SplitGunDeepMaster
Cистема управления приповерхностными и заглубленными пневмоисточниками малого объема
повышение эффективности проведения инженерно-геофизических изысканий на шельфе и предельном мелководье
Система «SplitGunDeepMaster» предназначена для управления заглубленными пневматическими источниками упругих колебаний, используемыми при проведении инженерно-геофизических изысканий, морских научных исследований на шельфе и в предельном мелководье.
Решение позволят использовать ПАК с пневмоисточниками различных производителей без каких-либо ограничений, оптимально настраивая мощности и амплитуду управляющего сигнала.
Важной особенностью системы является возможность использования пневмоисточников, буксируемых на глубине до 100 м.
Решение позволят использовать ПАК с пневмоисточниками различных производителей без каких-либо ограничений, оптимально настраивая мощности и амплитуду управляющего сигнала.
Важной особенностью системы является возможность использования пневмоисточников, буксируемых на глубине до 100 м.
Строение системы:
Блок управления пневмоисточниками
Для создания управляющих сигналов, приводящих в действие пневматические источники упругих колебаний, обеспечивая при этом контроль и управление времени их срабатывания, оптимальных параметров и электрических характеристик линий и исполнительных механизмов пневмоисточников, синхронизацию работы с системой навигации судна
АРМ оператора
Обеспечивает визуализацию и регистрацию полученных данных (задержки срабатывания пневмоисточников, сигнатуры, характеристики управляющих линий). ПО позволяет в режиме реального времени корректировать момент срабатывания различных пневмоисточников в зависимости от их расположения, технического состояния и требуемой (оптимальной для конкретной геолого-геофизической задачи) сигнатуры сигнала
Автоматически управляемый пневматический редуктор
Позволяет системе изменять давление в магистрали высокого давления, тем самым поддерживая стабильный режим работы (сигнатуру источника) при изменяющейся глубине буксировки
1
2
3
ИННОВАЦИОННОСТЬ СИСТЕМЫ
Применение алгоритмов DeepLearning:
Для распознавания сигнатур, оптимизации управляющих воздействий, с целью повышения стабильности излучаемого сигнала (достижения оптимального сочетания разрешения/глубинности, снижение процента потери данных в ходе полевых работ). Высокая степень выявления отклонений от заданных параметров достигается при помощи системы машинного обучения, которая основываясь на накопленных данных, способна отличить изменения сигнатур в результате воздействия внешних факторов (например, вариации заглубления) от нарушения в работе оборудования (например, износ элементов пневмоисточника), что позволяетт оператору своевременно принять меры (например, переключить на резервный источник) во избежание потери данных и потери производительности полевых работ.
Для распознавания сигнатур, оптимизации управляющих воздействий, с целью повышения стабильности излучаемого сигнала (достижения оптимального сочетания разрешения/глубинности, снижение процента потери данных в ходе полевых работ). Высокая степень выявления отклонений от заданных параметров достигается при помощи системы машинного обучения, которая основываясь на накопленных данных, способна отличить изменения сигнатур в результате воздействия внешних факторов (например, вариации заглубления) от нарушения в работе оборудования (например, износ элементов пневмоисточника), что позволяетт оператору своевременно принять меры (например, переключить на резервный источник) во избежание потери данных и потери производительности полевых работ.
Архитектура нейронной сети и алгоритм UNet:
В системе используется хорошо зарекомендовавшая себя на подобных задачах архитектура нейронной сети и алгоритм UNet с использованием функций потерь, составленных из комбинации коэффициента Жаккарда и бинарной кроссэнтропии. В результате аккуратного подбора архитектуры, параметров сети и обучения (тренировочных и валидационных выборок), предобработки на размеченных данных можно получить практически важные результаты для оптимального подбора и управления параметрами ПАК в реальном времени.
В системе используется хорошо зарекомендовавшая себя на подобных задачах архитектура нейронной сети и алгоритм UNet с использованием функций потерь, составленных из комбинации коэффициента Жаккарда и бинарной кроссэнтропии. В результате аккуратного подбора архитектуры, параметров сети и обучения (тренировочных и валидационных выборок), предобработки на размеченных данных можно получить практически важные результаты для оптимального подбора и управления параметрами ПАК в реальном времени.
RealTime мониторинг:
RealTime мониторинг, выравнивание и подстройка спектральных характеристик в оптимально подобранном диапазоне частот (в пределах рабочих частот системы) за счет математических процедур оценки оптимальных параметров системы, в том числе с использованием результатов кластерного анализа и альбомов сигнатур и донных отражений для подобных и типовых инженерно-геологических условий районов работ.
RealTime мониторинг, выравнивание и подстройка спектральных характеристик в оптимально подобранном диапазоне частот (в пределах рабочих частот системы) за счет математических процедур оценки оптимальных параметров системы, в том числе с использованием результатов кластерного анализа и альбомов сигнатур и донных отражений для подобных и типовых инженерно-геологических условий районов работ.
RealTime автонастройка:
RealTime автоматизированная настройка параметров системы при проведении полевых работ за счет подачи откликов системы обратной связи (LoopControl) в контур формирования управляющих сигналов через математическую модель источника упругих волн.
RealTime автоматизированная настройка параметров системы при проведении полевых работ за счет подачи откликов системы обратной связи (LoopControl) в контур формирования управляющих сигналов через математическую модель источника упругих волн.
Преимущества технологии SplitGunDeepMaster
увеличения производительности полевых работ
сокращение экономических затрат проведения полевых работ
стабильная сигнатура сигнала в сложных условиях прибрежной зоны и волнения моря
получение высококачественных данных
сокращение трудовых и временных затрат на проведение омр
перспективы для применения методов анализа MASW
бесперебойное выполнение полевых работ в сложных погодных условиях
ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ
