Аннотация: Представлен анализ различных кинематических схем 3D-принтеров, определяющих, каким образом перемещение моторов будет сказываться на перемещении рабочей каретки относительно изделия. Проведен сравнительный анализ кинематических схем, в результате исследования интегрированы результаты анализа различных источников, полученные в ходе работы выводы обоснованы. Проведено абстрагирование и согласование описаний и визуального представления кинематических схем от классических решений до новых, остающихся в рамках опытного образца. На основании полученных результатов проведено обобщение, позволяющее сделать выводы о тенденциях развития научного направления. Приведены рекомендации к разработке обобщенной математической модели механизма перемещения рабочего инструмента. Практическая значимость работы состоит в улучшении характеристик устройств и качества печати, а также снижении затрат на производство благодаря оптимизации процессов проектирования; кроме того, описание математической модели позволит ускорить создание цифровых двойников и адаптацию устройств к новым технологиям; также результаты исследования могут найти применение для обучения и развития кадров.

Аннотация: Рассмотрено решение одной из сложных проблем, связанных с организацией коллективного поведения автономных интеллектуальных роботов, когда для выполнения сложного подзадания на заданном участке проблемной среды, полученного в результате разбиения общего задания на автономные подзадачи, требуется привлечение нескольких роботов для совместной целенаправленной деятельности. Разработаны различные по возможностям, назначению и структуре элементы представления знаний интеллектуальных роботов безотносительно к конкретной предметной области, обеспечивающие возможность организации поиска решения различных по сложности подзадач в условиях неопределенности. В частности, планирование совместной целенаправленной деятельности нескольких роботов на основе фрейм-микропрограмм поведения, определяющих решение элементарных типовых подзадач, позволяет существенным образом сократить пространство поиска за счет определения ряда результативных действий для различных интеллектуальных агентов на каждом шаге поиска решения сложных подзадач. В свою очередь, планирование совместной целенаправленной деятельности интеллектуальных роботов на основе фреймов отношений и действий, а также микропрограмм поведения, связанных с переводом определенных объектов из текущего в заданное состояние при необходимости устранения отдельных различий между исходной и целевой ситуацией проблемной среды, обеспечивает гибкость поиска решения различных по сложности подзадач. Это достигается за счет того, что предложенные инструментальные средства вывода решений позволяют различным по числу роботов группам эффективным образом планировать совместную целенаправленную деятельность, связанную с решением закрепленных за ними подзадач путем рационального сочетания между собой различных по назначению элементов модели представления знаний. Основными же операциями, проводимыми в процессе вывода решений, являются операции определения нечеткого вложенного равенства и нечеткого равенства между собой различных семантических сетей. В целом разработанная модель представления и обработки знаний дает возможность создавать решатели задач, позволяющие организовать совместную целенаправленную деятельность интеллектуальных роботов в процессе решения различных по сложности задач и подзадач в априори неописанных проблемных средах.

Аннотация: Решается задача построения и оценивания предельных множеств достижимости и 0-управляемости для линейных систем с дискретным временем и геометрическими ограничениями на управление, где множество достижимости состоит из тех терминальных состояний, в которые систему можно перевести из начала координат за любое конечное число шагов, а множество 0-управляемости состоит из тех начальных состояний, из которых систему можно перевести в начало координат за любое конечное число шагов. Для класса периодических систем получается построить искомые множества явным образом. Если рассматриваемая линейная система является почти периодической, т. е. ее матрица обладает только комплексными некратными собственными значениями, удается получить внешние оценки предельных множеств достижимости и 0-управляемости произвольного порядка точности в смысле расстояния Хаусдорфа. Особенностью данных оценок является то, что скорость их сходимости не зависит от спектрального радиуса матрицы системы, а определяется лишь точностью аппроксимации почти периодических уравнений динамики некоторыми периодическими. Эффективность разработанных теоретических методов демонстрируется на примере системы демпфирования высотного сооружения, расположенного в зоне сейсмической активности. В качестве физической модели рассматривается последовательность материальных точек, связанных между собой упругими и демпфирующими связями. Управление предполагается кусочно-постоянным и ограниченным по мощности, что позволяет дискретизировать изначально непрерывную систему. Для полученной таким образом дискретной системы строится внешняя оценка предельного множества достижимости. Результаты расчетов представлены численно и графически.

Аннотация: Рассматривается задача аналитического конструирования оптимальных регуляторов (АКОР) в постановке Летова—Калмана для устойчивых одноканальных объектов высокого порядка, движение которых описывается системой дифференциальных уравнений с непрерывными нелинейностями от фазовых координат объекта при линейном вхождении сигнала управления. Исследуемый класс объектов управления является относительно широким для приложений, например, он включает в себя большинство устройств электромеханики. Предложенный метод синтеза оптимальных регуляторов для объектов указанного класса основан на использовании известного оптимального алгоритма управления нелинейным объектом первого порядка. Для этого исходное описание объекта высокого порядка преобразуется к условно эквивалентной модели объекта первого порядка с использованием так называемой агрегированной переменной (макропеременной) объекта (используется терминология А. А. Колесникова), представляющей собой определенную функцию от вектора состояния исходного объекта. Для адекватности моделей объекта эта функция должна удовлетворять соответствующему линейному уравнению в частных производных, решение которого может быть найдено известными методами. Допустимое множество таких функций определяет целое множество просто вычисляемых, аналитических алгоритмов управления исходным объектом. Предлагаются способы определения макропеременной, обеспечивающие устойчивость замкнутой системы управления и ее оптимальность по соответствующему функционалу качества.

Аннотация: Рассматривается задача автоматизации прогнозирования аварийных ситуаций в системах управления с использованием методов на основе искусственного интеллекта. В качестве примера рассмотрено управление работой скважины, при котором прогнозирование аварийных ситуаций выполняется на основе обработки больших объемов данных, представляющих собой показания датчиков системы телеметрической информации подъемных агрегатов, а также регулярной информации о событиях на скважине. Для обработки массивов данных предлагается применять рекуррентную нейронную сеть. Построена математическая модель, на основе которой разрабатывается структурная модель прототипа программы прогнозирования с интеграцией данных и знаний. Разрабатана концептуальная схема архитектуры программы на основе нейронной сети для автоматизации прогнозирования аварийных ситуаций в системах управления, построена информационная модель, описан принцип работы программы, реализованной на языке программирования Python с использованием библиотек Pandas и PyTorch. Приводятся полученные результаты и метрики, согласно которым идентифицируются данные для решения смежных задач — соотнесения аварийных ситуаций с конкретными бригадами и типами ремонтов. Рассматриваются типы нейронных сетей, которые предназначены для решения конкретных задач: рекуррентные нейронные сети (Recurrent Neural Networks, RNN), сверточные нейронные сети (Convolutional Neural Networks, CNN), долгосрочная краткосрочная память (Long Short-Term Memory, LSTM). Разработка программы на основе нейронной сети для автоматизации прогнозирования аварийных ситуаций в системах управления представляет собой важный инструмент для повышения безопасности, снижения рисков и оптимизации производственных процессов в нефтегазовой отрасли.