КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Актуальні проблеми бойового застосування, експлуатації і ремонту зразків озброєння та військової техніки (2026)

Розмір шрифта: 
ЗАГАЛЬНІ ПРИНЦИПИ ПОБУДОВИ СИСТЕМ ОЦІНЮВАННЯ ЯКОСТІ ГАРМАТНОГО СТВОЛА ТА ПОРОХОВОГО ЗАРЯДУ ЗА ІНФОРМАЦІЙНИМИ ОЗНАКАМИ РІЗНОЇ ПРИРОДИ
Євгеній Вікторович Добринін

Остання редакція: 2026-10-15

Анотація


Узагальнено принципи багатоканального оцінювання стану гарматного ствола та порохового заряду. Розглянуто фізичне обгрунтовання інформаційних ознак, узгодження акустичних і оптоелектронних даних, урахування невизначеності та перевірку достовірності висновків. Підкреслено необхідність розмежування безпосередніх спостережень і модельних оцінок, а також обмеженість перенесення експериментальних результатів на інші умови.

Ключові слова


багатоканальне оцінювання; гарматний ствол; пороховий заряд; інформаційні ознаки; невизначеність.

Посилання


1. Dobrynin Y., Maksymov M., Boltenkov V. Development of a method for determining the wear of artillery barrels by acoustic fields of shots. Eastern-European Journal of Enterprise Technologies. 2020. Vol. 3, No. 5 (105). P. 6–18. DOI: 10.15587/1729-4061.2020.206114.

2. Dobrynin Y., Volkov V., Maksymov M., Boltenkov V. Development of physical models for the formation of acoustic waves at artillery shots and study of the possibility of separate registration of waves of various types. Eastern-European Journal of Enterprise Technologies. 2020. Vol. 4, No. 5 (106). P. 6–15. DOI: 10.15587/1729-4061.2020.209847.

3. Dobrynin Y. V., Boltenkov V. O., Maksymov M. V. Information technology for automated assessment of the artillery barrels wear based on SVM classifier. Applied Aspects of Information Technology. 2020. Vol. 3, No. 3. P. 117–132. DOI: 10.15276/aait.03.2020.1.

4. Dobrynin Y. V., Boltenkov V. O., Kuzmenko V. V., Maksymov O. M. Development of a universal binary classifier of the state of artillery barrels by the physical fields of shots. Applied Aspects of Information Technology. 2022. Vol. 5, No. 4. P. 289–302. DOI: 10.15276/aait.05.2022.19.

5. Brunetkin O., Maksymov M., Brunetkin V., Maksymov O., Dobrynin Y., Kuzmenko V., Gultsov P. Development of the model and the method for determining the influence of the temperature of gunpowder gases in the gun barrel for explaining visualize of free carbon at shot. Eastern-European Journal of Enterprise Technologies. 2021. Vol. 4, No. 1 (112). P. 41–53. DOI: 10.15587/1729-4061.2021.239150.

6. Brunetkin O., Maksymov M., Dobrynin Y., Demydenko V., Sidelnykov O. Development of a process model for determining the composition and energy characteristics of a pyrotechnic mixture using the library method. EUREKA: Physics and Engineering. 2024. No. 5. P. 99–112.  DOI: 10.21303/2461-4262.2024.003453.

7. Brunetkin O., Sidelnykov O., Maksymov M., Dobrynin Y. Improving the model for determining the composition of gunpowder gases during thermal destruction of gunpowder in a limited volume space. Eastern-European Journal of Enterprise Technologies. 2025. Vol. 3, No. 6 (135). P. 35–45.  DOI: 10.15587/1729-4061.2025.330654.

8. Brunetkin O., Beglov K., Brunetkin V., Maksymov O., Maksymova O., Havaliukh O., Demydenko V. Construction of a method for representing an approximation model of an object as a set of linear differential models. Eastern-European Journal of Enterprise Technologies. 2020. Vol. 6, No. 2 (108).  P. 66–73. DOI: 10.15587/1729-4061.2020.220326.

9. Suykens J. A. K., Van Gestel T., De Brabanter J., De Moor B., Vandewalle J. Least Squares Support Vector Machines. Singapore : World Scientific, 2002. DOI: 10.1142/9789812776655.

10. James G., Witten D., Hastie T., Tibshirani R. Support Vector Machines. An Introduction to Statistical Learning. New York, NY : Springer, 2013. Vol. 103. DOI: 10.1007/978-1-4614-7138-7_9.


Повний текст: PDF