Детальная информация

Название: Использование нейросетевого автокодировщика для передачи данных по бурильной колонне: выпускная квалификационная работа магистра: направление 09.04.01 «Информатика и вычислительная техника» ; образовательная программа 09.04.01_15 «Технологии проектирования системного и прикладного программного обеспечения»
Авторы: Леженин Юрий Игоревич
Научный руководитель: Богач Наталья Владимировна
Другие авторы: Новопашенный Андрей Гелиевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Бурение колонковое; Нейронные сети; автокодировщик; акустическая связь; бурильная колонна; измерения во время бурения
УДК: 004.032.26; 622.23.058
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Магистратура
Код специальности ФГОС: 09.04.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-690
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\11720

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Тема выпускной квалификационной работы: «Использование нейросетевого автокодировщика для передачи данных по бурильной колонне». Передача данных по бурильной колонне является важной задачей в контексте обеспечения эффективности и безопасности бурения. В настоящее время разработка системы передачи данных по бурильной колонне, которая имела бы низкую задержку, но удовлетворяла требованиям относительно надежности и пропускной способности, является актуальной задачей. В данной работе рассматривается перспектива применения системы связи на основе нейросетевого автокодировщика для акустической передачи данных по бурильной колонне. Была разработана система связи на основе автокодировщика и выполнено моделирование ее работы. По сравнению с базовой системой на основе OFDM с несмежными несущими, автокодировщик обеспечивает лучшую производительность с точки зрения BER и PAPR, работая с той же пропускной способностью, но меньшей задержкой.

The subject of the graduate qualification work is «Using a neural network autoencoder for drill string communications». Drill string communications are important for drilling efficiency and safety. The design of a low latency drill string communication system with high throughput and reliability remains an open challenge. In this paper a deep learning autoencoder based end-to-end communication system, where transmitter and receiver implemented as feed forward neural networks, is proposed for acoustic drill string communications. The autoencoder was implemented and compared with a baseline non-contiguous OFDM in terms of BER and PAPR. Simulation shows that the AE system is able to outperform a baseline non-contiguous OFDM having the same throughput, but operating with lower latency.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • ВВЕДЕНИЕ
  • 1. Акустический канал связи бурильной колонны
    • 1.1. Частотная характеристика
    • 1.2. Шум при бурении
  • 2. Архитектура системы связи на основе автокодировщика для передачи данных по бурильной колонне
    • 2.1. Кодировщик и декодировщик
      • 2.1.1. Структура
      • 2.1.2. Обучение
    • 2.2. Канал связи
  • 3. Моделирование работы системы связи на основе автокодировщика для передачи данных по бурильной колонне
    • 3.1. Процедура моделирования
    • 3.2. Базовая система на основе NC-OFDM
    • 3.3. Реализация моделей
    • 3.4. Результаты моделирования
      • 3.4.1. Спектральная плотность мощности
      • 3.4.2. Интенсивность битовых ошибок
      • 3.4.3. Пик-фактор
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • ПРИЛОЖЕНИЕ. ЛИСТИНГИ

Статистика использования

stat Количество обращений: 6
За последние 30 дней: 0
Подробная статистика