CC BY
1
Уплотнение уложенной бетонной смеси производится с помощью поверхностных и глубинных электровибраторов.
Заключение и выводы: Анализ технологических параметров, связанных с устройством ограждающих металлических конструкций при строительстве подземных сооружений, представляет важную роль в строительстве транспортных тоннелей закрытым способом. В ходе исследования были выявлены ключевые параметры, влияющие на организационно-техническую эффективность устройства ограждающих металлических конструкций при строительстве подземных сооружений. Технологические параметры, такие как методы установки и последовательность работ, оказывают влияние на производительность работ и сокращению продолжительности строительства.
Список литературы
1.СП 122.13330.2012 Тоннели железнодорожные и автодорожные. Актуализированная редакция СНиП 32-04-97 (с Изменением № 1): свод правил: дата введения 2013-01-01 // Минрегион России. Изд. официальное. Москва: Минрегион России, 2012.
2.СП 70.13330.2012 Несущие и ограждающие конструкции. М., 2012.
3.СНиП 3.02.01 - 87 «Земляные сооружения, основания и фундаменты». М., 1987.
4.Лапидус, А.А. Формирование организационно-технологических платформ в строительстве / А. А. Ла-пидус // Строительное производство. 2022. № 1. С. 2-6. DOI 10.54950/26585340_2022_1_2. EDN PYQGHU.
5.Лапидус А.А. Организационно-технологическая платформа строительства // Вестник МГСУ. 2022. Т. 17. № 4. С. 516-524. DOI 10.22227/1997-0935.2022.4.516-524. EDN BMHWDX.
6.Теличенко В. И., Король Е. А., Каган П. Б., Конюхов Д. С. Управление программами строительства подземных объектов: Научное издание. Москва: Издательство АСВ, 2010. 296 с.
7.Пономарев А.Б., Винников Ю.Л. Подземное строительство: учебное пособие. Пермь: Изд-во Пермского нац. исслед. политехи. ун-та, 2014. 261 с.
8.Шулятьев О.А., Мозгачева О.А., Поспехов В.С. Освоение подземного пространства городов. Москва: АСВ, 2017. 511 с.
Зарина Хусеновна Чипова, преподаватель, [email protected]. Россия, Москва, Национальный исследовательский Московский государственный строительный университет
ANALYSIS OF TECHNOLOGICAL PARAMETERS OF THE CONSTRUCTION OFENCOLLING METAL STRUCTURES DURING THE CONSTRUCTION OF UNDERGROUND STRUCTURES
Z.Kh. Chipova
Modern construction of underground structures is a complex technological process that requires high technical competence and attention to detail. One important aspect of this process is the installation of metal enclosing structures, which play a critical role in ensuring the safety and stability of underground structures. This scientific article analyzes the technological parameters of the construction of enclosing metal structures in order to determine their impact on the organizational and technical efficiency in the construction of underground structures.
Key words: metal enclosing structures, underground structures, technological parameters, organizational and technical efficiency, safety, sustainability, process optimization.
Zarina Khusenovna Chipova, lecturer, [email protected], Russia, Moscow, Moscow State University of Civil Engineering
УДК 004.04
DOI: 10.24412/2071-6168-2023-12-379-380
ЛОКАЛИЗАЦИЯ ПРОБЛЕМНЫХ УЧАСТКОВ СИСТЕМЫ ЦЕНТРАЛИЗОВАННОГО ВОДОСНАБЖЕНИЯ
С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОГО ПОДХОДА
Р.В. Романов
В представленной работе рассмотрен метод локализации уязвимых участков сети централизованного водоснабжения с применением нейросетевого подхода. В работе была использована адаптивная нейро-нечеткая сеть ЛМРШ. Был проведен сравнительный анализ погрешностей разных типов функций принадлежности и алгоритмов обучения. Определен коэффициент детерминации для моделируемых и исходных данных.
Ключевые слова: централизованное водоснабжение, искусственный интеллект, износ труб, нейро-нечеткая сеть.
1. Введение. В настоящее время водопроводные сети во многих городах и населенных пунктах находятся в изношенном состоянии. В связи с этим возникают постоянные утечки добываемой и транспортируемой воды а также резко ухудшается качество воды доставляемой до конечных пользователей [1].
В настоящее время все больше уделяется внимания искусственному интеллекту и машинному обучению, в том числе в решении вопросов оценки качества воды в системах централизованного водоснабжения. Искусственные нейронные сети и методы машинного обучения применяются для прогнозирования и выявления аварийных ситуаций в водопроводной сети [2]. Такие системы обнаружения основаны на сравнении реальных данных и данных, смоделированных нейросетью, с применением методов нечеткого вывода и классификации [3].
379
Известия ТулГУ. Технические науки. 2023. Вып. 12
В данной статье предлагается нейросетевой подход по оценке состояния труб в системе централизованного водоснабжения. Это позволит оперативно выявлять изношенные участки, определять утечки воды на основе интеллектуального мониторинга
2. Применение искусственного интеллекта при оценке качества труб. В разрабатываемой системе мониторинга, для контроля качества труб по химическому составу воды в них применяются датчики электропроводности, которые располагаются в контрольных точках централизованной системы водоснабжения [4]. Чтобы оперативно обнаруживать возникшие потери воды необходимо наблюдать за изменениями объемов подачи воды в локальную зону, а также за пьезометрическими уровнями в сети. Для этого применяются расходомеры и манометры. В ходе исследования проводились измерения и накапливались данные по химическому составу (жесткость, железо), электропроводности воды, скорости потока в трубах различного диаметра в системе централизованного водоснабжения. В результате формируется вектор входных значений для искусственной нейронной сети.
Выходным значением нейронной сети будут значения износа труб в диапазоне от 0..4 от новых до полностью изношенных соответственно.
Модели искусственной нейронной сети, первоначально обученные на конкретном районе сети централизованного водоснабжения, можно обобщать с аналогичными системами, ранее не наблюдавшимися. Этот подход особенно важен в ситуациях, когда данные ограничены или недоступны.
В последнее десятилетие для мониторинга и оценки качества поверхностных вод, наиболее часто используемой моделью, является адаптивная нейро-нечеткая система вывода ANFIS (adaptive network-based fuzzy inference system) [5]. В данной работе она была применена для оценки качества воды и технического состояния труб в системе централизованного водоснабжения. Моделирование нейронной сети проводилось в системе MATLAB, использовался модуль Fuzzy Logic Toolbox.
В Fuzzy Logic Toolbox поочередно были применены следующие функции принадлежности: кусочно-линейная, гауссовское распределение, сигмоидная кривая, квадратическая и кубическая кривые. После подготовки и загрузки обучающих данных можно сгенерировать структуру системы нечеткого вывода FIS типа Сугено, которая является моделью гибридной сети в системе Matlab.
3. Результаты. Для решения задачи нечеткого моделирования о состоянии труб системы централизованного водоснабжения разработана гибридная сеть ANFIS (Рис. 1). Она представляет собой нейронную сеть с единственным выходом и пятью входами, которые представляют собой нечеткие лингвистические переменные. Параметры модели: логические операции (prod - для нечеткого логического «И»).
Рис. 1. Структура модели ANFIS для прогнозирования износа труб
AN FIS
• b****" * *
• ^^
О 0,5 1 1,5 2 2,S 3 3,5 4
Рис. 2. График сравнения моделируемых результатов с экспериментальными
Применяются поочередно два типа обучения: backpropa метод обратного распространения ошибки (на базе метода наискорейшего спуска); hybrid гибридный метод, агрегирующий метод обратного распространения ошибки и метод наименьших квадратов. Обучение проходило 5, 10, 50 эпох.
380
В ходе моделирования лучший результат прогнозирования показала колокольная функция принадлежности gbellmf, а сеть полностью обучается на седьмой эпохе. Было определено, что при обучении сети методом backpropa погрешность составляет 1,469; а методом hybrid погрешность составляет 0,0933. Выбираем метод hybrid, затем сравниваем полученные значения в ходе моделирования с данными которые были указаны при обучении сети. Сравнительный анализ этих данных можно увидеть в на рисунке 2.
Коэффициент детерминации R2 обеспечивает показатель того, насколько хорошо наблюдаемые результаты воспроизводятся моделью. В нашем исследовании этот показатель составил 0,983, что говорит о хорошей сходимости модели.
4. Заключение. В данной работе был рассмотрен метод локализации уязвимых участков сети централизованного водоснабжения с применением нейросетевого подхода. Для решения задачи нечеткого моделирования о состоянии труб системы централизованного водоснабжения разработана гибридная сеть ANFIS. Поочередно были применены функции принадлежности и было определено, что при обучении сети методом backpropa погрешность составляет 1,469; а методом hybrid погрешность составляет 0,0933. Коэффициент детерминации R2 составил 0,983, что говорит о хорошей сходимости модели. В ходе проведенного моделирования нейро нечеткой искусственной нейронной сетью ANFIS были получены результаты близкие к истинным.
Благодарности. Работа выполнена при поддержке гранта Президента РФ МК-1800.2022.1.6.
Список литературы
1. Тулакин А.В., Цыплакова Г.В., Амплеева Г.П., Козырева О.Н., Пивнева О.С., Трухина Г.М. Региональные проблемы обеспечения гигиенической надежности питьевого водопользования. // Гигиена и санитария. 2016. 95(11). С. 1025 - 1028.
2. Shi F., Peng X., Liu Z., Li E. and Hu Y. A data-driven approach for pipe deformation prediction based on soil properties and weather conditions // Sustainable Cities and Society. 2020. 55(1), 5102012.
3. Mounce S.R., Boxall J.B. and Machell J. Development and verification of an online artificial intelligence system for detection of bursts and other abnormal flows // J. Water Resour. Plan. Manag. 2010. 136, P. 309 - 318.
4. Романов Р.В., Кочеткова С.С. Разработка параметрической модели технического состояния централизованного водоснабжения. // Известия Тульского государственного университета. Технические науки. 2022., Вып. 10. С. 137 - 140.
5. Asadi P., Hosseini S.M., Ataie-Ashtiani B. and Simmons, C.T. Fuzzy vulnerability mapping of urban groundwater systems to nitrate contamination. // Environ. Model. Softw. 2017. 96, P. 146 - 157.
Романов Роман Вячеславович, канд. техн. наук, доцент, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых
LOCALIZATION OF PROBLEM AREAS OF THE CENTRALIZED WATER SUPPLY SYSTEM USING A NEURAL
NETWORK APPROACH
R.V. Romanov
In the presented work, a method of localization of vulnerable sections of the centralized water supply network using a neural network approach is considered. The adaptive neuro-fuzzy network ANFIS was used in the work. A comparative analysis of the errors of different types of membership functions and learning algorithms was carried out. The coefficient of determination for the simulated and initial data is determined.
Key words: centralized water supply, artificial intelligence, pipe wear, neuro-fuzzy network.
Romanov Roman Vyacheslavovich, candidate of technical sciences, docent, [email protected], Russia, Vladimir, Vladimir State University
УДК 004
DOI: 10.24412/2071-6168-2023-12-381-382
ПРОЕКТИРОВАНИЕ КОРПОРАТИВНОГО ХРАНИЛИЩА ДАННЫХ ДЛЯ СОЗДАНИЯ ЦИФРОВОЙ
ПЛАТФОРМЫ ПРОИЗВОДСТВА И ЭКСПЛУАТАЦИИ МАШИНОСТРОИТЕЛЬНОЙ ПРОДУКЦИИ
И.Д. Сидельников
В статье исследуются основные аспекты проектирования корпоративного хранилища данных (КХД) для обменного фонда машиностроительных изделий, подлежащих возврату и восстановлению технического ресурса. Обоснована концептуальная схема КХД, отражающая замкнутый контур процессов производства, эксплуатации и рециклинга. Делается вывод о перспективности создания платформы цифрового обменного фонда.
Ключевые слова: обменный фонд, корпоративное хранилище данных, базы данных, витрина данных, справочники, таблицы измерений, таблицы фактов, техническое обслуживание и ремонт.
Технологическая трансформация промышленности и общества привела к появлению устойчивого понятия «цифровая экономика» - экономики, зависящей от цифровых технологий и характеризующаяся массовым использованием больших данных и многосторонних бизнес-моделей. В промышленности это означает в первую очередь технологии к организации производственных систем, основанных на интеграции процессов разработки, производства и эксплуатации в единую информационную среду. Следующий шаг - это переход к модели развития экономики замкнутого цикла. В рамках такой концепции производство рассматривается как система по обработке прямых и возвратных потоков сырья и материалов, организованная по принципам энерго и ресурсосбережения [1].
381
