Рашидов Ғолибжон Хайруллаевичнинг
фалсафа доктори (PhD) диссертацияси ҳимояси ҳақида эълон

I. Умумий маълумотлар.
Диссертация мавзуси, ихтисослик шифри (илмий даража бериладиган фан тармоғи номи): “Технологик жараёнларнинг параметрларини назорат қилиш ва бошқариш тизимларини интеллектуаллаштириш ҳамда сигналларга ишлов бериш аниқлигини ошириш”, 05.01.06 – Ҳисоблаш техникаси ва бошқарув тизимларининг элементлари ва қурилмалари.
Диссертация мавзуси рўйхатга олинган рақам: Б2024.4.PhD/Т5073.
Илмий раҳбар: Техника фанлари доктори, профессор, ЎзР ФА академиги Юсупбеков Нодирбек Рустамбекович.
Диссертация бажарилган муассаса номи: Тошкент давлат техника университети.
ИК фаолият кўрсатаётган муассасалар номи, ИК рақами: Тошкент давлат техника университети, DSc. 03/2025.27.12.Т.02.03.
Расмий оппонентлар: техника фанлари доктори, профессор Марахимов Авазжон Рахимович; техника фанлари номзоди, профессор Саттаров Хуршид Абдишукурович.
Етакчи ташкилот: Тошкент кимё-технология институти.
Диссертация йўналиши: назарий ва амалий аҳамиятга молик.
II. Тадқиқотнинг мақсади: саноат ишлаб чиқаришидаги технологик жараёнларнинг параметрларини ўлчашда олинган маълумотларга ишлов бериш аниқлигини ошириш ҳамда назорат ва бошқариш тизимини интеллектуаллаштиришдан иборат.
III. Тадқиқотнинг илмий янгилиги:
ўлчаш сигналларидаги шовқин, дрейф ва динамик бузилишларни компенсацияловчи мунтазамлаштирилган Калман модели асосида технологик параметрларни ўлчаш сигналларини филтрлаш ва қайта ишлаш алгоритми ишлаб чиқилган;
филтрланган вақт қаторларидаги вақтли боғланишларни LSTM (Long Short-Term Memory – узоқ қисқа муддатли хотирага асосланган рекуррент нейрон тармоқ) орқали башоратлашни баҳолаш ва нормал паттернлардан оғишни Аутоенcодер қайта тиклаш хатолиги орқали аниқловчи уч босқичли интеллектуал мониторинг ёндашуви асосида аномалияларни интеллектуал аниқлаш алгоритми ишлаб чиқилган;
Калман филтри, LSTM, Autoencoder va CNN (Convolutional Neural Network – конволюсион нейрон тармоқ) + LSTM асосида ўлчаш сигналларига ишлов бериш аниқлигини оширадиган ва уларни интеллектуал таҳлил, башоратлаш ҳамда баҳолашни амалга оширувчи гибрид интеллектуал модел ишлаб чиқилган;
сенсор маълумотларини реал вақт режимида филтрлаш, динамик ўзгаришларни башоратлаш ва аномалияларни автоматик таснифлаш имконини берувчи кўп каналли нейро-таҳлилий архитектура асосида технологик параметрларни назорат қилиш ва бошқаришнинг интеллектуал тизими ишлаб чиқилган.
IV. Тадқиқот натижаларининг жорий қилиниши. Саноат жараёнларининг параметрларини назорат қилиш ва бошқариш тизимларини интеллектуаллаштириш ва сигналларга ишлов бериш аниқлигини ошириш бўйича олинган илмий натижалар асосида:
ўлчаш сигналларига интеллектуал ишлов бериш алгоритми “Навоий кон-металлургия комбинати” АЖ нинг 3-Гидрометаллургия заводи (ГМЗ)да жорий қилинган (“Навоий кон-металлургия комбинати” АЖ нинг 2026 йил 27 апрелдаги 02-15-02/4210-сон маълумотномаси). Натижада технологик жараёнини параметрларини юқори аниқлик билан мониторинглаш ва диагностика қилиш имконини берган;
аномалияларни интеллектуал аниқлаш алгоритми “Навоий кон-металлургия комбинати” АЖ нинг 3-ГМЗда жорий қилинган (“Навоий кон-металлургия комбинати” АЖ нинг 2026 йил 27 апрелдаги 02-15-02/4210-сон маълумотномаси). Натижада технологик жараёнлардаги носозликлар ва нохуш ўзгаришларни эрта аниқлаш ва уларни таснифлаш имконини берган;
параметрларни назорат қилиш ва бошқаришнинг интеллектуал тизими “Навоий кон-металлургия комбинати” АЖ нинг 3-ГМЗда жорий қилинган (“Навоий кон-металлургия комбинати” АЖ нинг 2026 йил 27 апрелдаги 02-15-02/4210-сон маълумотномаси). Натижада технологик жараёнларни бошқариш сифати яхшиланишига ва энергия тежамкорликка эришилган.