Розроблено структуру засобів вимірювання параметрів руху і визначення просторової орієнтації мобільних робототехнічних платформ (МРП) для використання в умовах неповноти інформації та дії завад. Визначено компоненти, на основі яких створюють засоби вимірювання параметрів руху і визначення просторової орієнтації МРП: набір навігаційних давачів; радіолокаційний вимірювач параметрів руху МРП; модуль GPS; модуль аналізу та відновлення втрачених навігаційних даних; модуль нейромережевого підвищення точності вимірювання параметрів руху МРП; модуль нейромережевого підвищення точності визначення географічних координат МРП; модуль нейромережевого прогнозування географічних координат і маршруту руху МРП; модуль збирання та збереження навігаційних даних. Визначено, що продуктивність обчислювальних компонентів, обсяг пам’яті, потужність енергоспоживання, частота оновлення інформації, інтерфейси зв’язку, точність вимірювання, вартість, маса, габарити, температурний діапазон, надійність, стійкість до спецфакторів тощо є основними критеріями, за якими здійснюють вибір елементної бази та компонентів. Показано, що ці критерії достатньо повно характеризують елементну базу, їх трактування однозначне і вони орієнтовані на реалізацію бортових радіоелектронних засобів вимірювання параметрів руху і визначення просторової орієнтації із високими експлуатаційними показниками. Проаналізовано наявну елементну базу та навігаційні компоненти, які використовують для реалізації засобів вимірювання параметрів руху і визначення просторової орієнтації МРП. Показано, що для реалізації інтелек- туальних засобів опрацювання даних із радіолокаційних вимірювачів параметрів руху, компонентів інерціальної навігації та GPS модулів необхідно використовувати нейрочипи, процесори цифрової обробки сигналів, системи на кристалі, мікроконтролери та FPGA. Запропоновано виконувати нормування часткових критеріїв вибору елементної бази та навігаційних компонентів за методом мінімаксного нормування. Для обчислення інтегрованої оцінки ефективності використання елементної бази вибрано адитивну модель та нормовані часткові критерії вибору. Вдосконалено метод вибору елементної бази та компонентів для реалізації бортових радіоелектронних засобів вимірювання параметрів руху і визначення просторової орієнтації, який за рахунок використання нормо- ваної адитивної моделі з максимальним значенням інтегрованої оцінки ефективності забезпечує вибір найефек- тивнішої елементної бази та компонентів, які відповідають вимогам технічного завдання.
[1] Палагин, А. В., Яковлев, Ю. С. (2017). Особенности проектирования компьютерных систем на кристалле ПЛИС. Математичні машини і системи. No 2. С. 3–14. http://dspace.nbuv.gov.ua/handle/123456789/125556.
[2] Палагин, А. В, Опанасенко, В. Н. (2006). Реконфигу- рируемые вычислительные системы. К.: Просвіта, 280 с.
[3] Фролов, В. А., Пидорич, А. С. (2000). Оптимизация элементной базы электронной аппаратуры. Радио- электроника и информатика. Х.: ХТУРЭ, Вып. 1. С. 26–27.
[4] Теслюк, Т. В., Цмоць, І. Г., Ємець, В. Ф., Зелінський, А. Я. & Коваль, В. Я. (2018). Метод синтезу структур компонентів системи управління технологічними про- цесами. Моделювання та інформаційні технології, Вип. 83, С. 165–173.
[5] Prots’ko, I. (2016). Synthesis of Efficient Algorithms of DST for Types I, IV via Cyclic Convolutions. International Journal of Electronic Engineering and Computer Science, 1(1), 6–13.
[6] Elmaghraby, A. S., Losavio, M. M. (2014). Cyber security challenges in smart cities: Safety, security and privacy. Journal of Advanced Research, 5(4). DOI: 10.1016/j.jare. 2014.02.006
[7] Yakymenko, I. Z., Kasianchuk, M. M., Ivasiev, S. V., Melnyk, A. M. & Nykolaichuk, Y. M. (2018). Realization of RSA cryptographic algorithm based on vector-module method of modular exponention. Proceedings of 14th International Conference on Advanced Trends in Radio- elecrtronics, Telecommunications and Computer Engineering (TCSET–2018). DOI: 10.1109/TCSET.2018.8336262
[8] Konheim, A. G. (1978). Cryptographic methods for data protection, Res. Rep. RC 7026 (No. 30100), IBM Thomas J. Watson Research Center, Yorktown Heights, N. Y.
[9] Marler, R. T. Arora, J. S. (2004). Survey of Multi-Objective Optimization Methods for Engineering. Structural and Multidisciplinary Optimization, 26, 369–395. DOI: 10.1007/s00158-003-0368-6
[10] Tkachenko, R., Izonin, I. (2019). Model and principles for the implementation of neural-like structures based on geometric data transformations. Advances in computer science for engineering and education. ICCSEEA-2018 Advances in intelligent systems and computing. Cham: Springer; 754: 578–587. DOI: 10.1007/978-3-319-91008-6_58
[11] Tsmots, I., Skorokhoda, O. (2010). Methods and VLSI- structures for neural element implementation perspective technologies and methods in mems design. Proceedings of VIth International Conference on Perspective Technologies and Methods in MEMS Design, pp. 135–135.
[12] Shagurin, I., Shaltyrev, V. (2006). Creation of systems on a chip based on FPGAs using synthesized processor cores. Problems of the development of promising microelectronic systems: Sat scientific tr M. IPPM RAS pp. 382–385.
[13] Palagin, A., Yakovlev, Yu. (2017). Features of designing computer systems based on FPGAs mathematical machines and systems; 2: 3–14.
[14] Palagin, A, Opanasenko, V. (2006). Reconfigurable computing systems. Prosvita, p. 280.
[15] Ter Maten, E. J. W., Heijmen, T. G. A., Lin, C. & El Guennouni, A. (2007). Optimization of electronic circuits. Applied and Industrial Mathematics in Italy II. World Scientific. DOI:10.1142/9789812709394_0050
[16] Kravets, P., Shymkovych, V. (2020). Hardware implementation neural network controller on FPGA for stability ball on the platform. Advances in Intelligent Systems and Computing. DOI: 10.1007/978-3-030-16621-2_23.
[17] Hu, Z., Petoukhov, S., Dychka & I., He, M. (2019). Advances in computer science for engineering and education. II ICCSEEA 2019 Advances in Intelligent Systems and Computing. Springer, Cham., pp. 247–256.
[18] Teslyuk, T., Denysyuk, P., Tsmots, I., Kernytskyy, A., Teslyuk, V. & Berezsky, O. (2019). Interface-sensitive method of synthesis of microcontroller-based system structures. IEEE 15th International Conference on the Experience of Designing and Application of CAD Systems (CADSM), Polyana, Ukraine, 1–4. DOI: 10.1109/CADSM. 2019.8779304
[19] Tsmots, I., Skorokhoda, O., & Rabyk, V. (2016). Structure and software model of a parallel-vertical multi-input adder for FPGA implementation. XIth International Scientific and Technical Conference Computer Sciences and Information Technologies (CSIT). IEEE, 158–160. DOI: 10.1109/STC- CSIT.2016.7589894
[20] Kellman, M., Rivest, F., Pechacek, A., Sohn, L. & Lustig, M. (2017). BarkerCoded node-pore resistive pulse sensing with built-in coincidence correction IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). New Orleans, LA. pp. 1053–1057. DOI: 10.1109/ ICASSP. 2017.7952317
[21] Tsmots, I., Skorokhoda, O., Tesliuk, T. & Rabyk, V. (2016). Designing features of hardware and software tools for intelligent processing of intensive data streams processing. IEEE First International Conference on Data Streams and Processing, DSMP, Lviv, 332–335. DOI: 10.1109/DSMP. 2016.7583570.
[22] Tsmots, S., Teslyuk, V., Teslyuk, T. & Lukashchuk, Yu. (2021). The Method and Simulation Model of Element Base Selection for Protection System Synthesis and Data Transmission. International Journal of Sensors Wireless Communications and Control, Vol. 11, Issue 5, p. 518–530. DOI: 10.2174/2210327910999201022194630