Єфименко, Олександр ВолодимировичПтушка, Анастасія СергіївнаЄфименко, Павло ОлександровичYefymenko, OleksandrPtushka, AnastasiiaYefymenko, Pavlo2023-07-182023-07-182023Єфименко, О. В. Особливості використання нейромережевих технологій для керування робочими процессами бульдозерів GNSS-інтенсифікатором / О. В. Єфименко, А. С. Птушка, П. О. Єфименко // Вiсник Харкiвського нацiонального автомобiльно-дорожнього унiверситету : зб. наук. пр. / М-во освiти i науки України, Харків. нац. автомоб.-дор. ун-т ; редкол.: А. Г. Батракова (гол. ред.) та iн. – Харкiв, 2023. – Вип. 101, т. 2. – C. 159–167.2219-5548https://dspace.khadi.kharkov.ua/handle/123456789/15669Застосування GNSS і систем інтелектуального керування робочими процесами землерийних машин дає змогу більш точно визначити місце розташування й висоту робочого органа, що сприяє більш ефективній роботі бульдозера. GNSS може забезпечити високу точність вимірювань розташування бульдозера, що допомагає оптимізувати процес роботи й мінімізувати витрати часу на профілювання та вирівнювання поверхні. За допомогою машинного навчання бульдозер може автоматично аналізувати дані GNSS і приймати рішення про оптимальну траєкторію руху для досягнення потрібної точності та швидкості роботи, це підвищує ефективність дії машини, завдяки чому скорочуються терміни і вартість будівельних робіт. У статті розглянуто алгоритми й програмні коди, що можуть бути застосовані для автоматизованого керування робочими процесами землерийних машин із використанням штучного інтелекту. Запропоновано конкретну реалізацію мовами програмування Python та TensorFlow, проаналізовано основні алгоритми й показано необхідність врахування параметрів робочого процесу на машинне навчання.ukGNSS-інтенсифікаторGPSнепромережені технологіїмови машинного навчанняалгоритмипрограмні кодиPythonTensorFlowGNSS-intensifierunmediated technologiesmachine learning languagesalgorithms, program codesprogram codesArticle004.8910.30977/BUL.2219-5548.2023.101.2.159