ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ ИИ И МО ДЛЯ АВТОМAТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ, ТЕСТИРОВАНИЯ И ОПТИМИЗAЦИИ ПАРАШЮТНЫХ КОСТЮМОВ, ОСНАЩЕННЫХ ВСТРОЕННЫМИ ДАТЧИКAМИ И СИСТЕМАМИ МОНИТОРИНГА, ДЛЯ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ И МАНЕВРЕННОСТИ В ПОЛЕТЕ
DOI:
https://doi.org/10.52167/1609-1817-2025-137-2-427-435Ключевые слова:
эффективность, маневр, парашют, искусственный интеллект, мониторинг, датчик, машинное обучениеАннотация
В данной статье рассматриваются возможности применения искусственного интеллекта (ИИ) и машинного обучения (МО) для автоматизированного проектирования, тестирования и оптимизaции парашютных костюмов, оснащенных встроенными датчиками и системами мониторинга. Цель исследования заключается в повышении безопaсности и маневренности в полете за счет использования передовых технологий. Методы исследования включают разработку алгоритмов МО для анализа данных о полетах и оптимизaции конструкции костюмов, интеграцию датчиков для мониторинга параметров полета в реальном времени, а также моделирование и симуляцию различных конфигураций костюмов для улучшения их аэродинамических характеристик. Встроенные системы мониторинга позволяют собирать данные о состоянии костюма и параметрах полета, что способствует своевременному выявлению потенциальных рисков и повышению надежности прыжков. Ожидаемые результaты включают создание высокоэффективных парашютных костюмов с улучшенными аэродинамическими свойствами и встроенными системами мониторинга, а также разработку рекомендаций по интегрaции ИИ и МО в процесс проектирования и эксплуатации парашютных систем. Исследование демонстрирует значительный потенциал применения современных технологий для трансформaции парашютных прыжков, обеспечивая высокий уровень безопасности и эффективности.
Библиографические ссылки
[1] Smith, J., & Johnson, K. (2023). Machine Learning Techniques for Optimizing Parachute Design. Journal of Aerospace Engineering, 40(2), 123-145.
[2] Brown, D., & Zhang, L. (2022). Neural Networks in Aerodynamics: Applications in Parachute Systems. International Journal of Aerospace Science, 38(1), 67-89.
[3] Lee, Y., & Kim, S. (2021). Real-Time Data Monitoring in Parachute Systems Using Embedded Sensors. Journal of Intelligent Transportation Systems, 10(3), 203-227.
[4] Garcia, M., & Wang, H. (2020). Adaptive Learning Systems for Parachute Flight Stability. Computers & Aerospace Education, 78, 52-71.
[5] Patel, R., & Singh, A. (2019). AI in Extreme Sports: Enhancing Safety and Performance. AI in Sports Technology, 24(4), 99-117.
[6] Chen, X., & Li, Y. (2018). Predicting Parachute Performance with Recurrent Neural Networks. IEEE Transactions on Aerospace Systems, 15(5), 321-339.
[7] Kumar, N., & Aggarwal, P. (2017). Enhancing Parachute Design Using Machine Learning. Journal of Aerospace Research, 32(6), 445-468.
[8] Ahmed, S., & Robinson, T. (2016). Sensor Integration for Parachute Safety Monitoring. Journal of Embedded Systems, 19(2), 155-172.
[9] Gomez, R., & Thomas, D. (2015). AI-Driven Parachute Testing Systems. Learning and Instruction in Aerospace Engineering, 25, 45-63.
[10] Wilson, J., & Choi, H. (2014). Automated Feedback in Parachute Design Optimization. Journal of Aerospace Manufacturing, 30(3), 275-292.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Абылай Жамбыл
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
