CREATION AND DEVELOPMENT OF HIGHLY RELIABLE INFORMATION AND CONTROL SYSTEMS WITH ELEMENTS OF ARTIFICIAL INTELLIGENCE FOR ADVANCED TECHNOLOGICAL COMPLEXES
- Authors: Brzhozovsky B.M.1, Martynov V.V.1, Brovkova3 M.B.2
-
Affiliations:
- A.A. Blagonravov Institute of Machine Science of the Russian Academy of Sciences (IMASH RAS)
- Institute of Machine Science named after A.A. Blagonravov
- Issue: No 7 (157) (2024)
- Pages: 34-42
- Section: Technological processes automated control
- URL: https://journal-vniispk.ru/2223-4608/article/view/280143
- DOI: https://doi.org/10.30987/2223-4608-2024-34-42
- ID: 280143
Cite item
Full Text
Abstract
About the authors
Boris Maksovich Brzhozovsky
A.A. Blagonravov Institute of Machine Science of the Russian Academy of Sciences (IMASH RAS)
ORCID iD: 0009-0005-8486-4467
professor, doctor of technical sciences
Vladimir Vasil'evich Martynov
A.A. Blagonravov Institute of Machine Science of the Russian Academy of Sciences (IMASH RAS)
ORCID iD: 0000-0002-4177-0963
doctor of technical sciences
Marina Borisovna Brovkova3
Institute of Machine Science named after A.A. Blagonravov
ORCID iD: 0009-0009-1863-0709
References
- 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.
- 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.
- 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.
- Schmidhuber J. Deep learning in neural networks: an overview // Neural Netw. 61, 2015, pp. 85–117.
- 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.
- 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.
- 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.
- 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.
- 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).
- 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).
Supplementary files
