Вы используете устаревший браузер.
Чтобы использовать все возможности сайта, загрузите и установите один из этих браузеров:
Google ChromeOperaSafariMozilla FirefoxInternet explorer 8Internet explorer 9

ВНИМАНИЕ!

Новый адрес редакций журналов Колодезный пер., 2 А.

ООО «Издательство «Инновационное машиностроение»

КНИГИ Прайс-лист
ЖУРНАЛЫ Прайс-лист

Все статьи автора в журнале: Мансуров Р.Ш.

  1. Модульное проектирование станочного оборудования как киберфизических систем на основе искусственного интеллекта и облачных технологий для цифровых производств
    Modular design of machine-tool equipment as cyber-physical systems based on artificial intelligence and cloud technologies for digital productions

    Номер: 2019 / 01

    Кабалдин Ю.Г. | Kabaldin Yu.G. | Шатагин Д.А. | Shatagin D.A. | Колчин П.В. | Kolchin P.V. | Мансуров Р.Ш.Mansurov R.Sh.

    Авторы статьи
    Authors

    Кабалдин Ю.Г.
    Kabaldin Yu.G.

    Шатагин Д.А.
    Shatagin D.A.

    Колчин П.В.
    Kolchin P.V.

    Мансуров Р.Ш.
    Mansurov R.Sh.


    Модульное проектирование станочного оборудования как киберфизических систем на основе искусственного интеллекта и облачных технологий для цифровых производств

    Предложено модульное многоэтапное проектирование станочного оборудования как киберфизических систем с использованием искусственного интеллекта и облачных технологий.


    Ключевые слова

    станочная система, модульное проектирование, искусственный интеллект, облачная технология, киберфизическая система

    Modular design of machine-tool equipment as cyber-physical systems based on artificial intelligence and cloud technologies for digital productions

    A modular multi-stage design of machine-tool equipment as cyber-physical systems using artificial intelligence and cloud technologies is proposed.


    Keywords

    machine tool system, modular design, artificial intelligence, cloud technology, cyber-physical system

  2. Концепция цифрового двойника металлообрабатывающего оборудования с применением методов машинного обучения в задаче вибродиагностики
    The concept of a digital twin of metalworking equipment using machine learning methods in the problem of vibration diagnostics

    Номер: 2025 / 12

    Манцеров С.А. | Mantserov S.A. | Желонкин М.В. | Jelonkin M.V. | Шатагин Д.А. | Shatagin D.A. | Мансуров Р.Ш. | Mansurov R.Sh. | noreas@mail.runoreas@mail.ru

    Авторы статьи
    Authors

    Манцеров С.А.
    Mantserov S.A.

    Желонкин М.В.
    Jelonkin M.V.

    Шатагин Д.А.
    Shatagin D.A.

    Мансуров Р.Ш.
    Mansurov R.Sh.

    noreas@mail.ru
    noreas@mail.ru


    Концепция цифрового двойника металлообрабатывающего оборудования с применением методов машинного обучения в задаче вибродиагностики

     

    УДК 621.9:620.179:004.852

    DOI: 10.36652/0042-4633-2025-104-12-1042-1050

     

    Разработана концепция интеллектуальной системы вибродиагностики технологического оборудования на основании архитектуры цифрового двойника, использующей методы машинного обучения и интегрированной с российскими и международными стандартами. Показаны возможности комплексной оценки технического состояния оборудования на основании мультипараметрических данных и прогноза остаточного ресурса методами машинного обучения и анализа трендов деградации.


    Ключевые слова

    оборудование, техническое обслуживание, вибродиагностика, безразборная диагностика, адаптивный цифровой двойник, динамический паспорт, искусственные нейронные сети, предиктивная аналитика, интеллектуальный мониторинг, мультипараметрический анализ, алгорит

    The concept of a digital twin of metalworking equipment using machine learning methods in the problem of vibration diagnostics

    The concept of an intelligent vibration diagnostics system for technological equipment is developed based on a digital twin architecture, employing machine learning methods and integrated with Russian and international standards. The capabilities of a comprehensive assessment of the technical condition of equipment based on multiparametric data and residual service life prediction using machine learning methods and degradation trend analysis are shown.


    Keywords

    equipment, maintenance, vibration diagnostics, in-place diagnostics, adaptive digital twin, dynamic passport, artificial neural networks, predictive analytics, intelligent monitoring, multiparametric analysis, machine learning algorithms

Идет загрузка
НАЗАД
Для перехода на предыдущую страницу используйте эту кнопку