СОЗДАНИЕ И РАЗВИТИЕ ВЫСОКОНАДЕЖНЫХ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ СИСТЕМ С ЭЛЕМЕНТАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПЕРСПЕКТИВНЫХ ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ

Обложка

Цитировать

Полный текст

Аннотация

Представлены методы и средства улучшения сложного технологического оборудования за счет оперативного оценивания качества реализуемых технологий в реальном времени. Это связано с тем, что при реализации технологических операций на универсальном оборудовании каждый раз возникает необходимость моделирования динамических процессов и оценивания большого числа факторов неопределённости, оказывающих влияние на качество формообразования. Априорно учитывать эти факторы не представляется возможным. Возникает необходимость создания новых информационных технологий с возможностями универсального применения при оперативном оценивании различных динамических процессов в системах диагностики, идентификации и управления. Реализованы типовые компьютерные системы статистического оценивания и оптимизации динамических процессов с возможностями универсального применения для различных реализаций современных технологий. Показана возможность применять интегративные критерии и методы искусственного интеллекта для систем диагностики, идентификации и управления перспективными технологическими комплексами. Представлена реализация информационных систем при управлении сложными объектами различного технологического назначения. Предложенные методы и подходы моделирования апробированы на различных предприятиях машиностроения при обработке деталей на токарных, токарно-фрезерных и шлифовальных станках как универсальных, так и с ЧПУ. Результаты исследований позволили обосновать новые принципы автоматизированного контроля и оптимальной настройки технологических процессов в реальном времени и создать автоматизированную систему оценки их качества, позволяющую повысить оперативность и достоверность принимаемых управляющих решений за счет проведения оптимизации непосредственно на действующем оборудовании. На основе изложенных выше методов и подходов получены новые результаты при реализации плазменных технологий модификации геометрически сложных поверхностей изделий машиностроения, направленных на повышение износостойкости, твердости и других технических характеристик рабочих поверхностей изделий прецизионного машиностроения. Достаточно полная апробация методов, подходов, процедур и критериев принятия решений для различных технологий позволяет их рекомендовать для универсального применения.

Об авторах

Борис Максович Бржозовский

Институт машиноведения им. А.А. Благонравова Российской академии наук (ИМАШ РАН)

ORCID iD: 0009-0005-8486-4467
профессор, доктор технических наук

Владимир Васильевич Мартынов

Институт машиноведения им. А.А. Благонравова Российской академии наук (ИМАШ РАН)

ORCID iD: 0000-0002-4177-0963
доктор технических наук

Марина Борисовна Бровкова

Институт машиноведения им. А.А. Благонравова Российской академии наук (ИМАШ РАН)

ORCID iD: 0009-0009-1863-0709

Список литературы

  1. Кабалдин Ю.Г., Кузьмишина А.М., Шатагин Д.А., Аносов М.С. Нейронно-сетевое моделирование процесса изнашивания твёрдосплавного инструмента // Автоматизация. Современные технологии. 2021. Т. 75. № 9. С. 398–402.
  2. Тугенгольд А.К., Лукьянов Е.А., Волошин Р.Н., Бонилья В.Ф. Интеллектуальная система мониторинга и управления техническим состоянием мехатронных технологических объектов // Вестник Донского государственного технического университета. 2020. Т. 20. № 2. С. 188–195.
  3. Yanming Guo, Yu Liu, Ard Oerlemans, Songyang Lao, Song Wu, Michael S. Lew Deep learning for visual understanding: A review, Neurocomputing, Volume 187, 2016, pp. 27–48, https://doi.org/10.1016/j.neucom.2015.09.116.
  4. Schmidhuber J. Deep learning in neural networks: an overview // Neural Netw. 61, 2015, pp. 85–117.
  5. Ren R., Hung T., Tan K.C. A generic deep-learning-based approach for automated surface inspection // IEEE Trans. Cybernet. 48 (3), 2018, pp. 929–940, https://doi.org/ 10.1109/TCYB.2017.2668395.
  6. Заковоротный В.Л., Гвинджилия В.Е. Бифуркации притягивающих множеств деформационных смещений режущего инструмента в ходе эволюции свойств процесса обработки // Известия высших учебных заведений. Прикладная нелинейная динамика. 2018. Т. 26. № 5. С. 20–38.
  7. Азиков Н.С., Бржозовский Б.М., Бровкова М.Б., Зинина Е.П., Мартынов В.В., Сусский А.В. Повышение эффективности процесса низкотемпературного плазменного упрочнения на основе организации его мониторинга // Проблемы машиностроения и надежности машин. 2017, № 6. С. 68–75.
  8. Бржозовский Б.М., Мартынов В.В., Бровкова М.Б., Свиридов С.В. Алгоритмизация процедур настройки и диагностирования сложного технологического оборудования по интегральным параметрам вибросигналов // Мехатроника, автоматизация, управление. 2013. № 4. С. 53–56.
  9. Купцов П.В., Бровкова М.Б., Мартынов В.В. Свидетельство о государственной регистрации программы для ЭВМ № 2020667034 Российская Федерация. Создание датасета на основе сделанных во внелабораторных условиях фотографий шероховатостей с применением ресегментации и аугментации: № 2020665455: заявл. 30.11.2020: опубл. 21.12.2020 (РИД).
  10. Купцов П.В., Купцова А.В. Бровкова М.Б., Мартынов В.В. Свидетельство о государственной регистрации программы для ЭВМ № 2021667829 Российская Федерация. Нейронная сеть с архитектурой машинной ассоциации, осуществляющая оценку степени износа режущего инструмента: № 2021666126: заявл. 07.10.2021: опубл. 03.11.2021 (РИД).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».