Применение искусственного интеллекта для анализа и расчёта резонансных режимов электрических цепей
Another Title
Application of artificial intelligence for analysis and calculation of resonance modes in electrical circuits
Bibliographic entry
Сивый, И. С. Применение искусственного интеллекта для анализа и расчёта резонансных режимов электрических цепей = Application of artificial intelligence for analysis and calculation of resonance modes in electrical circuits / И. С. Сивый; науч. рук. И. А. Ринговский // Актуальные проблемы энергетики - 2025 : материалы студенческой научно-технической конференции / сост.: И. Н. Прокопеня, Т. А. Петровская ; редкол.: Е. Г. Пономаренко (пред.), Н. Б. Карницкий, В. А. Седнин [и др.]. – Минск : БНТУ, 2025. – С. 421-424.
Abstract
В статье рассматриваются современные подходы к применению технологий искусственного интеллекта (ИИ) для решения задач анализа и расчёта резонансных режимов в электрических цепях. Традиционные методы, основанные на аналитическом решении систем дифференциальных или алгебраических уравнений, становятся недостаточно эффективными при работе со сложными, нелинейными или многоконтурными цепями, а также при необходимости быстрого прогнозирования в системах реального времени. Проведён анализ различных архитектур ИИ, включая регрессионные модели, полносвязные и рекуррентные нейронные сети, а также их применение для построения суррогатных моделей. Обсуждаются преимущества и вызовы, связанные с внедрением ИИ в инженерную практику.
Abstract in another language
This article discusses modern approaches to the application of artificial intelligence (AI) technologies for the analysis and calculation of resonance modes in electrical circuits. Traditional methods, based on the analytical solution of systems of differential or algebraic equations, become insufficiently efficient when dealing with complex, nonlinear, or multi-loop circuits, as well as when fast forecasting in real-time systems is required. An analysis of various AI architectures is carried out, including regression models, fully connected and recurrent neural networks, and their application for building surrogate models. The advantages and challenges associated with the integration of AI into engineering practice are discussed.