Iнформаційна технологія автоматизованої оцінки зносу артилерійських стволів на основі SVM-класифікатора
DOI:
https://doi.org/10.15276/aait.03.2020.1Ключові слова:
артилерійський ствол, рівень зносу, балістична хвиля, дулова хвиля, бінарний SVM-класифікатор, інформаційна технологіяАнотація
Розроблено інформаційну технологію автоматизованої оцінки рівня зносу артилерійських стволів. Інформаційна технологія заснована на аналізі акустичних полів, які супроводжують постріл. Акустичне поле пострілу складається з балістичної хвилі, що супроводжує вилітаючий з надзвуковою швидкістю снаряд, і дульної хвилі, що утворюється при викиді зі стволу порохових газів. Параметри балістичної і дульної хвиль істотно залежать від рівня зносу стволу. Це дає можливість побудувати автоматичний класифікатор стволів за рівнем зносу на підставі аналізу інформативних ознак акустичних сигналів, зареєстрованих мікрофонами поблизу вогневої позиції гармати. В основу інформаційної технології покладено бінарний SVM-класифікатор. Синтезовано набір записів акустичних полів пострілів на основі реальних сигналів, зареєстрованих при стрільбі 155 мм гаубиці. З набору записів сформовані навчальна і тестова вибірка інформаційних ознак для навчання класифікатора і оцінки його якості. Досліджено методи попередньої нормалізації даних навчальної та тестової вибірок. Розроблено методику оптимізації гіперпараметрів класифікатора шляхом поекземплярної крос-валідації. Методика являє собою двоетапний пошук оптимальних значень гіперпараметрів. На першому етапі пошук здійснюється на експоненційній десяткової сітці. На другому етапі оптимальні значення гіперпараметрів уточняються на лінійній сітці. Сформульовано метод бінарної класифікації артилерійських стволів за рівнем зносу. Перевірка класифікатора на спроможній тестової вибірці показала, що він забезпечує правильну класифікацію зносу стволів з ймовірністю 0,94. Розроблено інформаційну технологію класифікації артилерійських стволів за рівнем зносу на підставі аналізу акустичних полів пострілів. Інформаційна технологія складається з трьох стадій: підготовка даних, побудова, навчання і оптимізація бінарного SVM-класифікатор і експлуатація бінарного SVM-класифікатор. Проведено польовий експеримент, що підтвердив правильність основних наукових і технічних рішень. Розроблено автоматизовану систему для класифікації стволів за рівнем зносу