🕹 Как мы в Engee делаем дроны умными: реализация автономных полётов.

Друзья,

Тема дронов и беспилотников актуальна, как никогда, и только набирает обороты. Engee – это удобный и эффективный инструмент для модельно-ориентированного проектирования беспилотных систем. Как смоделировать поведение БПЛА в сложной среде прямо в браузере? Мы собрали два проекта в Engee, чтобы показать, как легко реализовать маршруты, обход препятствий и возврат на базу с помощью кода, графики и Конечных автоматов.

✈️ Проект 1: Полет над рельефом
С помощью кода написали симуляцию дрона, который при помощи функции simulate_drone летит над сгенерированным 3D-ландшафтом, избегая столкновений.
🔹 Реалистичный рельеф создается функцией generate_landscape. 
 🔹 Полет выполняется с ограничениями по высоте, скорости и видимости
🔹 3D-анимация траектории
🔹 Настраиваемые параметры: угол обзора, дальность сенсоров и др.

⚡️ Проект 2: Возврат на базу
Что делать, если батарея почти на нуле?
В этом проекте реализуем безопасное возвращение дрона домой:
🟡 Используем Конечные автоматы в модели и в коде
🟡 Реакция на нештатные ситуации
🟡 Гибкое управление логикой поведения

🤝 Всё это — прямо в браузере, без установки.
🔎 Смотрите демо, изучайте код, пробуйте сами.

🔗 Моделирование полета дрона над 3D ландшафтом
🔗 Возврат дрона на базу

Хороших выходных и до связи! 💼

Модель системы вентиляции в Engee 💨

Друзья,

🔥 Представьте, как сложно поддерживать идеальную температуру в большом здании, когда на улице то жара, то холод, а люди то открывают двери, то включают оборудование! Мы смоделировали эту задачу в Engee и готовы показать, как работает система автоматического регулирования температуры в системе вентиляции.

Знаете, почему это непросто? Температура в разных уголках здания ("зонах") может сильно отличаться из-за расстояния от вентиляционной установки и различных помех. Но наша модель показывает, как умная система старается справиться!

Охлаждённый воздух поступает в Зону 1 из Вентиляционной установки и распределяется в Зону 2 и 4, попадая затем в Зону 3, из которой выбрасывается в окружающую среду через Вытяжку или направляется обратно в Вентиляционную установку через Воздуховод.

Почему эта модель интересна?
🔈 Реальная динамика: Модель учитывает работу системы на всех режимах, влияние внешней среды (температура воздуха) и *возмущения* – например, открытие дверей!

🔄 Эффект рециркуляции: Мы проверили, как возврат части воздуха обратно в систему влияет на общее распределение тепла – и это ключевой фактор!

🔧 Умное управление: Система на лету вычисляет нужный расход воздуха для поддержания заданной температуры в ключевой зоне.

🔗 Моделирование системы вентиляции в здании

Проанализировав результаты модели можно заметить, как влияют на температуру открытие двери и рециркуляция. Температурный режим, выставленный пользователем, корректно соблюдается для зоны 1, но не в остальных зонах, ввиду их удалённости от вентиляционной установки.

Как вы думаете, что можно улучшить в такой системе⁉️

Делитесь идеями в комментариях! 💼

🟦 Оценка параметров усилителя - новое приложение Engee! 

Друзья, а вы уже заметили, что в меню приложений появилась новая иконка? Представляем вам наше новое приложение – Оценка параметров усилителя!

Это новый инженерный графический инструмент, который предназначен для анализа характеристик усилителей мощности (УМ) по данным измерений, а также построения моделей усилителей с возможностью их использования в среде моделирования Engee.

🔈 Поддерживается анализ сигналов, настройка параметров модели, визуализация результатов и экспорт коэффициентов для последующего использования.

📎 Приложение «Оценка параметров усилителя» моделирует нелинейные усилители мощности, используя данные реальных или синтезированных сигналов. Оно позволяет учитывать расширение спектра и помехи в соседних каналах, а также применять цифровое предыскажение сигнала (DPD) для минимизации искажений.

Цель DPD — исказить входной сигнал так, чтобы после прохождения через усилитель результирующий сигнал был близок к идеальному. Приложение поддерживает различные алгоритмы расчёта параметров DPD, такие как RLS, LMS, NLMS, RPEM и регуляризованный RLS, а также архитектуры моделей, включая P, MP и GMP. Выбор архитектуры зависит от оценки нормализованной среднеквадратичной ошибки (NMSE) модели усилителя.

Цифровые предыскажения обеспечивают:
🔹 повышение энергоэффективности;
🔹 снижение нелинейных искажений и межканальных помех;
🔹 уменьшение размеров усилителя.

Хотите узнать больше о приложении? 
🔗Подробное руководство в документации Engee 

До встречи в Engee и хороших выходных! 💼

🔄Резервирование датчиков: как сделать систему неуязвимой к отказам?

Резервирование (или дублирование) датчиков — ключевой принцип повышения надежности критических систем. При отказе основного сенсора резервный мгновенно берет на себя его функции, обеспечивая непрерывность работы. Особенно важно это в авиации, промышленных процессах и робототехнике, где даже кратковременный сбой недопустим.

В Engee для реализации подобной логики отлично подходит удобный и эффективный инструмент – Конечные автоматы. И с помощью него мы реализовали для вас и выложили в Сообщество алгоритм:
🔗Изучить и скачать проект

Модель состоит из двух специализированных блоков Chart:
1️⃣Первый блок отслеживает состояние датчиков через параллельные состояния: при сигнале сбоя (например, sensor1Failure > 0) система переводит датчик в 5-шаговый режим проверки с динамическим сбросом таймера с непрерывным мониторингом. Если сбой исчезает, таймер автоматически сбрасывается.

2️⃣Второй блок формирует выходной сигнал по интеллектуальной логике:
🔹Оба исправны → усреднение показаний для фильтрации шума
🔼Сбой одного → мгновенное переключение на резерв без разрыва данных
⭐️Двойной отказ → аварийное обнуление выхода (как на 7-й секунде симуляции)

Как показали результаты тестов, система полностью компенсирует одиночные сбои датчиков, а при редких двойных отказах гарантирует безопасное поведение. ☑️

Еще больше примеров со сложной логикой доступно в Сообществе! 💼

Спектральный анализ в Engee 📻

Друзья,

Знаете ли Вы, что интерактивные скрипты Engee — это лучший инструмент для спектрального анализа сигналов различными методами?

🎓
Спектральный анализ, простыми словами, — это разложение сигнала на элементарные частотные компоненты и построение спектра сигнала, то есть зависимости амплитуды/мощности этих компонентов от частоты.

В новом расчетном проекте Сообщества описываются как основные задачи анализа, так и повсеместно применяемые методы оценки спектра сигнала. Отдельное внимание уделяется методам периодограммы, Уэлча и базового БПФ (про БПФ есть свой отдельный пост).

А в качестве тестового сигнала мы берём запись гитарной струны, и пытаемся методами цифровой обработки сигналов понять, что за ноту играл музыкант!

Для этого необходимо:
🟡 оценить спектр сигнала – для этого используются функции fft и fftshift библиотеки FFTW.jl, а также periodogram и welch_pgram из DSP.jl
🟡 отрисовать его на графике – стандартная функциональность Plots.jl
🟡 найти основную частоту, то есть первый «пик» на графике спектра – в этом нам помогает функция findpeaks1d
🟡 или же рассчитать среднее расстояние между «пиками» - тут мы обращаемся к библиотеке Statistics.jl

Затем можно обратиться к таблице частот музыкальных нот и сопоставить результаты. А для большей убедительности можно синтезировать цифровой фильтр функцией digitafilter, выделить первую гармонику и послушать результат обработки прямо в скрипте Engee в вашем браузере!

👇 Изучить и скачать скрипт

Ещё больше примеров из области цифровой обработки сигналов - в нашем Сообществе.

Следите за обновлениями на канале, до встречи! 💼