Методология синтеза программно-математического обеспечения для память-ориентированных вычислительных систем реального времени тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Зеленский Александр Александрович

• Зеленский Александр Александрович
• доктор наук
• 2026

Оглавление диссертации доктор наук Зеленский Александр Александрович

ВВЕДЕНИЕ

1. ПРОБЛЕМА ОСУЩЕСТВИМОСТИ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ

1.1. Определения и обеспечение доверия к системам управления движением

I I Характеристика и метод определения доверия к системам

управления движением

I I '. Комплексная проблема обеспечения доверия к системам

управления движения

1.2. Акторная модель системы в рамках теории множеств

1.2.1. Вычислимость, разрешимость и перечислимость

1.2.2. Обеспечение в акторах вычислимости функций

1.3. Проблема реализуемости систем управления движением

в реальном времени

1.3.1. Реализуемость управления движением

1.3.2. Конфигурирование память-ориентированной системы

управления движением

1.3.1. Портовость акторов: определение требований и минимизация

1.4. Формальная теория систем реального времени

I ! Постановка задачи

1.1.5. Символы и выражения

1.1/1. Аксиома и формулы

1.5. Расширение аксиоматики формальной теории

систем реального времени

1.5.1. Постановка задачи

1.5.2. Вычислимость функций в реальном времени

1.5.3. Аксиома о частично-рекурсивности функций акторов

1.5.1. Аксиома о примитивно-рекурсивности функций конфигурирования

1.5.5. Реализуемость адаптивного динамического конфигурирования

1.6. Вычислительная сложность в реальном времени

I А 1. Показатели вычислительной сложности

1,0,2. Оценка показателей вычислительной сложности

1,3. Достижимость вычислимости алгоритмов в реальном времени

I.(>.■ 1. Оптимальная техническая реализация конфигурации алгоритма

1.7. Представление характеристической функции

1.8. Выводы по первой главе

2. ПАМЯТЬ-ОРИЕНТИРОВАННЫЕ ДОВЕРЕННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ДВИЖЕНИЕМ РЕАЛЬНОГО ВРЕМЕНИ

2.1. Методология синтеза системы управления движением

реального времени

2.2. Определение архитектуры доверенной системы управления движением реального времени

2.2.1. Постановка задачи

2.2.2 Концептуальная модель системы управления движением

2.2. V Инструментальная модель системы управления движением

2.3. Методы синтеза подсистем доверенных память-ориентированных систем управления движением

2. V 1. Постановка задачи

2 V 1 Требования к ядру, общей памяти и коммуникационной сети

2 V 2 Метод синтеза подсистем интеллектуального блока

2..V.i. Метод синтеза подсистем исполнительного блока

2.4. Программирование доверенной память-ориентированной системы управления движением

2.1.1. Постановка задачи

2.1.2 Требования к программированию систем управления движением с

память-ориентированной архитектурой

2.-LV Программирование на языке модульной цифровой системы

2.4.4. Определение специфики интегрированной среды для декларативного

акторного метапрограммирования

2.5. Выводы по второй главе

3. ИНТЕЛЛЕКТУАЛЬНЫЙ БЛОК СИСТЕМЫ УПРАВЛЕНИЯ

ДВИЖЕНИЕМ

3.1. Задачи интеллектуализации управления движением

3.2. Обработка и анализ характеристик одномерных данных

датчиков и сенсоров

2 2.1 Алгоритм параллельной обработки данных

Метод многокритериального сглаживания сигналов с возможностью прогнозирования и интерполяции данных

221 Экспериментальные результаты

3.3. Комплексирование/слияние разнородных данных

3.4. Планирование траектории перемещения рабочего инструмента для привязки базисных систем координат на основе технического зрения

2.4.1. Формирование базисных систем планирования траектории

на основе предсказательных моделей

Формирование метрики визуального качества и построения предсказательной модели

3.5. Интеллектуальное планирование траектории движения исполнительных механизмов робототехнических и мехатронных систем в результате восстановления трехмерных сцен

Л ^. 1. Алгоритм планирования траектории движения исполнительных механизмов робототехнических и мехатронных систем на основе метода одновременной навигации и построения карты

Л . 2. Метод интеллектуального планирования траектории движения исполнительных механизмов робототехнических и мехатронных

систем в результате восстановления трехмерных сцен

V ^. V Экспериментальные результаты

3.6. Управление коллаборативными робототехническими комплексами на основе методов бесконтактного распознавания действий человека

" (1.1. Метод бесконтактного распознавания действий человека

.\fi.2. Экспериментальные результаты

3.7. Контроль качества сварных швов и соединений методами неразрушающего контроля на основе глубинного обучения

Математическая модель дефектов

3.^.2. Метод обнаружения дефектов

Экспериментальные результаты

3.8. Иерархия подсистем интеллектуализации управления движением

3.9. Выводы по третьей главе

4. ИСПОЛНИТЕЛЬНЫЙ БЛОК СИСТЕМЫ УПРАВЛЕНИЯ

ДВИЖЕНИЕМ

4.1. Задачи обеспечения точности и быстродействия исполнения движения рабочего органа

4.2. Объединенная сквозная система формирования оптимального движения

Квазиоптимальная модель параметрической интерполяционной подсистемы геометрического сглаживания сквозной системы планирования непрерывной траектории перемещения исполнительного механизма

4.2.2 Структурно-интегрированная с интерполяционной подсистемой п-ступенчатая модель формирования динамических кривых разгона-торможения в условиях постоянства контурной скорости

4.2.1 Комбинированные сглаживающие методы параметрической

интерполяции сложно-описанного кусочно-линейными отрезками контура сквозной системы планирования непрерывной траектории перемещения исполнительного механизма

4.3. Блок кинематических преобразований

1. .1 1 Двухподвижный механизм

1.12 Тросовый параллельный манипулятор

1.11 Пятиосевой вертикально-фрезерный обрабатывающий центр и

реализация ориентационной системы сглаживания

1.1.1 Промышленный манипулятор и реализация ориентационной системы

сглаживания

4.4. Биективная сквозная система формирования

оптимального движения

4.5. Экспериментальные результаты

4.6. Выводы по четвертой главе

5. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ

ДВИЖЕНИЕМ

5.1. Доверенная система управления движением промышленных роботов и производственных мехатронных комплексов

5.1.1. Разработка память-центрического акторного контроллера движения реального времени промышленных роботов и производственных мехатронных комплексов с интегрированной программируемой-логической подсистемой электроавтоматики

5.1.2. Практическая реализация межмодульного взаимодействия подсистем функциональных блоков память-ориентированной

системы управления

Практическая реализация универсального прецизионного сервопривода память-ориентированной системы управления

Практическая реализация программных средств конфигурации память-ориентированной системы управления движением и программирования промышленных роботов и мехатронных комплексов контурной обработки

5.1.5. Оценка времени захвата данных системы управления движением

5.2. Натурные испытания многофункциональной системы управления реального времени

5.2.1. Натурные испытания группы серийных станков с

разработанной системой управления

Натурные испытания группы промышленных роботов с разработанной системой управления

Натурные испытания группы уникальных производственных мехатронных комплексов

5.3. Выводы по пятой главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложения

А. Результаты испытаний на промышленном оборудовании

А.1. Результаты испытания пятикоординатной обработки на центре

S500U (Деталь «А»)

А.2. Результаты испытания пятикоординатной обработки на центре

S500U (Деталь «Б»)

А.3. Результаты испытания пятикоординатной обработки на центре

СТАН S500 «Графит»

Б. Акты о внедрении результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Методология синтеза программно-математического обеспечения для память-ориентированных вычислительных систем реального времени»

ВВЕДЕНИЕ

Актуальность работы. Важной тенденций развития мировой и отечественной наукоемкой промышленности является возрастающая потребность в использовании программно-математического обеспечения, предназначенного для создания вычислительных систем и технологических комплексов, функционирующих в реальном масштабе времени.

Создание такого класса программно-математического обеспечения предъявляет особые требования к согласованности используемых методов, алгоритмов, протоколов и языков программирования, используемых на разных уровнях организации вычислительных процессов.

В совокупности эти требования характеризуют удельные показатели сложности прикладного программного обеспечения, обусловленные скоростью протекания реальных физических процессов и выражаемые через размер кода исполняемых алгоритмов, объем и разрядность обрабатываемых данных. К программам и программным системам, работающим в реальном масштабе времени, также предъявляются повышенные требования по уровню функциональной надежности и информационной безопасности, гарантирующие высокую степень уверенности, что процессы реализации алгоритмов прикладного уровня будут выполняться без искажений.

В целом, все перечисленные выше требования могут быть удовлетворены при соответствующей организации архитектуры аппаратного обеспечения и прикладных программ, позволяющей снять существующие ограничения роста производительности вычислений, известные как стена памяти, стена частоты и стена мощности. При этом следует учитывать, что хотя при использовании современных многоядерных многопотоковых процессоров пиковая производительность вычислений, оцениваемая числом операций в единицу времени, повышается, однако при этом также растут фазовые и временные отклонения, приводящие к рассинхронизации вычислительных процессов, протекающих в режиме реального времени. Использование императивного под-

хода для синтеза программного обеспечения вычислительных систем с ограничениями на пропускную способность и число каналов доступа к памяти приводит к неконтролируемому росту задержек в решении прикладных задач.

Поэтому актуальной становится задача создания специального программно-математического обеспечения для вычислительных технологических комплексов, работающих в режиме реального времени. При этом используемая в них электронная компонентная база не должна иметь недекларируемых аппаратно-программных возможностей и должна быть технологически доступной для отечественной микроэлектронной промышленности.

В диссертации разработана методология синтеза соответствующего указанным требованиям математического и программного обеспечения память-ориентированных гибридных вычислительных систем и комплексов реального времени. Эти системы и комплексы построены с использованием про-граммно-реконфигурируемых вычислительных подсистем и свёрточных искусственных нейронных сетей, реализующих технологические требования к динамическим параметрам и длительности цикла вычислений с учетом алгоритмической сложности, точности и объема вычислений.

В диссертации на основании выполненных автором исследований предложены новые научно обоснованные технические, технологические и иные решения проблем синтеза и технической реализации вычислительных систем, в том числе систем управления движением для широкого спектра технологического оборудования. Внедрение предлагаемых в диссертации решений внесет значительный вклад в развитие машиностроения страны, в частности, в разработку и производство высокотехнологического оборудования.

Степень разработанности темы исследования. Существенный вклад в создание фундаментальных основ теории формальных систем, теории множеств, математической логики, метаматематики, теории доказательств и общей теории алгоритмов внесли: Д. Гильберт, К. Гёдель, А. Тьюринг, А. Чёрч, Э. Пост, С. Клини, Г. Гентцен, Д. фон Нейман, Ж. Эредиа, Д. Пеано, Б. Рассел, А. Уайтхед, Н. Хомский, Г. Кантор; М. Л. Цетлин, А. А. Марков, А. А. Разбо-

ров, П. С. Новиков, А. Н. Колмогоров. На развитие теории алгоритмов, эффективности вычислительных систем и теории сложности существенное влияние оказали: К. Хьюит, П. Бишоп, М. Блюм, Р. Стиглер, Э. Хоара, Г. Бейкер, М. Онура, Дж. Кок, Л. А. Левин; А. В. Каляев, В. А. Успенский, И. А. Каляев, Л. А. Уткин, В. С. Заборовский. В создание прикладных алгоритмов для вычислительных и управляющих систем реального времени внесли вклад: К. Фу, Р. Гонсалес, К. Ли, Е. П. Попов, Е. И. Юревич, Л. Н. Кошкин, В. В. Солодовни-кова, Ю. В. Подураев, Ю. В. Илюхин, И. М. Макаров, В. С. Кулешов, В. С. Медведев, С. Л. Зенкевич, А. С. Ющенко.

Проведенный анализ работ в данной предметной области выявил необходимость расширения и дополнения фундаментальных представлений о вычислительных системах, в том числе: создания удовлетворяющей существующим требованиям определенности предметно-ориентированной формальной теории, описывающей вычислительные системы реального времени, формирования инструментария достоверной оценки осуществимости вычислительных систем реального времени и разработки комплексной методологии их синтеза.

Конструктивная оценка результатов, достигнутых до настоящего времени, показывает, что задача создания высокопроизводительных систем вычислений в реальном режиме времени на основе существующих компьютерных технологий для широкого спектра прикладных задач производственного характера в полной мере не может быть решена. Поэтому в круг задач исследований, проводимых автором, включено обоснование необходимости разработки новых методов и технологий создания программного и математического обеспечения, работающего в вычислительном поле гибридных память-ориентированных компьютерных систем, построенных на электронной компонентной базе, производимой отечественной микроэлектронной промышленностью.

Целью диссертационного исследования является формирование методологических основ разработки моделей, методов, архитектур, алгоритмов,

форматов, протоколов и программных средств человеко-машинных интерфейсов визуализации, обработки изображений и видеоданных для использования в вычислительных системах реального времени, функционирующих в условиях технологических ограничений.

Для достижения поставленной цели должен быть решен комплекс связанных задач, включая:

1. Создание теоретических основ анализа методов решения целевого множества прикладных задач, формируемых из выполняемого в реальном масштабе времени множества вычислительных функций.

2. Разработку методов формирования структуры и длительности цикла вычисления интерполяционного узла с учетом алгоритмической сложности используемых динамических акторых моделей.

3. Составление комплекса технологических требований к акторным моделям с целью их реализации в память-ориентированных вычислительных системах.

4. Построение архитектуры динамических гибридных память-ориентированных вычислительных систем, используемых для реализации в реальном масштабе времени алгоритмов решения прикладных задач различной сложности, включая задачи линейной и биективной многомерной интерполяции.

5. Конструирование классификационной модели, семантической структуры и модели применения языка, используемого в память-ориентированных системах интерполяционных вычислений.

6. Практическую реализацию вычислений на основе реконфигурируе-мых программируемых логических интегральных схем память-ориентированной гибридной вычислительной системы, использующей промышленные протоколы передачи данных в реальном масштабе времени.

7. Экспериментальные исследования и оценку сложности реализации целевого множества прикладных задач, решаемых в реальном масштабе времени с использованием динамической программно-рекон-фигурируемой предметно-ориентированной акторной модели вычислительной системы.

Объект исследования - целевой комплекс новых научно обоснованных технических, технологических и иных решений предметно-ориентированных сложных вычислительных задач в реальном масштабе времени, внедрение которых вносит значительный вклад в развитие страны в области вычислительных систем управления для широкого спектра технологического оборудования.

Предметом исследования являются модели, методы, архитектуры, алгоритмы и промышленные протоколы межсетевого взаимодействия гибридных вычислительных систем, функционирующих в условиях технологических ограничений.

Методы исследований. При разработке теоретических положений диссертационной работы использованы методы теории формальных систем, теории чисел, теории сложности, теории случайных функций, теоретической механики, математического аппарата булевой алгебры, теории алгоритмов и линейной алгебры. Лабораторные испытания проводились на специально разработанных стендах с применением современных средств автоматизации. Экспериментальные исследования проводились в производственных условиях на современном технологическом оборудовании. Обработка результатов теоретических и практических исследований осуществлялась с использованием программных инструментов обработки информации.

Теоретическая значимость работы заключается:

1. в создании метода определения вычислимости композиции функций, т.е. возможности вычисления объединенной в общий алгоритм сово-

купности функций за конечное время, для системы реального времени на основе разрешимости множества объединенных в алгоритмы функций, формирующих эту композицию.

2. в разработке алгоритма количественной оценки интегрального критерия доверия, определяемого исходя из уровней функциональной надежности и информационной безопасности на всех уровнях реализации вычислительной системы.

3. в предложении метапрограммируемой акторной вычислительной системы с память-ориентированной архитектурой, обеспечивающей на основе требований по быстродействию необходимые для работы в режиме реального времени уменьшение текущего объема обрабатываемого потока данных за счет использования параллельных вычислений, увеличение скорости передачи данных внутри вычислительной системы за счет их обработки в памяти или вблизи памяти, устранение очередей при одновременном обращении к памяти нескольких вычислительных потоков за счет совмещения в вычислительной системе параллельного взаимодействия через передачу сообщений и через разделяемую память.

4. в формировании ограниченной репрезентативной совокупности функциональных вычислительных подсистем расширения для свёр-точных искусственных нейронных сетей, их математических моделей, методов, алгоритмов, программных средств человеко-машинных интерфейсов визуализации, обработки изображений и видеоданных.

5. в разработке метода структурно-параметрического синтеза биективного интерполяционного блока вычислительной системы, работающей в режиме реального времени, из выявленной совокупности подсистем.

6. в разработке на базе программируемых логических интегральных схем многоядерной микрокропроцессорной архитектуры центрального вычислителя модульной цифровой системы управления с использованием софт-процессора, которая может быть использована для расширения функциональных возможностей систем управления движением;

7. в формировании набора библиотек, используемых программно-аппаратными подсистемами на уровне прямого взаимодействия через механизм многопортовой памяти для существенного повышения быстродействия вычислений, обеспечения адаптивности вычислительных систем и их практического программного и математического обеспечения:

8. в разработке и отладке на программируемых логических интегральных схемах сложнофункциональных блоков вычислительных подсистем реального времени контроллера движения, которые могут быть использованы для широкого спектра технологического оборудования;

9. во внедрении память-ориентированной вычислительной системы для управления и построении на ее основе оригинальной комплектной системы числового программного управления, реализованной в виде стандартного программного обеспечения, не требующего квалифицированного персонала, но позволяющего эффективно управлять широким спектром технологического оборудования;

10. в создании комплексной интегрированной среды разработки, конфигурации и отладки на всем жизненном цикле память-ориентированной вычислительной системы, которая может быть использована для управления технологическим оборудованием, а также в других областях применения.

Практическая значимость работы заключается:

1. Внедрено НПП «Квант». Используется предложенный в работе подход к идентификации функциональной надежности и информационной безопасности в процессе сквозного проектирования сложных программно-аппаратных комплексов обработки данных с помощью глубоких нейронных сетей. Получен акт внедрения (приложение Б).

2. Внедрено ООО «Совтест АТЕ». Используются предложенные автором подходы к разработке вычислительных систем управления движением для высокопроизводительного технологического оборудования электронного машиностроения. Получен акт внедрения (приложение Б).

3. Внедрено НПО «Андроидная техника». Предложенные в работе методы и модели сверточных нейронных сетей и сквозного планирования перемещения исполнительного механизма применены в колла-боративных роботах, с помощью которых создаются эффективные производственных системы и гибкие производственные ячейки. Получен акт внедрения приложение (приложение Б)

Реализация результатов работы

1. Государственный контракт №14411.169999.05.001 «Масштабное им-портозамещение технологий металлообработки за счет разработки отечественной микроэлектронной и программно-аппаратной системы числового программного управления станком совместно со специализированным управляющим программным обеспечением мирового уровня» (2014 г.).

2. Государственное задание на оказание услуг (выполнение работ) №075-03-2020-153/2 «Разработка концепции построения и исследование коллаборативных технологических роботов с интеллектуальными системами управления» (2022-2024 гг.).

3. Соглашение №020-11-2021-1418 от 26.10.2021 о предоставлении из федерального бюджета субсидии (Минпромторг России) на финансовое обеспечение мероприятий по проведению НИОКР в области

средств производства электроники «Разработка и организация серийного производства оборудования для автоматического монтажа полупроводниковых кристаллов и компонентов для изготовления микросхем и многокристальных модулей» (2022-2024 гг.).

4. Соглашение №23411.4732190010.05.013 от 31.08.2023 о предоставлении из федерального бюджета субсидии (Минпромторг России) на финансовое обеспечение мероприятий по проведению НИОКР в области средств производства электроники «Разработка и организация серийного производства вычислительной зондовой установки для тестирования интегральных схем и полупроводниковых приборов на полупроводниковых пластинах» (2023-2026 гг.).

5. Грант РНФ №24-19-00692 «Исследование архитектуры, организации и реализации интеллектуальных систем управления движением в реальном времени для робототехнических и мехатронных комплексов» (2024-2026 гг.).

Научная новизна работы состоит в следующем:

1. Разработана формальная теория предметно-ориентированных вычислительных систем реального времени для параллельной и распределенной обработки данных, отличающаяся их определением в рамках акторной модели посредством композиции акторов-функций, выполняемых за цикл системы, что позволяет количественно оценивать реализуемость вычислительных систем реального времени.

2. Разработаны теоретические основы статического и динамического синтеза алгоритмов взаимодействия программ и программных систем в рамках задачи многомерной интерполяции для целевого множества прикладных задач в реальном масштабе времени, отличающиеся оценкой осуществимости посредством вводимой характеристической функции, определяемой реализуемостью, вычислимостью и доверием к вычислительной системе, что позволяет формализовать условие осуществимости.

3. Предложена комплексная методология проектирования, анализа, верификации и тестирования предметно-ориентированных вычислительных систем реального времени, отличающаяся их представлением на основе требований формальной системы и характеристической функции с учетом особенностей используемых подходов программирования и построения языковой модели, методов синтеза подсистем, что позволяет определять гибридную память-ориентированную архитектуру вычислительной системы.

4. Выявлена совокупность взаимосвязанных предметно-ориентированных подсистем блока расширения сверточной нейронной сети, обеспечивающих реализацию машинного обучения, управление базами данных и знаний, инструментарий для разработки цифровых продуктов на основе моделей, методов, архитектуры, алгоритмов, протоколов и программных средств человеко-машинных интерфейсов, компьютерной графики, визуализации, обработки изображений и видеоданных, систем виртуальной реальности, многомодального взаимодействия в социокиберфизических системах, отличающаяся репрезентативностью для множества задач интеллектуального управления, что позволяет описывать и разрабатывать на ее основе целевой комплекс существующих и оригинальных методов и алгоритмов, удовлетворяющих условию осуществимости композиции цикла управления.

5. Разработан метод структурно-параметрического синтеза исполнительного блока систем управления из функциональных подсистем, реализующий модели, методы, архитектуры, алгоритмы, форматы, протоколы и программные средства компьютерной графики, визуализации, отличающийся ориентацией на реализацию интерполяционных алгоритмов, что позволяет синтезировать исполнительный блок, удовлетворяющий условию осуществимости композиции цикла управления.

Соответствие диссертации паспорту научной специальности

Содержание материалов диссертационной работы соответствует паспорту научной специальности 2.3.5. «Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей» в п. 1, 3, 4, 7 и 8 раздела «Направления исследований»: п. 1. Модели, методы и алгоритмы проектирования, анализа, трансформации, верификации и тестирования программ и программных систем; п. 3. Модели, методы, архитектуры, алгоритмы, языки и программные инструменты организации взаимодействия программ и программных систем; п. 4. Интеллектуальные системы машинного обучения, управления базами данных и знаний, инструментальные средства разработки цифровых продуктов; п. 7. Модели, методы, архитектуры, алгоритмы, форматы, протоколы и программные средства человеко-машинных интерфейсов, компьютерной графики, визуализации, обработки изображений и видеоданных, систем виртуальной реальности, многомодального взаимодействия в социокиберфизических системах; п. 8. Модели и методы создания программ и программных систем для параллельной и распределенной обработки данных, языки и инструментальные средства параллельного программирования.

Положения, выносимые на защиту

1. Формальная теория предметно-ориентированных вычислительных систем реального времени, определяемых в рамках акторной модели посредством композиции акторов-функций, выполняемых за цикл системы.

2. Теоретические основы статического и динамического синтеза алгоритмов многомерной интерполяции для целевого множества прикладных задач в реальном масштабе времени на основе оценки осуществимости посредством вводимой характеристической функции, определяемой реализуемостью, вычислимостью и доверием к вычислительной системе.

3. Комплексная методология синтеза предметно-ориентированных вычислительных систем реального времени, формулируемая на основе требований формальной системы и характеристической функции с учетом особенностей используемых подходов программирования и построения языковой модели, методов синтеза подсистем, определяющая в результате гибридную память-ориентированную архитектуру вычислительной системы.

4. Совокупность взаимосвязанных предметно-ориентированных подсистем блока расширения сверточной нейронной сети, обеспечивающей описание и разработку на ее основе целевого комплекса существующих и оригинальных методов и алгоритмов, удовлетворяющих условию осуществимости композиции цикла управления.

5. Метод структурно-параметрического синтеза исполнительного блока из функциональных подсистем, ориентированный на реализацию интерполяционных алгоритмов, удовлетворяющих условию осуществимости композиции цикла управления.

Степень достоверности и апробация результатов

Достоверность научных положений, выводов и рекомендаций, содержащихся в диссертации обоснована корректностью применения известных теоретических положений и методов и подтверждена результатами экспериментальных исследований в данной предметной области, проведенных автором и другими исследователями, все выводы и выдвигаемые рекомендации подкреплены материалами диссертации и являются достоверными итогами теоретических и практических исследований.

Основные положения и результаты работы прошли апробацию. За последние пять лет они докладывались на нескольких десятках международных и всероссийских конференциях, в том числе:

1. Artificial Intelligence and Machine Learning in Defense Applications II. Доклад "Human activity recognition for efficient human-robot collaboration". United Kingdom, 21.09.2020-25.09.2020;

2. Emerging Imaging and Sensing Technologies for Security and Defence V; and Advanced Manufacturing Technologies for Micro- and Nanosystems in Security and Defence III. Доклад "Memory-centric approach and human-like technologies in the design of automated technological complexes for advanced manufacturing". United Kingdom, 21.09.2020-25.09.2020;

3. Multimodal Image Exploitation and Learning 2021. Доклад "Determination of tool cutting surface quality from analysis on a group of images and the combined data". Florida, USA, 12.04.2021-17.04.2021;

4. XVI Всероссийская научно-практическая конференция «Перспективные системы и задачи управления. Управление и обработка информации в технических системах». Доклад «Память-ориентированный подход при проектировании системы управления многоосевых технологических машин и промышленных роботов». П. Нижний Архыз - п. Домбай, Россия, 05.04.202109.04.2021.

5. Photonics Europe, Optics, Photonics and Digital Technologies for Imaging Applications VII. Доклад «3D reconstruction for SLAM using multisensor fusion and block-based inpainting». Strasbourg, France, 3.04.2022-3.07.2022.

6. Defense + Commercial Sensing, Unmanned Systems Technology XXIV. Доклад «Algorithm for the automated construction of the movement curve of the working tool with the possibility of interpolation of the step function of the displacement used to control gantry machines». Orlando, United States, 3.04.20227.04.2022.

7. Defense + Commercial Sensing, Real-Time Image Processing and Deep Learning. Доклад «Real-time robotic hand control using human gesture recognition». Orlando, United States, 30.04.2023-04.05.2023.

8. Defense + Commercial Sensing, Dimensional Optical Metrology and Inspection for Practical Applications XII. Доклад «Scanning trajectory optimization for industrial robot based on the scanned objects surface optical properties». Orlando, United States, 30.04.2023-04.05.2023

9. Photonics Asia, Optical Metrology and Inspection for Industrial Applications XI. Доклад «Solving the problem of finding a point equidistant from objects in 3D space». Nantong, China, 12.10.2024-14.10.2024

10. Photonics Asia, Optoelectronic Imaging and Multimedia Technology XI. Доклад «Depth maps inpainting based on adaptive generative models». Nantong, China, 12.10.2024-14.10.2024

11. Defense + Commercial Sensing, Real-Time Image Processing and Deep Learning. Доклад «Distributed computing system for preprocessing of multichannel and multirange images». Orlando, United States, 13.04.2025-17.04.2025

12. Всероссийская научно-практическая конференция «Перспективные системы и задачи управления». Доклад «Реализация функции сглаживания траектории в системах управления мехатронного оборудования», п. Домбай, 07.04.2025-11.04.2025.

Публикации. По теме диссертации опубликовано 140 печатных работ, в том числе 47 работ в изданиях из списка ВАК, 90 работ, проиндексированных в базах данных Web of Science Core Collection и Scopus, получено 24 свидетельства о регистрации программ для ЭВМ, патента на изобретения и полезные модели. Результаты исследования нашли отражение в трех учебных пособиях. Диссертация подготовлена на основе материалов 109 авторских публикаций [1-109].

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, библиографического списка и приложений. Работа изложена на 403 страницах машинописного текста, содержит 90 рисунков, 28 таблиц, 2 приложения. Библиографический список содержит 433 наименований.

1. ПРОБЛЕМА ОСУЩЕСТВИМОСТИ ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЫ

1.1. Определения и обеспечение доверия к системам управления движением

1.1.1. Характеристика и метод определения доверия к системам управления движением

Характеристика доверенной системы управления. Основой промышленного развития страны является формирование и обновление основных производственных фондов, в стоимости которых от 50 до 70% приходится на технологическое оборудование. Наряду с оснащением промышленности необходимым технологическим оборудованием, значимой задачей является также достижение технологической безопасности и обороноспособности страны.

Обязательным условием решения этой задачи является обеспечение доверия к технологическому оборудованию, в первую очередь — к системам управления, которые являются наиболее технологичной частью оборудования и основным объектом угроз информационной безопасности.

Одним из базовых требований к системам управления, в том числе производственным системам управления, является обеспечение к ним необходимого уровня доверия. Согласно ГОСТ Р 54583-2011 «Методы и средства обеспечения безопасности. Основы доверия к безопасности информационных технологий. Часть 3 - Анализ методов доверия», целью обеспечения доверия является создание уверенности в надёжном функционировании продукта в заданных условиях. Для обеспечения доверия информационная система должна обладать следующими эксплуатационными свойствами [110,47*]:

Список литературы диссертационного исследования доктор наук Зеленский Александр Александрович, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1 Frants V., Voronin V., Zelenskiy A. and Agaian S. Blind visual quality assessment for smart cloud-based video storage // Proceedings of the IEEE International Conference on Smart Cloud, 10.1109/SmartCloud.2018.00036, pp. 171-174, 2018

2 Gapon N., Puzerenko A., Voronin V., Zhdanova M., Zelensky A., Rudoy D. Depth Maps Inpainting Based on Adaptive Generative Models // SPIE Photonics Asia, Conference 13239, Optoelectronic Imaging and Multimedia Technology XI, 2024.

3 Gapon N., Voronin V., Semenishchev E., Ilyukhin Yu., Bezuglov D., Zelenskii A. Multimodal image inpainting for an autonomous robot navigation application // Proc. SPIE, Multimodal Sensing and Artificial Intelligence: Technologies and Applications II, Volume 11785, Paper number 117850Y, 2021

4 Semenishchev E., Voronin V., Agaian S., Alepko A., Zelensky A. Algorithm for the automated determination of heating areas during metal processing with numerically controlled machines. Proc. SPIE, Dimensional Optical Metrology and Inspection for Practical Applications X, Volume 11732, Paper number 117320D, 2021

5 Semenishchev E., Voronin V., Agaian S., Zelensky A., Zhdanova M. Solving the problem of quickly separating objects into thermal structures in IR images based on analyzing temperature gradients. Proceedings Volume 11537, SPIE Security + Defence, Electro-Optical and Infrared Systems: Technology and Applications XVII; 1153700 (2020) https://doi.org/10.1117/12.2574190

6 Semenishchev E., Voronin V., Alepko A., Urunov S., Agaian S., Zelensky A. Algorithm of stitching and fusion image in PCB analysis. Proc. SPIE, Optics and Photonics for Information Processing XV, Vol. 1841, 2021; https://doi.org/10.1117/12.2598357

7 Semenishchev E., Voronin V., Alepko A., Zelensky A., Agaian S. Development of methods for parallel processing of series of images obtained by a machine vision system in various electromagnetic ranges. Proc. SPIE, Optical Instrument Science, Technology, and Applications II, Vol. 11876, 2021; https://doi.org/10.1117/12.2600693

8 Semenishchev E., Voronin V., Zelensky A, Ilyukhin Y., Budyakov A., Agaian S. Algorithm for the automated analysis of the shape of objects located on the cutting table of industrial robotic systems. Proc. SPIE, Optical Measurement Systems for Industrial Inspection XII, Volume 11782, Paper number 117821Y, 2021

9 Semenishchev E., Voronin V., Zelensky A., Zhdanova M., Tolstova I. Automatic search for thermal energy leaks in the form of thin gaps during the audit of buildings based on mobile systems. Proceedings Volume 11399, SPIE Defense + Commercial Sensing, Mobile Multimedia/Image Processing, Security, and Applications 2020; 113990U, (2020)

10 Semenishchev E., Zelensky A., Tolstova I., Tokareva S., Frants V., and Nadykto A. Restoration of the lost volume of bone tissue with use data of the computed tomography // MATEC Web Conf., 226 (2018) 04046

11 Semenishchev E., Zelensky A., Voronin V., Alepko A., Urunov S., Agaian S. Algorithm of stitching and fusion image in PCB analysis. Proc. SPIE, Optics and Photonics for Information Processing XV, Vol. 1841, 2021.

12 Zelensky A., Semenishchev E., Agaian S., Gracheva I., Siryakov A., Voronin V. Algorithm for the automated construction of the movement curve of the working tool with the possibility of interpolation of the step function of the displacement used to control gantry machines. Proc. SPIE 12124, Unmanned Systems Technology XXIV, 121240N, 2022.

13 Sizyakin R., Voronin V., Gapon N., Nadykto A., Pizurica A., Zelensky A. Automated visual Inspection Algorithm for the Reflection Detection and Removing in Image Sequences // Proceedings Volume 11433, Twelfth International Conference on Machine Vision (ICMV 2019); 1143301 (2020)

14 Sizyakin R., Voronin V., Gapon N., Zelensky A., Pizurica A. A Deep Learning-Based Approach for Defect Detection and Removing on Archival Photos // Electronic Imaging, Society for Imaging Science and Technology (2020). URL: https://doi.org/10.2352/ISSN.2470-1173.2020.10.IPAS-029

15 Voronin V., Gapon N., Semenishchev E., Zelensky A., Agaian S. A block-based method for the remote sensing images cloud detection and removal // Proc. SPIE, Multimodal Image Exploitation and Learning, Volume 11734, Paper number 117340K, 2021; https://doi.org/10.1117/12.2588691

16 Voronin V., Gapon N., Zhdanova M., Semenishchev E., Cen Y., Zelensky A. Missing area reconstruction in 3D scene from multi-view satellite images for surveillance applications // Proc. SPIE 11542, SPIE Security + Defence, Counterterrorism, Crime Fighting, Forensics, and Surveillance Technologies IV, 115420P

17 Voronin V., Pismenskova M., Zelensky A., Gapon N., Cen Yigang, Egiazarian K. Action recognition using the 3D dense microblock difference // Proc. SPIE Security + Defence, Proceedings Volume 10802, Counterterrorism, Crime Fighting, Forensics, and Surveillance Technologies II; 1080200 (2018)

18 Voronin V., Semenishchev E., Zelensky A., Agaian S. Construction of 3D-models of the Earth's surface in urban environments using remote sensing technologies // Proc. SPIE, Proceedings Volume 11157, Remote Sensing Technologies and Applications in Urban Environments IV; 111570W (2019)

19 Voronin V., Semenishchev E., Zelensky A., Agaian S. Specular reflection detection algorithm for endoscopic images // Electronic Imaging, Image Processing: Algorithms and Systems XVII, pp. 222-1-222-6(6), 2019

20 Voronin V., Semenishchev E., Zhdanova M., Sizyakin R., and Zelenskii A. Rain and snow removal using multi-guided filter and anisotropic gradient in the quaternion framework. Proc. SPIE 11169, Artificial Intelligence and Machine Learning in Defense Applications, 111690S (24 September 2019); https://doi.org/10.1117/12.2534744.

21 Voronin V., Sizyakin R., Zelensky A., Nadykto A., Svirin I. Detection of deleted frames on videos using a 3D convolutional neural network // Proc. SPIE Security + Defence, Proceedings Volume 10802, Counterterrorism, Crime Fighting, Forensics, and Surveillance Technologies II; 108020U (2018) https://doi.org/10.1117/12.2326806

22 Voronin V., Sizyakin R., Zhdanova M., Semenishchev E., Bezuglov D., Zelenskii A. Automated visual inspection of fabric image using deep learning approach for defect detection // Proc. SPIE, Automated Visual Inspection and Machine Vision IV, Volume 11787, Paper number 117870P (2021). URL: https://doi.org/10.1117/12.2592872

23 Voronin V., Zelensky A., Agaian S. 3-D Block-Rooting Scheme with Application to Medical Image Enhancement // IEEE Access, Vol. 9, pp. 3880-3893, 2020.

24 Voronin V., Zelensky A., Agaian S. The quaternion-based anisotropic gradient for the color images // Electronic Imaging, Image Processing: Algorithms and Systems XVII. 2019. P. 277-1-277-6

25 Voronin V., Zhdanova M., Semenishchev E., Zelenskii A., Cen Y., Agaian S. Action recognition for the robotics and manufacturing automation using 3-D binary micro-block difference // The International Journal of Advanced Manufacturing Technology, 2021.

26 Voronin V., Zhdanova M., Semenishchev E., Zelensky A. Multi-Level Depth and Color Fusion for Action Recognition // Proc. SPIE, Optics, Photonics and Digital Technologies for Imaging Applications VII, 2022.

27 Voronin V., Zhdanova M., Semenishchev E., Zelensky A., Tokareva O. Fusion of color and depth information for human actions recognition // Proceedings Volume 11423, SPIE Defense + Commercial Sensing, Signal Processing, Sensor/Information Fusion, and Target Recognition XXIX; 114231C (2020), https://doi.org/10.1117/12.2560130

28 Zelenskii A. A., Frants V. A., Semenishchev E. A. Trajectory-Planning Algorithm Based on Engineering Vision in Manipulator Management //Russian Engineering Research. 2020. Vol. 40. №. 1. P. 1-5

29 Zelenskii A., Gapon N., Voronin V., Semenishchev E., Khamidullin I., Cen Y. Robot navigation using modified SLAM procedure based on depth image reconstruction // Proc. SPIE, Artificial Intelligence and Machine Learning in Defense Applications III, Volume 11870, Paper number 118700H, 2021

30 Zelenskii A.A., Pismenskova M.M., Voronin V.V. Control of collaborative robot systems and flexible production cells on the basis of deep learning // Russian Engineering Research. 2019. Т. 39. № 12. С. 1065-1068.

31 Zelensky A., Dubovskov V., Kuptsov V. Investigation of the configuration of a parallel manipulator for additive manufacturing of solid structures // IOP Conference Series: Materials Science and Engineering: International Conference of Young Scientists and Students "Topical Problems of Mechanical Engineering", ToPME 2019, Moscow, 04-06 декабря 2019 года. Moscow: Institute of Physics Publishing, 2020. P. 012095

32 Zelensky A., Gapon N., Zhdanova M., Voronin V., Ilukhin Y., Gribkov A. Image Enhancement Via Multi-Scale-Exposure Image Fusion // SPIE Photonics Asia, Conference 13239, Optoelectronic Imaging and Multimedia Technology XI, 2024.

33 Zelensky A., Gapon N., Zhdanova M., Voronin V., Ilukhin Y., Gribkov A. Image Segmentation Based on Adaptive Quaternion Anisotropic Gradient for Optical Inspection Applications // SPIE Photonics Asia, Conference 13241, Optical Metrology and Inspection for Industrial Applications XI, 2024.

34 Zelensky A., Gapon N., Zhdanova M., Voronin V., Ilukhin Y., Khamidullin I. Image Inpainting by Anisotropic Gradient Estimation // SPIE Photonics Asia, Conference 13241, Optical Metrology and Inspection for Industrial Applications XI, 2024.

35 Zelensky A., Gribkov A., Ilyukhin Y., Semenishchev E., Abdullin T., Urunov S., Zdanova M. Solving the problem of finding a point equidistant from objects in 3D space // SPIE Photonics Asia, Conference 13241, Optical Metrology and Inspection for Industrial Applications XI, 2024.

36 Zelensky A., Gribkov A., Ilyukhin Y., Semenishchev E., Tokareva O., Khar'kova M., Zdanova M. Preprocessing and improving the quality of thermal images // SPIE Photonics Asia, Conference 13239, Optoelectronic Imaging and Multimedia Technology XI, 2024.

37 Zelensky A., Semenishchev E., Alepko A., Abdullin T., Ilyukhin Y., Voronin V. Using neuro-accelerators on FPGAs in collaborative robotics tasks // Proc. SPIE, Optical Instrument Science, Technology, and Applications II, Volume 11876, Paper number 1187600, 2021.

38 Zelensky A., Suominen O., Ritala R. Dynamics of the nonorthogonal CNC machine // International conference of young scientists in the mechanical engineering. Moscow 2009. P. 14-15

39 Zelensky A., Voronin V., Semenishchev E., Gapon N., Zhdanova M., Naumov I. Surveillance image enhancement through fusion based on nonsubsampled contourlet transform. SPIE Defense + Commercial Sensing, 2025, Orlando, Florida, United States. Proceedings Volume 13457, Multimodal Image Exploitation and Learning 2025.

40 Zelensky A., Voronin V., Svirin I., Semenishchev E., Alepko A. Video content verification using blockchain technology // Proceedings of the IEEE International Conference on Smart Cloud. 2018. P. 208-212.

41 Zelensky A.A., Morozkin M.S., Panfilov A.N., Kuptsov V.R., Gribkov A.A. Ensuring confidence in control systems of technological equipment / Computing, Telecommunications and Control. 2021. Т. 14. № 4. С. 71-83.

42 Zhdanova M., Voronin V., Semenishchev E., Ilyukhin Yu., Zelensky A. Human action recognition with 3D local binary patterns and dense micro-block difference description // Proc. SPIE, Automatic Target Recognition XXXI, Volume 11729, Paper number 117290H, 2021

43 Zhdanova M.M., Balabaeva O.S., Voronin V.V., Semenishchev E.A., Zelensky A.A. Improvement of the Human Action Recognition Algorithm by the Pre-processing of Input Data // IOP Conference Series: Materials Science and Engineering, Volume 1029, Dynamics of Technical Systems (DTS 2020) 11-13 September 2020, Rostov-on-Don, Russia

44 Zhdanova M.M., Voronin V.V., Sizyakin R.A., Minkin M.S., Zelensky A.A. Multi-View Images Fusion Model // IOP Conference Series: Materials Science and Engineering 680 (1), 012043, 2019. doi:10.1088/1757-899X/680/1/012043

45 Грибков А. А., Пивкин П. М., Зеленский А. А. Определение станкоинструменталь-ной отрасли в государственной промышленной политике // СТИН. 2021. № 1.

С. 2-6.

46 Дягилев А.А., Зеленский А.А., Ульянов М.В., Харлашин А.В., Толстунов О.Г. Способ исследования ошибки интерполяции линейной траектории перемещения рабочего инструмента пространственного манипулятора // Современные проблемы науки и образования. 2012. № 6. С. 90.

47 Зеленский А. А., Абдуллин Т. Х., Жданова М. М., Воронин В. В., Грибков А. А. Проблема обеспечения производительности доверенных систем управления с глубинным обучением // Advanced Engineering Research 2022. Т. 22, № 1. С. 57-66.

48 Зеленский А. А., Абдуллин Т. Х., Илюхин Ю. В., Харьков М. А. Высокопроизводительная цифровая система на основе ПЛИС для управления движением многокоординатных станков и промышленных роботов // СТИН. 2019. №8. С. 5-8.

49 Зеленский А. А., Валюкевич Ю. А., Алепко А. В., Дубовсков В. В. Система управления перемещением платформы параллельного манипулятора с восемью гибкими звеньями // Вестник МГТУ "Станкин". 2021. № 3(58). С. 56-61

50 Зеленский А. А., Грибков А. А., Характеристическая функция акторной вычислительной системы // Моделирование, оптимизация и информационные технологии. 2024. №12(4).

51 Зеленский А. А., Дубовсков В. В. Комплекс аддитивного производства на базе манипулятора с гибкими связями // Вестник МГТУ "Станкин". 2020. № 1(52). С. 64-68

52 Зеленский А. А., Дубовсков В. В. Комплекс аддитивного производства объемных строительных конструкций на базе манипулятора с гибкими звеньями // XIV Всероссийская мультиконференция по проблемам управления МКПУ-2021: материалы XIV мультиконференции: в 4 т., Дивноморское, Геленджик, 27 сентября - 02 октября 2021 года. Ростов-на-Дону: Южный федеральный университет, 2021. С. 181-183

53 Зеленский А.А. Особенности построения в реальном времени s-образной кривой разгона/торможения при кусочно-линейной интерполяции поверхностей сложной формы / А.А. Зеленский, Т.Х. Абдуллин, А.В. Алепко // Робототехника и техническая кибернетика. 2021. Том 9. № 3. С. 186-195

54 Зеленский А.А. Алгоритм интерполяции двухподвижного механизма // Сборник научных трудов «Проблемы машиностроения и технического обслуживания в сфере сервиса» г. Шахты 2008 г. С. 49-51.

55 Зеленский А.А. Комплексная методология синтеза быстродействующих доверенных систем управления движением промышленных роботов и мехатронных систем. Часть 1. Модели решения проблемы и комплексная методология синтеза систем управления движением промышленных роботов и мехатронных систем // Вестник МГТУ "Станкин". 2022. № 2 (61). С. 43-50.

56 Зеленский А.А. Комплексная методология синтеза быстродействующих доверенных систем управления движением промышленных роботов и мехатронных систем. Часть II. Методологии синтеза подсистем доверенной память-центрической системы управления движением // Вестник МГТУ "Станкин". 2022. №3 (62). С. 51-57.

57 Зеленский А.А. Концепция построения конкурентоспособных быстродействующих систем управления станков и промышленных роботов в условиях технологических ограничений электронной компонентной базы России // Известия ЮФУ. Технические науки. - 2023. - № 1(231). - С. 123-133.

58 Зеленский А.А., Абдуллин Т.Х., Алепко А.В., Илюхин Ю.В. Повы-шение производительности контурной механической обработки путем сглаживания пространственной кусочно-линейной траектории и квазиоптимального планирования подач // Известия высших учебных заведений. Машиностроение. 2022. № 2 (743). С. 3-17

59 Зеленский А.А. Математическая модель неортогонального интерполятора плоской полилинии для двухподвижного механизма с постоянной контурной скоростью // Избранные труды конференции "XIX Международная конференция молодых ученых

и студентов по проблемам машиноведения" (МИКМУС 2007) г. Москва: 2007 г. С. 34-40

60 Зеленский А.А. Разработка математической модели управления двухподвижным механизмом // Материалы международной конференции молодых ученых «Ломоносов - 2008» МГУ им. М.В. Ломоносова, г. Москва 2008 г. С. 2-3.

61 Зеленский А.А., Абдулин Т.Х., Дубовсков В.В., Илюхин Ю.В. Исследование методов параметрической интерполяции для сглаживания кусочно-линейной траектории движения инструмента // Дифференциальные уравнения и процессы управления. 2021. №. 4. С. 51-68.

62 Зеленский А.А., Абдулин Т.Х., Дубовсков В.В., Купцов В.Р. Локальное сглаживание кусочно-линейной траектории инструмента в системе ЧПУ для высокоскоростной обработки // Сборка в машиностроении, приборостроении. 2022. № 4. С. 172-187.

63 Зеленский А.А., Абдулин Т.Х., Жданова М.М., Воронин В.В. Технология виртуального сопряжения в процессе имитационного моделирования сложнофункциональных модулей систем управления промышленных роботов и многокоординатных ме-хатронных систем // Известия Юго-Западного государственного университета. 2022. Т. 26. № 1. С. 92-115.

64 Зеленский А.А., Абдулин Т.Х., Филатов В.В., Купцов В.Р. Методика настройки сервоусилителей приводов подач и главного движения на примере пятикоординатного обрабатывающего центра // Приводы и компоненты машин. 2022. Т. 28. № 4. С. 245256.

65 Зеленский А.А., Абдуллин Т.Х., Алепко А.В., Илюхин Ю.В. Повышение производительности контурной механической обработки путем сглаживания пространственной кусочно-линейной траектории и квазиоптимального планирования подач // Известия высших учебных заведений. Машиностроение. 2022. № 2 (743). С. 3-17

66 Зеленский А.А., Абдуллин Т.Х., Порядин Д.В. Обработчик пакетов блока организации сети (свидетельство о регистрации программы для ЭВМ). RU 2020613026, 06.03.2020.

67 Зеленский А.А., Абдуллин Т.Х., Порядин Д.В. Программа настройки блока организации сети (свидетельство о регистрации программы для ЭВМ). RU 2020613027, 06.03.2020.

68 Зеленский А.А., Абдуллин Т.Х., Харьков М.А. Конфигурационная программа центрального вычислителя (свидетельство о регистрации программы для ЭВМ). RU 2020612699, 28.02.2020.

69 Зеленский А.А., Абдуллин Т.Х., Харьков М.А., Порядин Д.В. Конфигурационная программа блока организации сети (свидетельство о регистрации программы для ЭВМ). RU 2020613028, 06.03.2020.

70 Зеленский А.А., Бондарь Д.В., Валюкевич В.А. Способ формирования траектории перемещения рабочего инструмента для цифровых систем управления промышленными роботами // Успехи современной радиоэлектроники. 2011. № 9. С. 77-80.

71 Зеленский А.А., Валюкевич Ю.А., Алепко А.В., Дубовсков В.В. Система управления перемещением платформы параллельного манипулятора с восемью гибкими звеньями // Вестник МГТУ Станкин. 2021. № 3(58). С. 56-61.

72 Зеленский А.А., Гапон Н.В., Жданова М.М., Воронин В.В., Илюхин Ю.В. Метод восстановления карты глубины в задачах управления роботами и мехатронными системами // Мехатроника, автоматизация, управление, 2022, 23(2), с. 104-112.

73 Зеленский А.А., Грибков А.А. Акторное моделирование когнитивных систем реального времени: онтологическое обоснование и программно-математическая реализация // Философская мысль. 2024. №1. С. 1-12.

74 Зеленский А.А., Грибков А.А. Вычислительная сложность в реальном времени // Моделирование, оптимизация и информационные технологии. 2025. №13(3).

75 Зеленский А.А., Грибков А.А. Значение фактора портовости для конфигурирования цикла акторной системы управления реального времени // Моделирование, оптимизация и информационные технологии. 2025. №13(1).

76 Зеленский А.А., Грибков А.А. Интеллектуализация искусственных когнитивных систем реального времени: варианты реализации и перспективы развития // Международный научно-исследовательский журнал. 2024. №4 (142).

77 Зеленский А.А., Грибков А.А. Конфигурирование память-ориентированной системы управления движением // Программные системы и вычислительные методы. 2024. № 3. С. 12-25.

78 Зеленский А.А., Ивановский С.П. Программа симуляции ядра СЧПУ (свидетельство о регистрации программы для ЭВМ). RU 2020612798, 03.03.2020.

79 Зеленский А.А., Ивановский С.П., Илюхин Ю.В., Грибков А.А. Программирование доверенной память-центрической системы управления движением робототехниче-ских и мехатронных систем // Вестник Московского авиационного института. 2022. Т. 29. № 4. С. 197-210.

80 Зеленский А.А., Ивановский С.П., Морозкин М.С., Купцов В.Р. Интерпретатор ядра СЧПУ (свидетельство о регистрации программы для ЭВМ). RU 2020612800, 03.03.2020.

81 Зеленский А.А., Илюхин Ю.В., Грибков А.А. Память-центрические модели систем управления движением промышленных роботов / Вестник Московского авиационного института. 2021. Т. 28. № 4. С. 245-256.

82 Зеленский А.А., Красильникянц Е.В., Ельниковский В.В., Варков А.А., Герт М.А. Программа обработки внешних данных IntDriveDA (свидетельство о регистрации программы для ЭВМ). RU 2020612801, 03.03.2020.

83 Зеленский А.А., Красильникянц Е.В., Ельниковский В.В., Варков А.А., Герт М.А. Программа реализации ядра сервопреобразователя IntDriveDA (свидетельство о регистрации программы для ЭВМ). RU 2020612797, 03.03.2020.

84 Зеленский А.А., Кузнецов А.П., Илюхин Ю.В., Грибков А.А. Реализуемость управления движением промышленных роботов, станков с ЧПУ и мехатронных систем. Часть 1 // Вестник машиностроения. 2022. № 11. С. 43-51.

85 Зеленский А.А., Кузнецов А.П., Илюхин Ю.В., Грибков А.А. Реализуемость управления движением промышленных роботов, станков с ЧПУ и мехатронных систем. Часть 2 // Вестник машиностроения. - 2023. - №3. - С. 213-220.

86 Зеленский А.А., Морозкин М.С., Грибков А.А. Обзор полупроводниковой промышленности в мире и России: производство и оборудование / Известия высших учебных заведений. Электроника. 2021. Т. 26. № 6. С. 468-480.

87 Зеленский А.А., Морозкин М.С., Панфилов А.Н., Купцов В.Р., Грибков А.А Обеспечение доверия к системам управления технологического оборудования // Информатика, телекоммуникации и управление. 2021. Т. 14. № 4. С. 71-83.

88 Зеленский А.А., Письменскова М.М. Метод распознавания действий человека на сложноструктурированных изображениях и фоне в виде стохастических текстур // Вестник МГТУ Станкин. 2018. № 3 (46). С. 116-120

89 Зеленский А.А., Письменскова М.М., Воронин В.В. Алгоритм поиска изображений в виде хэш-функций на основе глубинных нейросетевых технологий // Доклады томского государственного университета систем управления и радиоэлектроники 2018, том 21, № 3, стр. 57-62.

90 Зеленский А.А., Письменскова М.М., Воронин В.В. Метод управления коллабора-тивными робототехническими комплексами и гибкими производственными ячейками на основе построения биомеханической трехмерной модели скелета человека для распознавания действий с использованием технологии глубинного обучения // СТИН. 2019. № 7. С. 15-18.

91 Зеленский А.А., Подураев Ю.В., Бондарь Д.В. Подход к исследованию неравномерно распределенного множества интерполяционных узлов для неортогональных мехатронных модулей контурной обработки материалов // Мехатроника, автоматизация, управление. 2011. № 11. С. 33-35.

92 Зеленский А.А., Подураев Ю.В., Бондарь Д.В. Способ повышения точности интерполяции сложного контура для мехатронных модулей и промышленных роботов // Известия высших учебных заведений. Машиностроение. 2011. № 9. С. 44-48.

93 Зеленский А.А., Порядин Д.В., Морозкин М.С. Интерпретатор ядра СЧПУ (свидетельство о регистрации программы для ЭВМ). RU 2020612803, 03.03.2020.

94 Зеленский А.А., Порядин Д.В., Морозкин М.С., Купцов В.Р. Графический интерфейс системы ЧПУ «Перспектива» (свидетельство о регистрации программы для ЭВМ). RU 2020612698, 28.02.2020.

95 Зеленский А.А., Семенищев Е.А., Франц В.А. Алгоритм определения формы объектов по анализу изображений, полученных в инфракрасном диапазоне // Доклады Томского государственного университета систем управления и радиоэлектроники. 2018. Т. 21. № 3. С. 63-68.

96 Зеленский А.А., Стебулянин М.М., Абдуллин Т.Х., Харьков М.А. Реализация ускоренных вычислений прямой задачи кинематики для промышленных роботов // Вестник машиностроения. 2019. №11. С. 28-31.

97 Зеленский А.А., Толстунов О.Г., Валюкевич Ю.А. Исследование ошибки линейной интерполяции пространственного манипулятора с гибкими нитями // Вестник МГТУ Станкин. 2012. № 2. С. 148-154.

98 Зеленский А.А., Франц В.А. Генеративные состязательные нейронные сети для де-скрипторного описания видеоизображений в задаче оценки визуального качества // Вестник МГТУ Станкин. 2018. № 3 (46). С. 86-90

99 Зеленский А.А., Франц В.А., Семенищев Е.А. Алгоритм планирования траектории рабочего органа манипулятора для привязки базисных систем координат с использованием технического зрения // Вестник машиностроения. 2019. № 10. С. 3-7.

100 Зеленский А.А., Харьков М.А. Конфигурационная программа модуля аналоговых входов/выходов (свидетельство о регистрации программы для ЭВМ). RU 2020612796, 03.03.2020.

101 Зеленский А.А., Харьков М.А. Конфигурационная программа модуля дискретных входов (свидетельство о регистрации программы для ЭВМ). RU 2020612555, 26.02.2020.

102 Зеленский А.А., Харьков М.А. Конфигурационная программа модуля дискретных входов/выходов (свидетельство о регистрации программы для ЭВМ). RU 2020612799, 03.03.2020.

103 Зеленский А.А., Харьков М.А. Конфигурационная программа модуля дифференциальных входов/ выходов (свидетельство о регистрации программы для ЭВМ). RU 2020612605, 27.02.2020.

104 Зеленский А.А., Харьков М.А. Система безопасности станочного оборудования и защиты оператора на основе распределенной системы управления // Вестник МГТУ Станкин. 2018. № 3 (46). С. 25-29.

105 Зеленский А.А., Харьков М.А., Ивановский С.П., Абдуллин Т.Х. Высокопроизводительная система числового программного управления на базе программируемых логических интегральных схем // Вестник Воронежского государственного технического университета. 2018. Т. 14. № 5. С. 8-12.

106 Зеленский А.А., Шадрин Н.Г., Абдуллин Т.Х., Харьков М.А. Высокоскоростная промышленная сеть реального времени киберфизических систем // Вестник компьютерных и информационных технологий. 2019. № 11 (185). С. 46-52.

107 Патент № 2372274 C1 Российская Федерация, МПК B66C 21/00. Устройство перемещения грузов / Ю. А. Валюкевич, А. А. Зеленский, О. Г. Толстунов, И. И. Наумов. 10.11.2009

108 Патент № 2381891 C1 Российская Федерация, МПК B25J 11/00. Манипулятор / Ю. А. Валюкевич, А. А. Зеленский, О. Г. Толстунов, И. И. Наумов. 20.02.2010

109 Харьков М.А., Ивановский С.П., Зеленский А.А., Абдуллин Т.Х. Распределенная система управления электроавтоматикой станков, промышленных роботов и автоматизированных комплексов на основе высокопроизводительного интерфейса связи // Вестник МГТУ Станкин. 2018. № 1 (44). С. 91-95.

110 Сабанов А. Г. Доверенные системы как средство противодействия киберугрозам // Защита информации. Инсайд. 2015. № 3(63). С. 17-21.

111 Стратегия развития электронной промышленности Российской Федерации на период до 2030 года. Утв. распоряжением Правительства РФ от 17.01.2020 №20-р. URL: http://static.govemment.ru/media/files/ 1QkfNDghANiBUNBbXaFBM69Jxd48ePeY.pdf

112 Распоряжение Правительства РФ от 05.11.2020 №2869-р «Об утверждении Стратегии развития станкоинструментальной промышленности на период до 2035 года». URL: http://www.garant.ru/products/ipo/prime/doc/74769183/

113 Grout, I.A. Integrated circuit test engineering: modern techniques / Springer-Verlag. London, 2006. 262 p. URL: http://www.ime.cas.cn/icac/learning/learning_3/ 201909ZP020190909555314963558.pdf

114 Ковалев С. Тестирование электронных устройств на производстве: обзор методов, анализ достоинств и недостатков // Технологии в электронной промышленности, №4, 2013. С. 66-68. URL: https://tech-e.ru/wp-content/uploads/6466.pdf

115 Electronics Manufacturing Testing - The In Circuit Test & 5 Others // Versa Electronics, February 24th, 2020. URL: https://versae.com/in-circuit-test/

116 Abu Ebayyeh A. M., Mousavi A. Review and Analysis of Automatic Optical Inspection and Quality Monitoring Methods // IEEE Access, volume 8, 2020. p. 183192-183271. URL: https://ieeexplore.ieee.org/ document/9214824

117 Vaga R. Industry 4.0 for Inspection in the Electronics Industry // Proceedings of SMTA International, Oct. 14 - 18, 2018, Rosemont, IL, USA. URL: https:// www.circuitinsight.com/pdf/industry_inspection_electronics_industry_smta.pdf

118 Rajput P.H.N, Michail Maniatakos M. JTAG: A Multifaceted Tool for Cyber Security // 2019 IEEE 25th International Symposium on On-Line Testing and Robust System Design (IOLTS). URL: https://ieeexplore.ieee.org/document/8854430

119 ISO/IEC TR 19759:2015. Software Engineering — Guide to the software engineering body of knowledge (SWEBOK).

120 Jamil M.A., Arif M., Abubakar N.S.A., Ahmad A. Software Testing Techniques: A Literature Review // 2016 6th International Conference on Information and Communication Technology for The Muslim World (ICT4M). URL: https://www.researchgate.net/publication/312484469_Software_Testing_Techniques_A_Li terature_Review

121 Anwar N., Kar S. Review Paper on Various Software Testing Techniques & Strategies // Global Journal of Computer Science and Technology. Volume 19 Issue 2 Version 1.0 Year 2019. URL: https://www.researchgate.net/publication/

336257973_Review_Paper_on_Various_Software_Testing_Techniques_Strategies

122 ГОСТ Р 53114-2008. Защита информации. Обеспечение информационной безопасности в организации. Основные термины и определения. М.: Стандартинформ, 2018

123 Мартыненко Н.Н. Банковские операции: учебник / Н.Н. Мартыненко, О.М. Маркова, О.С. Рудакова, Н.В. Сергеева. М.: Юрайт, 2016. 612 с.

124 Thomas S.L., Francillon A. Backdoors: Definition, Deniability and Detection // Proceedings of the 21st International Symposium on Research in Attacks, Intrusions, and Defenses (RAID 2018), Sep 2018, Heraklion, Crete, Greece. URL: https://hal.inria.fr/hal-01889981/document

125 Петренко С.А., Шпак В.Ф., Доценко С.М. Учебный курс «Администратор безопасности сети». DigitalSecurity, 2003.

126 Ashik M., Jyothish A., Anandaram S., Vinod P., Mercaldo F., Martinelli F., Santone A. Detection of Malicious Software by Analyz-ing Distinct Artifacts Using Machine Learning and Deep Learning Algorithms // Electronics 2021, 10(14), 1694. URL: https://www.mdpi.com/2079-9292/10/14/1694

127 Хорев П.Б. Методы и средства защиты информации в компьютерных системах. М.: Издательский центр «Академия», 2005. 256 с.

128 Информационная технология. Методы и средства обеспечения безопасности. Критерии оценки безопасности информационных технологий. Часть 1. Введение и общая

модель (ГОСТ Р ИСО/МЭК 15408-1). Часть 2. Функциональные компоненты безопасности (ГОСТ Р ИСО/МЭК 15408-2). Часть 3. Компоненты доверия к безопасности (ГОСТ Р ИСО/МЭК 15408-3)

129 Регламент включения информации об уязвимостях программного обеспечения и программно-аппаратных средств в банк данных угроз безопасности информации ФСТЭК России // ФСТЭК России 26 июня 2018 г. URL: https://bdu.fstec.ru/regulations

130 ГОСТ Р ИСО/МЭК 27034-1. Информационная технология. Методы и средства обеспечения безопасности. Безопасность приложений. Часть 1. Обзор и общие понятия. М.: Стандартинформ, 2015.

131 ГОСТ Р 51275-2006. Защита информации. Объект информатизации. Факторы, воздействующие на информацию. Общие положения. М.: Стандартинформ, 2018.

132 Постановление Правительства РФ от 17.11.2007 №781 "Об утверждении Положения об обеспечении безопасности персональных данных при их обработке в информационных системах персональных данных". URL: https://digital.gov.ru/ru/documents/3051/

133 Марков. А.С., Цирлов В.Л. Опыт выявления уязвимостей в зарубежных программных продуктах // Вопросы кибербезопасности. 2013. № 1(1). С. 42-48.

134 Бегаев А.Н., Кашин С.В., Маркевич Н.А., Марченко А.А., Выявление уязвимостей и недекларированных возможностей в программном обеспечении. СПб: Университет ИТМО, 2020. 38 с.

135 Zhang B.Y., Yan X.A., Tang D.Q. Survey on Malicious Code Intelligent Detection Techniques // IOP Conf. Series: Journal of Physics: Conf. Series 1087 (2018) 062026. URL: https://www.researchgate.net/publication/

328032241_Survey_on_Malicious_Code_Intelligent_Detection_Techniques.

136 Chena C., Cui B., Ma J., Wu R., Guo J., Liu W. A systematic review of fuzzing techniques // Computers & Security. Volume 75, June 2018, pp. 118-137. URL: https://www.sciencedirect.com/science/article/pii/S0167404818300658

137 Барабанов А.В., Марков А.С., Фадин А.А., Цирлов В.Л. Статистика выявления уяз-вимостей программного обеспечения при проведении сертификационных испытаний // Вопросы кибербезопасности. 2017. №2 (20). С. 2-8.

138 TSMC wants to end the global semiconductor shortage. 2021 Mobile World Capital Barcelona. April 8, 2021. URL: https://on5g.es/en/tsmc-quiere-acabar-con-la-escasez-mundial-de-semiconductores/

139 Semiconductor equipment revenue worldwide from 2017 to 2019, by supplier. Statista 2021. URL: https://www.statista.com/statistics/532224/worldwide-semiconductor-wafer-level-manufacturing-equipment-vendor-revenue/

140 Каляев И.А., Мельник Э.В. Доверенные системы управления. Мехатроника, автоматизация, управление. 2021. Т. 22, № 5. С. 227-236.

141 Верещагин Н.К., Шень А. Вычислимые функции. М.: Издательство МЦНМО, 2012. 159 с.

142 Белов В.Б. Новая парадигма промышленного развития Германии - стратегия "Индустрия 4. 0" // Современная Европа, № 5, 2016. С. 11-21. URL: http://www.sov-europe.ru/images/pdf/2016/5-2016/3.pdf

143 Fuchs C. Industry 4.0: The Digital German Ideology // TripleC 16(1): 280-289, 2018. URL: https://www.researchgate.net/publication/323677944

144 Suk-Hwan Suh, Seong-Kyoon Kang, Dae-Hyuk Chung, Ian Stroud. Theory and Design of CNC Systems. 2008 Springer. 455 p.

145 In-Process Correction Technology Added for Hybrid Metal 3D Printer // 2017 Amazing. URL: https://additivemanufacturing.com/2017/07/11/sodick-announces-new-in-process-correction-technology-for-hybrid-metal-3d-printer/

146 Kozak J., Zakrzewski T. Accuracy problems of additive manufacturing using SLS/SLM processes // AIP Conference Proceedings 2017, 020010 (2018). URL: https://aip.scitation.org/doi/pdf/10.1063/1.5056273

147 Gokuldoss P., Kolla S., Eckert J. Additive Manufacturing Processes: Selective Laser Melting, Electron Beam Melting and Binder Jetting—Selection Guidelines // Materials (Basel). 2017 Jun; 10(6): 672. URL:

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5554053/pdf/materials-10-00672.pdf

148 Gruber S., Grunert C., Riede V., López E., Marquardt A., Brueckner F., Leyens C. Comparison of dimensional accuracy and tolerances of powder bed based and nozzle based additive manufacturing processes // Journal of Laser Applications 32, 032016 (2020). URL: https://lia.scitation.org/doi/pdf/10.2351/7.0000115

149 3D-принтер по металлу SLM Solutions NXG XII 600 // 2008-2021, Globatek JSC. URL: https://3d.globatek.ru/production/slm_nxg_xii_600/

150 Туромша В.И. Скоростное силовое фрезерование // Вестник Полоцкого Государственного Университета. Серия В, №3, 2012. с. 56-64. URL: http://elib.psu.by:8080/bitstream/123456789/486/1/Turomsha_2012-3-p56.pdf

151 Короп А.Д. Повышение эффективности изготовления деталей из титановых сплавов // Автореферат диссертации на соискание ученой степени кандидата технических наук. «Белгородский государственный технологический университет им. В.Г. Шухова», 2011. URL: https://www.dissercat.com/content/povyshenie-effektivnosti-izgotovleniya-detalei-iz-titanovykh-splavov/read/pdf

152 Zakhama A., Charrabi L., Jelassi K. Intelligent Selective Compliance Articulated Robot Arm robot with object recognition in a multi-agent manufacturing system // International Journal of Advanced Robotic Systems March-April 2019: 1-15. URL: https://journals.sagepub.com/doi/pdf/10.1177/1729881419841145

153 Кузнецов А. Основные задачи формирования импортонезависимой станкоинстру-ментальной отрасли в России // Станкоинструмент, 2016, №2. С. 16-25.

154 Подураев В.Н. Автоматически регулируемые и комбинируемые процессы резания. М.: Машиностроение, 1977. 304 с.

155 Кузнецов А. Направления развития металлорежущих станков: системные принципы. Часть 1 // Станкоинструмент, 2020, №3. С. 30-41.

156 Кузнецов А. Направления развития металлорежущих станков: системные принципы. Часть 2 // Станкоинструмент, 2020, № 4. С 36-45.

157 Кузнецов А.П. Тенденции в развитии и эффективном производстве станков. Часть 1. Физические основы развития производственных систем // Станкоинструмент, 2021, №2. С. 40-48.

158 Аюпов В.В. Математическое моделирование технических систем (Учебное пособие). Пермь, ИПЦ «Прокростъ», 2017. 242 с. URL: https://docplayer.com/54025938-Matematicheskoe-modelirovanie-tehnicheskih-sistem.html

159 Тютиков В. В. Анализ факторов сложности при синтезе систем модального управления // Изв. ТРТУ, Таганрог, 2005, №1. С. 44-46. URL:

https://cyberleninka.ru/article/n/analiz-faktorov-slozhnosti-obektov-pri-sinteze-sistem-modalnogo-upravleniya/pdf

160 Кротов В.Ф. и др. Основы теории оптимального управления / М.: Высшая школа, 1990. 431 с.

161 Ильясов Б.Г., Макарова Е.А., Закиева Е.Ш., Габдуллина Э.Р. Методологические основы моделирования и интеллектуального управления промышленным комплексом как сложным динамическим многоагентным объектом // Современные наукоемкие технологии, 2020, №11 (часть 2). С. 288-293. URL: https://s.top-technologies.ru/pdf/2020/11-2/38376.pdf

162 Князева Е. Стратегии управления динамической сложностью // Форсайт, т. 14, №4, 2020. с. 34-45. URL: https://foresight-journal.hse.ru/data/2020/12/14/1358314646/3-Кня-зева-34-45^

163 Гайдес М. А. Общая теория систем (системы и системный анализ). Винница: Глобус-пресс, 2005. 201 с.

164 Соколов В.В. Подход к оценке сложности систем // АИТ. 2000-2012. URL: https://www.ait.org.ua/pZpub_podhod.html

165 Благин А.В., Благина Л.В., Попова И.Г., Сахарова Ю.В. Энтропийный анализ сложных систем как инструмент инженерной деятельности // Электронный научный журнал «Инженерный вестник Дона», No4 (2018). URL:

https://cyberleninka.ru/article/n/entropiynyy-analiz-slozhnyh-sistem-kak-instrument-inzhenernoy-deyatelnosti/pdf

166 Пугачев В.С. Теория случайных функций и ее применение к задачам автоматического управления. М.: Физматлит, 1960. 883 с. с. 187.

167 Leiserson C.E., Thompson N.C., Emer J.S., Kuszmaul B.C., Lampson B.W., Sanchez D., Schardl T.B.. There's plenty of room at the Top: What will drive computer performance after Moore's law? // Science 368, 1079 (2020). URL: https://www.microsoft.com/en-us/research/uploads/prod/2020/11/Leiserson-et-al-Theres-plenty-of-room-at-the-top.pdf

168 Решетникова М. Дефицит микросхем: как он возник и чем грозит электронной промышленности. 04.10.2021. URL:

https://trends.rbc.ru/trends/industry/60ed32189a7947381fb9771e

169 Кошкин В.Л. Аппаратные системы числового программного управления. М.: Машиностроение, 1989. 248 с.

170 Heyn J., Gumbel P., Bobka P., Dietrich F., Droder K. Application of artificial neural networks in force-controlled automated assembly of complex shaped deformable components // Procedia CIRP, Volume 79, 2019, Pages 131-136. URL: https://www.sciencedirect.com/science/article/pii/S2212827119301416

171 Кожевников В.В., Леонтьев М.Ю., Приходько В.В., Сергеев В.А., Фомин А.Н. Нейросетевые технологии построения интеллектуальных систем управления роботами // Ученые записки УлГУ. Серия: Математика и информационные технологии. 2019. №2. С. 36-53. URL: https://www.elibrary.ru/item.asp?id=41569405

172 Jin Z., Liu L., Gong D., Li L. Target Recognition of Industrial Robots Using Machine Vision in 5G Environment // Front. Neurorobot., 25 February 2021. URL: https://www.frontiersin.org/articles/10.3389/fnbot.2021.624466/full

173 Bergamini L., Sposato M., Peruzzini M., Vezzani R., Pellicciari M., Calderara S., Schmidt J. Deep learning-based method for vision-guided robotic grasping of unknown objects // Advanced Engineering Informatics, Volume 44, April 2020, 101052. URL: https://www.sciencedirect.com/science/article/abs/pii/S1474034620300215

174 Комбаров В.В., Аксенов Е.А., Криживец Е.А. Определение физических величин перемещения органов станков с ЧПУ // Авиационно-космическая техника и технология, 2011, №7 (84). С. 109-114. URL:

https://www.researchgate.net/publication/337170704_Opredelenie_fiziceskih_velicin_pere mesenia_organov_stankov_s_CPU

175 Владимир Бахур. Intel представила большие архитектурные изменения в новых поколениях процессоров. 19.08.2021. URL: https://www.cnews.ru/news/line/2021-08-19_intel_predstavila_bolshie_arhitekturnye

176 Ежова Н.А., Соколинский Л.Б. Обзор моделей параллельных вычислений // Вестник ЮУрГУ. Серия «Вычислительная математика и информатика», 2019, т. 8, №3. с.58-91. URL: http://www.mathnet.ru/links/3fbbd4ccda2cd6c769c97eb5d34b5bfc/vyurv218.pdf

177 Juurlink B., Meenderinck C. Amdahl's law for predicting the future of multicores considered harmful // ACM SIGARCH Computer Architecture News, 40(2012), 2. pp.1-9. URL: https://depositonce.tu-

berlin.de/bitstream/11303/6925/1/Amdahls_law_for_predicting.pdf

178 Каляев И., Заборовский В. Искусственный интеллект: от метафоры к техническим решениям // Control Engineering Россия, 2019, №5 (83). С. 26-31. URL: https://controleng.ru/wp-content/uploads/8326.pdf

179 Кнут Д.Э. Искусство программирования, том 3. Сортировка и поиск. М.: ООО "И.Д. Вильямс", 2018. 832 с.

180 Time Complexities of all Sorting Algorithms. Geeks for Geeks, 2023. URL: https://www.geeksforgeeks.org/time-complexities-of-all-sorting-algorithms/

181 Heap Algorithms. Massachusetts Institute of Technology. URL: https://courses.csail.mit.edu/6.006/fall10/handouts/recitation10-8.pdf

182 Binary Insertion Sort. Geeks for Geeks, 2023. URL: https://www.geeksforgeeks.org/binary-insertion-sort/

183 Клини С.К. Введение в метаматематику. М.: Издательство иностранной литературы, 1957. 526 с.

184 Соколенко М. Формальная система в полном объеме // Ученые записки Таврического национального университета им. В.И. Вернадского Серия «Философия. Культурология. Политология. Социология». Том 26 (65). 2013. № 4. С. 384-388.

185 Hetzl S. Higher-Order Logic. Vienna University of Technology. January 25, 2019. URL: https://dmg.tuwien.ac.at/hetzl/teaching/hol.20190125.pdf

186 Верещагин Н.К., Шень А. Лекции по математической логике и теории алгоритмов. Часть 3. Вычислимые функции. Москва: МЦНМО, 2012. 160 с.

187 Yamada H. Real-time computation and recursive functions not real-time computable // IRE Transactions on Electronic Computers. 1962, Vol. EC-11, Issue 6, pp. 753-760. DOI: 10.1109/TEC.1962.5219459.

188 Марченков С. С., Матросов, В. Л. Сложность алгоритмов и вычислений // Итоги науки и техники. Серия «Теория вероятностей. Математическая статистика. Теоретическая кибернетика». М.: ВИНИТИ, 1979. Т. 16, С. 103-149.

189 Blum M. On the Size of Machines // Information and control. 1967, No. 11, pp. 257-265. DOI: 10.1016/S0019-9958(67)90546-3.

190 Intel® 64 and IA-32 Architectures Optimization Reference Manual: Volume 1. Document Number: 248966-050US. Intel Corporation, April 2024

191 Фалин А.Е., Алексеев В.В., Щепанов А.Н., Киклевич О.В., Котов Ю.Т., Знаменская Т.Д. Анализ зависимости тактовой частоты процессоров от топологических норм кристаллов // Лесной вестник / Forestry Bulletin, 2019. Т. 23. № 4. С. 76-81. DOI: 10.18698/2542-1468-2019-4-76-81

192 Lodha S., Thakar K., Singh S., Mukherjee B., Kaushik N., Grover S., Muralidharan B., Deshmukh M. Physics and Modeling of Two-dimensional (2D) RF Transistors and Photodetectors // 2019 Electron Devices Technology and Manufacturing Conference (EDTM), pp. 26-28. DOI: 10.1109/EDTM.2019.8731169.

193 Asperti A. A Formal Proof of Borodin-Trakhtenbrot's Gap Theorem / In: Gonthier, G., Norrish, M. (eds) Certified Programs and Proofs. CPP 2013. Lecture Notes in Computer Science, vol 8307. Springer, Cham. DOI: 10.1007/978-3-319-03545-1_11

194 Bartlett M., Frisch A.M., Hamadi Y., Miguel I., Tarim S.A., Unsworth C. The Temporal Knapsack Problem and Its Solution / In: Bartak R., Milano M. (eds) Integration of AI and OR Techniques in Constraint Programming for Combinatorial Optimization Problems. CPAIOR 2005. Lecture Notes in Computer Science, vol 3524. Springer, Berlin, Heidelberg. DOI: 10.1007/11493853_5. P. 34-48.

195 Kahn A.B. Topological sorting of large networks // Communications of the ACM, 1962, No. 5 (11), pp. 558-562. DOI: 10.1145/368996.369025.

196 Кормен Т., Лейзерсон Ч., Ривест Р. Глава 22. Элементарные алгоритмы для работы с графами // Алгоритмы: построение и анализ (второе издание). М.: «Вильямс», 2005.

197 Hong S., Rodia N., Olukotun K. On fast parallel detection of strongly connected components (SCC) in small-world graphs // Proceedings of the International Conference on High Performance Computing, Networking, Storage and Analysis - SC '13, pp. 1-11, DOI: 10.1145/2503210.2503246.

198 Tarjan R.E. Depth-first search and linear graph algorithms // SIAM Journal on Computing, 1 (2), pp. 146-160. DOI: 10.1137/0201010.

199 Gabow H.N. Path-based depth-first search for strong and biconnected components // Information Processing Letters, 2000, No. 74 (3-4), pp. 107-114, DOI: 10.1016/S0020-0190(00)00051-X.

200 Bundy A., Wallen L. Breadth-First Search / In: Bundy A., Wallen L. (eds) Catalogue of Artificial Intelligence Tools. Symbolic Computation. Springer, Berlin, Heidelberg, 1984. DOI: 10.1007/978-3-642-96868-6 25. P. 13.

201 Hashemi M., Gong S., Ni J., Fan W., Prakash B.A., Jin W. A Comprehensive Survey on Graph Reduction: Sparsification, Coarsening, and Condensation // Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence (IJCAI-24). Survey Track. 2024. P. 8058-8066.

202 Eswaran K.P., Tarjan R.E. Augmentation problems // SIAM Journal on Computing, 1976, No. 5 (4), pp. 653-665. DOI: 10.1137/0205044.

203 Гордеев Э.Н., Тарасцов О.Г. Задача Штейнера. Обзор // Дискретная математика, 1993, том 5, вып. 2, с. 3-28.

204 Melzak Z.A. On the problem of Steiner // Canadian Mathematical Bulletin, 1961, v. 4, pp. 143-148.

205 Cockayne E.J. On the efficiency of the algorithm for Steiner minimal trees // SIAM Journal on Applied Mathematics, 1970, No. 18, pp. 150-159.

206 Лисин А.В., Файзуллин Р.Т. Эвристический алгоритм поиска приближённого решения задачи Штейнера, основанный на физических аналогиях // Компьютерная оптика, 2013, том 37, №4, с. 503-510. DOI: 10.18287/0134-2452-2013-37-4-503-510.

207 Kou L., Markowsky G., Berman, L. A fast algorithm for Steiner trees //Acta Informatica. 1981, No. 15 (2), pp. 141-145. DOI:10.1007/BF00288961.

208 Багов М.А, Кудаев В.Ч. Преобразование терминальной сети в сеть Штейнера // Известия КБНЦ РАН, 2015, № 6(68), с. 31-37.

209 Kahng A.B., Robins G. ON optimal interconnections for VLSI. New York, Springer Science+Business Media, 2001. 301 p.

210 Терещук В.С., Ференец А.В., Федоров Е.Ю. Особенности разводки сложных электрических цепей летательных аппаратов // Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности: Международная научно-практическая конференция, Казань, 05-08 августа 2014 года. Том IV. Казань: Издательство Казанского государственного технического университета, 2014. С. 109-111.

211 Patt, Y. Requirements, Bottlenecks, and Good Fortune: Agents for Microprocessor Evolution / Proceedings of the IEEE, Vol. 89, №11, 2001, pp. 1553-1559

212 Бурцев В.С. Параллелизм вычислительных процессов и развитие архитектуры суперЭВМ. МВК "Эльбрус" / М.: ИВВС РАН, 1998

213 Cell Broadband Engine Programming Tutorial. Version 2.0 // IBM Systems and Technology Group, December 15, 2006. URL:

https://arcb.csc.ncsu.edu/~mueller/cluster/ps3/CBE_Tutorial_v2.0_15December2006.pdf

214 Charles E. Leiserson, Neil C. Thompson, Joel S. Emer, Bradley C. Kuszmaul, Butler W. Lampson, Daniel Sanchez, Tao B. Schardl. There's plenty of room at the Top: What will drive computer performance after Moore's law? // Science 368, 1079 (2020). URL: https://www.microsoft.com/en-us/research/uploads/prod/2020/11/Leiserson-et-al-Theres-plenty-of-room-at-the-top.pdf

215 Flynn, M. Some Computer Organizations and Their Effectiveness // IEEE Transactions on Computers, 21(9), 1972. c. 948-960. URL: https://www.cs.utah.edu/~hari/teaching/paralg/Flynn72.pdf

216 Mark Connolly. A Programmable Processing-in-Memory Architecture for Memory Intensive Applications // RIT Scholar Works, 5-2021. URL: https://scholarworks.rit.edu/cgi/viewcontent.cgi?article=11888&context=theses

217 Ghose S., Hsieh K., Boroumand A., Ausavarungnirun R., Mutlu O. Enabling the Adoption of Processing-in-Memory: Challenges, Mechanisms, Future Research Directions. 2018. URL: https://arxiv.org/abs/1802.00320

218 Jeff A. Estefan. Survey of Model-Based Systems Engineering (MBSE) Methodologies // INCOSE MBSE Initiative, 2008. URL:

https://www.omgsysml.org/MBSE_Methodology_Survey_RevB.pdf

219 Мартинов Л.И., Мартинов Г.М. Организация межмодульного взаимодействия в распределенных системах ЧПУ. Модели и алгоритмы реализации // Мехатроника, автоматизация, управление. 2010. №11. С. 50-55

220 Ruishu Z., Chang Z., Weigang Z. The status and development of industrial robots // IOP Conf. Series: Materials Science and Engineering 423 (2018) 012051. URL: https://iopscience.iop.org/article/10.1088/1757-899X/423/1/012051/pdf

221 Романов А.М. Обзор аппаратно-программного обеспечения систем управления роботов различного масштаба и назначения. Часть 1. Промышленная робототехника // Российский технологический журнал. 2019. Т. 7. № 5. С. 30-46. URL: https://doi.org/10.32362/2500-316X-2019-7-5-30-46

222 Илюхин Ю.В. Синергетический (мехатронный) подход к проектированию систем управления технологических роботов // Мехатроника. 2000. № 2. С. 7-12.

223 Фу К., Гонсалес Р., Ли К. Робототехника. Пер. с англ. М.: Мир, 1989, 624 с.

224 Модели параллельных вычислений // Сайт Вычислительного центра им. А.А. Дородницына Российской академии наук. URL: http://www.ccas.ru/paral/prog/models.html

225 Попов, Е.П. Робототехника и гибкие производственные системы / Е. П. Попов. М.: Наука, 1987. 190 с.

226 Юревич Е. И. Основы робототехники: учебное пособие для вузов. СПб.: БХВ-Петер-бург, 2010. 360 с.

227 Попова Н.В. Математические методы: электронный учебник. 2005 ВТК, URL: http://matmetod-popova.narod.ru/Index1.htm

228 Burgin M. Systems, Actors and Agents: Operation in a multicomponent environment. 2017. URL: https://arxiv.org/abs/1711.08319

229 Rinaldi L., Torquati M., Mencagli G., Danelutto M., Menga T. Accelerating Actor-based Applications with Parallel Patterns // Proceedings of the 27th Euromicro International Conference on Parallel, Distributed and Network-Based Processing, 2019. Pavia, Italy, 13-15 Feb. 2019. URL: http://pages.di.unipi.it/mencagli/publications/preprint-pdp-2019.pdf

230 Vivek Shah and Marcos Antonio Vaz Salles. Reactors: A Case for Predictable, Virtualized Actor Database Systems. 2018. URL: https://arxiv.org/abs/1701.05397

231 Lohstroh М., Menard С., Bateni S., Lee E. Toward a Lingua Franca for Deterministic Concurrent Systems // ACM Transactions on Embedded Computing Systems, Vol. 20, No. 4, Arti-cle 36. Publication date: May 2021. URL:

https://www.researchgate.net/publication/351695273_Toward_a_Lingua_Franca_for_Dete rministic_Concurrent_Systems/link/60ad4aff92851c168e401e9d/download

232 ГОСТ Р МЭК 61069-3-2017. Измерение, управление и автоматизация промышленного процесса. определение свойств системы с целью ее оценки. Часть 3 - Оценка функциональности системы

233 Мамаева Т. Микросхемы многопортовой памяти фирмы IDT / Компоненты и технологии, 2001, №4. URL: https://kit-e.ru/wp-content/uploads/2001_04_32.pdf

234 Орлов С.А., Цилькер Б.Я. Организация ЭВМ и систем: Фундаментальный курс по архитектуре и структуре современных компьютерных средств. СПб.: Питер, 2011. 688 с.

235 Qiang Y., Jing F., Hou Z., Li E. A Design of Multi-Axis Motion Controller for Welding Robot Based ON DSP / International Conference on Advanced Technology of Design and Manufacture 2010, pp. 383-387

236 Thinh N., Choi J-G., Kim W-H. Design and Implementation of FFPIV Scheme for Closed Loop Motion Controller / Intelligent Control and Automation, 2014, №5, pp. 35-45.

237 Aditi, Rahul, Dahiya P.K. Verification Environment of Dual Port RAM: A Review / International Journal for Research in Applied Science & Engineering Technology (IJRASET), Vol 7, Issue V, 2019, pp. 2031-2036

238 Харьков М.А. Высокопроизводительная система управления многокоординатными технологическими мехатронными объектами на основе память-ориентированного подхода и распределения вычислений / Диссертация на соискание ученой степени кандидат технических наук по специальности 05.02.05. «Роботы, мехатроника и ро-бототехнические системы», МГТУ «СТАНКИН», Москва, 2021

239 Modbus RTU made simple with detailed descriptions and examples / 2022 IPC2U Group. URL: https://ipc2u.com/articles/knowledge-base/modbus-rtu-made-simple-with-detailed-descriptions-and-examples/

240 Kunbus. Industrial Communication. P-NET / kunbus.com. URL: https://www.kunbus.com/p-net.html

241 Сети PROFIBUS / PROFIBUS Networks SIMATIC NET 6GK1970-5CA20-0AA1 Release 2 05/2000. URL: https://www.siemens-

pro.ru/docs/kip/Flowmeters/Others/Profibus/1_Network_PROFIBUS_r.pdf

242 Siemens Сети Simatic NET. PROFIBUS-DP. Руководство / Siemens AG, 2001. URL: https://www.siemens-pro.ru/docs/kip/Flowmeters/Others/Profibus-DP/01_Basic_PROFIBUS_r.pdf

243 Hilsher Competence in Communication. Protocol interface manual PROFIBUS-FMS / Hilscher Gesellschaft fur Systemautomation mbH. URL: http://download.gongkong.com/file/company/18707/fms_pie.pdf

244 Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach (2nd ed.) // Upper Saddle River, New Jersey: Prentice Hall, 2010.

245 Душкин Р.В. — Интеллектуализация управления техническими системами в рамках функционального подхода // Программные системы и вычислительные методы. 2019. №2. С 43-57. URL: https://nbpublish.com/library_read_article.php?id=29192

246 Волков В.А., Чудинов С.М. Системный анализ для структурно-параметрического синтеза // Экономика. Информатика, 2012. №19 (138). Выпуск 24/1

247 Singh G., Chelini L., Corda S., Awan A.J., Stuijk S., Jordans R., Corporaal H., Boonstraz A. Near-Memory Computing: Past, Present, and Future // August 2019, Microprocessors

and Microsystems 71. URL: https://www.researchgate.net/publication/335028505_Near-Memory_Computing_Past_Present_and_Future

248 Nios® II Processor Reference Guide // Intel Corporation, 2020.12.22. URL: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/hb/nios2/n2c pu-nii5v1gen2.pdf

249 Nios® II Software Developer Handbook // Intel Corporation, 2021.10.04. URL: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/hb/nios2/n2s w_nii5v2gen2.pdf

250 Waterman A., Krste Asanovic K. RISC-V Instruction Set Manual Volume I: User-Level ISA Document Version 2.2 // RISC-V Foundation, May 2017. URL: https://riscv.org/wp-content/uploads/2017/05/riscv-spec-v2.2.pdf

251 EtherCAT Communication Manual // OMRON, 2010. URL: https://www.tecnical.cat/PDF/0MR0N/Vision/Q179-E1-01.pdf

252 Ethernet POWERLINK Communication Profile Specification // EPSG, 2016. URL: https://www.ethernet-power-

link.org/fileadmin/user_upload/Dokumente/Downloads/TECHNICAL_DOCUMENTS/EP SG_DS_301_V-1-3-0__4_.pdf

253 Mühe H., Angerer A., Hoffmann A., Reif W. On reverse-engineering the KUKA Robot Language // 1st International Workshop on Domain-Specific Languages and models for ROBotic systems. 25 Sep 2010. URL: https://arxiv.org/pdf/1009.5004.pdf

254 HrBasic Reference Manual Ver. 5.50 // Hirata 2004-2005. URL: https://www.hirata.de/fileadmin/content/05_Kontakt/Support_Download/Programmierhand buch_fuer_HR-Basic_Syntax_Version_2_10-2008__H-XXXX-1E.pdf

255 Сутормин Д.К., Тюлькин М.В. Robot Control Meta Language. Метаязык для роботов. Пермь, Издательский центр «Титул», 2015. 72 с.

256 Finkel R. Advanced programming languages design / University of Kentucky. Addison-Wesley Publishing Company, Inc. 1996. 363 p. URL:

https://www.researchgate.net/publication/220692467_Advanced_programming_language_ design

257 IEC 61131-3 - International standard, second edition 2003-01. Programmable controllers -Part 3: Programming languages / URL:

https://d1.amobbs.com/bbs_upload782111/files_31/ourdev_569653.pdf

258 Batko P., Kuta M. Actor model of Anemone functional language // The Journal of Supercomputing, volume 74, pp. 1485-1496 (2018). URL: https://link.springer.com/content/pdf/10.1007/s11227-017-2233-1.pdf

259 Brodie L. Thinking forth. A Language and Philosophy for Solving Problems / Creative Commons, 2004. URL: https://jztkft.dl.sourceforge.net/project/thinking-forth/reprint/rel-1.0/thinking-forth-color.pdf

260 Steele L. Common Lisp the Language / 2nd Edition. Thinking Machines, Inc., 1990. 1029 p. URL: https://www.cs.cmu.edu/Groups/AI/html/cltl/cltl2.html

261 Porter J., Menasce D., Gomaa H. Decentralized Software Architecture Discovery in Distributed Systems // Technical Reports. George Mason University, Department of Computer Science, 2016. URL: https://cs.gmu.edu/media/techreports/GMU-CS-TR-2016-2.pdf

262 Porter J., Menasce D., Gomaa H. DeSARM: A Decentralized Mechanism for Discovering Software Architecture Models at Runtime in Distributed Systems // [e-mail], 2016. Computer Science. URL: http://ceur-ws.org/Vol-1742/MRT16_paper_3.pdf

263 Getting Started with Erlang User's Guide. Version 12.0.2. / May 31, 2021. Ericsson AB. URL: https://erlang.org/doc/getting_started/users_guide.html

264 ISO/IEC 30170:2012. Information technology — Programming languages — Ruby / 201204. 313 p. URL: https://www.iso.org/obp/ui/#iso:std:iso-iec:30170:ed-1:v1:en

265 Raphael B. The structure of programming languages // Communications of the ACM, Volume 9, Issue 2. Feb. 1966. pp 67-71. URL:

http://lsc.fie.umich.mx/~juan/Materias/FIE/Lenguajes/Slides/Papers/p67-raphael.pdf

266 Volkova V., Kozlov V., Mager V., Chernenkaya L. Classification of methods and models in system analysis. 2017 XX IEEE International Conference on Soft Computing and Measurements (SCM), St. Petersburg, Russia, 24-26 May 2017. URL: https://ieeexplore.ieee.org/document/7970533

267 Hilfinger P. A Model of Programming Languages // University of California, Department of Electrical Engineering and Computer Sciences, Computer Science Division. Spring 1998. URL: https://people.eecs.berkeley.edu/~jrs/61bf98/reader/ucb/java-model.pdf

268 Martini S. The Standard Model for Programming Languages: The Birth of a Mathematical Theory of Computation // OpenAccess Series in Informatics (OASIcs), vol. 86, 8:1-8:13, November 2020. URL: https://drops.dagstuhl.de/opus/volltexte/2020/13230/

269 Satav S.K., Satpathy S. K., Satao K. J. A Comparative Study and Critical Analysis of Various Integrated Development Environments of C, C++, and Java Languages for Optimum Development // UNIASCIT, Vol 1 (1), 2011, 09-15. URL: https://www.researchgate.net/publication/228612323_A_Comparative_Study_and_Critical _Analysis_of_Various_Integrated_Development_Environments_of_C_C_and_Java_Langu ages_for_Optimum_Development

270 Piao Y., Ezzati-jivan N., Dagenais M. Distributed Architecture for an Integrated Development Environment, Large Trace Analysis, and Visualization // Sensors, 2021, 21, 5560. URL: https://doi.org/10.3390/s21165560

271 Жукова А.Р., Мазин М.А. Акторное расширение языка Java в среде MPS // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2010, № 2(66). C. 72-77. URL: https://cyberleninka.ru/article/n/aktornoe-rasshirenie-yazyka-java-v-srede-mps/pdf

272 Taha W. A Gentle Introduction to Multi-stage Programming // DBLP. Conference Paper in Lecture Notes in Computer Science. January 2003. URL: https://www.researchgate.net/publication/221024597_A_Gentle_ Introduction_to_Multi-stage_Programming

273 Nordmann A., Hochgeschwender N., Wrede S. A Survey on Domain-Specific Languages in Robotics // SIMPAR 2014: Simulation, Modeling, and Programming for Autonomous Robots pp 195-206. URL: https://core.ac.uk/download/pdf/211831974.pdf

274 Кэндалл, М. Многомерный статистический анализ и временные ряды / М. Кэндалл, А. Стюарт. Пер. с англ. Под ред. Колмогорова. М.: Наука, 1976. 521 с.

275 Ланнэ А. А. Шумы и точность реализации характеристик цифровых фильтров / А.А. Ланнэ, Г.Б. Шевкопляс. Зарубежная радиоэлектроника, 1974, №4. С. 18-47

276 Корн, Г. Справочник по математике для научных работников и инженеров / Г. Корн, Т. Корн. Пер. с англ. М.: Наука, 1973. 832 с.

277 Walts E.L., Data fusion for C3I: a tutorial, in: Command, Control, Communications Intelligence (C3I) Handbook, EW Communications Inc., Palo Alto, CA, 1986, pp. 217226

278 Hall D.L., Linas J. L. An introduction to multisensor fusion, Proceedings of the IEEE 85 (1) (1997) 6-23

279 Kumar M., Garg D.P., Zachery R.A. A generalized approach for inconsistency detection in data fusion from multiple sensors, in: Proc. of the Ameri can Control Conference, 2006, pp. 2078-2083

280 Smets P. Analyzing the combination of conflicting belief functions, Information Fusion 8 (4) (2007), pp.387-412

281 Zhu Y., Song E., Zhou J., You Z. Optimal dimensionality reduction of sensor data in multisensor estimation fusion, IEEE Transactions on Signal Processing 53 (5) (2005), pp. 1631-1639

282 Milenova B.L., Campos M.M. Mining high-dimensional data for information fusion: a database-centric approach, in: Proc. of International Conference on Information Fusion, 2005, pp. 638-645

283 Bolos, V.J., Benitez, R. The wavelet scalogram in the study of time series. In Advances in Differential Equations and Applications; Springer: Berlin/Heidelberg, Germany, 2014; pp. 147-154

284 Yang Z., Dan T. and Yang Y. Multi-temporal remote sensing image registration using deep convolutional features // IEEE Access, vol.6, pp. 38544-38555, 2018

285 Zhdanova, M.M., Voronin, V.V., Sizyakin, R.A., Gapon, N.V., Balabaeva, O.S. A model for fusing images obtained from sensors of various nature // Proc. XV Int. conf. Dynamics of technical systems "DTS-2019", 81-84 (2019)

286 Panetta, K., Wharton, E., Agaian, S., Parameterization of logarithmic image processing models // IEEE Tran. Systems, Man, and Cybernetics, Part A: Systems and Humans (2007)

287 Wan, Q., Rao, S. P., Kaszowska, A., Voronin, V., Panetta, K., Taylor, H. A., Agaian, S. Face description using anisotropic gradient: thermal infrared to visible face recognition // Proc. SPIE 10668 (2018)

288 Chen, C., Jafari, R., Kehtarnavaz, N. UTD-MHAD: A Multimodal Dataset for Human Action Recognition Utilizing a Depth Camera and a Wearable Inertial Sensor // Proc. of IEEE International Conference on Image Processing (2015)

289 Salimans T. et al. Improved techniques for training gans // Advances in Neural Information Processing Systems. 2016. pp. 2234-2242

290 Bouzgou K., Ahmed-Foitih Z. Workspace analysis and geometric modeling of 6 dof fanuc 200ic robot // Procedia-Social and Behavioral Sciences. 2015. Vol. 182. pp. 703-709

291 Zhang Z. Microsoft kinect sensor and its effect // IEEE multimedia. 2012. Vol. 19. №2. pp. 4-10

292 Shi J. et al. Learning non-lambertian object intrinsics across shapenet categories // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017. pp. 1685-1694

293 Radford A., Metz L., Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks. URL: https://arxiv.org/abs/1511.06434

294 Maas A. L., Hannun A. Y., Ng A. Y. Rectifier nonlinearities improve neural network acoustic models // Proc. icml. 2013. Vol. 30. № 1. p. 3

295 Diederik P. Kingma, Jimmy Ba. Adam: A Method for Stochastic Optimization // URL: https://arxiv.org/abs/1412.6980

296 Chetverikov D. The trimmed iterative closest point algorithm // Object recognition supported by user interaction for service robots. 2002. Vol. 3. pp. 545-548

297 Зеленский А.А., Стебулянин М.М., Абдуллин Т.Х., Харьков М.А. Реализация ускоренных вычислений прямой задачи кинематики для промышленных роботов // Вестник машиностроения. 2019. №11.

С. 28-31

298 Gharatappeh S., Ghorbanian M., Keshmiri M., Taghirad H.D. Modified fast-SLAM for 2D mapping and 3D localization // 3rd RSI International Conference on Robotics and Mechatronics (ICROM). 2015. P. 108-113

299 Semenishchev E., Voronin V., Zelensky A, Ilyukhin Y., Budyakov A., Agaian S. Algorithm for the automated analysis of the shape of objects located on the cutting table of industrial robotic systems. Proc. SPIE, Optical Measurement Systems for Industrial Inspection XII, Volume 11782, Paper number 117821Y, 2021

300 Semenishchev E., Voronin V., Agaian S., Alepko A., Zelensky A. Algorithm for the automated determination of heating areas during metal processing with numerically controlled machines. Proc. SPIE, Dimensional Optical Metrology and Inspection for Practical Applications X, Volume 11732, Paper number 117320D, 2021

301 Semenishchev E., Voronin V., Zelensky A., Zhdanova M., Tolstova I. Automatic search for thermal energy leaks in the form of thin gaps during the audit of buildings based on mobile systems. Proceedings Volume 11399, SPIE Defense + Commercial Sensing, Mobile Multimedia/Image Processing, Security, and Applications 2020; 113990U, (2020)

302 Liu M. Image inpainting and super-resolution using non-local recursive deep convolutional network with skip connections // Ninth International Conference on Digital Image Processing (ICDIP 2017). 2017. N. 10420. P. 104203A

303 Jiang L., Xiao S., He C. Kinect depth map inpainting using a multi-scale deep convolutional neural network // Proceedings of the 2018 International Conference on Image and Graphics Processing. 2018. P. 91-95

304 Voronin V.V., Marchuk V.I., Fisunov A.V., Tokareva S.V., Egiazarian K.O. Depth map occlusion filling and scene reconstruction using modified exemplar-based inpainting // Proc. SPIE 9399, Image Processing: Algorithms and Systems XIII. 2015. P. 93990S

305 Bertalmio M., Bertozzi A.L., Sapiro G. Navier-Stokes, fluid dynamics, and image and video inpainting // Proc. IEEE Conf. Comput. Vis. Pattern Recognition. 2001. P. 355-362

306 Telea A. An image inpainting technique based on the fast marching method // Journal of graphics tools. 2004. Vol. 9, N.1. P. 23-34

307 Voronin V.V., Marchuk V.I., Egiazarian K.O., Sherstobitov A.I. Image inpainting using cubic spline-based edge reconstruction // Proceedings of SPIE Image Processing: Algorithms and Systems X. 2012. Vol. 8295. P. 82950I

308 Chaudhury S., Roy H. Can fully convolutional networks perform well for general image restoration problems? // IEEE: Fifteenth IAPR International Conference on Machine Vision Applications (MVA). 2017. P. 254-257

309 Dissanayake G., Newman P. Durrant-Whyte H.F., Clark S., Csorba M. A solution to the simultaneous localization and map building (SLAM) problem // IEEE transaction robotic automation. 2001. N. 17(3). P. 229-241

310 Marchuk V.I., Voronin V.V., Frantz V.A. Development of 2D adaptive method of estimation reproduction for image reconstruction in incomplete a priori information // Telecommunications and Radio Engineering. 2013. Vol. 72, N.13. P. 1255-1262

311 Criminisi A., Perez P., Toyama K., Region filling and object removal by exemplar-based image inpainting // IEEE Transactions on Image Processing. 2004. N. 13. P. 1200-1212

312 Katkovnik V., Egiazarian K., Astola J. Local Approximation Techniques in Signal and Image Processing // SPIE Press, Bellingham. USA. Vol. PM157 2006

313 Voronin V.V., Marchuk V.I., Egiazarian K.O. Images reconstruction using modified exemplar based method // SPIE Electronic Imaging. 2011. Vol. 7870. P. 78700N

314 Grigoryan A.M., Agaian S.S. Retooling of color imaging in the quaternion algebra // Applied Mathematics and Sciences: An International Journal (MathSJ). 2014. Vol. 1, N.3. P. 23-39.

315 Foi A., Katkovnik V., Egiazarian K. Pointwise shape-adaptive DCT for high-quality denoising and deblocking of grayscale and color images // IEEE transactions on image processing. 2007. Vol. 16, N. 5. P. 1395-1411.

316 Sturm J., Engelhard N., Endres F., Burgard W., Cremers D. A Benchmark for the Evaluation of RGB-D SLAM Systems // Proc. of the International Conference on Intelligent Robot Systems (IROS). 2012. P. 573-580.

317 Shahroudy A., Liu J., Ng TT, Wang G. (2016) Ntu rgb+ d: A large scale dataset for 3-D human activity analysis // Proc. CVPR, 1010-1019

318 Zhu W, Lan C, Xing J, Zeng W, Li Y, Shen L, Xie X Co-occurrence feature learning for skeleton based action recognition using regularized deep LSTM networks // Proc. Thirtieth AAAI Conference on Artificial Intelligence (2016)

319 Zhang S., Liu X., Xiao J. (2017) On geometric features for skeleton-based action recognition using multilayer lstm networks // Proc. WACV, 148-157

320 Li C., Zhong Q., Xie D., Pu S. Skeleton-based action recognition with convolutional neural networks // Proc. ICMEW, 597-600 (2017)

321 Ke Q., Bennamoun M., An S., Sohel F., Boussaid F. A new representation of skeleton sequences for 3-D action recognition // Proc. CVPR, 3288-3297 (2017)

322 Kim T.S., Reiter A. Interpretable 3-D human action analysis with temporal convolutional networks // Proc. CVPR, 1623-1631 (2017)

323 Brailean J.C., Little D., Giger M.L., Chen C.T., Sullivan B.J. Quantitative performance evaluation of the EM algorithm applied to radiographic images // Biomedical Image Processing II, vol. 1450 of Proc. SPIE, 40-46 (1991)

324 Brailean J.C., Little D., Giger M.L., Chen C.T., Sullivan B.J., et al. Application of the EM algorithm to radiographic images // Medical Physics, 19(5), 1175-1182(1992)

325 Brailean J.C., Sullivan B.J., Chen C.T., Giger M. L. Evaluating the EM algorithm for image processing using a human visual fidelity criterion // Proceedings of the IEEE

International Conference on Acoustics, Speech and Signal Processing (ICASSP '91), vol. 4, pp. 2957-2960 (1991)

326 Lowe D.G. Distinctive image features from scale-invariant keypoints // Int. J. of computer vision, 60 (2), 91-110 (2004)

327 Wang H, Klaser A, Schmid C, Liu CL. Dense trajectories and motion boundary descriptors for action recognition // Int. J. of computer vision, 103(1), 60-79 (2013)

328 Solmaz B, Assari SM, Shah M Classifying web videos using a global video descriptor // Machine vision and applications, 24(7), 1473-1485 (2013)

329 Ji X.F., Wu Q.Q., Ju Z.J., Wang Y.Y. Study of human action recognition based on improved spatio-temporal features // Springer Berlin Heidelberg, 233-250 (2017)

330 Maenpaa T. The Local Binary Pattern Approach to Texture Analysis. Extensions and Applications / Oulu University Press, 2003

331 Zhao G, Pietikainen M (2006) Dynamic texture recognition using volume local binary patterns / Springer, Berlin, Heidelberg, 165-177

332 Jain A., Tompson J., LeCun Y., Bregler C. Modeep: A deep learning framework using motion features for human pose estimation // In Proc. ACCV, 302-315 (2014)

333 Soomro K., Zamir A.R. and Shah M. UCF101: A dataset of 101 human action classes from videos in the wild. In CRCV-TR-12-01 (2012)

334 Peng X , Wang L , Wang X , Qiao Y. Bag of visual words and fusion methods for action recognition: Comprehensive study and good practice // Computer Vision and Image Understanding, vol. 150, 109-125 (2016)

335 Russakovsky, O., Deng, J., Su, H., Krause, J., and et al. ImageNet large scale visual recognition challenge // CoRR, vol. abs/1409.0575 (2014). URL: http:// arxiv.org/abs/1409.0575

336 Mery, D. and Berti, M.A. Automatic detection of welding defects using texture features // International Symposium on Computerized Tomography and Image Processing for Industrial Applications in Radiology (CTIP-2003)

337 Daugman, J.G. Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters // Journal of the Optical Society of America A, 2(7), pp. 1160-1169 (1985)

338 Haralick, R.M., Shanmugam, K. and Dinstein, I.H. Textural features for image classification // IEEE Transactions on Systems, Man and Cybernetics, vol. 3(6), 610-621, (1973)

339 Altman, N.S. An introduction to kernel and nearest-neighbor nonparametric regression // The American Statistician. 46(3), pp. 175-185 (1992)

340 Roumen, K., Kountchev, Stuart, H. Rubin, Vladimir, T. Todorov and Roumiana, A. Kountcheva. Automatic detection of welding defects // Int. J. Reasoning-based Intelligent Systems, vol. 3(1) (2011)

341 Lim, J. Two-Dimensional Signal and Image Processing / Prentice Hall, New Jersey (1990)

342 Gonzalez, R. and Woods, R. Digital Image Processing / Prentice Hall, New Jersey (2002)

343 Kountchev, R. Milanova, M. Todorov, V. and Kountcheva, R. Adaptive fuzzy filter for the reduction of blocking artifacts in images compressed with IDP decomposition and JPEG // WSEAS Transactions on Signal Processing, vol. 2(7), 941-948, (2006)

344 Chu, E. and George. A. Inside the FFT Black Box: Serial and parallel fast Fourier transform algorithms // CRC Press, Boca Raton, FL (2000)

345 Young, I., Gerbrands, J. and van Vliet, L. Image processing fundamentals / Delft, The Netherlands (1996)

346 Saber, S., Selim, G.I., Higher-order statistics for automatic weld defect detection // Journal of Software Engineering and Applications, 6, pp. 251-258 (2013). URL: http://dx.doi.org/10.4236/jsea.2013.65031

347 Coltuc, D., Bolon, P. and Chassery, J.M. Exact histogram specification // IEEE Transactions on Image Processing, vol. 15 (5), pp. 1143-1152 (2006)

348 Kasban, H., Zahran, O., Arafa, H., El-Kordy, M., Elaraby, S. M. S. and El-Samie, F. E. A. Welding defect detection from radiographic image using cepstral approach // Nondestructive Testing and Evaluation: An International Journal, vol. 44 (2), pp. 226-231 (2011)

349 Kasban, H. Applying advanced digital signal processing techniques in industrial radioisotopes applications // Ph.D. Thesis, Faculty of Electronic Engineering, Menofia University, Shibin Al Kawm (2012)

350 Sizyakin, R., Voronin, V., Gapon, N., Zelensky, A., Pizurica, A. Automatic detection of welding defects using the convolutional neural network // Proceedings Volume 11061, Automated Visual Inspection and Machine Vision III; 110610E (2019)

351 Clausi, D.A. An analysis of co-occurrence texture statistics as a function of grey level quantization // Canadian Journal of remote sensing, vol. 28, pp. 45-62 (2002)

352 Soh, L.-K. and Tsatsoulis, C. Texture analysis of SAR sea ice imagery using gray level cooccurrence matrices // IEEE Transactions on Geoscience and Remote Sensing, vol. 37, pp. 780-795 (1999)

353 Krizhevsky, A., Sutskever, I., and Hinton, G. Imagenet classification with deep convolutional neural networks // Advances in Neural Information Processing Systems, pp. 1097-1105(2012)

354 Kingma, D.P. and Ba, J. Adam: A method for stochastic optimization // CoRR (2014). URL: https://arxiv.org/abs/1412.6980

355 Mery, D., Riffo, V., Zscherpel, U., Mondragon, G., Lillo, I., Zuccar, I., Lobel, H., Carrasco, M. GDXray: The database of X-ray images for nondestructive testing // Journal of Nondestructive Evaluation, 34.4:1-12, (2015)

356 Егорова Е.В., Аксяитов М.Х., Рыбаков А.Н. Иерархические уровни обработки информации в системах обнаружения и сопровождения объектов // Наукоемкие технологии. 2019. Т. 20. № 7. С. 51-59.

357 Алпатов Б.А., Бабаян П.В. Методы обработки и анализа изображений в бортовых системах обнаружения и сопровождения объектов // Цифровая Обработка Сигналов. 2006. №2. с. 45-51.

358 Pratt. M. J. Introduction to ISO 10303-the STEP standard for product data exchange. Journal of Computing and Information Science in Engineering. 2001. Vol. 1. no. 1. P. 102103

359 Brecher С. NURBS based ultra-precision free-form machining / С. Brecher, S. Lange, M. Merz, F. Niehaus, C. Wenzel, M. Winterschladen // CIRP Annals. 2006, Vol. 55 (1), P. 547-550

360 Zhong W.B. Toolpath Interpolation and Smoothing for Computer Numerical Control Machining of Freeform Surfaces: A Review / W.B. Zhong, X.C. Luo, W.L. Chang, Y.K. Cai, F. Ding, H.T. Liu, Y.Z. Sun // February 2020, International Journal of Automation and Computing 17(1), P. 1-16

361 Zhao H. A real-time look-ahead interpolation methodology with curvature-continuous B-spline transition scheme for CNC machining of short line segments / H. Zhao, LM. Zhu, H. Ding // 2013, International Journal of Machine Tools & Manufacture 65, P. 88-98.

362 Beudaert X. 5-axis local corner rounding of linear tool path discontinuities /X. Beudaert, S. Lavernhe, C. Tournier // 2013, International Journal of Machine Tools & Manufacture 73, P. 9-16.

363 Pateloup V. B-spline approximation of circle arc and straight line for pocket machining / V. Pateloup, E. Duc, P. Ray // 2010, Computer-Aided Design 42, P. 817-827.

364 Tulsyan S. Local toolpath smoothing for five-axis machine tools / S. Tulsyan, Y. Altintas // 2015, International Journal of Machine Tools and Manufacture, Vol. 96, P. 15-26.

365 Bi Q-Z. A Practical Continuous-Curvature Bezier Transition Algorithm for High-Speed Machining of Linear Tool Path. / Q-Z. Bi, Y-H. Wang, L-M. Zhu, H. Ding // 2011, Intelligent Robotics and Applications: 4th International Conference, ICIRA, Aachen, Germany, December 6-8, Proceedings, Part II, P. 465-476.

366 Huang J. Real-time local smoothing for five-axis linear toolpath considering smoothing error constraints / J. Huang, X. Du, L-M Zhu // 2018, International Journal of Machine Tools and Manufacture, vol. 124, P. 67-79

367 Farouki R.T. Construction of G2 rounded corners with Pythagorean-hodograph curves / R.T. Farouki // 2014, Computer Aided Geometric Design, vol. 31, P. 127-139.

368 Zhang Y-B. An analytical G3 continuous corner smoothing method with adaptive constraints adjustments for five-axis machine tool / Y-B. Zhang, T-W., J. Dong, P. Peng, Y. Liu, R-J. Ke // 2020, The International Journal of Advanced Manufacturing Technology, № 3-4, P. 1007-1026.

369 Sencer B. High speed cornering strategy with confined contour error and vibration suppression for CNC machine tools / B. Sencer, K. Ishizaki, E. Shamoto // 2015, CIRP Annals - Manufacturing Technology, Vol. 64, P. 1-4

370 Tsai M-S. A novel integrated dynamic acceleration/deceleration interpolation algorithm for a CNC controller / M-S. Tsai, Y-C. Huang // 2016, The International Journal of Advanced Manufacturing Technology, Vol. 87, P. 279-292

371 Tajima S. Kinematic corner smoothing for high speed machine tools / S. Tajima, B. Sencer // 2016, International Journal of Machine Tools and Manufacture, Vol. 108, P. 27-43

372 Tajima S. Global Tool-path Smoothing for CNC Machine Tools with Uninterrupted Acceleration S. Tajima, B. Sencer // 2017, Article in International Journal of Machine Tools and Manufacture, Vol. 121, P. 81-95

373 Fan W. A real-time curvature-smooth interpolation scheme and motion planning for CNC machining of short line segments / W. Fan, C-H. Lee, J-H. Chen // 2015, International Journal of Machine Tools and Manufacture, Vol. 96, P. 27-46

374 Fan W. Real-Time Repairable Interpolation Scheme for CNC Tool Path Processing / W. Fan, C-H. Lee, J-H. Chen // 2016, International Journal of Precision Engineering and Manufacturing Vol. 17, № 12, P. 1673-1684

375 Yang Z. Y. Curve Fitting and Optimal Interpolation for CNC Machining under Confined Error using Quadratic B-splines / Z. Y. Yang, L. Y. Shen, C. M. Yuan, X. S. Gao. // 2015, Computer-Aided Design, Vol. 66, Issue C, P. 62-72.

376 Wang Y. A real-time look-ahead interpolation algorithm based on Akima curve fitting / Y. Wang., D. Yang., Y. Liu. // 2014, International Journal of Machine Tools and Manufacture, Vol. 85, P. 122-133

377 Wang J.B. Real-time NURBS interpolator: application to short linear segments / J.B. Wang, H.T. Yau // 2009, The International Journal of Advanced Manufacturing Technology, vol. 41, P. 1169-1185