МЕТОД УМЕНЬШЕНИЯ ДЕЙСТВИЯ СЛУЧАЙНОЙ КОМПОНЕНТЫ ДЛЯ КОРОТКИХ ОДНОМЕРНЫХ ДАННЫХ, ФОРМИРУЕМЫХ СЕНСОРНЫМИ СИСТЕМАМИ
DOI:
https://doi.org/10.17308/sait/1995-5499/2025/4/20-33Ключевые слова:
системы управления, автоматизация, аппроксимация данных, векторное представление сигналов, шумы, первичная обработка, фильтрация данныхАннотация
Создание промышленных систем в рамках концепции «Индустрия 4.0» невозможно без развития автоматизации. Анализ информационных параметров, формируемых сенсорными блоками, позволяет осуществить контроль перемещения компонент роботов, а в случае машинного зрения — произвести определение пространственных координат объектов и элементов. Анализ изменения положения материальной точки в пространстве и прогноз её движения в условиях отсутствия априорной информации о процессе является актуальной задачей, решение которой осуществляется на основе машинного обучения или с использованием вычислительных методов. Фиксируемые сенсорными системами параметры, подвержены влиянию помехи. В статье рассмотрен метод предварительной обработки данных, основанный на анализе векторных пространств и формировании оптимального решения по объединённому условию минимизации рас стояния между критериями максимального приближения, монотонности и минимума отклонения разности норм векторов данных. Предложенный подход позволяет уменьшить шум в сигналах для малых выборок. Представлено обобщённое описание последовательности операций с данными, выполняемыми на основе предложенного подхода. Приведено описание применения полученной с помощью разработанного алгоритма программной реализации для обработки натурных данных.
Библиографические ссылки
Bhatt K. A review on emerging applications of IoT and sensor technology for industry 4.0 / K. Bhatt, C. Agrawal, A. Bisen // Wireless Personal Communications. – 2024. – V. 134, No 4. – P. 2371–2389.
Human-machine-interaction in the industry 4.0 eraс / D. Gorecky [et al.] // 12th IEEE in ternational conference on industrial informatics (INDIN). IEEE. – 2014. – P. 289–294.
Nezhmetdinov R. A. Enterprise Development Planning and AI-Based Technological Forecasting / R. A. Nezhmetdinov, M. A. Charuiskaya, I. A. Kovalev // Russian Engineering Research. – 2023. – V. 43, No 10. – P. 1284–1288.
Control techniques for safe, ergonomic, and efficient human-robot collaboration in the digital industry: A survey / S. Proia [et al.] // IEEE Transactions on Automation Science and Engineering. – 2021. – V. 19, No 3. – P. 1798–1819.
Safeea M. On-line collision avoidance for collaborative robot manipulators by adjusting off-line generated paths: An industrial use case / M. Safeea, P. Neto, R. Bearee // Robotics and Autonomous Systems. – 2019. – V. 119. – P. 278–288.
Tuzlukov V. Signal processing noise / V. Tuzlukov // CRC Press. 2018. – 662 с.
Vaseghi S. V. Advanced digital signal processing and noise reduction / S. V. Vaseghi // John Wiley & Sons. – 2008. – C. 509.
Ayzenberg V. Skeletal descriptions of shape provide unique perceptual information for object recognition / V. Ayzenberg, S. F. Lourenco // Scientific reports. – 2019. – V. 9, No 1. – P. 9359.
Trinh N. H. Skeleton search: Category-specific object recognition and segmentation using a skeletal shape model / N. H. Trinh, B. B. Kimia // International Journal of Computer Vision. – 2011. – V. 94, No 2. – P. 215–240.
Action recognition for the robotics and manufacturing automation using 3-D binary micro-block difference / V. Voronin [et al.] //The International Journal of Advanced Manufacturing Technology. – 2021. – V. 117, No 7. – P. 23192330.
Колмогоров А. Н. Элементы теории функций и функционального анализа / А. Н. Колмогоров, С. В. Фомин. – М. : Наука, 1989. – 624 c.
BM3D image denoising with shape-adaptive principal component analysis / K. Dabov [et al.] //SPARS’09-Signal Processing with Adaptive Sparse Structured Representations. – 2009.
Identification of local features on a group of images obtained in different electromagnetic ranges / E. Semenishchev [et al.] // Signal Processing, Sensor/Information Fusion, and Target Recognition XXIX. – SPIE. – 2020. – V. 11423. – P. 98–106.
Image denoising using a combined criterion / E. Semenishchev [et al.] // Mobile Multimedia/Image Processing, Security, and Applications 2016. – SPIE. – 2016. – V. 9869. – P. 96–102.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
