Модель і засоби управління системами клімат-контролю за допомогою мобільного інтерфейсу та методів машинного навчання
Автор: Новосад Володимир Олександрович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: англійська
Анотація: Актуальність теми зумовлена потребою у створенні енергоефективних, адаптивних та автономних систем керування мікрокліматом у побутових і промислових приміщеннях. Традиційні підходи, що ґрунтуються виключно на PID-регуляторах, не враховують інерційних властивостей об’єкта та не здатні ефективно реагувати на зміну контексту користування чи зовнішніх умов. Хмарні ML-моделі забезпечують високу точність прогнозування, але мають затримки та залежність від стабільності мережі. Об’єкт дослідження - процеси автоматизованого керування параметрами мікроклімату (температури, вологості та режимів енергоспоживання) у замкнених приміщеннях. Предмет дослідження – моделі, методи та програмно-апаратні засоби побудови дворівневих інтелектуальних систем керування мікрокліматом на основі поєднання PID-регулювання та Near-Edge методів машинного навчання. Метою дослідження є розроблення та експериментальне дослідження дворівневої системи керування мікрокліматом, що поєднує локальний контур PID-регулювання на базі ESP32 з Near-Edge AI-модулем прогнозування та оптимізації, виконуваним у мобільному застосунку. Такий підхід дозволяє зменшити похибку регулювання, підвищити енергоефективність і забезпечити стійкість системи у разі зовнішніх збурень чи втрати доступу до хмарних сервісів. Структура роботи. Магістерська робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі наведено аналіз систем керування мікрокліматом та сучасних підходів ML- прогнозування в IoT-середовищі. Другий розділ присвячений математичному моделюванню теплових процесів та проєктуванню дворівневої системи керування. У третьому розділі описано програмно-апаратну реалізацію системи. У четвертому розділі наведено експериментальні дослідження, що містять порівняння роботи класичного PID-регулятора та запропонованої системи у чотирьох сценаріях. Методи та інструменти дослідження - методи системного аналізу, теорії автоматичного керування, математичного моделювання теплових процесів, методи машинного навчання та прогнозування, об’єктно-орієнтоване програмування, експериментальні дослідження та порівняльний аналіз. Результати та практичне значення. Розроблено робочу дворівневу систему керування мікрокліматом, що поєднує PID-контур реального часу та мобільний Near-Edge AI-модуль. Експериментально підтверджено зменшення середньоквадратичної похибки у 2-3 рази, зменшення перерегулювання, скорочення часу стабілізації та до 15-40% економії енергії залежно від сценарію. Запропонована архітектура забезпечує автономність під час втрати зв’язку з хмарою та дозволяє використовувати мобільний пристрій як активний елемент кіберфізичної системи керування. Результати можуть бути застосовані у побутових системах «розумного дому» та промислових рішеннях із підвищеними вимогами до надійності та енергоефективності. Повний обсяг роботи становить 128 сторінок, містить 12 рисунків і 18 таблиць. Список використаних джерел налічує 33 найменування. Ключові слова: мікроклімат, PID-регулятор, машинне навчання, Near- Edge AI, ESP32, Apple Neural Engine, MQTT, енергоефективність.