Библиографическое описание:ПРИМЕНЕНИЕ МЕТОДОВ КЛАССИФИКАЦИИ ВРЕМЕННЫХ РЯДОВ ПРИ ОПЕРАТИВНОМ КОНТРОЛЕ ХОДА ВЫПОЛНЕНИЯ ТЕХНОЛОГИЧЕСКИХ ОПЕРАЦИЙ : научное издание / Е. А. Спирин [и др.]. - Текст : непосредственный // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. - 2023. - № 4. - С. 78-86. - ISSN 2414-9187, DOI 10.18137/RNU.V9187.23.04.P.78.
Аннотация:Работа посвящена практической апробации методов машинного обучения для реализации автоматизированного оперативного контроля выполнения технологической операции. В качестве объекта исследования выбрана технологическая операция затягивания винтового соединения. Для реализации автоматического контроля рассмотрено решение задачи классификации последовательности данных, получаемых в ходе выполнения операций. Особенностью задачи является ограниченный набор данных, используемых в обучении и тестировании нейронных сетей. Выполнен обзор источников и сравнительный анализ эффективности обучения и применения нейронных сетей с рекуррентной и сверточной архитектурами. Экспериментальные исследования выполнены на роботизированном стенде с применением прототипа завинчивающего устройства авторской конструкции. На основе результатов тестирования рассмотренных моделей предложена архитектура нейронной сети, обеспечивающая оптимальное соотношение между точностью и скоростью ее работы.
The work discusses the practical testing of machine learning methods for the implementation of automated operational control of technological operation. The technological operation of tightening the screw connection was chosen as the object of research. To implement automatic control, the solution of the problem of classifying the sequence of data obtained during the execution of operations is considered. The distinctive feature of the task is a limited set of data used in training and testing neural networks. The authors have performed a review of sources and a comparative analysis of the effectiveness of training and the use of neural networks with recurrent and convolutional architectures. The experimental studies were carried out on a robotic stand using a prototype of a screw-down device of the authors’ design. Based on the test results of the considered models, a neural network architecture is proposed that provides an optimal ratio between accuracy and speed of its operation.
