Публикации автора

Повышение эффективности и безопасности летательных аппаратов напрямую связано с совершенствованием систем автоматического управления (САУ) их газотурбинных двигателей (ГТД). Ключевая проблема при этом состоит в том, что ГТД является переопределенным объектом, где количество управляющих воздействий (расход топлива) меньше числа регулируемых выходных параметров (частота вращения, температура и др.). Традиционным решением данной проблемы является использование селектора – функционального элемента, выбирающего в каждый момент времени один, наиболее критичный канал управления. Однако этот подход обладает недостатками: скачкообразным переключением между каналами, явлением «дребезга», ухудшением качества переходных процессов и невозможностью учета требований всех контуров одновременно. В статье проводится сравнительный анализ эволюции методов, направленных на преодоление недостатков селекторного управления. Рассматриваются адаптивный селектор, в котором введены дополнительные контуры сигнальной самонастройки для согласования моментов переключения, и адаптивный нечеткий групповой регулятор (АНГР), заменяющий дискретную логику на нечеткую. В качестве принципиально нового подхода предлагается использование пороговой модели коллективного поведения (ПМКП). Данная модель интерпретирует каждый контролируемый параметр как автономного агента, принимающего бинарное решение на основе влияния соседних агентов и собственного порога. Это позволяет перейти от селектирования к кооперативному взаимодействию, одновременно учитывая требования всех каналов управления. Результаты моделирования, проведенного в среде MATLAB Simulink, демонстрируют преимущества ПМКП перед традиционными методами по таким показателям качества, как перерегулирование и время переходного процесса. Делается вывод о перспективности применения мультиагентных пороговых моделей для построения интеллектуальных групповых регуляторов ГТД

В рамках образовательной технологии 4.0 представлено инновационное решение для стоматологического образования - антропоморфный стоматологический симулятор, сочетающий в себе преимущества робототехники, виртуальной и дополненной реальности. Интеграция шестиосевого робота-манипулятора KUKA с виртуальной средой Unity обеспечивает высокую степень реалистичности при моделировании стоматологических процедур. Использование нейронных сетей позволяет объективно оценивать качество выполнения задач студентами, анализируя видеопоток с камер, установленных внутри ротовой полости симулятора. Целью исследования является построение элементов образовательной среды на базе технологии 4.0 на основе геймификации и использования аватаров. Научная новизна исследования заключается в уникальном сочетании промышленного робота, VR/AR технологий и искусственного интеллекта для создания персонализированной и интерактивной обучающей среды. Методика разработки включает создание виртуальной модели челюсти, программирование робота для выполнения точных движений, обучение нейронных сетей на большом объеме данных. Результаты показали, что разработанный симулятор значительно повышает эффективность обучения, сокращает время адаптации студентов и позволяет проводить объективную оценку их навыков. Перспективы развития включают интеграцию с другими медицинскими симуляторами, создание адаптивных учебных программ и применение искусственного интеллекта для более глубокого анализа данных обучения. Примеры, представленные в статье, подтверждают эффективность предложенного подхода и открывают новые перспективы в разработке инновационных обучающих симуляторов для стоматологии. Антропоморфный стоматологический симулятор, представленный в статье, позволяет применять технологии дополненной реальности в обучении стоматологов в дистанционном режиме, а также проводить симуляцию различных заболеваний, что значительно улучшит практическую подготовку преподавателей и студентов к работе с пациентами.

Рассмотрены основные принципы распознавания образов на основе сети неокогнитрон, а также общая структура сети и принципы ее функционирования. Приведены примеры ее работы и анализ полученных результатов.

Представлен алгоритм работы дополнительного преобразующего слоя в сети на основе “неокогнитрона”. Ранее авторы рассматривали общий принцип работы данного вида сети. Описанный метод улучшает работу сети путем дополнительного преобразования данных. Проведен анализ входных данных при распознавании. Разработан алгоритм, который преобразует данные для более удобного распознавания сети.