Настоящее исследование посвящено повышению долговечности инструментов при фрезерных операциях с использованием демпфирования магнитореологической жидкости для минимизации вибраций и использования предиктивного обслуживания на основе глубокого обучения для оценки износа инструмента. Проведен сбор данных многосенсорной обработки в реальном времени в различных условиях с использованием последовательного выбора признаков с помощью Random Forest Regressor для извлечения необходимых признаков во временной области. Для точного прогнозирования износа инструмента применялись различные модели глубокого обучения (LSTM, GRU, Encoder-Decoder). Исследование показало, что демпфирование магнитореологической жидкости снизило вибрации на 65–80%, увеличило срок службы инструмента на 18–21%, а предиктивные модели достигли точности до 99,5%.

Профессор Кетан Котеча является широко известным исследователем и преподавателем в области глубокого обучения, искусственного интеллекта, компьютерных алгоритмов и машинного обучения, был признан мировым сообществом как один из 2% лучших ученых мира по версии Стэнфордского университета. В настоящее время работает в Международном университете Симбиозис (Symbiosis International University, QS 140) в должности директора и профессора института технологий, является директором центра прикладного искусственного интеллекта Симбиозис (Symbiosis Centre for Applied Artificial Intelligence).