Научно-исследовательская деятельность кафедры

Научно-исследовательская деятельность преподавателей и студентов кафедры АСОИУ связана, в первую очередь, с проблемами проектирования и разработки программного обеспечения автоматизированных систем. Наиболее значимыми среди этих проблем мы считаем задачи, связанные с анализом систем и процессов, имитационным моделированием, прогнозированием и оптимизацией, а также вопросы построения и использования систем поддержки принятия решений. Еще одна область научных интересов кафедры - информационные технологии в образовании. Актуальность перечисленных тематик находит отражение в статьях, представляемых на проводимую кафедрой АСОИУ с 2009 г. ежегодную всероссийскую научно-практическую конференцию «Информационные технологии и автоматизация управления» (ИТиАУ). Все материалы, присылаемые на конференцию включаются в РИНЦ и размещаются в научной электронной библиотеке eLIBRARY.RU. В 2019 г. конференция получила информационную и техническую поддержку в виде официального сайта.

Переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, созданиию систем обработки больших объемов данных, машинного обучения и искусственного интеллекта, являющийся одним из приоритетных направлений научно-технологического развития России, привлек внимание сотрудников кафедры АСОИУ к проблемам проектирования и разработки систем и компонентов «Интернета вещей» (англ. Internet of Things, IoT). Для развития этой области научных интересов приказом по ОмГТУ №299 от 30.09.2019 г. на материальной базе кафедры организована научно-исследовательская лаборатория «Быстродействующие автоматизированные системы контроля» (НИЛ БАСК) под руководством к.т.н., доцента кафедры АСОИУ Г.В. Никоновой.

Актуальная тематика работ НИЛ БАСК приведена в нижеприведенных отчетах.

Адаптивный контроль параметров усилителя мощности радиопередатчика в условиях нестационарных режимов

Отчет по гранту РФФИ 20-37-90122

Аспират: Сак Павел Викторович.

Руководитель: Никонова Галина Владимировна

В рамках реализации проекта были исследованы методы и средства контроля параметров усилителя мощности радиопередатчика в условиях нестационарных режимов. На данном этапе проводились испытания широкополосного усилителя мощности с целью добиться одинаково высоких параметров, во всем диапазоне рабочих частот. При разработке высоколинейных усилителей мощности с высоким КПД усилитель мощности настраивают так, чтобы добиться превышения минимально допустимых параметров выходного сигнала во всем диапазоне частот. При этом если производить подстройку усилителя мощности при каждом изменении параметров входного сигнала, то можно получить параметры на выходе усилителя мощности куда выше, чем в усилителя мощности без подстройки. Для чего была предложена адаптивная системы контроля параметров усилителя мощности.

Разработана методика проведения испытаний усилителя мощности в режиме с автоматической регулировкой режима с помощью детерминированного двухчастотного тестового сигнала которая позволяет упростить испытания аппаратуры и оценить энергопотребление выходного каскада не только по уровню пиковой мощности, но и по средней мощности на входе усилителя мощности. Представлен математический аппарат и соотношения, позволяющие по результатам измерений, полученных при испытаниях, судить об энергопотреблении оконечного каскада усилителя мощности с автоматической регулировкой режима. Предложена методика расчета энергетического выигрыша и коэффициента полезного действия при применении автоматического регулирования питающего напряжения выходных каскадов коротковолновых передатчиков, предназначенных для модуляции речевыми сигналами.

На данном этапе разработки алгоритма адаптивной системы контроля параметров усилителя мощности была разработана ПЭВМ «Программа автоматизации процесса измерений электрических параметров усилителей мощности». Программа позволяет подключать приборы с программным управлением, устанавливать настройки подключенных приборов, задавать диапазон частот, в котором необходимо провести измерения и шаг измерений. Программа предназначена для проведения автоматизированных измерений выходной мощности, линейности, внеполосных излучений усилителя мощности в заданном диапазоне частот и формирования отчета о проведенных измерениях.

Список публикаций по теме гранта:

1. Сак П. В. Интегральная оценка параметров усилителя мощности радиопередатчика с автоматической регулировкой режима двухчастотным тестовым сигналом // Омский научный вестник. 2021. № 2 (176). С. 59–64 DOI: 10.25206/1813- 8225-2021-176-59-64. URL: https://omgtu.ru/general_information/media_omgtu/journal_of_omsk_research_journal/omsk-scientific-bulletin-a-series-of-devices-and-technologies/arch/2021/2-176/
2. Sak P.V. Signal Shaping with Adjustable Parameters for Measuring Instruments // P.V. Sak, A.V. Nikonov, G.V. Nikonova / 2021 International Seminar on Electron Devices Design and Production (SED) - Proceedings 27 April 2021 Prague, Czech Republic # 94445072021. DOI: 10.1109/SED51197.2021.9444507. URL: http://www.scopus.com/inward/record.url?eid=2-s2.0-85108001176&partnerID=MN8TOARS
3. Свидетельство о государственной регистрации программы для ЭВМ № 2021661691 Российская Федерация. Программа автоматизации процесса измерений электрических параметров усилителей мощности: № 2021660968: заявл. 14.07.2021: опубл. (зарег.) 14.07.2021. Бюл. №7 / П.В. Сак; заявитель ОмГТУ. – 1 с. URL: https://elibrary.ru/item.asp?id=46483372

Исследование методов и средств обработки биофизических сигналов с применением биоимпедансной электрометрии

Отчет по гранту РФФИ 19-38-90162

Аспирант: Кабанов Артемий Андреевич

Руководитель: Никонова Галина Владимировна

В рамках реализации проекта были исследованы методы и средства сбора и обработки биофизических сигналов, а именно сигналов электромиографии. Была разработана электрическая модель мышечной ткани, позволяющая ее внедрение в различные системы для диагностики. Разработан программно-аппаратный комплекс сбора сигналов реализующий методы биоимпедансной электрометрии. Был разработан алгоритм фильтрации сигналов (с использованием NI LabView) на основе дискретного - вейвлет преобразования, позволяющий разложение исходного сигнала, коррекцию результатов разложения (удаление шумовой составляющей), и восстановление сигнала. Алгоритм позволяет выбор базисного вейвлета и его порядка непосредственно в процессе работы. Для классификации паттернов сигналов ЭМГ были исследованы различные методы машинного обучения и предложен алгоритм на основе машины опорных векторов. А именно были исследованы 4 основных ядра машины опорных векторов:"линейное", "полиномиальное", "радиальной базисной функции", и "сигмоид", также применены различные гиперпараметры. Далее была проведена оценка качества полученной модели и классификации в целом, для этого были построены матрицы ошибок, а также рассчитаны такие метрики как: точность, полнота и f-мера для каждого класса.

Исследования и разработка программ проводились на языке Python в Google Collab.

Список публикаций по теме гранта:

1. Kabanov A A, Nikonova G V. Gesture recognition system based on electromyography signals. Journal of Physics: Conference Series (см. в книгах), 2021, 1791 - 1, 012100
2. Кабанов А.А. Исследования по определению сигналов управления антропоморфными протезами / А.А. Кабанов, Г.В. Никонова, Л.В. Щапова // Приборы и методы измерений, контроля качества и диагностики в промышленности и на транспорте : материалы IV всероссийской научно-технической конференции с международным участием / (Омск, октябрь 2020 г.). – Омский гос. ун-т путей сообщений, 2020. – С. 270–279.
3. Kabanov A A, Esimkhanova A M, Nikonova G V, Sirotenko N Yu, Soloviev V V. A software-hardware unit for studying the output characteristic of MEMS pressure sensors and its linearization. Journal of Physics: Conference Series (см. в книгах), 2021, 1901 - 1, 012009
4. Kabanov A. A. Разработка системы классификации жестов руки на основе сигналов электромиографии. Омский научный вестник, 2021, 177, 79-84
5. Ryabchevsky V O, Nikonova G V, Kabanov A A. Development of muscular tissue electrical analog and designing the device for biopotential registration. Journal of Physics: Conference Series (см. в книгах), 2020, 1441, 012077
6. Pavlov L A, Nikonova G V, Kabanov A A, Shchelkanov A I. Software and hardware complex for monitoring the ion beam parameters of a particle accelerator. Journal of Physics: Conference Series (см. в книгах), 2020, 1441, 012075
7. Kabanov A A, Nikonova G V, Shchapova L V. Experimental Studies for Determining the Optimal Method of Measuring Biophysical Signals. Journal of Physics: Conference Series (см. в книгах), 2020, 1546, 012017
8. Ryabchevsky V. O., Nikonova G. V., Kabanov A. A.. РАЗРАБОТКА ЭЛЕКТРИЧЕСКОЙ МОДЕЛИ МЫШЕЧНОЙ ТКАНИ И УСТРОЙСТВА РЕГИСТРАЦИИ БИОПОТЕНЦИАЛОВ. Динамика систем, механизмов и машин, 2019, 7 - 2, 148-154.