Статті в журналах з теми "Лінійні динамічні системи"

Оскільки аналіз та синтез систем зі змінними параметрами традиційними методами виявляється складною роботою пропонується узагальнюючий алгоритм ідентифікації лінійних динамічних систем, побудований на сумісному використанні сплайн-функцій та функцій Уолша. Цій алгоритм може бути використано не тільки для систем з для систем з зосередженими параметрами, але і для систем з розподіленими параметрами. У випадку систем з розподіленими параметрами алгоритм передбачає застосування двовимірного сплайну інтерполяції і відповідно застосування подвійного ряду функції Уолша. Важливою перевагою цього алгоритму є те, що інтеграл функцій Уолша залишається в класі функцій Уолша, а інтеграція є невід'ємною частиною аналізу та синтезу лінійних динамічних систем. В цьому випадку операція інтегрування замінюється добутком вектора системи функцій Уолша та квадратної операційної матриці, розмірність якої 2n, де n - розмірність системи функцій Уолша. Окремим випадком цього алгоритму є лінійні динамічні системи з постійними параметрами. Очевидно, що даний алгоритм при певній доробці можна також узагальнити і на лінійні динамічні системи з післядією.

Формулювання проблеми. Навчання майбутніх вчителів математики потребує високий рівень візуалізації навчального матеріалу. Інтеграція динамічного середовища GeoGebra у навчальний процес може допомогти покращити навички та знання студентів, а також підвищити рівень викладання для досягнення бажаних цілей навчання. Матеріали і методи. У ході роботи використовувались наступні методи: теоретичні (аналіз науково-методичної літератури для дослідження стану проблеми застосування засобів візуалізації методами комп’ютерної математики); емпіричні (спостереження та систематизація інструментів GeoGebra на лекційних і практичних заняттях дисциплін «Лінійна алгебра» та «Диференціальна геометрія і топологія»). Показано, як за допомогою GeoGebra можна будувати та досліджувати просторові та плоскі криві; виконувати дії над матрицями. Результати. Розглянуто особливості використання авторських аплетів та інших розробок GeoGebra під час викладання дисциплін диференціальна геометрія та лінійна алгебра у процесі підготовки майбутніх вчителів математики, зокрема описано можливості застосування даного інструмента для дослідження властивостей просторових кривих і формування практичних вмінь та навичок виконання операцій над матрицями, знаходження обернених матриць. Висвітлено переваги та недоліки використання середовища GeoGebra в освітньому процесі з лінійної алгебри та диференціальної геометрії. Висновки. В сучасному світі впровадження інформаційних технологій в освітній процес є необхідною компонентою успішного засвоєння навчальних дисциплін з математики. Однією з потужних систем комп’ютерної математики для динамічної візуалізації, розрахунків під час розв’язування задач, обробки даних та науково-дослідницької роботи є середовище GeoGebra. В роботі на прикладі окремих математичних дисциплін показано переваги використання даної системи в освітньому процесі.

У роботі обґрунтовано сутність та актуальність проблеми екологізації економіки та становлення екологічної економіки, у якій продукти забруднення, що є наслідком виробничої та невиробничої діяльності людського сус­пільства, обов’язково утилізуються, зменшуючи рівень забруднення довкілля. Розроблено концептуальний підхід до моделювання екологічно та соціально збалансованої двосекторної економіки, у якій один сектор займається вироб­ництвом основної агрегованої продукції, а інший – утилізацією продуктів забруднення. На основі цього підходу запро­поновано модель еколого-економічної динаміки з лінійними поведінковими функціями її суб’єктів, яка враховує соціально-економічну кластеризацію, процеси екологізації та контроль над забрудненням довкілля та може бути у різний спосіб модифікована. Моделі такого класу призначені для дослідження на їх основі тенденцій та закономірностей реальної динаміки еколого-економічних систем і підтримки прийняття рішень щодо управління цими системами.

Пропонується розв’язання задачі підвищення надійності системи автоматичного управління (САУ) авіаційного двигуна ТВ3-117 на основі введення алгоритмічної надмірності. Метою дослідження є розробка алгоритмів діагностики та парирування відмов вимірювальних каналів для вхідних параметрів вбудованої в САУ лінійної адаптивної бортової математичної моделі авіаційного двигуна ТВ3-117 (LABEM). Наведено основні співвідношення LABEM. В якості основи статичної моделі двигуна використовується дросельна характеристика індивідуального двигуна, отримана на здавальних випробуваннях або на «гонці» в експлуатації після проведення обслуговування. Динамічна лінійна модель авіаційного двигуна ТВ3-117 нижнього рівня будується за методом простору станів. Технічні і теоретичних проблем практичної реалізації резервування за допомогою моделі пов’язані з високою розмірністю простору станів двигуна, що істотно перевищує розмірність вектору вимірюваних на борту параметрів. Виникає проблема ідентифікації відмови датчика з подальшим заміщенням інформації модельним значенням. Обґрунтовано необхідність побудови алгоритмів виявлення і локалізації відмов вимірювальних каналів двоканальних датчиків, що діють в умовах перешкод. Для підвищення надійності вхідної інформації по контуру витрати палива застосовуються алгоритми Калман-фільтрації з вбудованою логікою виявлення та локалізації відмови вимірювального каналу. Описано алгоритми виявлення та локалізації відмов датчиків в контурі дозуючої голки на основі фільтрів Калмана. Алгоритми будуються на обчисленні сигнатури відмови як зваженої суми квадратів відхилень (WSSR), яку порівнюють з обраним пороговим значенням. Результати випробувань на моторному стенді і моделювання в середовищі MatLab показали, що застосування запропонованих алгоритмів в складі LABEM дозволяє досягти високих показників надійності і якості автоматичного управління.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.

Актуальність. В умовах наявності єдиних державних стандартів загальної середньої освіти та класно-урочної системи можливість застосування індивідуальної освітньої траєкторії (ІОТ) досі залишається здебільшого лише потенційною. Також в інших галузях (наприклад, в IT підвищення кваліфікації педагогів та держслужбовців) формується потреба більш гнучкої підготовки фахівців. ІОТ передбачає можливість слухачу самостійно обирати темп, методи і засоби навчання. Переважна кількість програм та реалізованих дистанційних курсів мають лінійну структуру, що суттєво обмежує можливу варіативність вибору темпу та послідовності надання завдань. Актуальність розроблення таких інструментів або адаптація вже наявних для спрощення індивідуалізації навчання особливо відчутна в умовах зростання попиту на дистанційне навчання в умовах COVID-19 Постановка проблеми. У середовищі Google Classroom відсутні засоби забезпечення варіативності навчальних курсів та зменшення навантаження на викладача. Шляхи вирішення проблеми. Пропонується створення додатку до Google Classroom у системі G Suite for Education, який реалізує функціонал варіативності та зменшення навантаження на викладача. Результати. Представлено прототип додатку Classroom Х, який забезпечує можливості планування послідовності надання завдань за умови виконання попередніх, автоматичне надання завдань, автоматизацію перевірки завдань (за мінімальної участі викладача), організацію повторення матеріалу, динамічну зміну індивідуальної освітньої траєкторії при зміні обставин та потреб слухача. Це дозволяє суттєво зменшити навантаження на тьютора або зовсім відмовитись від нього. Додаток пройшов успішну апробацію. Висновки Проведене дослідження показало потенційну можливість удосконалення Google Classroom для організації варіативного дистанційного навчання. У ході експериментів у навчальних групах підвищення кваліфікації практично перевірено принциповий механізм, що забезпечує розширену варіативність подання навчального матеріалу та зменшення навантаження на викладача. Такий функціонал особливо цінний при тотальному вимушеному переході до дистанційного навчання в умовах карантину COVID-19.

У статті пропонується методика оцінки ефективності функціонування механізмів формування керуючих послідовностей для реалізації активної завадо- та імітозахисту завадозахисних систем зв'язку і управління на фізичному рівні. Реалізація активної завадо- та імітозахисту систем зв'язку і управління на фізичному рівні досягається при використанні динамічного режиму функціонування на рівні складних сигналів. В цьому випадку постановка імітаційних та структурних перешкод зловмисником еквівалентна постановці їм звичайних шумових завад. Максимальна ефективність динамічного режиму функціонування досягається за умови, що зловмиснику не відомий закон, який реалізує динамічний режим функціонування і він не може розкрити цей закон формування на заданому інтервалі часу. Отримано математичні вирази, що дозволяють сформулювати вимоги до пристроїв формування керуючих послідовностей і оцінити якості керівників послідовностей. Проведено аналіз і розроблена методика оцінки ефективності функціонування механізмів формування керуючих послідовностей для реалізації динамічного режиму функціонування. Встановлено, що пристрій формування керуючих послідовностей має забезпечувати високу структурну скритність і високу лінійну складність породжуючих послідовностей. Сформульовано вимоги до пристроїв формування керуючих послідовностей.

Дана стаття присвячена вивченню нелінійної математичної моделі динаміки гусеничного транспортного засобу. При моделюванні коливань корпусу гусеничного транспортного засобу на базі лінійних та квазілінійних (лінеаризованих) моделей характеристики відновлюючої сили пружних елементів із достатнім степенем точності відображають коливання корпусу для невеликих деформацій торс іонів, тобто руху бойової гусеничної машини пересіченою місцевістю із відносно невеликими нерівностями. Для значних їх деформацій побудовані відповідні розрахункові моделі не в повній мірі відображають динамічний процес руху. Використання нових матеріалів при виробництві торсионів із динамічними пружними властивостями потребують уточненого підходу до побудови нелінійних математичних моделей динаміки руху зразків бронетанкового озброєння та їх базових машин. При побудові математичної моделі було розглянуто тільки вертикальні коливання корпусу гусеничного транспортного засобу під впливом на нього нелінійної пружної сили торсіонів, яка залежить від деформації всіх торсионів та швидкості їх реакції. Основні характеристики коливань корпусу було визначено в залежності від співвідношень між величинами нелінійної відновлюючої сили і росту амплітуди коливань. При побудові математичної моделі вважалось, що технічна характеристика демпферних пристроїв системи підресорювання бойової машини залежить від швидкості переміщення корпусу. Результати показують, що із ростом амплітуди коливань власна частота може зростати, спадати і навіть залишатись сталою, що безумовно необхідно враховувати при проектуванні систем підресорювання нових або модернізації існуючих гусеничних бойових машин,тому що закладені раціональні технічні рішення у їх підвіску призведе до зменшення впливу пересіченої місцевості на корпус, захисту особового складу, вантажів та спорядження від надмірних навантажень.

Проблема підвищення ефективності інформаційних систем контролю технічного стану промислових об’єктів з динамічними властивостями невід’ємно пов’язано зі збільшенням об’ємів вимірювальної інформації, що характеризує типові еталонні варіанти динамічних порушень. Мета статті: навести загальне формулювання задачі функціональної діагностики для моделей параметричної дискримінації. Результати. Розглянута загальна задача функціональної діагностики для моделей параметричної дискримінації за інформативними параметрами – показниками автокогерентності. Сформульована в загальному виді задача вибору дискримінантної функції для цілей контролю та діагностування промислових об’єктів з точки зору статистичних ризиків контролю та діагностики. Перевірені сформульовані положення при контролі технічного стану типового вібраційного промислового об’єкту – екструдер. Отримані результати можуть бути застосовані для подальшого дослідження впливу об’єму навчаючої вибірки на середній ризик контролю та діагностики з синтезом математичної моделі середнього ризику та аналізом ефектів мінімізації середнього ризику, а також оптимізації простору інформативних ознак за критерієм максимуму достовірності контролю та діагностики. Висновок. Проведене дослідження вібросигналів типового промислового об’єкту – екструдера, показало, що для контролю технічного стану вібраційних об’єктів можливо використовувати лінійну вирішувальну (дискримінантну) функцію типу 2 або 3. Кінцевий вибір функції буде залежити від результатів оцінювання коваріаційної матриці.

Інтеграція України у Європейський і світовий освітній простір ставить перед національною системою освіти завдання, пов’язані з необхідністю модернізації змісту освіти, і організації її адекватно світовим тенденціям і вимогам ринку праці, впровадження нових освітніх технологій з метою підвищення якості підготовки та конкурентоспроможності майбутніх фахівців, здатних до навчання протягом всього життя. Відображенням вказаних тенденцій є Національна стратегія розвитку освіти на 2012–2020 роки, відповідно до якої одним із головних напрямів державної політики є інформатизація освіти, що передбачає впровадження сучасних інформаційно-комунікаційних технологій (ІКТ) у всі рівні освітньої галузі і зокрема у методичні системи навчання математичних дисциплін.Сучасні ІКТ навчання як інноваційні педагогічні технології розглядаються у роботах О. О. Андрєєва, В. Ю. Бикова, М. І. Жалдака, В. М. Кухаренка, А. Ф. Манако, Н. В. Морзе, С. О. Семерікова, Ю. В. Триуса та ін.Проблемі ІКТ-підтримки навчання математичних дисциплін у середній та вищій школі присвячено роботи М. С. Голованя, З. В. Бондаренко, В. І. Клочка, С. А. Ракова, О. В. Співаковського, Н. В. Рашевської, Т. Г. Крамаренко, Ю. В. Триуса та інших.Крім того, актуальною залишається проблема організації та контролю самостійної роботи студентів, на яку припадає від 1/3 до 2/3 загального обсягу навчального часу студента. У дослідженнях О. В. Ващук, С. Є. Коврової, П. М. Маланюка, К. С. Собеніної, М. А. Умрик, С. В. Шокалюк доведено, що ефективним засобом підтримки самостійної роботи є сучасні ІКТ.До ІКТ навчання відносять Інтернет-технології, мультимедійні програмні засоби, офісне та спеціалізоване програмне забезпечення, електронні посібники та підручники, системи дистанційного навчання (системи комп’ютерного супроводу навчання).У процесі навчання вищої математики ІКТ доцільно використовувати для:1) подання навчального матеріалу (електронні підручники, презентації, лекційні демонстрації);2) проведення обчислень (табличні процесори, системи комп’ютерної математики, системи динамічної геометрії);3) тренування (програми-тренажери);4) забезпечення контролю (тести).Продемонструємо можливості використання хмарних офісних засобів для реалізації кожного із зазначених напрямів.Найпростішим та найдоступнішим хмарним офісним засобом є Google Docs, побудований на технології AJAX. Google Writely надає можливості створювати гіпертекст, картинки, схеми, таблиці, а також оприлюднивати документи у мережі Інтернеті. Google Cloud Connect for Microsoft Office надає можливість зберігати документи Microsoft Office у хмарному сховищі Google Docs безпосередньо з Microsoft Word, PowerPoint та Excel.Для створення електронного підручника в Microsoft Word достатньо скористатись таким алгоритмом:– підготувати необхідний матеріал за допомогою текстового редактора;– оформити заголовки стилями за допомогою вкладки «Стилі» пункту меню «Головна»;– створення навігації за допомогою вкладки «Вигляд» команда «Схема документу» (рис. 1) (надає можливість користувачеві переходити до довільного розділу підручники без перелистування сторінок);– додавання до документу змісту, за допомогою вкладки «Посилання» команда «Зміст» (рис. 2) (надає можливість користувачеві відкрити необхідний розділ одразу, як було відкрито підручник).Рис. 1. Створення навігації в електронному підручнику Синхронізація електронного підручника з Google Docs виконується автоматично або за запитом.Рис. 2. Створення змісту електронного підручника Проте використання засобів для створення презентацій не обмежується лише поданням навчального матеріалу. За допомогою Microsoft PowerPoint та Google Cloud Connector можна розробляти засоби для тренування та тестування, що забезпечують контроль засвоєння знань на різних етапах навчання. Основними перевагами Microsoft PowerPoint для розробки тестів є:– розробник не обов’язково повинен володіти навичками програмування;– можливість створювати тести як для перевірки знань, так і відпрацювання навичок;– можливість створювати тести з великою кількістю завдань;– може містити як слайди із завданнями, так і слайди з навчальними відомостями (підказки);– можливість створення тесту що передбачає: вибір єдиної правильної відповіді (з перемикачами); вибір кількох правильних відповідей (з прапорцями); встановлення відповідностей (з переміщуваними об'єктами); встановлення правильної послідовності.– у будь-який момент розробки тесту можна додавати або видаляти потрібні слайди та міняти порядок їх розташування;– кількість варіантів відповідей для вибору може бути різною на різних слайдах.Крім того, при використані Microsoft PowerPoint передбачено можливість виводу підсумків тестування у прихований текстовий файл, що надає можливість контролювати та узагальнювати результати тестування за допомогою «Менеджера тестування».Для створення тесту за допомогою Microsoft PowerPoint перед початком роботи необхідно встановити додаток «Конструктор для створення тестів в редакторі презентацій Microsoft PowerPoint» [Ошибка: источник перёкрестной ссылки не найден]. Після встановлення цього додатку з’явиться шаблон для тестів, що містить такі основні компоненти: головне вікно та вікно висновків (які є обов’язковими та не можуть бути видалені), слайди із завданнями (з вибором однієї відповіді та з вибором декількох відповідей) та навчальними відомостями (дані види слайдів можна копіювати та видаляти) (рис. 3): а) головне вікнов) слайд з завданням б) слайд з висновкамиг) слайд для подання необхідних відомостейРис. 3. Види шаблонів слайдів для створення тесту Для задання правильної відповіді та параметрів тестування необхідно скористатись відповідним значком у головному вікні тесту (рис. 3 а) після першого запуску програми тестування.Налаштування параметрів тестування відбувається у панелі «Тестування», яка встановлюється на початку першого проходження тесту (рис. 4). При виборі підпункту «Правильні відповіді» викладач одержує можливість вказати правильну відповідь на те чи інше питання або завдання (рис. 5): Рис. 4. Панель тестування Рис. 5 Встановлення правильної відповіді Після введення всіх параметрів тестування та правильних відповідей бажано встановити пароль для попередження доступу студентів до настроювання та відповідей. Останнім кроком у створенні тестів за допомогою Microsoft PowerPoint є збереження результатів у файлі з розширенням .pps (з підтримкою макросів).У процесі вивчення вищої математики виникає необхідність у здійсненні громіздких обчислень. Використання таких засобів ІКТ, як табличні процесори (електронні таблиці), надає можливість автоматизувати обчислювальний процес розв’язання задач прикладної спрямованості, зосереджуючись на побудові моделі та інтерпретації результатів обчислювального експерименту.Найпопулярнішим хмарним табличним процесором є Google Spreadsheets. Розглянемо приклад його використання для розв’язання задач лінійної алгебри.Задача. Розв’язати систему лінійних алгебраїчних рівнянь за допомогою оберненої матриці та методом Крамера: Розв’язання. Проведемо обчислення за допомогою електронної таблиці Google Spreadsheets.Введемо дані значення коефіцієнтів системи рівнянь в комірки А2:С4 – матриця А і в комірки D2:D4 – матриця В (рис. 6).Розв’яжемо систему методом оберненої матриці.Знайдемо матрицю, обернену матриці А. Для цього в комірку А9 введемо формулу =MINVERSE(A2:C4). Після цього виділимо діапазон А9:С11, починаючи з комірки, що містить формулу. Натиснемо клавіші Ctrl+Shift+Enter. Формула вставиться як формула масиву =ArrayFormula(MINVERSE(A2:C4)). Знайдемо добуток матриць A-1 та B. В комірки F9:F11 введемо формулу: =MMULT(A9:C11;D2:D4) як формулу масиву. Одержимо в комірках F9:F11 корені системи (рис. 7). Рис. 6. Введення коефіцієнтів системи Рис. 7. Розв’язування системи методом оберненої матриці Розв’яжемо систему методом Крамера. Спочатку обчислимо визначник основної матриці системи, увівши у комірку B15 формулу =MDETERM(A2:C4). Потім обчислимо визначники матриці шляхом заміни одного стовпця на стовпець вільних коефіцієнтів. У комірку В16 введемо формулу =MDETERM(D15:F17). У комірку В17 введемо формулу =MDETERM(D19:F21). У комірку В18 введемо формулу =MDETERM(D23:F25). Потім знайдемо корені системи, для чого в комірку В21 введемо: =B16/$B$15, у комірку В22 введемо: =B17/$B$15, у комірку В23 введемо: =B18/$B$15. Після чого одержимо результати, представлені на рисунку 8. Рис. 8. Розв’язування системи методом Крамера Крім того, електронні таблиці може використовуватись і для створення тестів різного виду.Таким чином, розглянуті хмарні офісні програмні засоби можна використати для підготовки та проведення різних видів навчальних занять. Ураховуючи, що пакети Google Docs та Microsoft Office Web Apps є вільно поширюваними, за умови постійного доступу до Інтернет це є прийнятним для вітчизняних ВНЗ.

Предметом вивчення в статті є новий спосіб визначення часових інтервалів роз'їзду черг транспортних засобів у стоп-ліній регульованих перетинів і реальних значень потоків насичення (ПН). Метою є розробка способу, що дозволяє підвищити рівень якості світлофорного регулювання за рахунок більш точного визначення значень коефіцієнтів приведення до легкового автомобіля (КПЛА) і ПН. Завдання дослідження: аналіз існуючих підходів до вимірювання ПН і КПЛА, а також визначення основних недоліків відомих рішень; розробка нового способу і моніторингу транспортних потоків (ТП) на регульованих перехрестях, який дозволяв би підвищити точність оперативного визначення ПН; розробка способу, який відповідає вимогам універсальних адаптивних систем, що дозволяють ефективно в динаміці реагувати на зміни умов руху ТП на перехресті. Отримані такі результати. Запропоновано новий спосіб визначення КПЛА і величин реального і ідеального ПН. Показано, що запропонована технологія вимірювання кінцевих параметрів дозволяє ефективно реагувати на зміни умов руху ТП на перехресті. Висновки. Ефективне визначення довжини черги, інтервалів руху, складу. ТП в черзі, поправочних коефіцієнтів і реальних значень ПН по кожній смузі руху протягом світлофорного циклу дає можливість отримати більш повну інформацію для контролю і подальшого оперативного управління рухом на перехресті. При цьому з'являється можливість використання значення ідеального ПН для проектування перспективних перетинів з аналогічними прогнозними значеннями інтенсивностей ТП, топографією і схемою пофазного роз'їзду. Визначення ПН таким способом з високою частотою сканування і по реальним значенням часу роз'їзду, дає можливість істотно підвищити точність вимірювання кінцевих параметрів при визначений-ні оптимальних поточних значень елементів світлофорного циклу.

В статті викладено результати аналізу можливостей подальшого розвитку птахофабрик з урахуванням існуючого потенціалу та проблем сучасного птахівничого бізнесу. Проведено моніторинг показників продуктивності кросу Ломанн в умовах ПрАТ «Полтавська птахофабрика». Визначено рівень продуктивності курей-несучок та ефективність використання двох ліній кросу Ломанн ЛСЛ Лайт та Ломанн Браун. У період яйцекладки кури-несучки кросу Ломанн Браун зберігали високі адаптивні і продуктивні якості. Попри добру адаптацію до інтенсивної системи утримання та використання, птиця кросу Ломанн ЛСЛ Лайт мала нижчий показник збереженості на 2 % в порівнянні з показником життєздатності курей кросу Ломанн Браун. Дослідження показали, що крос Ломанн ЛСЛ Лайт швидко виходить на пік яйцекладки (91,4 %) і зберігає високу продуктивність до кінця її використання. Саме кури цього кросу в кінці продуктивного періоду зберігали достатню яйценесучість на рівні 69,1% і цей показник перевищував такий у кросу Ломанн Браун на 3,6 %. В кінці продуктивного періоду птиця саме цього кросу зберегла яйценесучість на рівні 69,1 %, що перевищує цей показник порівняно з птицею кросу Ломанн Браун на 3,6 %. Проте середня маса яєць одержаних від кросу Ломанн ЛСЛ Лайт була нижчою, в порівнянні з середньою масою яєць отриманих від кросу Ломанн Браун. Слід зазначити, що гібридна птиця кросу Ломанн Браун інтенсивно росла і вже в кінці яйцекладки мала живу масу на рівні стандарту кросу, так по закінченні продуктивного періоду жива маса несучок кросу Ломанн Браун була на рівні 1880,9 г, в той час, як маса курей кросу Ломанн ЛСЛ Лайт лише 1629 г. Однак, птиця кросу Ломанн Браун динамічно нарощувала живу масу, і в кінці продуктивного періоду мала достатньо високу вагу. Так в кінці яйцекладки жива маса курей кросу Ломанн ЛСЛ Лайт була на рівні 1629 г, в той час, як кури – несучки кросу Ломанн Браун мали живу масу – 1880,9 г. Встановлено, що витрати на корми, а відповідно і собівартість виробництва продукції, у кросу Ломанн ЛСЛ Лайт значно нижчі ніж у кросу Ломанн Браун. Зазначені показники вказують на те, що використання курей-несучок кросу Ломанн ЛСЛ Лайт в умовах ПрАТ «Полтавська птахофабрика» більш ефективне порівняно з птицею кросу Ломанн Браун.

У зв’язку із загальною інформатизацією освіти і швидким розвитком цифрових засобів обробки інформації назріла необхідність впровадження в лабораторні практикуми вищих та середніх навчальних закладів цифрових засобів збору, обробки та оформлення експериментальних результатів, в тому числі під час виконання лабораторних робот з основ електротехнічних пристроїв та систем. При цьому надмірне захоплення віртуальними лабораторними роботами на основі комп’ютерного моделювання в порівнянні з реальним (натурним) експериментом може призводити до втрати особової орієнтації в технології освіти і відсутності надалі у випускників навчальних закладів ряду практичних навичок.У той же час світові компанії, що спеціалізуються в учбово-технічних засобах, переходять на випуск учбового устаткування, що узгоджується з комп’ютерною технікою: аналого-цифрових перетворювачів і датчиків фізико-хімічних величин, учбових приладів керованих цифро-аналоговими пристроями, автоматизованих учбово-експеримен­тальних комплексів, учбових експериментальних установок дистанційного доступу.У зв’язку із цим в області реального експерименту відбувається поступовий розвиток інформаційних джерел складної структури, до яких, у тому числі, відносяться комп’ютерні лабораторії, що останнім часом оформлюються у новий засіб реалізації учбового натурного експерименту – цифрові електронні лабораторії (ЦЕЛ).Відомі цифрові лабораторії для шкільних курсів фізики, хімії та біології (найбільш розповсюджені компаній Vernier Software & Technology, USA та Fourier Systems Inc., Israel) можуть бути використані у ВНЗ України, але вони мають обмежений набір датчиків, необхідність періодичного ручного калібрування, використовують застарілий та чутливий до електромагнітних завад аналоговий інтерфейс та спрощене програмне забезпечення, що не дозволяє проводити статистичну обробку результатів експерименту та з урахуванням низької розрядності аналого-цифрових перетворювачів не може використовуватись для проведення науково-дослідних робіт у вищих навчальних закладах, що є однією із складових підготовки висококваліфікованих спеціалістів, особливо в університетах, які мають статус дослідницьких.Із вітчизняних аналогів відомі окремі компоненти цифрових лабораторій, що випускаються ТОВ «фірма «ІТМ» м. Харків. Вони поступаються продукції компаній Vernier Software & Technology, USA та Fourier Systems Inc. та мають близькі цінові характеристики на окремі компоненти. Тому необхідність розробки вітчизняної цифрової навчальної лабораторії є нагальною, проблематика досліджень та предмет розробки актуальні.Метою проекту є створення сучасної вітчизняної цифрової електронної лабораторії та відпрацювання рекомендацій по використанню у викладанні на її основі базового переліку науково-природничих та біомедичних дисциплін у ВНЗ I-IV рівнів акредитації при значному зменшенні витрат на закупку приладів, комп’ютерної техніки та навчального-методичного забезпечення. В роботі використані попередні дослідження НДІ Прикладної електроніки НТУУ «КПІ» в галузі МЕМС-технологій (micro-electro-mechanical) при створенні датчиків фізичних величин, виконано огляд технічних та методичних рішень, на яких базуються існуючі навчальні цифрові лабораторії та датчики, розроблені схемотехнічні рішення датчиків фізичних величин, проведено конструювання МЕМС – первинних перетворювачів, та пристроїв реєстрації інформації. Розроблені прикладні програми інтерфейсу пристроїв збору інформації та вбудованих мікроконтролерів датчиків. Сформульовані вихідні дані для розробки бездротового інтерфейсу датчиків та програмного забезпечення цифрової лабораторії.Таким чином, у даній роботі пропонується нова вітчизняна цифрова електронна лабораторія, що складається з конструкторської документації та дослідних зразків обладнання, програмного забезпечення та розробленого єдиного підходу до складання навчальних методик для цифрових лабораторій, проведення лабораторних практикумів з метою економії коштів під час створення нових лабораторних робіт із реєстрацією даних, обробки результатів вимірювань та оформленням результатів експерименту за допомогою комп’ютерної техніки.Цифрова електронна лабораторія складається із таких складових частин: набірного поля (НП); комплектів модулів (М) із стандартизованим вихідним інтерфейсом, з яких складається лабораторний макет для досліджування об’єкту (це – набір електронних елементів: резисторів, ємностей, котушок індуктивності, цифро-аналогових та аналого-цифрових перетворювачів (ЦАП та АЦП відповідно)) та різноманітних датчиків фізичних величин; комп’ютерів студента (планшетного комп’ютера або спеціалізованого комп’ютера) з інтерфейсами для датчиків; багатовходових пристроїв збору даних та їх перетворення у вигляд, узгоджений з інтерфейсом комп’ютера (реєстратор інформації або Data Logger); комп’ютер викладача (або серверний комп’ютер із спеціалізованим програмним забезпеченням); пристрої зворотного зв’язку (актюатори), що керуються комп’ютером; трансивери для бездротового прийому та передачі інформації з НП.Таким чином, з’являється новий клас бездротових мереж малої дальності. Ці мережі мають ряд особливостей. Пристрої, що входять в ці мережі, мають невеликі розміри і живляться в основному від батарей. Ці мережі є Ad-Hoc мережами – високоспеціалізованими мережами з динамічною зміною кількісного складу мережі. У зв’язку з цим виникають завдання створення та функціонування даних мереж – організація додавання і видалення пристроїв, аутентифікація пристроїв, ефективна маршрутизація, безпека даних, що передаються, «живучість» мережі, продовження часу автономної роботи кінцевих пристроїв.Протокол ZigBee визначає характер роботи мережі датчиків. Пристрої утворюють ієрархічну мережу, яка може містити координатор, маршрутизатори і кінцеві пристрої. Коренем мережі являється координатор ZigBee. Маршрутизатори можуть враховувати ієрархію, можлива також оптимізація інформаційних потоків. Координатор ZigBee визначає мережу і встановлює для неї оптимальні параметри. Маршрутизатори ZigBee підключаються до мережі або через координатор ZigBee, або через інші маршрутизатори, які вже входять у мережу. Кінцеві пристрої можуть з’єднуватися з довільним маршрутизатором ZigBee або координатором ZigBee. По замовчуванню трафік повідомлень розповсюджується по вітках ієрархії. Якщо маршрутизатори мають відповідні можливості, вони можуть визначати оптимізовані маршрути до визначеної точки і зберігати їх для подальшого використання в таблицях маршрутизації.В основі будь-якого елементу для мережі ZigBee лежить трансивер. Активно розробляються різного роду трансивери та мікроконтролери, в які потім завантажується ряд керуючих програм (стек протоколів ZigBee). Так як розробки ведуться багатьма компаніями, то розглянемо та порівняємо новинки трансиверів тільки кількох виробників: СС2530 (Texas Instruments), AT86RF212 (Atmel), MRF24J40 (Microchip).Texas Instruments випускає широкий асортимент трансиверів. Основні з них: CC2480, СС2420, CC2430, CC2431, CC2520, CC2591. Всі вони відрізняються за характеристиками та якісними показниками. Новинка від TI – мікросхема СС2530, що підтримує стандарт IEEE 802.15.4, призначена для організації мереж стандарту ZigBee Pro, а також засобів дистанційного керування на базі ZigBee RF4CE і обладнання стандарту Smart Energy. ІС СС2530 об’єднує в одному кристалі РЧ-трансивер і мікроконтролер, ядро якого сумісне зі стандартним ядром 8051 і відрізняється від нього поліпшеною швидкодією. ІС випускається в чотирьох виконаннях CC2530F32/64/128/256, що розрізняються обсягом флеш-пам’яті – 32/64/128/256 Кбайт, відповідно. В усьому іншому всі ІС ідентичні: вони поставляються в мініатюрному RoHS-сумісному корпусі QFN40 розмірами 6×6 мм і мають однакові робочі характеристики. СС2530 являє собою істотно покращений варіант мікросхеми СС2430. З точки зору технічних параметрів і функціональних можливостей мікросхема СС2530 перевершує або не поступається CC2430. Однак через підвищену вихідну потужність (4,5 дБм) незначно виріс струм споживання (з 27 до 34 мА) при передачі. Крім того, ці мікросхеми мають різні корпуси і кількість виводів (рис. 1). Рис. 1. Трансивери СС2530, СС2430 та СС2520 фірми Texas Instruments AT86RF212 – малопотужний і низьковольтний РЧ-трансивер діапазону 800/900 МГц, який спеціально розроблений для недорогих IEEE 802.15.4 ZigBee-сумісних пристроїв, а також для ISM-пристроїв з підвищеними швидкостями передачі даних. Працюючи в діапазонах частот менше 1 ГГц, він підтримує передачу даних на малих швидкостях (20 і 40 Кбіт/с) за стандартом IEEE 802.15.4-2003, а також має опціональну можливість передачі на підвищених швидкостях (100 і 250 Кбіт/с) при використанні модуляції O-QPSK у відповідності зі стандартом IEEE 802.15.4-2006. Більше того, при використанні спеціальних високошвидкісних режимів, можлива передача на швидкості до 1000 Кбіт/с. AT86RF212 можна вважати функціональним блоком, який з’єднує антену з інтерфейсом SPI. Всі критичні для РЧ тракту компоненти, за винятком антени, кварцового резонатора і блокувальних конденсаторів, інтегровані в ІС. Для поліпшення загальносистемної енергоефективності та розвантаження керуючого мікроконтролера в ІС інтегровані прискорювачі мережевих протоколів (MAC) і AES- шифрування.Компанія Microchip Technology виробляє 8-, 16- і 32- розрядні мікроконтролери та цифрові сигнальні контролери, а також аналогові мікросхеми і мікросхеми Flash-пам’яті. На даний момент фірма випускає передавачі, приймачі та трансивери для реалізації рішень для IEEE 802.15.4/ZigBee, IEEE 802.11/Wi-Fi, а також субгігагерцового ISM-діапазону. Наявність у «портфелі» компанії PIC-мікроконтролерів, аналогових мікросхем і мікросхем пам’яті дозволяє їй запропонувати клієнтам комплексні рішення для бездротових рішень. MRF24J40 – однокристальний приймач, що відповідає стандарту IEEE 802.15.4 для бездротових рішень ISM-діапазону 2,405–2,48 ГГц. Цей трансивер містить фізичний (PHY) і MAC-функціонал. Разом з мікроспоживаючими PIC-мікроконтролерами і готовими стеками MiWi і ZigBee трансивер дозволяє реалізувати як прості (на базі стека MiWi), так і складніші (сертифіковані для роботи в мережах ZigBee) персональні бездротові мережі (Wireless Personal Area Network, WPAN) для портативних пристроїв з батарейним живленням. Наявність MAC-рівня допомагає зменшити навантаження на керуючий мікроконтролер і дозволяє використовувати недорогі 8-розрядні мікроконтролери для побудови радіомереж.Ряд компаній випускає завершені модулі ZigBee (рис. 2). Це невеликі плати (2÷5 кв.см.), на яких встановлено чіп трансивера, керуючий мікроконтролер і необхідні дискретні елементи. У керуючий мікроконтролер, у залежності від бажання і можливості виробника закладається або повний стек протоколів ZigBee, або інша програма, що реалізує можливість простого зв’язку між однотипними модулями. В останньому випадку модулі іменуються ZigBee-готовими (ZigBee-ready) або ZigBee-сумісними (ZigBee compliant).Всі модулі дуже прості в застосуванні – вони містять широко поширені інтерфейси (UART, SPI) і управляються за допомогою невеликого набору нескладних команд. Застосовуючи такі модулі, розробник позбавлений від роботи з високочастотними компонентами, так як на платі присутній ВЧ трансивер, вся необхідна «обв’язка» і антена. Модулі містять цифрові й аналогові входи, інтерфейс RS-232 і, в деяких випадках, вільну пам’ять для прикладного програмного забезпечення. Рис. 2. Модуль ZigBee із трансивером MRF24J40 компанії Microchip Для прикладу, компанія Jennic випускає лінійку ZigBee-сумісних радіомодулів, побудованих на низькоспоживаючому бездротовому мікроконтролері JN5121. Застосування радіомодуля значно полегшує процес розробки ZigBee-мережі, звільняючи розробника від необхідності конструювання високочастотної частини виробу. Використовуючи готовий радіомодуль, розробник отримує доступ до всіх аналогових і цифрових портів вводу-виводу чіпу JN5121, таймерам, послідовного порту і інших послідовних інтерфейсів. У серію входять модулі з керамічної антеною або SMA-коннектором з дальністю зв’язку до 200 метрів. Розмір модуля 18×30 мм. Версія модуля з підсилювачем потужності і підсилювачем вхідного сигналу має розмір 18×40 мм і забезпечує дальність зв’язку більше 1 км. Кожен модуль поставляється з вбудованим стеком протоколу рівня 802.15.4 MAC або ZigBee-стеком.За висновками експертів з аналізу ринку сьогодні одним з найперспективніших є ринок мікросистемних технологій, що сягнув 40 млрд. доларів станом на 2006 рік зі значними показниками росту. Самі мікросистемні технології (МСТ) почали розвиватися ще з середини ХХ ст. і, отримуючи щоразу нові поштовхи з боку нових винаходів, чергових удосконалень технологій, нових галузей науки та техніки, динамічно розвиваються і дедалі ширше застосовуються у широкому спектрі промислової продукції у всьому світі.Прилад МЕМС є об’єднанням електричних та механічних елементів в одну систему дуже мініатюрних розмірів (значення розмірів механічних елементів найчастіше лежать у мікронному діапазоні), і достатньо часто такий прилад містить мікрокомп’ютерну схему керування для здійснення запрограмованих дій у системі та обміну інформацією з іншими приладами та системами.Навіть з побіжного аналізу структури МЕМС зрозуміло, що сумарний технологічний процес є дуже складним і тривалим. Так, залежно від складності пристрою технологічний процес його виготовлення, навіть із застосуванням сучасних технологій, може тривати від кількох днів до кількох десятків днів. Попри саме виготовлення, доволі тривалими є перевірка та відбраковування. Часто виготовляється відразу партія однотипних пристроїв, причому вихід якісної продукції часто не перевищує 2 %.Для виготовлення сучасних МЕМС використовується широка гама матеріалів: різноманітні метали у чистому вигляді та у сплавах, неметали, мінеральні сполуки та органічні матеріали. Звичайно, намагаються використовувати якомога меншу кількість різнорідних матеріалів, щоби покращити технологічність МЕМС та знизити собівартість продукції. Тому розширення спектра матеріалів прийнятне лише за наявності специфічних вимог до елементів пристрою.Спектр наявних типів сенсорів в арсеналі конструктора значно ширший та різноманітніший, що зумовлено багатоплановим застосуванням МЕМС. Переважно використовуються ємнісні, п’єзоелектричні, тензорезистивні, терморезистивні, фотоелектричні сенсори, сенсори на ефекті Холла тощо. Розроблені авторами в НДІ Прикладної електроніки МЕМС-датчики, їх характеристики, маса та розміри наведені у табл. 1.Таблиця 1 №з/пМЕМС-датчикиТипи датчиківДіапазони вимірюваньГабарити, маса1.Відносного тиску, тензорезистивніДВТ-060ДВТ-1160,01–300 МПа∅3,5–36 мм,5–130 г2.Абсолютного тиску,тензорезистивніДАТ-0220,01–60 МПа∅16 мм,20–50 г3.Абсолютного тиску, ємнісніДАТЄ-0090,05–1 МПа5×5 мм4.Лінійного прискорення,тензорезистивніДЛП-077±(500–100 000) м/с224×24×8 мм,100 г5.Лінійного прискорення,ємнісніАЛЄ-049АЛЄ-050±(5,6–1200) м/с235×35×22 мм, 75 г6.Кутової швидкості,ємнісніДКШ-011100–1000 °/с

На сучасному етапі розвитку вищої освіти в Україні використання мультимедійних технологій у навчальному процесі здобуває особливу актуальність. Інформатизація та комп’ютеризація освіти дозволяє по-новому поглянути на організацію навчально-виховного процесу, необхідність вироблення єдиного стандарту до проведення занять та оволодіння методикою застосування інформаційних, телекомунікаційних, комп’ютерних та мультимедійних продуктів професорсько-викладацьким складом вищого навчального закладу. Особливо це стосується застосування мультимедіа під час проведення лекцій.Мета статті полягає у дослідженні психологічних особливостей побудови мультимедійної лекції при викладанні ІТ-дисциплін в технічному ВНЗ.Концептуальну основу моделі формування нового знання [1] складають розуміння, засвоєння й використання на практиці нової інформації. Пізнання навчального матеріалу починається зі створення яркого, емоційно забарвленого образу об’єкта, що пізнається. На цьому етапі у студентів формуються уявлення, відбувається розуміння інформації, узагальнюються вже отримані знання. На етапі засвоєння матеріалу відбувається його запам’ятовування завдяки багаторазовим повторенням інформації у різних контекстах. На етапі застосування отриманих нових знань відбувається їхнє використання у практичній діяльності, наприклад, при вирішенні творчих завдань (рис. 1).Мультимедійна лекція є однією з найефективніших форм проведення занять у вищому навчальному закладі. Вона є гіпертекстом, оскільки інформація структурується й узагальнюється лінійно, а знання інтегруються. Гіпертекстовість допомагає глибокому проникненню у зміст матеріалів, що пропонуються студентам, сприяє встановленню балансу в розумінні інформації.Означене подання лекційного матеріалу припускає демонстрацію навчального матеріалу на великому екрані у супроводі лектора. У такому випадку лекція містить: найменування розділів досліджуваної теми і основні тези; рухомий і нерухомий ілюстративний матеріал (у тому числі – екранні копії, схеми, динамічні комп’ютерні моделі тощо); звукові компоненти відеофрагментів та інші джерела звуку.Рис. 1. Етапи засвоєння нових знань Навчальні аудиторії мають бути обладнані сучасними програмними продуктами та апаратними засобами для організації освітнього процесу: проекторами, моторизованими екранами, камерами, ноутбуками, комп’ютерами, автоматизованими навчальними системами, системою відео нагляду та акустичним обладнанням (рис. 2). Цей комплекс здатний вирішувати завдання проведення мультимедійних лекцій, онлайн-занять, семінарів, поточного тестування.Слайдова презентація вчить студентів структурувати й інтерпретувати інформацію, активізує їхні творчі здібності, дає можливість створювати мисленнєві завдання, формувати умови для альтернативних рішень та здійснювати інтерактивні зв’язки.Мультимедійна лекція побудована на дидактичному принципі наочності, завдяки якому уявлення й поняття формуються у студентів на основі чуттєвого сприймання предметів та явищ. Він передбачає опору не тільки на зір, але й на інші органи почуття [2]. Наочність не тільки сприяє більш успішному сприйняттю та запам’ятовуванню навчального матеріалу, але й дозволяє проникнути глибоко у сутність предметів та явищ, що пізнаються. Це відбувається завдяки роботі обох півкуль головного мозку. Ліва півкуля працює при засвоєнні логічно побудованої інформації, а також засвоєнні точних наук у цілому. Права півкуля, що відповідає за образно-емоційне сприйняття інформації, починає активно працювати саме при її візуалізації.Рис. 2. Схема мультимедійної аудиторії В психологічній літературі описано багато способів поєднання слова й наочності. За Л. В. Занковим, за допомогою слова викладач керує діяльністю студентів з об’єктами та явищами, а знання про них студенти отримають у процесі безпосереднього спостереження за цими явищами [3]. Завданням викладача є надання чітких формулювань навчальних завдань для студентів, а також підбір необхідних матеріалів, наочних засобів. Завдяки візуалізації навчальний матеріал засвоюється міцно й надовго.За допомогою мультимедійної лекції забезпечується зв’язок між науковою теорією й матеріальною дійсністю, коли уявлення студентів про предмети та явища дійсності узагальнюються, перебудовуються у поняття та абстрактні узагальнення. Студенти формулюють закони й правила, завдяки яким працюють ці явища.Технологія презентації мультимедійної лекції активізує творчі здібності студентів, розвиває конвергентне й дивергентне мислення, тому що під час лекції вони вводяться в активну пізнавальну діяльність.Мультимедійні ілюстративні матеріали, окрім підтримки вміння вчитись, дозволяють розглядати явища у складній багаторівневій сукупності. Завдяки цим ілюстраціям у мозку студента формуються численні двосторонні зв’язки, що охоплюють[4]:– стовбур мозку (координує всі процеси в мозку й тілі та відповідає, в тому числі, за швидкість сприйняття та обробку інформації);– первинні сенсорні поля кори (слухові, зорові, кінестетичні відчуття та рухи), що виконують обробку інформації, яка поступає із зовнішнього середовища ще до втручання свідомості;– асоціативні поля кори (обробляється та інтегрується інформація складного порядку, щоб надати сенс сприйнятому матеріалу).Ступінь засвоєння матеріалу залежить від багатьох факторів, але найбільш ефективним є використання у комплексі аудіовізуальних засобів, за допомогою який людський мозок краще засвоює інформацію.Аудіовізуальна, тобто мультимедійна, презентація полегшує розуміння матеріалу, що представляється, а також орієнтацію студентів у складній сукупності зв’язків між окремими його компонентами. Аудіовізуальність у мультимедійній лекції може бути представленою у різних формах: у голосовому супроводі викладача, у колористичній семіотиці (зелений – заспокоює, блакитний – викликає творчість, фантазію, червоний – концентрує увагу, створює необхідне для узагальнення напругу), у музиці, яка налаштовує на певний ритм роботи. В результаті навчальна інформація проходить природній шлях через візуальне, чуттєве, дігітальне сприйняття до її згортання в узагальнення, резюме. Таким чином, забезпечується інтерактивний спосіб засвоєння лекційного матеріалу, формується дискурсивне мислення, дискурсивна особистість студента, забезпечується зв’язне міркування, коли кожна наступна думка зумовлена попередньою у русі презентацій, демонструються дедуктивні й індуктивні умовисновки.До мультимедійної лекції висуваються декілька вимог, що має враховувати викладач. Серед них:– лекція має забезпечити систематизацію наявних знань студентів, а також засвоєння нової інформації;– лекція має ставити проблемні питання перед студентами й допомагати їх вирішувати;– демонструвати різні способи візуалізації.Викладач, готуючи мультимедійну лекцію, має враховувати рівень підготовленості студентів, професійну спрямованість, особливості конкретної теми [2].При розробці мультимедійної лекції викладач має продумати порядок, логіку слайдів, їхню послідовність, пріоритетність матеріалу. Вона може бути повністю автоматизованою та супроводжуватись заздалегідь записаним текстом з боку лектора. Така форма лекції не дає можливості втручатись лекторові у її хід, тому зв’язок між студентами й викладачем буде порушено.Лектор зберігає час, необхідний для записів на дошці, диктовку нових термінів, роботи з додатковою апаратурою, як при стандартній лекції.Використовуючи одночасно зорові й слухові аналізатори студентів під час лекційного заняття, викладач суттєво впливає на процес засвоєння знань студентами, на їхні відчуття, сприйняття. Сигнали, що поступають у головний мозок через органи почуття, включаються у судження та умовисновки. Це, у свою чергу, сприяє успішному протіканню процесу пізнання, осмислення й закріплення інформації.До мультимедійної лекції висуваються особливі технічні вимоги. Так, тривалість показу одного слайда не повинна перевищувати 2-3 хвилин, а відеоролика – 5-6 хвилин. Необхідно враховувати можливості емоційного впливу на студентів. Багато кольорів будуть заважати сприйманню інформації. Рисунки, схеми, фотографії повинні мати максимальний розмір та рівномірно заповнювати екран. Звуковий супровід лекції не повинен відволікати студентів від навчального завдання. Шрифт повинен бути таким, щоб із самої крайньої точки аудиторії було видно текст. Як правило, більшість лекторів обирають кегль не менш ніж 20. Треба використовувати однаковий шрифт при поданні текстового матеріалу.Під час мультимедійної лекції необхідно залучати у навчальний процес студентів. Лектор для розвитку пізнавального інтересу студентів може використовувати спеціальні методичні прийоми: відключити звук та попросити студентів пояснити інформацію; попросити студентів знайти відповідь на певне питання, встановити логічні зв’язки між предметами та явищами навколишньої дійсності.Розвиток мисленнєвої діяльності має характер полісуб’єктності, тобто залучення студентів у процес отримання знань [5]. Згідно з цим принципом навчання інформація на слайді має подаватись поступово, з обов’язковою попередньою участю у обговоренні з боку студентів.Згідно з І. В. Вачковим, формування понять, а також нових знань відбувається за наступними етапами: сприйняття об’єкту, його осмислення, запам’ятовування властивостей та відносин, активне відтворення, перетворення. Це активна діяльність студентів, що керується викладачем. При цьому можна спостерігати декілька рівнів засвоєння навчальної інформації, навчального пізнання [1; 5]. Окремо можна виділити репродуктивний і продуктивний види навчальної діяльності студентів та розглянути їхню структуру, беручи до уваги самостійність виконання навчальних завдань. Якщо на репродуктивному рівні засвоєння нових знань студенти повторюють інформацію за викладачем, відтворюють її за взірцем, то на продуктивному рівні вони самостійно шукають нову інформацію, роблять умовисновки, знаходять нестандартні рішення завдань.Ґрунтуючись на викладеному, можна сказати, що при підготовці та проведенні мультимедійної лекції з ІТ-дисциплін необхідно оптимальним способом поєднати аудіовізуальне представлення матеріалу з психологічними особливостями сприйняття нових даних студентами різних психотипів з метою подальшого застосування отриманих в результаті навчання знань.

Розглянуто основні принципи синтезу багатовимірних систем автоматичного керування для промислових комплексів штучного мікроклімату. Отримано комплексну динамічну модель промислового кондиціонера ізпаровим зволожувачем у просторі стану. Запропоновано метод контролю мікроклімату повітря за непрямим показником вологовмісту повітряної суміші, який розраховується програмно за виміряними значеннямитемператури та відносної вологості. Для промислового кондиціонера запропоновано процедуру синтезу багатовимірного лінійно-квадратичного цифрового регулятора із інтегральною складовою. Процедура синтезубагатовимірного регулятора відрізняється від існуючих наявністю логіки вибору обладнання кондиціонера, де параметри регулятора адаптуються до властивостей кліматичного обладнання. Наведено приклад синтезуоптимального багатовимірного регулятора для кондиціонера CV-P 2L N-63B/F-N, синтезована матриця зворотного зв’язку, яка за параметрами стану об’єкта визначає траєкторію вектора оптимального керування.Розглянуті принципи, математичні моделі, процедури та алгоритми рекомендується використовувати спеціалістам із автоматизації для синтезу та аналізу систем керування промисловими кондиціонерами.

Метою статті стало викладення методичних підходів до оцінки розвитку інтелектуального капіталу (ІК) закладів вищої освіти (ЗВО) в сучасних умовах економічного розвитку України (різкого падіння продуктивності) на підставі визначення гіпотетичних чинників з логічною інтерпретацією впливу їх динаміки на рівень розвитку складових ІК. Здійснено дослідження ЗВО з позиції їх ролі в умовах переходу до економіки знань, визначено диспропорції та основні негативні тенденції, які знижують результативність функціонування провідних вітчизняних університетів. Сучасні емпіричні дослідження ІК пов’язані зі встановлення взаємовпливу між його складовими та продуктивністю. При цьому інтерес викликають особливості такого впливу за умов скорочення однієї із складових ІК або різкого падіння обсягів діяльності, що було характерним в останні часи досліджено для ЗВО України, зокрема, найкращих закладів за національним рейтингом у 2013-2018 роках. Дослідження передбачало проведення факторного аналізу (метод головних компонент) ключових показників діяльності виділеної групи ЗВО. За результатами досліджень факторних навантажень було розраховано інтегральний показник розвитку за складовими ІК для окремого ЗВО в межах [-1, 1]. Серед ЗВО спостерігалась однакова (або позитивна, або негативна) динаміка інтегральних показників людського та інноваційного капіталів. При цьому клієнтський капітал практично завжди мав негативну динаміку. Практичне значення методу полягає в можливості проведення нефінансового аналізу складових ІК, а також у відсутності суб’єктивного трактування показників, що характерна для експертних методів з бальною шкалою оцінок. Результати його використання можуть бути використаними для проведення порівняльного аналізу показників або одного закладу в динаміці, або групи закладів. Наукова новизна методу полягає в можливості проведення нефінансового аналізу ІК та його складових, а також в усуненні суб’єктивності результатів, що характерна для експертних методів із шкалою бальних оцінок. Запропонований метод визначення динаміки розвитку ІК за його складовими може враховувати різні комбінації ключових і додаткових показників, зокрема, побудованих у збалансованій системі показників. Результати його використання можуть стати основою для розроблення та прогнозного обґрунтування заходів із нарощування окремих складових ІК ЗВО завдяки можливості проведення порівняльного аналізу показників або одного закладу в динаміці, або їх групи. З метою розроблення прогнозних рішень щодо розвитку ІК ЗВО подальші дослідження будуть пов’язані з визначенням можливостей використання лінійних та нелінійних економіко-математичних моделей.