Авторы |
Юрий Трифонович Зырянов, доктор технических наук, профессор, профессор кафедры конструирования радиоэлектронных и микропроцессорных систем, Тамбовский государственный технический университет (Россия, г. Тамбов, ул. Советская, 106), E-mail: zut-tmb@mail.ru
Давид Шалвович Калхиташвили, старший аналитик Дирекции данных, Российская академия народного хозяйства
и государственной службы при Президенте Российской Федерации (Россия, г. Москва, пр-кт Вернадского, 82/2), E-mail: davidkalkhitashvili@gmail.com
Сергей Петрович Хрипунов, доктор технических наук, профессор, ведущий научный сотрудник, Институт проблем управления имени В. А. Трапезникова Российской академии наук (Россия, Москва ул. Профсоюзная, 65), E-mail: hsp61@yandex.ru
|
Аннотация
|
Актуальность и цели. В рамках современной парадигмы цифровой трансформации общества и бурного роста количества цифровых технологий внедрение Интернета вещей (IoT) происходит во все сферы жизни человека. Данные технологии применяются в промышленном секторе экономики и в частной жизни. Разработка и внедрение Интернета вещей – это парадигма, заключающаяся в разработке связанных между собой технических объектов при помощи различных методов и протоколов связи, с передачей данных в облачный центр. Данная технология имеет ряд ограничений: в виде объема памяти, электрического заряда и низкой эффективности процессора. Второе ограничение – отсутствие алгоритмов машинного обучения. В связи с этим требуются новые методы и инженерные подходы для решения данной проблемы. Цель статьи – разработка архитектуры прототипа микроконтроллера для контроля технического состояния информационно-измерительных и управляющих систем на основе концепции Интернета вещей и алгоритмов машинного обучения для обработки многопоточных источников данных. Материалы и методы. В качестве объекта исследования выступает архитектура микроконтроллера Интернета вещей. Для решения поставленной задачи применен метод системного подхода. Результаты. Разработана архитектура интеллектуального микроконтроллера с использованием шины для шлюзов, а также с применением технологии MEMS и алгоритмов машинного обучения. Выводы. Данный подход позволяет обрабатывать многопоточные данные в динамическом режиме с применением алгоритмов машинного обучения, используемые в парадигме Интернета вещей, для разработки алгоритмов контроля технического состояния информационно-измерительных и управляющих систем.
|