Филатова Екатерина Сергеевна

Филатова (Анушина) Екатерина Сергеевна

Кандидат технических наук, доцент кафедры САУ

Опыт работы - с 2005 года. Заместитель заведующего кафедрой по учебной работе, начальник управления образовательной политики СПбГЭТУ "ЛЭТИ". Области научно-технических интересов: применение методов машинного обучения для анализа и синтеза технических систем и программных комплексов различного назначения, промышленная автоматизация.


Владение языками:

русский.

Читаемые дисциплины и роли:

  • Случайные процессы в системах автоматического управления (III, IV курс) - лекции, лабораторные работы, практика;
  • Математические пакеты в инженерно-технических расчётах (III курс) - лекции, практика;
  • Разработка автоматизированных систем управления на базе ПЛК (V курс) - лекции;
  • Машинное обучение (V курс) - лекции.

Избранные печатные труды:

Статьи и материалы конференций:

  1. Stereo camera-based computer vision system of a robot.
    Petrova K.A., Filatova E.S., // Proc. SPIE 11433, Twelfth International Conference on Machine Vision (ICMV 2019), 114332T (31 January 2020); doi: 10.1117/12.2557211;
  2. Фрактальный анализ временного ряда электропотребления.
    Е.С. Филатова // Современная наука: проблемы, идеи, инновации : Материалы Международной научно-практической конференции, Чистополь, 21 декабря 2019 года / Под общей редакцией Е.А.Назарова. – Чистополь: ООО Полиграфическая компания "Астор и Я", 2019. – С. 87-92.
  3. UAV fuzzy logic stabilization system.
    Filatova E.S., Devyatkin A.V. and Fridrix A.I. // 2017 XX IEEE International Conference on Soft Computing and Measurements (SCM), 2017, pp. 132-134;
  4. Time series dynamics representation model of power consumption in electric load forecasting system.
    Filatova E.S., Filatov D.M., Stotckaia A.D., Dubrovskiy G. // Proceedings of the 2015 IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference, ElConRusNW 2015, St. Petersburg, 02–04 февраля 2015 года. – St. Petersburg, 2015. – P. 175-179;
  5. Применение параллельных вычислений в задачах многокритериальной оптимизации и их реализация в среде MatLab.
    Е.С. Филатова, Д.М. Филатов // Наука и современность. – 2015. – № 39. – С. 93-101.
  6. Genetic algorithm to the formation of the optimal structure of fuzzy neural network.
    Filatova E.S., Filatov D.M. and Stotсkaia A.D. // 2015 XVIII International Conference on Soft Computing and Measurements (SCM), 2015, pp. 147-149;
  7. Анализ временного ряда электропотребления методом нормированного размаха.
    Е.С. Филатова, Д.М. Филатов, А.Д. Стоцкая // Современные проблемы науки и образования. – 2014. – № 5. – С. 236.
  8. Adaptive control for electro-hydraulic drive with neuro-fuzzy algorithms.
    Filatov D.M., Minav T.A., Anushina E.S. [et al.] // Международная конференция по мягким вычислениям и измерениям. – 2011. – Vol. 1. – P. 289-292;
  9. Автоматизированная установка для изготовления профилированных кристаллов термоэлектрических материалов.
    М.Ю. Шестопалов, В.В. Путов, Е.С. Анушина [и др.] // Известия СПбГЭТУ ЛЭТИ. – 2011. – № 10. – С. 78-83;
  10. Time series prediction based on intellectual computing technologies.
    Anushina E.S., «Intellectual systems», vol. 1, pp. 84-90;
  11. Вейвлет-теория в задачах прогнозирования.
    Е.С. Анушина, Н.Д. Поляхов, И.А. Приходько, Е.В. Хартян // Изв. СПб ГЭТУ «ЛЭТИ». — 2008. — Вып. 4. — С 50–54;
  12. Использование современных подходов и методов для прогнозирования электропотребления.
    Ю.А. Борцов, Н.Д. Поляхов, И.А. Приходько, Е.С. Анушина // Электротехника. 2006. - № 8. - С. 30 - 35.

Учебно-методические пособия:

  • А. Д. Стоцкая, Е. С. Филатова, Г. В. Бельский Программирование в LabVIEW в примерах и задачах: учеб.-метод. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 90 с.
  • Методические указания к выполнению курсового проекта по дисциплине «Проектирование автоматизированных производственных комплексов и систем» / Сост.: Е. С. Филатова, Д. М. Филатов СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 18 с.
  • Основы разработки систем диспетчерского контроля и управления: методические указания к лабораторным работам по дисциплине «Диспетчерский контроль и управление в технических системах» / cост.: Е. С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 15 с.
  • Основы работы в ПК Infinity SCADA: методические указания к лабораторным работам по дисциплине «Tехнологические процессы автоматизированных производств» / cост.: Е. С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 41с.
  • Основы разработки баз данных: методические указания к практическим занятиям по дисциплине «Базы данных» / cост.: Е. С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 52 с.
  • Основы диспетчеризации технологических процессов: методические указания к практическим занятиям по дисциплине «Диспетчерский контроль и управление в технических системах» / cост.:
    Е. С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 33 с
  • Основы работы в математическом пакете MATLAB: методические указания к практическим занятиям по дисциплине «Математические пакеты в инженерно - технических расчетах» / cост.:
    Е. С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 56 с.
  • Основы разработки АСУТП: методические указания к практическим занятиям по дисциплине «Проектирование автоматизированных производственных комплексов и систем» / cост.:
    Е.С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 35 с.
  • Основы построения SCADA-систем: методические указания к практическим занятиям по дисциплине «Tехнологические процессы автоматизированных производств» / cост.: Е.С. Филатова. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2017. 32 с.

Примеры проектов:

Автоматизированная система управления технологическим процессом сортировки

В данной работе поставлена цель разработать автоматизированную систему управления для линии сортировки изделий по цвету. В качестве модели такого технологического процесса был взят макет сортировочной линии, установленный в учебно-научной лаборатории "Промышленные системы управления и автоматизации" кафедры Систем автоматического управления. Детали поступают на вход конвейера, затем проходят через датчик цвета и по команде контроллера сталкиваются в один из трех накопителей в зависимости от цвета поверхности. В результаты выполнения данной работы должно быть разработано управляющее программное обеспечение для выбранного объекта управления.
Для достижения поставленной цели необходимо решить следующие задачи: изучение принципа построения автоматизированных систем управления; осуществление выбора ПЛК, периферийных модулей и конфигурации оборудование; разработка алгоритма управляющей программы; реализация разработанного алгоритма на одном из языков программирования и загрузка его в ПЛК; разработка визуализации технологического процесса сортировки.

Применение нейронной сети для прогнозирования качества готовой продукции (на примере системы помола цемента)

Объектом исследования является система поддержки механизма создания цементной продукции в зависимости от качества и количества подаваемого на вход сырья, а также разработка экспертной системы прогнозирования качества готовой продукции на основе нейронной сети. Система включает оценку количественных показателей критических элементов производства. Система поддержки и оценки технологических процессов основана на данных, содержащих состояния модулей, обрабатывающих сырье за фиксированный период работы, и нейронной сети, которая предоставляет результаты оценки качества продукции на основе веб-сервиса для удобного взаимодействия между покупателями и техники.
Целью работы была разработка прототипа веб-сервиса для реализации функционала экспертной системы помола цементной мельницы замкнутого цикла на базе нейронной сети.

Автоматизированная система управления моделью имитационного конвейера

В число задач данной квалифицированной работы было включено проектирование модели системы автоматизированного производства изделий на конвейере, которое управляется с использованием ПЛК отечественного производства Fastwel. Эта модель разработана и имитирована в виртуальной программируемой среде Simulink с использованием пакета Simscape. В полученной имитационной системе можно выявить факторы стабильной, безопасной и выгодной системы, которую можно впослдсвии внедрить в масштабное производство.
Вторым шагом было создание алгоритма продолжельной непрерывной работы производства изделий. Сначала код составлен с помощью инструмента Stateflow программы Simulink для корретной работы спроетированной системы в симуляции Simscape, затем код переписан для среды CodeSys, который поддерживает ПЛК фирмы Fastwel. Для проверки работы кода без использования настоящего ПЛК и реального макета конвейера используются эмулятор ПЛК SP PLCWinNT и OPC коммуникатор, который наладит контакт между CodeSys и Simulink.
Также в задачи работы входило обоснование использования приложения Simscape. Simscape – это один из наиболее универсальных инструментов моделирования. В нем есть доступ к библеотекам с различными физически моделируемыми компонентами (механическими, электрическими, тепловыми и т.д.), из которых возможно составить сложную физическую систему, используя тот же графический редактор, что и Simulink. В результате после ее компилирования эта физическая модель будет эквивалента математической модели в Simulink. Полученную модель в Simscape можно визуализировать благодаря другому инструменту Simulink – Multibody.

Разработка системы прогнозирования отказов оборудования

Объектом разработки является алгоритм построения систем предсказания отказов оборудования.
Целью работы являлось создание алгоритма, который позволил бы решить какую-либо из обозначенных проблем применения таких систем в промышленности.
В процессе работы производился обзор существующих подходов к проведению технического обслуживания (ТО) оборудования, методов прогнозирования его состояния и способов построения систем предсказания отказов на основе машинного обучения. Рассматривалась возможность применения альтернативного метода, заключающегося в унификации таких систем для различных классов оборудования. Конечным этапом разработки являлось создание системы для конкретного класса оборудования и анализ ее работы.
В результате работы был сформулирован алгоритм построения систем прогнозирования отказов оборудования, который может применяться в пределах конкретного класса технических систем, а также в условиях нехватки данных о работе оборудования.
Применение данного алгоритма может позволить развертывать подобные системы с минимальными трудозатратами, и использовать их повторно на аналогичном оборудовании, что должно обеспечить широкое распространение подобных систем в промышленности.