Modele oceny dokładności i niezawodności systemów nawigacyjnych opartych na żyroskopach światłowodowych
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 2 (2026)
-
Ocena wydajności zoptymalizowanego modelu głębokiego uczenia się z Wielowarstwową Techniką Ograniczenia Normy Maksymalnej (MMNR) do klasyfikacji guza mózgu w obrazach wielomodalnych MRI
Mulackal Chandran Binish, Vinu Thomas5-14
-
Wykrywanie udaru na podstawie obrazów TK mózgu i wizualizacja jego objętości
Rithu James, Appukuttan Harsha, Liza Annie Joseph15-21
-
Adaptacyjna filtracja w celu redukcji szumów w sygnałach
Hicham Loumissi, Adil Barra, Najat Messaoudi, Othmane El Badlaoui, Bahloul Bensassi, Hicham Medromi22-25
-
Ocena informacyjnych kryteriów diagnostycznych i biomarkerów ciężkości przebiegu choroby z wykorzystaniem modelu dyskryminacyjnego u pacjentów z COVID-19
Gryhoriy Gradil, Oleg Avrunin, Kateryna Yurko, Natalia Shushlyapina, Yuliia Kalashnyk-Vakulenko, Mariia Shostatska, Aigul Iskakova26-31
-
Wzmacniacze sygnału w systemach łączności optycznej
Nurzhigit Smailov, Nurlybek Turar, Akezhan Sabibolda32-36
-
Analiza systemów łączności podwodnej opartych na hybrydowej technologii Li-Fi
Nurzhigit Smailov, Aizhan Urazgaliyeva, Akezhan Sabibolda37-43
-
Zastosowanie modelu Box-Behnken w badaniach nad systemami automatycznego oświetlenia sterowanymi głosem
Oleksandr Burban, Mykola Polishchuk, Anatolii Tkachuk, Serhii Kostiuchko, Liliia Polishchuk, Valentyna Tkachuk44-49
-
Wykrywanie pól ryżowych na obrazach satelitarnych Sentinel-2 za pomocą modelu EfficientDet
Suvarna Vani Koneru, Kamal Epuri, Bhuvanesh Kakumanu, Ram Dinesh Aduri50-55
-
Modele oceny dokładności i niezawodności systemów nawigacyjnych opartych na żyroskopach światłowodowych
Maral Abulkhanova, Nurzhigit Smailov, Yerlan Tashtay, Gulbakhar Yussupova, Anar Khabay, Beibarys Sekenov, Akezhan Sabibolda56-60
-
Agregacja wielomodalnych strumieni logów i metryk na potrzeby neuronowo-rozmytego wykrywania anomalii w systemach komputerowych
Andrii Mishchenko, Oleksii Shushura, Alona Kolomiiets, Andrii Donets, Olena Kosaruk61-67
-
Statyczna analiza kryminalistyczna metodą wyodrębniania plików z dysków SSD z wykorzystaniem metod NIST i ACPO
Khoirul Anam Dahlan, Anton Yudhana, Herman Yuliansyah68-75
-
Ocena ryzyka bezpieczeństwa w oparciu o logikę rozmytą w bezprzewodowych sieciach czujnikowych przemysłowego IoT
Olena Semenova, Natalia Kryvinska, Olha Voitsekhovska, Andrii Dzhus, Volodymyr Martyniuk76-83
-
Wielokryterialna optymalizacja konfiguracji systemu ochrony informacji w oparciu o algorytm NSGA-II
Valeryi Lakhno, Myroslav Lakhno, Alona Desiatko, Bohdan Bebeshko84-90
-
Metoda strukturalnego kodowania blokowego krotek transformacji obrazów wideo
Volodymyr Barannik, Dmytro Uzlov, Yevhenii Yelisieiev, Valeriy Barannik, Nina Petrukha, Mykhailo Babenko, Dmitry Barannik, Vladyslav Kostromytskyi, Oleh Kompaniiets, Artem Bychenko91-101
-
Analiza wzrostu dokładności prognozowania modelu po normalizacji danych
Vladyslav Pylypenko, Vladyslava Skidan, Antonina Volivach102-106
-
Optymalizacja parametrów dla systemu hiperchaotycznego 4D z wykorzystaniem algorytmu optymalizacyjnego walrus
Karam Adel Abed, Omar Saber Qasim, Saad Fawzi Al-Azzawi107-112
-
Optymalizacja koagulacji żelaza podczas uzdatniania wody z wykorzystaniem narzędzi sztucznej inteligencji
Andrii Safonyk, Ivan Tarhonii, Oleksandr Naumchuk, Vladyslav Danchenkov, Roman Zaichuk113-117
-
Optymalizacja zdolności wytwórczych generatorów rozproszonych z regulowanym statyzmem zintegowanych w izolowanej mikrosieci AC przy wykorzystaniu algorytmów metaheurystycznych w celu zmniejszenia strat sieciowych
Tuan-Ho Le, Tham X. Nguyen, Robert Lis, Muhammad Jamshed Abbass118-125
-
Skład chemiczny, struktura i właściwości elektryczne grubych polikrystalicznych warstw CdZnTeSe
Yaroslav Znamenshchykov, Oleksii Lisovenko, Mykola Khvyshchun, Anatoliy Opanasyuk126-130
-
Uzasadnienie nowej metody rozdzielania materiałów sypkich na separatorze wibro-tarczowym
Mykola Bakum, Serhii Kharchenko, Anatolii Mykhailov, Mykola Krekot, Taras Shchur, Oleg Dzhidzhora131-138
-
Programowa ocena wydajności i prognozowanie aplikacji webowych z wykorzystaniem modeli uczenia maszynowego
Liubov Oleshchenko139-144
-
Analiza porównawcza narzędzi do testów jednostkowych i integracyjnych języka Java: JUnit, TestNg i Spock
Dawid Grabek, Jan Gryta, Mariusz Dzieńkowski145-151
-
Zastosowanie języka UML w procesie tworzenia gier komputerowych
Lyudmila Samchuk, Yuliia Povstiana, Yaroslav Tymoshchuk152-155
-
Projekt cyfrowego asystenta kulinarnego z nowoczesnym generatywnym modelem głosowym AI
Robert Banasiak, Zdzisława Rowińska, Wojciech Szczucki, Dawid Jantosz, Łukasz Rembowski156-161
-
Architektury uczenia głębokiego do rozpoznawania odzieży różnorodnych kategorii jako semantyczny trzon automatycznych systemów wirtualnego przymierzania
Roman Chekhmestruk, Olena Voitsekhovska, Svitlana Kyrylashchuk162-172
-
Model wiedzy „Tagi dotyczące partii i pojemników" w systemie ERP „PlasmIS" z możliwością samodoskonalenia z wykorzystaniem lokalnych modeli llm
Oleh Bisikalo, Valerii Starzhynskyi, Tetiana Molodetska, Nelia Burlaka173-178
-
Paradygmaty wpływu technologii informacyjnych na edukację ekonomiczną
Artem Yurchenko, Inna Kharchenko, Volodymyr Shamonia, Vladyslav Bespalyi, Serhii Bohoslavskyi, Olena Semenikhina179-186
Archiwum
-
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
Systemy nawigacyjne oparte na żyroskopach światłowodowych (FOG) są szeroko stosowane w aplikacjach autonomicznych, lotniczych oraz naziemnych ze względu na wysoką stabilność i niezależność od zewnętrznych sygnałów nawigacyjnych. Chociaż osiągnięto znaczący postęp w poprawie parametrów FOG na poziomie czujnika, znacznie mniej badań poświęcono wpływowi resztkowych błędów żyroskopu na poziomie systemowym, szczególnie w okresach niedostępności sygnału GNSS. Niniejsza praca wypełnia tę lukę poprzez analizę dokładności i niezawodności nawigacji w inercyjnych systemach nawigacyjnych opartych na FOG w różnych trybach pracy: z wspomaganiem GNSS, bez wspomagania oraz z okresowym wspomaganiem. Matematyczny model nawigacji został zaimplementowany w środowisku MATLAB/Simulink w celu oceny propagacji błędów. Wydajność systemu oceniano przy użyciu praktycznych miar, takich jak dryf kursu, narastanie błędu położenia oraz efektywność odzyskiwania dokładności po przywróceniu sygnału GNSS. Wyniki symulacji pokazują, że podczas nawigacji bez wspomagania błędy kursu osiągają około 2–3 stopnie w czasie 600–900 sekund, natomiast błędy położenia rosną do 40–80 metrów w trakcie 300–600 sekund zaniku sygnału GNSS. Po ponownym pozyskaniu sygnału GNSS obserwuje się redukcję błędów o 80–90% w ciągu 30–60 sekund. Uzyskane wyniki wskazują, że modelowanie na poziomie systemowym może znacząco zwiększyć niezawodność nawigacji bez konieczności modyfikacji sprzętu FOG.
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Innowacyjność, Przemysł, Infrastruktura
Bibliografia
References
[1] Bereziuk, O., Lemeshev, M., Savina, N., Wójcik, W., Titova, N., Ovcharuk, V., Hrechanovska, E., & Smailov, N. (2025). Optical and ultrasonic methods and remote tools in environmental tasks. In A. Smolarz, W. Wójcik, R. S. Romaniuk, & S. V. Pavlov (Eds), Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2025 (p. 28). SPIE. https://doi.org/10.1117/12.3099047
[2] Cao, Y., Bai, H., Jin, K., & Zou, G. (2023). An GNSS/INS Integrated Navigation Algorithm Based on PSO-LSTM in Satellite Rejection. Electronics, 12(13), 2905. https://doi.org/10.3390/electronics12132905
[3] Cao, Y., Xu, W., Lin, B., Zhu, Y., Meng, F., Zhao, X., Ding, J., Lou, S., Wang, X., He, J., Sheng, X., & Liang, S. (2022). Long short-term memory network of machine learning for compensating temperature error of a fiber optic gyroscope independent of the temperature sensor. Appl. Opt., 61, 8212–8222.
[4] Chen, L., Huang, Z., Mao, Y., Jiang, B., & Zhao, J. (2023). Digital Control and Demodulation Algorithm for Compact Open-Loop Fiber-Optic Gyroscope. Sensors, 23(3), 1473. https://doi.org/10.3390/s23031473
[5] Gao, X., Luo, H., Ning, B., Zhao, F., Bao, L., Gong, Y., Xiao, Y., & Jiang, J. (2020). RL-AKF: An Adaptive Kalman Filter Navigation Algorithm Based on Reinforcement Learning for Ground Vehicles. Remote Sensing, 12(11), 1704. https://doi.org/10.3390/rs12111704
[6] He, Q., Yu, H., Liang, D., & Yang, X. (2024). Enhancing Pure Inertial Navigation Accuracy through a Redundant High-Precision Accelerometer-Based Method Utilizing Neural Networks. Sensors, 24(8), 2566. https://doi.org/10.3390/s24082566
[7] Kremer, I., Wójcik, W., Shymchyshyn, O., Ivakh, M., Murashchenko, O., Prytula, M., & Smailov, N. (2025). Primary converter of optical sensors for explosive hazardous substances. In A. Smolarz, W. Wójcik, R. S. Romaniuk, & S. V. Pavlov (Eds), Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2025 (p. 26). SPIE. https://doi.org/10.1117/12.3099037
[8] Lefèvre, H. C. (2014). The fiber-optic gyroscope, a century after Sagnac’s experiment: The ultimate rotation-sensing technology? Comptes Rendus. Physique, 15(10), 851–858. https://doi.org/10.1016/j.crhy.2014.10.007
[9] Lu, N., Zhang, H., Dong, C., Li, H., & Chen, Y. (2025). NIGWO-iCaps NN: A Method for the Fault Diagnosis of Fiber Optic Gyroscopes Based on Capsule Neural Networks. Micromachines, 16(1), 73. https://doi.org/10.3390/mi16010073
[10] Niu, M., Ma, H., Sun, X., Huang, T., & Song, K. (2022). A New Self-Calibration and Compensation Method for Installation Errors of Uniaxial Rotation Module Inertial Navigation System. Sensors, 22(10), 3812. https://doi.org/10.3390/s22103812
[11] Oguntuase, J. O., Hiroji, A., & Komolafe, P. (2023). How Good Is a Tactical-Grade GNSS + INS (MEMS and FOG) in a 20-m Bathymetric Survey? Sensors, 23(2), 754. https://doi.org/10.3390/s23020754
[12] Osadchuk, O., Kaczmarek, C., Osadchuk, I., Nanaka, O., Melnyk, O., Skoshchuk, V., Petrenko, V., & Smailov, N. (2025). Optical-electronic generator of determinative chaos based on bipolar field transistor structure with negative differential resistance. In A. Smolarz, W. Wójcik, R. S. Romaniuk, & S. V. Pavlov (Eds), Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2025 (p. 25). SPIE. https://doi.org/10.1117/12.3098870
[13] Post, E. J. (1967). Sagnac Effect. Reviews of Modern Physics, 39(2), 475–493. https://doi.org/10.1103/RevModPhys.39.475
[14] Smailov, N., Tashtay, Y., Sabibolda, A., Kuttybayeva, A., Baigulbayeva, M., & Nussupov, Y. (2025). Performance Analysis of Fiber-Optic Gyroscopes under Vibration and Temperature Effects. 2025 International Conference on Electrical Engineering and Photonics (EExPolytech), 379–382. https://doi.org/10.1109/EExPolytech66949.2025.11253752
[15] Taghizadeh, S., & Safabakhsh, R. (2023). An integrated INS/GNSS system with an attention-based hierarchical LSTM during GNSS outage. GPS Solutions, 27(2), 71. https://doi.org/10.1007/s10291-023-01412-w
[16] Tang, H., Yang, C., Qin, L., Liang, L., Lei, Y., Jia, P., Chen, Y., Wang, Y., Song, Y., Qiu, C., Zheng, C., Li, X., Li, D., & Wang, L. (2023). A Review of High-Power Semiconductor Optical Amplifiers in the 1550 nm Band. Sensors, 23(17), 7326. https://doi.org/10.3390/s23177326
[17] Tashtay, Y., Smailov, N., Naubetov, D., Sabibolda, A., Nussupov, Y., Kashkimbayeva, N., Mailybayev, Y., & Batyrgaliyev, A. (2025). Fiber-Optic Gyroscopes: Architectures, Signal Processing, Error Compensation, and Emerging Trends. Journal of Sensor and Actuator Networks, 15(1), 3. https://doi.org/10.3390/jsan15010003
[18] Tashtay, Y., Smailov, N., Tazhen, K., Sabibolda, A., Nazarova, A., & Bazarbay, A. (2025). Integration of GNSS and Fiber-Optic Gyroscope: Improving Navigation Robustness under Satellite Signal Loss. 2025 International Conference on Electrical Engineering and Photonics (EExPolytech), 412–415. https://doi.org/10.1109/EExPolytech66949.2025.11253802
[19] Tavares Jr., A. J. A., & Oliveira, N. M. F. (2024). A Novel Approach for Kalman Filter Tuning for Direct and Indirect Inertial Navigation System/Global Navigation Satellite System Integration. Sensors, 24(22), 7331. https://doi.org/10.3390/s24227331
[20] Wang, W., & Chen, X. (2016). Temperature drift modeling and compensation of fiber optical gyroscope based on improved support vector machine and particle swarm optimization algorithms. Applied Optics, 55(23), 6243. https://doi.org/10.1364/AO.55.006243
[21] Wang, X., Cui, Y., & Cao, H. (2023). Temperature Drift Compensation of Fiber Optic Gyroscopes Based on an Improved Method. Micromachines, 14(9), 1712. https://doi.org/10.3390/mi14091712
[22] Xu, H., Wang, L., Zu, Y., Gou, W., & Hu, Y. (2023). Application and Development of Fiber Optic Gyroscope Inertial Navigation System in Underground Space. Sensors, 23(12), 5627. https://doi.org/10.3390/s23125627
[23] Yang, Y., Wang, X., Zhang, N., Gao, Z., & Li, Y. (2024). Artificial neural network based on strong track and square root UKF for INS/GNSS intelligence integrated system during GPS outage. Scientific Reports, 14(1), 13905. https://doi.org/10.1038/s41598-024-64918-4
[24] Zhang, C., & Lin, T. (2016). A Long-Term Performance Enhancement Method for FOG-Based Measurement While Drilling. Sensors, 16(8), 1186. https://doi.org/10.3390/s16081186
[25] Zhang, C., Wang, L., Gao, S., Lin, T., & Li, X. (2017). Vibration Noise Modeling for Measurement While Drilling System Based on FOGs. Sensors, 17(10), 2367. https://doi.org/10.3390/s17102367
[26] Zhang, W., Wang, L., & Zu, Y. (2024). The Zero-Velocity Correction Method for Pipe Jacking Automatic Guidance System Based on Fiber Optic Gyroscope. Sensors, 24(18), 5911. https://doi.org/10.3390/s24185911
[27] Zhang, W., Zhang, D., Zhang, P., & Han, L. (2022). A New Fusion Fault Diagnosis Method for Fiber Optic Gyroscopes. Sensors, 22(8), 2877. https://doi.org/10.3390/s22082877
[28] Zhang, X., Cui, X., & Huang, B. (2021). The Design and Implementation of an Inertial GNSS Odometer Integrated Navigation System Based on a Federated Kalman Filter for High-Speed Railway Track Inspection. Applied Sciences, 11(11), 5244. https://doi.org/10.3390/app11115244
[29] Zhang, Y., Guo, Y., Li, C., Wang, Y., & Wang, Z. (2015). A New Open-Loop Fiber Optic Gyro Error Compensation Method Based on Angular Velocity Error Modeling. Sensors, 15(3), 4899–4912. https://doi.org/10.3390/s150304899
[30] Zhao, S., Zhou, Y., & Huang, T. (2022). A Novel Method for AI-Assisted INS/GNSS Navigation System Based on CNN-GRU and CKF during GNSS Outage. Remote Sensing, 14(18), 4494. https://doi.org/10.3390/rs14184494
##plugins.themes.bootstrap3.article.details##
Abstract views: 143
Downloads: 129

