Багатоагентна система автоматичного керування сучасним електроприводом в епоху Індустрії 4.0
Анотація
Анотація: Індустрія 4.0 характеризується застосуванням взаємопов'язаних інтелектуальних систем, здатних до обміну даними в режимі реального часу, розподіленого прийняття рішень та автоматизації. Електропривід є одним з основних компонентів для реалізації обертового та поступального руху в складних електромеханічних системах, таких як Кібер-Фізичні Системи. Сучасний розвиток технологій призводить до все більшого проникнення інформаційних технологій на різні рівні електромеханічних систем, в тому числі систем електроприводу. Як демонструють дослідження, вбудовані комп’ютерні системи мають широке застосування в системах автоматизації. В той же час, застосування цифрових двійників робить електроприводи об’єктом моделювання та призводить до необхідності комунікації в режимі реального часу для контролю стану електроприводів та оптимізації їх роботи. Необхідність розподіленого прийняття рішень, при виконанні складних технологічних процесів в умовах невизначеності зовнішніх впливів на систему, вимагає переходу від жорстко заданої логіки керування електроприводом до адаптивної та інтелектуальної систем керування. Для цього в поточному дослідженні пропонується побудова інтелектуальної системи автоматичного керування сучасного електропривода з застосуванням багатоагентної моделі керування. Запропонований підхід в побудові системи автоматичного керування надає гнучкості системі керування в реалізації інтелектуальних алгоритмів керування, адаптивності під умови застосування та можливості безперервної оптимізації завдяки застосуванню елементів штучного інтелекту.
Посилання
2. Rupp, M., Schneckenburger, M., Merkel, M., Börret, R. and Harrison, D.K. (2021). Industry 4.0: A Technological-Oriented Definition Based on Bibliometric Analysis and Literature Review. Journal of Open Innovation: Technology, Market, and Complexity, 7(1), p.68. doi:https://doi.org/10.3390/joitmc7010068.
3. Mutua, E. (2024). Cyber-Physical Systems and Their Role in Industry 4.0. Journal of Technology and Systems, [online] 6(5), pp.57–69. doi: https://doi.org/10.47941/jts.2149.
4. Merayo, D., Rodríguez-Prieto, A. and Camacho, A.M. (2019). Comparative analysis of artificial intelligence techniques for material selection applied to manufacturing in Industry 4.0. Procedia Manufacturing, 41, pp.42–49. doi:https://doi.org/10.1016/j.promfg.2019.07.027.
5. Oks, S.J., Jalowski, M., Lechner, M., Mirschberger, S., Merklein, M., Vogel-Heuser, B. and Möslein, K.M. (2022). Cyber-Physical Systems in the Context of Industry 4.0: A Review Categorization and Outlook. Information Systems Frontiers, 26. doi:https://doi.org/10.1007/s10796-022-10252-x.
6. Penas, O., Plateaux, R., Patalano, S. and Hammadi, M. (2017). Multi-scale approach from mechatronic to Cyber-Physical Systems for the design of manufacturing systems. Computers in Industry, 86, pp.52–69. doi:https://doi.org/10.1016/j.compind.2016.12.001.
7. Afolalu, S.A., Ikumapayi, O.M., Abdulkareem, A., Soetan, S.B., Emetere, M.E. and Ongbali, S.O. (2021). Enviable roles of manufacturing processes in sustainable fourth industrial revolution – A case study of mechatronics. Materials Today: Proceedings. doi:https://doi.org/10.1016/j.matpr.2021.01.099.
8. Mutaz Ryalat, Franco, E., Hisham Elmoaqet, Natheer Almtireen and Ghaith Alrefai (2024). The Integration of Advanced Mechatronic Systems into Industry 4.0 for Smart Manufacturing. Sustainability, 16(19), pp.8504–8504. doi:https://doi.org/10.3390/su16198504.
9. Chen, J.-Y., Tai, K.-C. and Chen, G.-C. (2017). Application of Programmable Logic Controller to Build-up an Intelligent Industry 4.0 Platform. Procedia CIRP, 63, pp.150–155. doi:https://doi.org/10.1016/j.procir.2017.03.116.
10. Folgado, F.J., Calderón, D., González, I. and Calderón, A.J. (2024). Review of Industry 4.0 from the Perspective of Automation and Supervision Systems: Definitions, Architectures and Recent Trends. Electronics, [online] 13(4), p.782. doi:https://doi.org/10.3390/electronics13040782.
11. Raspberry Pi. (2025). Success stories - Raspberry Pi. [online] Available at: https://www.raspberrypi.com/success-stories/?industry%5B0%5D=industrial-automation [Accessed 22 Jan. 2026].
12. Fett, M., Wilking, F., Goetz, S., Kirchner, E. and Sandro Wartzack (2023). A Literature Review on the Development and Creation of Digital Twins, Cyber-Physical Systems, and Product-Service Systems. Sensors, [online] 23(24), pp.9786–9786. doi:https://doi.org/10.3390/s23249786.
13. Li, X., Niu, W. and Tian, H. (2024). Application of Digital Twin in Electric Vehicle Powertrain: A Review. World Electric Vehicle Journal, [online] 15(5), p.208. doi:https://doi.org/10.3390/wevj15050208.
14. Mohsen Ebadpour, Mohammad (Behdad) Jamshidi, Talla, J., Hamed Hashemi-Dezaki and Peroutka, Z. (2023). Digital Twin Model of Electric Drives Empowered by EKF. Sensors, 23(4), pp.2006–2006. doi:https://doi.org/10.3390/s23042006.
15. Liang, S., Jin, S. and Chen, Y. (2024). A Review of Edge Computing Technology and Its Applications in Power Systems. Energies, [online] 17(13), p.3230. doi:https://doi.org/10.3390/en17133230.
16. Yusuf Izmirlioglu, Pham, L., Son, T.C. and Enrico Pontelli (2024). A Survey of Multi-Agent Systems for Smartgrids. Energies, [online] 17(15), pp.3620–3620. doi:https://doi.org/10.3390/en17153620.
17. Jia, L. and Pei, Y. (2025). Recent Advances in Multi-Agent Reinforcement Learning for Intelligent Automation and Control of Water Environment Systems. Machines, 13(6), p.503. doi:https://doi.org/10.3390/machines13060503.
