и поперечной плоскостях [5]; 

 
установка дополнительных рабочих органов [8]; 

 
увеличение длины отвала. 
Стабилизации РО в поперечной и продольных плоскостях можно 
достичь  установкой  на  автогрейдер  систем  автоматизированного 
управления (САУ). Под САУ понимается систематизированный набор 
агрегатов влияющих на автогрейдер, а  в частности  на  рабочий орган, 
для  достижения  точности  планировочных  работ.  Критерием  качества 
является  получение  профиля  проектным  отметкам,  и  площадь 
земляного  полотна,  обработанная  за  единицу  времени.  САУ  делятся 
на автономные, лазерные и комбинированные. 
Если рассматривать тенденции развития САУ, то следует начать 
с  системы  “Профиль-10” [9],  которая  обеспечивает  стабилизацию 
поперечного  наклона  РО,  состоящий  из  датчика  ДКБ,  поворотного 
устройства,  пульта  управления,  гидрораспределителя  и  соедини-
тельных кабелей. Работа заключается в следующем, на пульте управления 
задают  требуемый  поперечный  наклон  отвала,  датчик  ДКБ,  укреп-
ленный на раме автогрейдера, измеряет имеющийся наклон и сравнивает 
значение,  заданное  на  пульте,  если  значения  не  сходятся,  в  пульте 
управления  формируется  корректирующий  командо-сигнал,  который 
поступает на гидрораспределитель. 
К  следующему  поколению  систем  относится  “Профиль-20” [9], 
основным  отличием  которой  является  наличие  датчика  продольного 
профиля  ДЩБ  с  подъемным  устройством.  Обе  системы  относятся 
к автономным  системам,  так  как  располагаются  полностью  на  авто-
грейдере. 
К  лазерным  системам  относятся  такие,  как  САУЛ-1 [9]  предна-
значенная,  для  автоматического  поддержания  высотного  положения 
рабочего  органа  машины  с  гидроприводом.  Состоит:  пульт  управления, 
излучатель ЛИ-1 и УКЛ-1 и приёмное устройство ЛПУ-1.  

67 
Излучатели  образовывают  лучевой  сигнал  в  виде  плоской  поверх-
ности, который улавливается лазерным приемным устройством ЛПУ-1. 
Следующим  поколением  системам  являются  “Профиль-30” [9] 
и Trimble Blade Pro [1], предназначенные для автоматической стабили-
зации рабочего органа автогрейдеров по высотным отметкам, задаваемым 
направляющими  (шнуром,  обработанной  полосой,  опорной  плоскостью, 
образованной  лучом  лазера),  и  по  углу  установки  рабочего  органа 
в поперечной  плоскости  –  автономный  канал  с  бортовым  датчиком 
углового  положения.  Отличаются  от  всех  предыдущих  систем  своей 
универсальностью,  так  как  в  них  собраны  все  компоненты  вместе. 
В состав Профиля 30 входят: автономный датчик угла, взамен датчика 
ДКБ,  щуповой  датчик  высоты,  взамен  ДЩБ,  поворотное  устройство, 
пульт управления и щуп-передатчик высотных отметок отвала. 
Современные  системы  дают  получить  более  сложный  профиль 
поверхности  за  счет  трехмерности,  одной  из  таких  систем  является 
Trimble Blade Pro 3D (рис.1). В отличие от лазерных систем, которые 
в основном  предназначены  для  работы  на  прямолинейных  участках 
и площадных  объектах,  или  в  отличие  от  ультразвуковых  систем 
для которых  необходимо  устанавливать  копирную  струну,  данного 
типа система позволяет формировать поверхности практически любой 
формы и без какой-либо разбивки. 
 
       
 
Рисунок 1. Система Trimble BladePro 3D 
 
Принципиально  система  нивелирования  состоит  из  аппаратной 
и программной  частей.  Для  позиционирования  рабочих  органов  различ-
ных  машин  могут  использоваться  различные  инженерные  решения 
на основе оптических, электронных и гидравлических систем.  
Работает по тому же принципу, что и прошлые системы, в бортовой 
компьютер загружаются проектные данные в цифровом виде по участку 
работ. Роботизированный тахеометр устанавливается в удобном месте 
и  привязывается  по  2-3  опорным  точкам  к  местной  строительной 
системе координат. После включения системы тахеометр автоматически 
находит  активный  отражатель,  установленный  на  отвале  машины, 

68 
и постоянно  отслеживает  его  перемещение  с  максимальной  угловой 
скоростью  -23°/сек.  Частота  определения  координат  позиции  отвала 
может  быть  установлена  до  6  раз  в  секунду.  Координаты  передаются 
в бортовой компьютер по радиомодему. Точность управления отвалом 
данной системой доходит до +5 мм. 
 
 
Рисунок 2. 2D система нивелирования Leica iCON grade32 
 
Система  нивелирования  Leica  iCON  grade32  (рис.2)  состоит 
из следующих  основных  компонентов:  бортовой  компьютер,  управляю-
щий работой системы; электронной системы слежения за перемещением 
машины  (роботизированный  тахеометр  (Trimble  Advanced  Tracking 
Sensor)  и  активный  отражатель);  датчика  уклона  и  поворота  отвала; 
электрогидроклапана, для управления цилиндрами отвала; программного 
обеспечения Terramodel ,для проектирования и преобразования данных. 
Если касаться направления увеличения длины отвала, то следует 
отметить, что при планировке местности используется не вся мощность, 
выдаваемая  машиной,  так  как  работа  идет  с  малыми  количествами 
грунта. Из этого последовало решение, что можно усовершенствовать РО 
путем изменения его длины. 
Самым простым решением, превращающим отвал из инструмента 
зарезания  грунта  в  РО  для  перемещения  грунта,  является  установка 
на края  отвала  съемных  удлинителей  (уширителей)  с  нижним  режущим 
ножом. Удлинитель имеет такой же поперечный профиль, как и основной 
отвал,  и крепится к отвалу болтами вручную [1], в другом предложении 
через пальцы и втулки, закрепленные штифтами [3]. Снижение произ-
водительности  из-за  применения  ручного  труда  послужило  причиной 

69 
появления  ряда  работ,  предлагающих  изменение  длины  отвала 
с помощью  гидроцилиндров.  Практически  все  источники  описывают 
секционные  отвалы,  состоящие  из  центральной  и  двух  гидроуправ-
ляемых боковых секций.  
Известно рабочее оборудование (РО) автогрейдера, зарегистриро-
ванное  в  США  японской  фирмой  Mitsubishi [10],  которое  представляет 
собой трехсекционный отвал, состоящий из центральной основной секции 
и  боковых  правой  и  левой  секций,  выдвигающихся  параллельно 
основной секции по горизонтальным направляющим. Боковые секции 
имеют профиль и высоту, идентичные параметрам основной секции. 
Недостатком  этого  РО  автогрейдера  является  уменьшение  заднего 
угла  ножа  отвала.  Втянутые  боковые  секции  расположены  перед 
лобовым  листом  основного  отвала,  что  вызывает  повышенное 
сопротивление  при  одновременном  резании  грунта  ножами  основной 
и боковых секций при минимальной длине отвала. 
Также  известно  РО  автогрейдера  с  аналогичным  решением, 
примененным японской фирмой Komatsu [1]. Секционный отвал имеет 
телескопическое  устройство  и  коробчатое  сечение  основной  секции. 
Боковые  секции  выдвигаются  гидроцилиндрами,  находящимися  внутри 
центральной  секции  отвала.  Коробчатое  сечение  основной  и  боковых 
секций обеспечивает прочность отвала. Это РО имеет тот же недостаток. 
Известен  рабочий  орган  землеройно-транспортной  машины [4], 
выполненный на основе технического решения, согласно которому боко-
вые секции отвала при втягивании поднимаются по винтовым направ-
ляющим относительно основной секции. Благодаря этому ножи втянутых 
боковых секций не мешают резанию грунта ножом основной секции. 
Недостатком  является  меньшая  высота  боковых  секций  по  срав-
нению с основным отвалом. Боковые секции втягиваются и поднимаются, 
двигаясь концентрично лобовому листу основной секции, и угол опроки-
дывания  у  основной  секции  сохраняется  за  счет  уменьшения  высоты 
боковых  секций.  Угол  опрокидывания  у  боковых  секций  увеличен, 
что может  привести  к  пересыпанию  грунта  через  верх  боковых  секций. 
Недостатком  также  является  сложность  конструкции  в  связи  с  тем, 
что направляющие боковых секций имеют геометрию винтовых линий. 
Известно  изобретение  секционного  отвала [7],  выполненного 
из центральной и боковых секций, которые имеют одинаковую высоту 
профиля отвала при сохранении величины угла опрокидывания 70-75°. 
Боковые  секции  выдвигаются  с  помощью  гидроцилиндров.  Боковые 
секции  при  втягивании  поднимаются  по  прямолинейным  направляю-
щим относительно коробчатой центральной секции по ее задней стенке. 
Основным  недостатком  этой  конструкции  РО  является  большая 
масса из-за коробчатого сечения основной и боковых секций. 

70 
На  основании  анализа  существующих  совершенствований  авто-
грейдера, сделаны следующие выводы.  
Необходимо  исследовать  влияние  увеличенной  длины  отвала 
на показатели  рабочего  процесса:  ровность  обработанной  поверхности, 
ее соответствие  проектным  высотным  отметкам  с  двух  сторон  отвала; 
допустимая скорость движения машины; при автоматическом управлении 
отвалом  –  определить  требуемую  скорость  штоков  гидроцилиндров, 
чувствительность системы управления, алгоритм ее функционирования. 
Создать математическую модель рабочего процесса автогрейдера 
с ручным и автоматическим управлением отвалом. На основе модели-
рования  –  рекомендации  по  выбору  оптимальной  длины  отвала 
для различных грунтовых  условий по критерию максимальной  произ-
водительности.  А  так  же  рекомендации  по  автоматизации  рабочего 
процесса,  структуру  и  параметры  системы  управления.  Все  выше 
перечисленное, скорректирует цели, и задачи которые в разы повысят 
производительность дорожно-строительных машин. 

жүктеу/скачать 4,36 Mb.

Достарыңызбен бөлісу: