ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

3
Ожидается:
16 Сентября 2019

Статьи из выпуска № 3 за 2018 год.

Упорядочить результаты по:
Дате публикации | Заголовку статьи | Авторам |

31. Повышение точности расчета систем автоматического управления с запаздыванием [№3 за 2018 год]
Авторы: Тхан В.З., Дементьев Ю.Н., Гончаров В.И.
Просмотров: 670
В статье рассматриваются вопросы точности задач синтеза систем автоматического управления объектами с запаздыванием. Они охватывают традиционный подход на основе аппроксимации передаточной функции звена запаздывания его дробно-рациональным выражением, а также оригинальный путь, позволяющий сохранить точное описание звена запаздывания при решении задач синтеза регуляторов систем автоматического управления. В работе выбран последний вариант, который базируется на привлечении частного случая преобразования Лапласа, обеспечивающего переход к описанию динамических систем в форме функций-изображений, имеющих вещественную переменную. Этот численный метод дает возможность получать дискретные модели динамических систем, сочетая преимущества численных методов и цифровых вычислительных средств. На основе численного метода рассмотрены три актуальные задачи синтеза и исследования систем указанного класса. Первая из них связана с аппроксимацией звена запаздывания. Представлен сравнительный анализ подходов, базирующихся на отрезках ряда Тейлора, дроби Паде и численного метода. Выявлены преимущества последнего: более высокая точность и, главное, возможность перераспределения погрешности приближения в области малых/больших значений времени. В рамках второй задачи показана возможность формирования и решения уравнения синтеза систем автоматического управления без аппроксимации звена запаздывания, обеспечивая достижение потенциально возможной точности синтеза. Третья задача раскрывает возможности численного метода в оценивании точности синтеза систем автоматического управления и сравнения нескольких вариантов. Предложен вариант оценивания, не требующий аппроксимации звена запаздывания. Результаты проиллюстрированы примерами расчетов.

32. Моделирование восприятия мозгом анаграммно искаженного текста [№3 за 2018 год]
Автор: Усманов З.Д.
Просмотров: 1058
Объектом исследования являются тексты естественных языков, слова которых обессмыслены случайными перестановками букв. Рассматривается способность человеческого мозга безошибочно распознавать смысл непривычной продукции. В статье предлагается математическая модель объяснения того, каким образом мозг справляется с решением этой задачи в случаях, когда a) первая, б) последняя, в) первая и последняя буквы слова остаются на своих местах, а все прочие переставляются произвольным образом, и, наконец, в самом общем случае г), когда ни одна буква слова не фиксируется и все они в пределах слова могут располагаться в любом порядке. Объяснение основывается на понятии в широком смысле анаграммы слова как совокупности его букв, расставленных в какой-либо последовательности, а также на понятии прообраза анаграммы, в роли которой выступает само слово. В упрощенной математической модели предполагается, что мозг воспринимает каждую анаграмму изолированно; распознает ее правильно, если ей соответствует единственный прообраз, а если таких прообразов несколько, то автоматически останавливает свой выбор на том из них, который имеет наибольшую частоту встречаемости в текстах. Приемлемость такой модели проверялась на английском, литовском, русском и таджикском языках, а также на искусственном языке эсперанто. Для всех языков эффективность безошибочного распознавания искаженного текста оказывалась приблизительно одинаковой, на уровне 97–98 %. При необходимости достижения более высоких показателей можно обратиться к расширенной модели, в которой мозг учитывает пары, а возможно, и тройки соседствующих буквенных совокупностей.

33. Моделирование транспортных потоков в среде AnyLogic [№3 за 2018 год]
Авторы: Шамлицкий Я.И., Охота А.С., Мироненко С.Н.
Просмотров: 1450
В статье предложена методика моделирования транспортных потоков в среде моделирования. Была поставлена цель смоделировать участок дорожной сети г. Красноярска, для достижения которой необходимо решить две задачи: собрать данные по интенсивности транспортного потока на участке и разработать имитационную модель перекрестка. Для их решения выбрана среда моделирования AnyLogic. При проведения эксперимента по моделированию необходимы входные параметры, в данной ситуации – интенсивность прибытия транспортных средств и распределение автомобилей по направлению. Разработанная имитационная модель состоит из элементов дорожной сети, системы генерации агентов модели, блоков логики движения транспортных средств, элементов управления параметрами модели, модуля сбора статистики параметров агентов. В режиме исполнения модели отображается анимация, представляющая собой двухмерный план моделируемой системы с движущимися по ней транспортными средствами. Также есть функционал для переключения между двухмерным и трехмерным планами системы. В статистических данных учитываются время прохождения автомобилем участка дорожной сети, а также общая пропускная способность перекрестка. Методика проведения эксперимента представляет собой предварительную настройку имитационной модели на среднюю пропускную способность перекрестка (обычно этот момент наступает после того, как количество автомобилей, вышедших из модели с помощью компонента Sink, достигнет значения 20 тыс. и более), далее, изменяя время работы светофоров, запускается поочередно имитационная модель. По окончании серии прогонов выполняется расчет разности средних задержек жесткого и адаптивного регулирования, строятся графики, делаются выводы. В результате получается имитационная модель с методикой проведения эксперимента, которая может быть полезна при определении максимальной пропускной способности транспортных пересечений, планировании дорожной инфраструктуры и т.д.

← Предыдущая | 1 | 2 | 3 | 4