Детальная информация

Название Применение машинного обучения к выявлению сбоев и ошибок для управления роботом-манипулятором: выпускная квалификационная работа бакалавра: направление 15.03.06 «Мехатроника и робототехника» ; образовательная программа 15.03.06_01 «Проектирование и конструирование мехатронных модулей и механизмов роботов» = The application of machine learning to identifyfailures and errors for controlling a robotic arm
Авторы Джураев Матвей Олегович
Научный руководитель Третьяков Дмитрий Алексеевич
Организация Санкт-Петербургский политехнический университет Петра Великого. Институт машиностроения, материалов и транспорта
Выходные сведения Санкт-Петербург, 2025
Коллекция Выпускные квалификационные работы ; Общая коллекция
Тематика робот-манипулятор ; машинное обучение ; алгоритм ; аномалия ; ошибка ; сбой ; python ; управление ; it-технологии ; оператор ; система мониторинга ; временной ряд ; визуализация ; классификация ; безопасный режим ; robot-manipulator ; machine learning ; algorithm ; anomaly ; error ; failure ; management ; it-technology ; operator ; monitoring system ; time series ; visualization ; classification ; safe mode
Тип документа Выпускная квалификационная работа бакалавра
Язык Русский
Уровень высшего образования Бакалавриат
Код специальности ФГОС 15.03.06
Группа специальностей ФГОС 150000 - Машиностроение
DOI 10.18720/SPBPU/3/2025/vr/vr26-6353
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Дополнительно Новинка
Ключ записи ru\spstu\vkr\46027
Дата создания записи 11.11.2026

Разрешенные действия

–

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет

Данная работа посвящена применению машинного обучения для выявления сбоев в работе робота-манипулятора и разработке прототипа системы мониторинга, способной в реальном времени выявлять потенциальные ошибки и переходить в безопасный режим работы. Задачи, которые решались в ходе исследования: 1. Анализ существующих методов выявления сбоев и ошибок. 2. Анализ и предобработка исходных данных. 3. Реализация и сравнение моделей классификации для различных этапов работы манипулятора. 4. Выделение критериев для перехода системы в безопасный режим или режим аварийной остановки. 5. Разработка интерфейса визуализации для демонстрации предсказаний и реакций системы мониторинга в симулированном реальном времени. В качестве исходных данных использовался открытый датасет, содержащий сигналы с шестиосевого датчика силы/момента, записанные с частотой 50 Гц. Для классификации применялись различные методы машинного обучения. Для демонстрации был реализован веб-интерфейс с возможностью симуляции сигналов, отображения графиков, перехода в безопасный режим и аварийной остановки при обнаружении сбоев. Интерфейс также отображает пояснения к каждому типу сбоя и ведет журнал событий.

This work is devoted to the application of machine learning to identify failures in the operation of a robotic arm and to develop a prototype monitoring system capable of detecting potential errors in real time and switching to a safe mode of operation. Tasks that were solved during the research: 1. Analysis of existing methods for detecting failures and errors. 2. Analysis and preprocessing of the source data. 3. Implementation and comparison of classification models for different stages of manipulator operation. 4. Identification of criteria for switching the system to safe mode or emergency shutdown mode. 5. Development of a visualization interface for demonstrating predictions and reactions of the monitoring system in simulated real time. An open dataset containing signals from a six-axis force/torque sensor recorded at a frequency of 50 Hz was used as the initial data. Various machine learning methods were used for classification. For the demonstration, a web interface was implemented with the ability to simulate signals, display graphs, switch to safe mode and emergency stop when failures are detected. The interface also displays explanations for each type of failure and keeps an event log.

Место доступа Группа пользователей Действие
Локальная сеть ФБ СПбПУ Все
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
Интернет Анонимные пользователи
...