SCI Библиотека

Алгоритмы машинного обучения предоставляют широкий спектр возможностей для предиктивного анализа работы технологического оборудования. Они позволяют выявлять скрытые закономерности и прогнозировать будущие события на основе имеющихся данных. Целью данного исследования является анализ и сравнение методов машинного обучения для реализации задач прогнозирования состояния вибрации компрессорной установки. Каждый из методов имеет свои преимущества и ограничения, поэтому выбор конкретного алгоритма зависит от решаемой задачи применительно к характеристикам оборудования и данных. В данной работе исследованы методы машинного обучения для решения задачи регрессии: в случае прогнозирования одномерных рядов использованы методы авторегрессии и авторегрессии со скользящей средней; для прогнозирования многомерных рядов использованы методы линейной регрессии, деревьев решений, случайный лес и градиентный бустинг. Проведен сравнительный анализ методов машинного обучения. Из результатов анализа видно, что для задачи регрессии наилучшими методами являются ансамблевые методы, такие как случайный лес и XGBoost. Применение XGBoost значительно улучшает качество прогнозов, особенно при работе с большим объемом данных. Для моделей AutoReg и ARIMA необходим стационарный временной ряд для получения точных и интерпретируемых результатов. Важно экспериментировать и настраивать параметры для каждого конкретного временного ряда, учитывая такие факторы, как наличие сезонности, тренда и выбросов в данных. При выборе метода прогнозирования необходимо учитывать не только его математические характеристики, но и особенности конкретных данных, на которых он будет применен.

Предлагается достаточно универсальный подход к разработке и реализации сценариев применения образцов вооружения, военной и специальной техники. Подробно рассмотрены результаты разработки подобных сценариев для исследования процессов применения групп робототехнических комплексов при решении типовых задач материально-технического обеспечения войск (сил) в ходе ведения боевых действий.

Рассматривается применение системы остаточных классов в алгоритмах цифровой обработки сигналов, реализованных в бортовых компьютерах робототехнических комплексов для анализа визуальной информации. Обоснована необходимость использования модулярной арифметики в специальных процессорах цифровой обработки сигналов для повышения их пропускной способности и производительности. Доказана эффективность предлагаемого подхода на примере адаптации к системе остаточных классов алгоритма Грама-Шмидта, который применяется в устройствах обработки видеосигналов для обеспечения их эффективной цифровой обработки за счет снижения шума и обнаружения полезного сигнала на фоне помех.

До сих пор неполно освещены вопросы прогнозирования эффективности работы оборудования обогатительных фабрик как одного из основных подразделений по переработке добытого полезного ископаемого на горно-обогатительном комбинате при реализации технологических процессов измельчения руды; приведенные оценки являются в основном приближенными и характеризуются низким уровнем достоверности. Целью данной работы является разработка моделей для построения прототипов подсистемы, которая поспособствует повышению эффективности работы измельчительного оборудования и фабрики в целом за счет гибкого и оперативного планирования производственных затрат. Проведенный анализ указывает на актуальность в данном аспекте методов предиктивной аналитики, обеспечивающих установление научно обоснованных обратных связей, актуализацию выработки управляющих решений в сфере планирования производства на основе высокоточных модельных оценок и прогнозирования результатов производственных операций и процессов с учетом изменений широкого спектра технологических параметров. Представлены концептуальная теоретико-множественная и схематичные функциональные модели исследуемой подсистемы, которые позволили выявить, детализировать и изучить ее функции и реализующие их компоненты, параметры состояния этих компонентов, механизмы их взаимодействия между собой, внешней средой и другими подсистемами, вовлеченными в процесс автоматизации производственного процесса. Разработка и внедрение подсистемы предиктивной аналитики позволят реализовать высокоточные модельные оценки показателей работы оборудования в режиме онлайн и, что крайне важно, их прогнозирование при переходе к сырью с другими характеристиками, а также при изменении технологических параметров. В данной работе были представлены результаты разработки и исследования моделей подсистемы предиктивной аналитики в составе интегрирующего уровня при автоматизированном управлении обогатительной фабрикой горно-обрабатывающего комбината.

В статье рассматривается применение генеративно-состязательной сети (GAN) в задаче повышения разрешения изображений в два раза. Приводится описание архитектуры GAN на основе сверточной сети. Сеть обучена с использованием набора данных состоящего из 540 изображений природного ландшафта с разрешением 256 на 256 пикселей. В результате тестирования GAN получены усредненные коэффициенты метрик PSNR, SSIM, MFSD, а также среднеквадратичная ошибка вывода модели VGG-19. Приведены результаты сравнения качества изображений с увеличенным разрешением на основе GAN и методом масштабирования с использованием фильтра Ланцоша.

Рассматривается параметрическая модель манипулятора, полученная из динамики твёрдого тела с использованием аналитического метода. Применяются метод Денавита Хартенберга для создания рабочей зоны манипулятора, метод Левенберга Марквардта для нахождения требуемых положений сочленений для достижения целевых точек, метод кубических полиномов для построения траектории между двумя точками и метод Ньютона Эйлера для нахождения требуемого крутящего момента, для получения желаемой траектории. Полученные наборы данных подтверждены результатами моделирования кинематического и динамического моделирования тестируемого манипулятора.

В последние несколько лет обучение обратных динамических моделей манипуляторов по данным показало значительные успехи и стало прогрессивно развивающейся темой динамического моделирования манипуляторов. В этой статье мы представили эффективную методологию сбора данных для обучения модели обратной динамики. Метод основан на параметрической физической модели манипулятора, полученной из динамики твёрдого тела с использованием аналитического метода. Наша методология состоит из метода Денавита Хартенберга для создания рабочей зоны манипулятора. Полученные наборы данных подтверждены результатами кинематического и динамического моделирования тестируемого манипулятора.

Цель. Целью данной статьи является разработка методов и алгоритмов микросервисной реализации для информационного обеспечения многоагентных систем, реализующих функции цифровых двойников предприятия. Особое внимание уделяется реализации функций сбора данных, мониторинга, диагностики и принятия решений, обеспечивающих эффективное взаимодействие между агентами продуктов и агентами ресурсов на основе соглашений об уровне сервиса (SLA). Методы исследования. Исследование использует методы построения микросервисной архитектуру для разделения и автономного выполнения функций, таких как сбор данных, мониторинг и диагностика, с целью оптимизации SLA и повышения надежности системы. Для повышения устойчивости системы к угрозам безопасности в алгоритмы добавлены этапы контроля доступа, шифрования данных и анализа аномалий. Методология включает адаптивное управление параметрами SLA, использование распределенной обработки данных и применение аналитических алгоритмов для принятия решений, а также механизмы для выявления потенциальных угроз и несанкционированного доступа. Результаты. Предложенные методы и алгоритмы позволяют создавать гибкую и масштабируемую многоагентную систему, способную адаптироваться к изменяющимся условиям и обеспечивать устойчивую и безопасную работу цифровых двойников. Использование SLA для регулирования взаимодействия агентов улучшает согласованность их действий, повышает точность мониторинга и защищает данные, поддерживая высокую надежность и безопасность системы. Заключение. Результаты показывают, что микросервисный подход, использование SLA и интеграция мер безопасности значительно повышают эффективность и надежность многоагентных систем, позволяя агентам адаптироваться к изменениям, оперативно реагировать на отклонения и предотвращать возможные угрозы. Применение данных методов может существенно улучшить управление активами в сетевых предприятиях, поддерживая их конкурентоспособность, устойчивость и безопасность в условиях цифровой трансформации.

В работе приведен разработанный авторами алгоритм автоматизированного визуального контроля монолитных интегральных схем и описываются его модификации для повышения эффективности. Осуществленные модификации заключаются в изменение порядка расчёта карты дефектности, введении расчёта средневзвешенного пиксельного расстояния и в изменении веса слоёв фотошаблона. Проведенное тестирование модификаций на наборах микрофотографий монолитных интегральных схем различных топологий показало, что изменение порядка расчёта карты дефектности и изменение коэффициента веса слоёв фотошаблона позволили существенно повысить повторяемость ручного визуального контроля до 98%.

Работа посвящена задаче локализации мобильных роботов по визуальным семантическим данным. Центральным элементом такой задачи является распознавание сцен – поиск соответствия между наблюдаемыми объектами и объектами, нанесенными на карту местности (семантическая карта). Предлагаются два метода, использующие определение геометрических особенностей на наблюдаемой сцене и поиск их на карте с помощью различных подходов на графах. Предложенный способ определения отношений между объектами, использующийся в обоих методах, позволяет учитывать погрешности оценки расстояний бортовыми сенсорами. Помимо использования гео-метрических особенностей в работе также рассматривается применение нейросетевых моделей, которые формируют вектор признаков по изображению, тем самым позволяя определить их визуальное сходство. Визуальное сходство используется для нормирования и оценки результатов, полученных предложенными методами на основе графовых подходов. Кроме того, был модифицирован открытый набор данных KITTI-360 для оценки точности решения задач распознавания сцен. Эксперименты на полученном наборе дан-ных продемонстрировали, что предлагаемый подход, сочетающий геометрические особенности и визуальное сходство, значительно повышает точность рассмотренных методов распознавания сцен. По результатм экспериментов сформированы некоторые рекомендации по использованию данных подходов на практике.