Умные оптоволоконные датчики для городской инфраструктуры

Целью научных исследований является разработка новых принципов функционирования систем мониторинга объектов городской инфраструктуры на основе оптоволоконных датчиков с применением методов искусственного интеллекта, в том числе методов машинного обучения и нейросетевых алгоритмов, позволяющих улучшить точность, быстродействие и другие эксплуатационные и экономические характеристики таких систем. Актуальность данной тематики обусловлена тем фактом, что современные оптические сенсорные системы находят свое применение при сопровождении технологических процессов в различных областях промышленности, для мониторинга атмосферного воздуха в городах и на предприятиях, для контроля параметров пищевой и сельскохозяйственной продукции, для мониторинга периметров объектов критической инфраструктуры, линий электропередачи и дорожного покрытия городских магистралей. Областью применения ожидаемых научных результатов являются задачи, связанные с периметральным мониторингом протяженных объектов городской инфраструктуры, мониторингом концентрации социально значимых газов (метан, оксид азота и другие) в атмосферном воздухе, контролем промышленных выбросов, включая выбросы на мусороперерабатывающих заводах. Практическая значимость результатов исследований состоит в значительном улучшении методов обработки и интерпретации данных волоконных распределенных акустических датчиков, в разработке новых подходов в методах газоанализа, имеющих потенциал практического применения. Потенциальными потребителями технологий и решений, полученных в рамках научного исследования, являются научно-исследовательские и образовательные организации Российской Федерации, а также крупные промышленные компании и малые инновационные компании Российской Федерации, в деятельности которых используются технологии фотоники. В отчетном году проведен ряд экспериментальных и теоретических исследований, в том числе, по разработке гибридной архитектуры, объединяющей обученный с частичным привлечением учителя автокодировщик с классификатором и направленной на повышение точности и эффективности классификации событий для систем безопасности инфраструктуры на основе распределенных акустических датчиков, по разработке подхода с использованием нейросетевых алгоритмов с долгой краткосрочной памятью для предсказания резонансной частоты оптоакустического газового сенсора на основе данных о температуре, по разработке модели для компенсации нелинейных искажений в системах оптической связи методами теории возмущений и многопараметрической оптимизации.