Формирование исходных данных для машинного обучения моделей оценки параметров газожидкостных потоков в противопожарных роботизированных системах : научное издание
Библиографическое описание:Формирование исходных данных для машинного обучения моделей оценки параметров газожидкостных потоков в противопожарных роботизированных системах : научное издание / И. Н. Пожаркова. - Текст : непосредственный // Приборы и системы. Управление, контроль, диагностика. - 2026. - № 3. - С. 14-20. - ISSN 2073-0004, DOI 10.25791/pribor.3.2026.1656.
Аннотация:Статья посвящена разработке методики формирования исходных данных (обучающих, верификационных и валидационных выборок), обеспечивающих соответствие заданным критериям качества решения задачи оценки параметров газожидкостных потоков в противопожарных роботизированных системах на основе машинного обучения. Описана технология подготовки экспериментального полигона и проведения натурных испытаний, по результатам которых производится построение с использованием фотограмметрии валидационной выборки, описывающей с высокой точностью движение струи огнетушащего вещества из ствола пожарного робота при различных управляющих и возмущающих воздействиях и позволяющей оценивать адекватность численных моделей, применяемых в рамках предлагаемого подхода для генерации обучающей и верификационной выборок. Представлена методика выбора соответствующих методов вычислительной гидродинамики, а также их параметров, обеспечивающих высокую точность и скорость моделирования. Приведены результаты апробации разработанной технологии для формирования исходных данных для машинного обучения модели оценки параметров огнетушащего вещества из пожарного ствола ЛС-П20У при боковом ветре.
The article focuses on the development of a methodology for generating input data (training, validation, and test datasets) that meet specified quality criteria for solving the problem of estimating parameters in gas-liquid flows within firefighting robotic systems using machine learning. The study describes the technology for preparing an experimental test site and conducting field tests, the results of which are used to construct a validation dataset based on photogrammetry. This dataset accurately captures the motion of a fire-extinguishing agent jet from a firefighting robot nozzle under various control and disturbance conditions, enabling the evaluation of the adequacy of numerical models employed in the proposed approach for generating training and verification datasets. A methodology for selecting appropriate computational fluid dynamics methods and their parameters is presented, ensuring high accuracy and computational efficiency. The results of testing the developed technology for generating input data for machine learning models estimating the parameters of a fire-extinguishing agent discharged from an LS-P20U fire monitor under crosswind conditions are provided.
