CREATION AND DEVELOPMENT OF HIGHLY RELIABLE INFORMATION AND CONTROL SYSTEMS WITH ELEMENTS OF ARTIFICIAL INTELLIGENCE FOR ADVANCED TECHNOLOGICAL COMPLEXES

Cover Page

Cite item

Full Text

Abstract

Methods and means of improving complex technological equipment are shown through the operational assessment of the quality of implemented technologies realtime. This is proved by the fact that implementing technological operations on universal equipment each time requires modeling dynamic processes and taking into account a large number of uncertainty factors that affect the geometry generation quality. It is not possible to be a priori aware of these factors. There is a need to create new information technologies with the possibilities of universal application for immediate understanding of various dynamic processes in diagnostic, identification and control systems. Standard computer systems for statistical analysis and optimization of dynamic processes with the possibilities of universal application for various implementations of modern technologies have been introduced. The possibility of using integrative criteria and methods of artificial intelligence for diagnostic systems, identification and control of advanced technological complexes is shown. The implementation of information systems for the management of complex objects of various technological purposes is presented. The proposed modeling methods and approaches have been tested at various machine-building enterprises when processing parts on turning, milling and grinding machines, both universal and CNC. The research results made it possible to implement new principles of automated control and optimal adjustment of technological processes in real time and create an automated system for evaluating their quality, which allows increasing the efficiency and reliability of management decisions by conducting optimization directly on operating equipment. Based on the methods and approaches described above, new results have been obtained in the implementation of plasma technologies for the modification of geometrically complex surfaces of mechanical engineering products aimed at increasing wear resistance, hardness and other technical characteristics of the working surfaces of precision engineering products. A fairly complete approbation of methods, approaches, procedures and decision-making criteria for various technologies allows them to be recommended for universal applicability.

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

  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).

Supplementary files

Supplementary Files
Action
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».