Modeling of a Neural Network-Based Motor Position Controller in a System for Tracking Objects of Complex Shapes

Item ID: 16551
1 Media file
2025/11/28
Набір елементів
Навчально-науковий інститут інформаційних технологій та робототехніки » Кафедра автоматики, електроніки та телекомунікацій
paper18
Властивості
Тип
Українська
Наукові статті
Назва
Англійська
Modeling of a Neural Network-Based Motor Position Controller in a System for Tracking Objects of Complex Shapes
Українська
Моделювання контролера положення двигуна на основі нейронної мережі в системі відстеження об'єктів складної форми
Автор
Українська
Янко, А.С.
Українська
Глушко, А.Д.
Українська
Краснобаєв, В.А.
Українська
Лактіонов, О.І.
Опис
Англійська
This research is dedicated to enhancing the efficiency of a system for tracking objects of complex shapes through the integration of movable cameras and a neural network-based motor position controller. The aim of this work is to ensure accurate and reliable real-time object tracking. In this study, a system for tracking objects of complex shapes was developed and investigated, utilizing a camera mounted on an electric motor, with and without neural network-based motor position controller. A key aspect of the research is the training of a neural network model based on electric motor position data during tracking. The model's output data are used to predict the electric motor's position, enabling proactive motion correction and improved tracking accuracy. A distinctive feature of this research is the adaptation of the neural network-based motor position controller for localized use in a system for tracking objects of complex shapes, specifically designed to address current challenges faced by regional industrial enterprises. The practical value of this work lies in the potential application of the developed system in industry and educational processes to enhance technical safety. The system's flexibility allows for its use with or without a neural network-based motor position controller, ensuring rapid configuration and adaptation to various conditions. The current prototype utilizes a 2MP camera, and while the integration of an LSTM-based motor position controller showed a minor reduction in the standard deviation of positioning errors (from 168.88 to 164.11), future work will focus on incorporating higher-resolution cameras with improved low-light performance and further optimization of the neural network architecture and training dataset to enhance tracking accuracy.
Українська
Це дослідження присвячено підвищенню ефективності системи відстеження об'єктів складної форми шляхом інтеграції рухомих камер та контролера положення двигуна на основі нейронної мережі. Метою цієї роботи є забезпечення точного та надійного відстеження об'єктів у режимі реального часу. У цьому дослідженні було розроблено та досліджено систему відстеження об'єктів складної форми, що використовує камеру, встановлену на електродвигуні, з контролером положення двигуна на основі нейронної мережі та без нього. Ключовим аспектом дослідження є навчання моделі нейронної мережі на основі даних про положення електродвигуна під час відстеження. Вихідні дані моделі використовуються для прогнозування положення електродвигуна, що дозволяє здійснювати проактивну корекцію руху та покращувати точність відстеження. Відмінною особливістю цього дослідження є адаптація контролера положення двигуна на основі нейронної мережі для локалізованого використання в системі відстеження об'єктів складної форми, спеціально розробленій для вирішення сучасних проблем, з якими стикаються регіональні промислові підприємства. Практична цінність цієї роботи полягає в потенційному застосуванні розробленої системи в промисловості та освітніх процесах для підвищення технічної безпеки. Гнучкість системи дозволяє використовувати її з контролером положення двигуна на основі нейронної мережі або без нього, забезпечуючи швидке налаштування та адаптацію до різних умов. Поточний прототип використовує 2-мегапіксельну камеру, і хоча інтеграція контролера положення двигуна на основі LSTM показала незначне зменшення стандартного відхилення помилок позиціонування (зі 168,88 до 164,11), майбутня робота буде зосереджена на інтеграції камер з вищою роздільною здатністю, покращеною продуктивністю в умовах низької освітленості та подальшій оптимізації архітектури нейронної мережі та навчального набору даних для підвищення точності відстеження.
Мова
English
Дата випуску
2025-09-26
Тематика
Англійська
electric motor position prediction
Англійська
neural network
Українська
контролер на основі нейронної мережі
Українська
штучний інтелект
Англійська
neural network-based controller
Англійська
artificial intelligence
Англійська
computer vision
Англійська
object tracking
Українська
комп'ютерний зір
Українська
відстеження об'єктів
Українська
прогнозування положення електродвигуна
Українська
нейронна мережа
Видавництво
Англійська
CEUR Workshop Proceedings
Бібліографічний опис
Українська
Modeling of a Neural Network-Based Motor Position Controller in a System for Tracking Objects of Complex Shapes / O. Laktionov, A. Yanko, A. Hlushko, V. Krasnobayev // Information Control Systems & Technologies (ICST-2025) : Proceedings of the 13th Int. Sci. and Pract. Conf., Odesa, Sept. 24–26, 2025. – Odesa : Ceur-WP, 2025. – P. 227–239. – https://ceur-ws.org/Vol-4048/paper18.pdf
Набори елементів 1
Кафедра автоматики, електроніки та телекомунікацій
15 639 items
Медіа
paper18
paper18
Metadata Information
Створено
2025-11-28 15:26
Last Modified
2025-11-28 15:26
Date Issued (DC)
2025-09-26
Item ID
#16551
Resource Template
Наукова стаття