Inteligentny system automatycznego sterowania oparty na technologii IoT do energetycznie efektywnego suszenia zboża
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 3 (2026)
-
Podejście oparte na głębokim uczeniu do automatycznego wykrywania raka skóry z analizą porównawczą różnych wielkości partii w klasyfikacji obrazów dermatologicznych
Abini M.A.5-13
-
Modelowanie i zasady zarządzania produkcją pasz granulowanych mieszanych z wykorzystaniem systemów informacyjno-analitycznych
Mahil Mammadov, Tural14-22
-
Inteligentny system automatycznego sterowania oparty na technologii IoT do energetycznie efektywnego suszenia zboża
Ainur Rustemova, Maria Yukhymchuk, Vladyslav Lesko, Marat Orynbet, Yurii Ivanov23-30
-
Projekt i walidacja eksperymentalna inteligentnego systemu zarządzania zapasami w lodówce opartego na technologii IoT-RPA
Lyudmila Samchuk, Yuliia Povstiana, Nataliia Lishchyna, Mykyta Ponomarenko31-38
-
Inteligentny system monitorowania gleby na rzecz zrównoważonego rolnictwa z wykorzystaniem TinyML i sieci czujników bezprzewodowych o bardzo niskim zużyciu energii
Muhammad Ovais Akhter39-48
-
Modelowanie działania dynamicznego systemu zarządzania kolejkami w supermarketach
Larysa Gumeniuk, Volodymyr Lotysh, Pavlo Humeniuk49-58
-
Eksperymentalna walidacja metod kompensacji błędów żyroskopów światłowodowych w warunkach półnaturalnych
Nurzhigit Smailov, Ainur Kuttybayeva, Yerlan Tashtay, Zhandos Dosbayev, Aruzhan Nazarova, Beibarys Sekenov, Aida Serbayeva, Akezhan Sabibolda59-63
-
Symulacja pracy czterokanałowego przepływomierza ultradźwiękowego o identycznych trajektoriach sygnału w kanałach akustycznych
Yosyp Bilynsky, Andrii Stetsenko64-68
-
Linia do grawerowania z zintegrowaną regeneracją elektrochemiczną służącą do odzyskiwania miedzi i ograniczania ilości osadu
Anatoliy Nester, Vadim Romanuke, Tetiana Yakovyshyna69-76
-
Metoda identyfikacji operatorów HCI w oparciu o ich „portrety wieloczynnikowe” subiektywizacji postrzegania obiektu HCI
Andrii Pukach, Vasyl Teslyuk, Artem Kazarian77-87
-
Udoskonalanie systemów diagnostycznych do analizy i sterowania trybami pracy w sieciach elektroenergetycznych
Igor Khomenko, Ruslan Lozhkin, Andrii Shkrebela, Oleksandr Miroshnyk, Anatolii Sereda, Taras Shchur, Mariana Bohach88-94
-
Modułowa architektura monolityczna dla oprogramowania zarządzającego stacjami ładowania pojazdów elektrycznych o wysokiej dostępności
Volodymyr Horshkov, Nataliia Lishchyna, Andrii Yashchuk, Olena Surynovych, Valerii Lishchyna95-102
-
Badanie wielopoziomowego falownika opartego na tranzystorach IGBT do zasilania bezzałogowego statku powietrznego na uwięzi z telemetrycznym monitorowaniem parametrów mocy
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Gulim Jobalayeva, Ingkar Issakozhayeva, Zhansaya Ayapbergen103-107
-
Dynamiczne omijanie przeszkód przez bezpilotowe statki powietrzne z wykorzystaniem sterowania opartego na logice rozmytej i sieci neuronowej
Anton Makohonov, Ivan Marynych108-113
-
Hybrydowa platforma symulacyjno-eksperymentalna do wykrywania usterek w czasie rzeczywistym w przetwornikach podwyższających napięcie w instalacjach fotowoltaicznych z wykorzystaniem logiki rozmytej i łączności LoRa
Oussama Sait, Mabrouk Khemliche, Samia Latreche, Sait Belkacem, Hamza Khemliche114-122
-
Porównanie algorytmów uczenia maszynowego do wysoko precyzyjnego prognozowania mocy elektrowni fotowoltaicznych na skalę przemysłową
Ahmed Saidi, Abdelghani Draoui, Touhami Abdelouahed123-128
-
Badanie dynamicznych zmian poziomu bezpieczeństwa systemu ochrony informacji
Olha Saliieva, Yurii Yaremchuk129-133
-
Nowy generator hiperchaotyczny: realizacja obwodu i analiza
Volodymyr Rusyn, Petro Kindrachuk, Bogdan Markovych134-138
-
Strategie zapewnienia funkcjonalnej stabilności złożonej sieci sensorowej na podstawie badan dynamiki zachowania równań ewolucyjnych
Valentyn Sobchuk, Yurii Kravchenko, Mykhaylo Sharapov, Oleksandr Laptiev, Andrii Sobchuk139-143
-
Opracowanie odpornej transmisji DVB-T2 OFDM: ocena BER i ograniczanie zakłóceń kanałowych dla niezawodnej transmisji wysokiej rozdzielczości
Olarewaju Peter Ayeoribe144-149
-
Wykrywanie anomalii sieciowych w czasie rzeczywistym w O-RAN z wykorzystaniem głębokiego uczenia się na dużych danych przesyłanych strumieniowo
Satya Sumanth Vanapalli, Rajesh Polepogu, Parish Venkata Kumar K, Vijayasankar Anumala, Vinodh Babu Panguluri, Lakshmi Narayana Jammula, Brahmaiah Madamanchi, Sravani Duvvu, Bhanusree Nanduri, Syam Sundar Musinala150-158
-
Techniczna analiza predykcyjna dużych zbiorów danych do planowania zasobów w oparciu o Apache Spark
Bakhshali Bakhtiyarov, Aynur Jabiyeva, Ulkar Musavi159-166
-
Konwersja modeli wokselowych na siatki poligonowe z zachowaniem integralności strukturalnej i możliwości edycji
Semen Duvanov, Iryna Baranowa167-172
-
Metoda Fuzzy Delphi do identyfikacji kluczowych parametrów w optymalizacji inteligentnych systemów sterowania w procesach rafinacji ropy naftowej
Kamala Aliyeva173-179
-
Metoda określania podstaw klasyfikacji danych jako informacji służbowych oraz stopnia ograniczenia dostępu "Do użytku służbowego"
Yurii Dreis, Oleh Harasymchuk180-183
-
Model i narzędzia do tworzenia i publikowania treści w oparciu o duże modele językowe
Artem Kazarian, Vasyl Teslyuk, Andrii Pukach184-190
-
Ocena użyteczności serwisów internetowych zawierających mapy interaktywne
Łukasz Sendecki, Sergiusz Skalski, Mariusz Dzieńkowski191-197
-
Model rozmyty do oceny poziomu kompetencji w zakresie bezpieczeństwa cyfrowego w populacjach o różnych profilach społecznych
Volodymyr Polishchuk, Vasyl Sehlianyk, Inna Polishchuk, Andrii Shafar198-203
-
Inteligentny moduł do oceny produktywności pracowników zdalnych w systemach monitorowania czasu pracy
Aigul Moldakalykova, Maria Yukhymchuk, Gulzhan Kashaganova, Vladyslav Lesko, Yurii Ivanov, Natalia Sachaniuk-Kavets’ka204-209
-
Hybrydowy model uczenia maszynowego do prognozowania i oceny rankingów uniwersytetów
Nurzhigit Smailov, Nursultan Kuldeyev, Akezhan Sabibolda, Raigul Ustemirova210-216
Archiwum
-
Tom 16 Nr 3
2026-09-30 30
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Suszenie ziarna to złożony, nieliniowy proces wymiany ciepła i masy, którego wydajność zależy od utrzymania optymalnych warunków temperaturowych i wilgotnościowych przy jednoczesnej minimalizacji zużycia energii. Konwencjonalne systemy automatycznego sterowania często nie są w stanie skutecznie dostosować się do zmian właściwości ziarna i warunków pracy, co skutkuje obniżeniem wydajności suszenia i zwiększeniem zużycia energii. Niniejsze badanie przedstawia opracowanie inteligentnego systemu automatycznego sterowania procesem suszenia ziarna opartego na modelowaniu matematycznym, zasadach sterowania adaptacyjnego oraz technologiach Internetu rzeczy (IoT). Proponowany system integruje sieć czujników, moduł gromadzenia danych i komunikacji, inteligentną jednostkę sterującą, siłowniki oraz środowisko monitorowania w czasie rzeczywistym w ramach ujednoliconej architektury sterowania. Opracowano model matematyczny procesu suszenia i zaimplementowano go w języku Python w celu analizy dynamicznego zachowania głównych zmiennych procesowych oraz oceny skuteczności proponowanej strategii sterowania. Proponowane podejście umożliwia ciągłe monitorowanie parametrów procesowych, wspiera adaptacyjne podejmowanie decyzji w zmiennych warunkach pracy oraz zapewnia elastyczne ramy dla poprawy stabilności procesu i efektywności energetycznej. Wkład naukowy niniejszego badania polega na integracji modelowania matematycznego, inteligentnych metod sterowania oraz technologii IoT w ramach ujednoliconej architektury służącej do automatyzacji suszenia ziarna. Proponowane rozwiązanie można zastosować do modernizacji istniejących instalacji do suszenia ziarna oraz do opracowania inteligentnych systemów suszenia nowej generacji, charakteryzujących się zwiększoną niezawodnością działania, lepszą jakością produktu i wyższą efektywnością energetyczną.
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Innowacyjność, Przemysł, Infrastruktura
Bibliografia
[1] Åström, K. J., & Wittenmark, B. (2008). Adaptive control (2nd ed., Dover ed). Dover Publications.
[2] Bisikalo, O., Kharchenko, V., Kovtun, V., Krak, I., & Pavlov, S. (2023). Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis. Entropy, 25(2), 184. https://doi.org/10.3390/e25020184 DOI: https://doi.org/10.3390/e25020184
[3] Borysiuk, D., Ivanov, Y., Ognevyy, V., & Tverdokhlib, I. (2025). Analysis of methods and means of drying of agricultural materials. Engineering, Energy, Transport AIC, (2 (129)), 54–62. https://doi.org/10.37128/2520-6168-2025-2-7 DOI: https://doi.org/10.37128/2520-6168-2025-2-7
[4] Dubovoi, V. (2021). Functional safety assessment of one-level coordination of distributed cyber-physical objects. Przegląd Elektrotechniczny, 1(9), 40–43. https://doi.org/10.15199/48.2021.09.08 DOI: https://doi.org/10.15199/48.2021.09.08
[5] Dubovoi, V., Yukhimchuk, M., Kovtun, V., & Grochla, K. (2024). Functional Dependability of Distributed Control of Multi-Zone Objects Under Failures Conditions. IEEE Access, 12, 95736–95749. https://doi.org/10.1109/ACCESS.2024.3421380 DOI: https://doi.org/10.1109/ACCESS.2024.3421380
[6] Gubbi, J., Buyya, R., Marusic, S., & Palaniswami, M. (2013). Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7), 1645–1660. https://doi.org/10.1016/j.future.2013.01.010 DOI: https://doi.org/10.1016/j.future.2013.01.010
[7] Jimoh, K. A., Hashim, N., Shamsudin, R., Man, H. C., Jahari, M., & Onwude, D. I. (2023). Recent Advances in the Drying Process of Grains. Food Engineering Reviews, 15(3), 548–576. https://doi.org/10.1007/s12393-023-09333-7 DOI: https://doi.org/10.1007/s12393-023-09333-7
[8] Moroz, I. I., & Yukhymchuk, M. S. (2026). Sensor data preprocessing pipeline for grain temperature monitoring and forecasting datasets in drying systems. Applied Aspects of Information Technology, 9(3), 384–395. https://doi.org/10.15276/aait.09.2026.26 DOI: https://doi.org/10.15276/aait.09.2026.26
[9] Mujumdar, A. S. (Ed.). (2014). Handbook of Industrial Drying (4th edition). CRC Press. https://doi.org/10.1201/b17208 DOI: https://doi.org/10.1201/b17208
[10] Pivoshenko, V. V., Kulyk, M. S., Ivanov, Yu. Yu., & Vasiura, А. S. (2019). Analysis and Experimental Research of Model-Free Reinforcement Learning Method. Visnyk of Vinnytsia Politechnical Institute, 144(3), 40–49. https://doi.org/10.31649/1997-9266-2019-144-3-40-49 DOI: https://doi.org/10.31649/1997-9266-2019-144-3-40-49
[11] Tzounis, A., Katsoulas, N., Bartzanas, T., & Kittas, C. (2017). Internet of Things in agriculture, recent advances and future challenges. Biosystems Engineering, 164, 31–48. https://doi.org/10.1016/j.biosystemseng.2017.09.007 DOI: https://doi.org/10.1016/j.biosystemseng.2017.09.007
[12] Villa-Medina, J. F., Porta-García, M. Á., Gutiérrez, J., & Porta-Gándara, M. Á. (2025). Solar forced convection dryer for agriproducts monitored by IoT. Internet of Things, 31, 101566. https://doi.org/10.1016/j.iot.2025.101566 DOI: https://doi.org/10.1016/j.iot.2025.101566
[13] Yu, P., Zhu, W., Shen, C., Qiao, Y., Zhang, W., Zhu, Y., Gong, J., & Cai, J. (2025). Current Status of Grain Drying Technology and Equipment Development: A Review. Foods, 14(14), 2426. https://doi.org/10.3390/foods14142426 DOI: https://doi.org/10.3390/foods14142426
[14] Yukhymchuk, M. S., Lesko, V. O., Dubovoy, V. M., & Ivanov, Yu. Yu. (2025). Intelligent system of automatic control of grain crops drying process, based on IoT technologies (Ukr). Scientific Works of Vinnytsia National Technical University, (4). https://doi.org/10.31649/2307-5376-2025-4-46-53 DOI: https://doi.org/10.31649/2307-5376-2025-4-46-53
[15] Yukhymchuk, M., Lesko, V., Ivanov, Y., & Strembitskiy, P. (2026). Development and Research of the Hardware and Software Architecture of an Iot-Node for Monitoring Technological Parameters Based on Nodemcu V3 and Prometheus. Measuring Equipment and Metrology, 87(1), 59–62. https://doi.org/10.23939/istcmtm2026.01.059 DOI: https://doi.org/10.23939/istcmtm2026.01.059
##plugins.themes.bootstrap3.article.details##
Abstract views: 12
Downloads: 4

