https://ir.lib.vntu.edu.ua//handle/123456789/640 Tue, 25 Aug 2026 02:31:39 GMT 2026-08-25T02:31:39Z https://ir.lib.vntu.edu.ua//handle/123456789/52348 Штрихи до портрета вченого. Бортник Геннадій Григорович Тарануха, Наталія Олександрівна; Taranukha, Natalia До 65-річного ювілею професора кафедри Геннадія Григоровича Бортника пропонується віртуальна виставка, в якій висвітлюються матеріали про життя та діяльність кандидата технічних наук, професора кафедри інфокомунікаційних систем і технологій Вінницького національного технічного університету, а також представлений науковий доробок ювіляра. Wed, 01 Jul 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/52348 2026-07-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/52340 Система самокалібрування сенсорів розумного будинку на основі робастної регресії та онлайн-детекції аномалій Бойко, О. В.; Добролюбова, М. В.; Boiko, O. V.; Dobroliubova, M. V. The paper examines a smart-home sensor self-calibration platform implemented as an external Python service for local Internet of Things (IoT) infrastructures. The relevance of the study is determined by the fact that drift and systematic bias of low-cost temperature and humidity sensors directly affect indoor climate monitoring, the correctness of automated heating and ventilation scenarios, and the overall energy efficiency of residential environments. At the software level, the study reconstructs a complete processing pipeline that covers data ingestion through a REST API, MQTT or a built-in simulator, persistence in PostgreSQL, periodic retraining of the calibration model, correction of incoming measurements, online anomaly detection, and subsequent visualization through a web dashboard and Grafana. The methodological novelty of the solution lies in combining time alignment of “raw sensor – reference sensor” pairs, robust affine correction with HuberRegressor, a model acceptance rule based on reducing mean absolute error (MAE) by at least 2%, and anomaly scoring based on median absolute deviation (MAD) with a fallback z-score procedure. The study shows that the algorithm does not merely train a correction model; it can also safely refuse to apply calibration when the model quality is insufficient or when the amount of training data is inadequate. An experiment performed on the built-in simulator, which models four rooms, 20 sensors and 4,800 measurements, demonstrated a strong error reduction for temperature channels: after the initial calibration stage, the average MAE decreased 1.56 to 0.31 °C. For humidity channels, the effect was more moderate, with the average error decreasing 1.44 to 1.34 % RH. In the final online window after a series of retraining cycles, the mean MAE reduction across all paired channels reached 30.4 %; specifically, temperature sensors achieved a 42.3% improvement, as humidity sensors achieved a 14.5 % improvement. Additional verification on the archived SQLite database bundled with the project confirmed a strong effect for the living-room temperature sensor (1.789 → 0.162) and a moderate effect for the humidity channel (0.611 → 0.588). The practical significance of the proposed approach lies in the fact that it can be integrated into the existing local smart-home infrastructure without modifying the firmware of end devices, thereby improving telemetry reliability, reducing false automation triggers, and creating prerequisites for energy savings in home automation systems. Beyond its technical effect, the proposed solution also has clear applied socio-economic significance, since it makes it possible to improve the performance of low-cost sensors by software means without switching to more expensive hardware. This can substantially simplify everyday use for people relying on affordable smart-home systems, make such systems more accessible to a wider range of consumers, and, in the long term, contribute to reducing their overall cost both at the deployment stage and during further operation.; Розглянуто програмну платформу самокалібрування сенсорів розумного будинку, реалізовану як зовнішній сервіс на Python для локальних систем Інтернету речей (IoT). Актуальність роботи зумовлена тим, що дрейф і систематична похибка недорогих температурних та вологісних сенсорів безпосередньо впливають на якість моніторингу мікроклімату, коректність автоматизованих сценаріїв керування опаленням і вентиляцією, а також на енергетичну ефективність житла. На рівні програмної реалізації відтворено повний конвеєр обробки даних: надходження показів через REST API, MQTT або симулятор, збереження в базі даних PostgreSQL, періодичне перенавчання калібрувальної моделі, застосування корекції до нових вимірювань, онлайн-виявлення аномалій та подальшу візуалізацію через веб-дашборд і Grafana. Методична новизна рішення полягає у поєднанні часової синхронізації пар «сирий сенсор – еталон», робастної афінної корекції за допомогою HuberRegressor, правила прийняття моделі за критерієм зменшення середньої абсолютної похибки (mean absolute error, MAE) не менше ніж на 2 % та онлайн-детекції аномалій на основі медіанного абсолютного відхилення (median absolute deviation, MAD) з резервним переходом до z-оцінки. Показано, що алгоритм не лише навчає корекційну модель, а і може безпечно відмовлятися від її застосування, якщо якість моделі недостатня або даних для навчання замало. Експеримент на вбудованому симуляторі, який моделює чотири кімнати, 20 сенсорів і 4800 вимірювань, засвідчив виражене зменшення похибки для температурних каналів: середня MAE після початкового калібрування зменшилася з 1,56 до 0,31 °C. Для каналів вологості ефект виявився помірнішим: середня похибка знизилася з 1,44 до 1,34 %RH. У завершальному онлайновому вікні після серії перенавчань середнє зменшення MAE для всіх парних каналів становило 30,4 %, при цьому для температурних сенсорів воно досягло 42,3 %, а для вологісних — 14,5 %. Додаткова перевірка на архівній SQLite-базі з проєкту підтвердила сильний ефект для температурного датчика у вітальні (1,789 → 0,162) та помірний ефект для вологісного каналу (0,611 → 0,588). Практична цінність запропонованого підходу полягає в тому, що його можна інтегрувати у локальну інфраструктуру розумного будинку без модифікації прошивки кінцевих пристроїв, підвищуючи достовірність телеметрії, зменшуючи кількість хибних спрацювань та створюючи передумови для економії енергії в системах домашньої автоматизації. Окрім технічного ефекту, запропоноване рішення має виражене прикладне соціально-економічне значення, оскільки дає змогу підвищити якість роботи дешевих сенсорів програмними засобами без переходу на дорожче обладнання. Це суттєво полегшує повсякденне користування бюджетними системами розумного дому, робить такі системи доступнішими для ширшого кола споживачів і в перспективі сприяє зменшенню їх загальної вартості як на етапі впровадження, так і під час подальшої експлуатації. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/52340 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/52339 Система керування сонячним повітряним колектором Коваль, М. А.; Цибровський, О. М.; Мирончук, О. Ю.; Koval, M. A.; Tsybrovsky, O. M.; Myronchuk, O. Yu. The article presents the development of the intelligent IoT-system for controlling an air solar collector, designed to increase the energy efficiency of heating and ventilation of premises and ensure safe microclimate parameters. The relevance of the study is due to the increase in the cost of energy resources, the need to reduce greenhouse gas emissions and the presence of significant solar potential in Ukraine (average annual GHI indicator of about 1200 kWh/m²), which creates favorable conditions for the implementation of air solar collectors. Modern commercial solutions were analyzed and it was found that most of them have limited automation capabilities and do not provide full remote monitoring and protection against the risk of condensation. The architecture of the system is proposed based on a microcontroller with connection of temperature, relative humidity and CO₂ concentration sensors, as well as a GSM/NB-IoT modem for data transmission to the cloud environment using secure protocols (TLS, AES). Special attention is paid to the algorithm for preventing condensation formation by calculating the dew point temperature according to the Magnus–Tetens formula and implementing decision-making logic based on comparing temperature and humidity parameters. The system operates in three modes: “heating and dehumidification”, “urgent ventilation” and “protection/idleness”, which provides adaptive response to changing conditions in the room and the external environment. A mobile application is provided for real-time monitoring of indicators and remote control. Mechanisms for device authentication, data encryption and autonomous operation in case of loss of communication are implemented. The system is powered by a 12 V DC voltage source with battery backup and BMS, which ensures continuity of operation. The results obtained confirm the feasibility of using the developed system for upgrading the existing air-based solar collectors and implementing it in residential and small commercial facilities to increase energy efficiency and improve indoor air quality.; У статті представлено розробку інтелектуальної IoT-системи керування повітряним сонячним колектором, призначеної для підвищення енергоефективності опалення та вентиляції приміщень і забезпечення безпечних параметрів мікроклімату. Актуальність дослідження зумовлена зростанням вартості енергоресурсів, необхідністю скорочення викидів парникових газів та наявністю значного сонячного потенціалу України (середньорічний показник GHI близько 1200 кВт·год/м²), що створює сприятливі умови для впровадження повітряних сонячних колекторів. Проаналізовано сучасні комерційні рішення та встановлено, що більшість з них мають обмежені можливості автоматизації й не забезпечують повноцінного дистанційного моніторингу та захисту від ризику конденсації. Запропоновано архітектуру системи на основі мікроконтролера з підключенням датчиків температури, відносної вологості та концентрації CO₂, а також GSM/NB-IoT-модема для передавання даних у хмарне середовище з використанням захищених протоколів (TLS, AES).Особливу увагу приділено алгоритму запобігання утворенню конденсату шляхом розрахунку температури точки роси за формулою Магнуса–Тетенса та впровадженню логіки прийняття рішень на основі порівняння температурних і вологісних параметрів. Система функціонує в трьох режимах: «опалення та осушення», «термінова вентиляція» та «захист/простій», що дозволяє адаптивно реагувати на зміну умов у приміщенні та зовнішньому середовищі. Передбачено мобільний застосунок для моніторингу показників у реальному часі та віддаленого керування. Реалізовано механізми автентифікації пристрою, шифрування даних і автономної роботи у разі втрати зв’язку. Живлення системи здійснюється від джерела постійної напруги 12 В з резервуванням акумулятором і BMS, що забезпечує безперервність функціонування. Отримані результати підтверджують доцільність застосування розробленої системи для модернізації наявних повітряних сонячних колекторів та впровадження в житлових і малих комерційних об’єктах з метою підвищення енергоефективності та підвищення якості внутрішнього повітря. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/52339 2026-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/52338 Гібридний алгоритм автоматизованого первинного аналізу широкосмугових діелектричних спектрів неоднорідних матеріалів Щербак, А. Є.; Гомілко, І. В.; Скуратовський, І. А.; Shcherbak, A. Ye.; Gomilko, I. V.; Skuratovsky, I. A. Broadband dielectric spectroscopy (BDS) provides the measurement of frequency-dependent complex permittivity ε*(ω) that encodes multiple relaxation mechanisms and charge-transport phenomena in heterogeneous materials. However, the superposition of dipolar relaxation, interfacial (Maxwell–Wagner) polarization, electrode polarization and measurement noise makes the primary analysis of BDS data non-trivial and labor-intensive. The paper proposes a hybrid pipeline that combines physics-aware preprocessing, distribution-of-relaxation-times (DRT) estimation via Tikhonov regularization, and lightweight learning-based interpretation using a one-dimensional convolutional neural network (1D-CNN) trained on physics-informed synthetic spectra. First, singular spectrum analysis (SSA) and baseline correction are employed to suppress noise and low-frequency artifacts while preserving the overall spectral shape. Then a non-negative DRT profile is recovered ε′(ω) and ε″(ω) by solving a discretized Fredholm equation of the first kind with smoothness regularization. The resulting DRT summarizes latent relaxation modes without explicit model-order ion. Next, physically interpretable features such as the number of peaks, their positions and widths, low-frequency conduction indicators and heuristics for Maxwell–Wagner polarization are extracted both spectra and DRT. These features, together with the standardized spectra, are fed into a compact 1D-CNN that infers high-level meta-parameters including the number of overlapping relaxations, the presence of interfacial polarization and the presence of conduction tails. Numerical experiments covering a wide range of signal-to-noise ratios demonstrate robust denoising (ΔSNR ≈ 8...12 dB), accurate DRT recovery (median Wasserstein distance < 0.08) and reliable meta-parameter prediction (macro-F1 ≈ 0.91). A reference Python implementation is suggested, providing a command-line interface and a REST microservice suitable for integration into laboratory workflows. The proposed approach minimizes a priori model assumptions while preserving interpretability, which makes it a suitable primary-analysis engine for BDS studies of composites, porous media, soils, polymer electrolytes and other heterogeneous systems.; Широкосмугова діелектрична спектроскопія (ШДС) забезпечує вимірювання частотно залежної комплексної діелектричної проникності ε*(ω), у якій одночасно відображаються кілька релаксаційних механізмів і процеси перенесення заряду в неоднорідних матеріалах. Проте через накладання дипольної релаксації, міжфазної (поляризації Максвелла–Вагнера), електродної поляризації та вимірювального шуму первинний аналіз експериментальних спектрів стає нетривіальним і трудомістким. У роботі запропоновано гібридний алгоритм первинного аналізу ШДС-даних, що поєднує попереднє приглушення шуму, відновлення розподілу часів релаксації (distribution of relaxation times, DRT) з використанням тіхонівської регуляризації та легку машинно-навчальну інтерпретацію на основі одновимірної згорткової нейронної мережі (1D-CNN), навченої на фізично обґрунтованих синтетичних спектрах. На етапі попередньої обробки застосовуються сингулярний спектральний аналіз (SSA) та корекція базової лінії для зменшення впливу артефактів вимірювання. Далі розв’язується некоректно поставлена задача відновлення невід’ємної функції розподілу часів релаксації g(log τ), яка узагальнює приховані релаксаційні моди без жорстких апріорних припущень про модель. Із отриманих спектрів та DRT векторизуються інтерпретовані ознаки (кількість піків, їх центри та ширини, показники провідності на низьких частотах тощо), що подаються на вхід компактної 1D-CNN. Мережа оцінює метапараметри, зокрема кількість перекривних релаксацій, наявність поляризації Максвелла–Вагнера та наявність «хвоста» провідності на низьких частотах. Числові експерименти на синтетичній вибірці показують приріст відношення сигнал/шум на 8...12 дБ після фільтрації, медіанне значення метрики Васерштейна для відновленого DRT менше ніж 0,08 та макросереднє значення F1-міри близько 0,91 для задачі класифікації метапараметрів. Запропоновано еталонну програмну реалізацію на Python, орієнтовану на інтеграцію з лабораторними вимірювальними комплексами. Алгоритм мінімізує обсяг апріорних припущень, водночас зберігаючи фізичну інтерпретовність, завдяки чому він є придатним як ядро системи автоматизованого первинного аналізу ШДС-даних композитів, пористих середовищ, ґрунтів, полімерних електролітів та інших неоднорідних систем. Thu, 01 Jan 2026 00:00:00 GMT https://ir.lib.vntu.edu.ua//handle/123456789/52338 2026-01-01T00:00:00Z