hfbHealth, Food & BiotechnologyHealth, Food & Biotechnology2712-7648РОСБИОТЕХ10.36107/hfb.2020.i1.s295hfb-65Research ArticleПИТАНИЕFOODКонтроль качества розлива и маркировки пищевых продуктов с использованием интеллектуальных технологийQuality Control of Bottling and Labelling Food Products with the use of Intelligent TechnologiesЭракиМ.Т.Х.ErakiM.T.H.

Хамед Эраки Мохамед Тахер

Eraki Mohamed Taher Hamed

БлаговещенскийИ. Г.BlagoveshchenskiyI. G.

Благовещенский Иван Германович

125080, город Москва, Волоколамское шоссе, дом 11

Ivan G. Blagoveshchenskiy

11 Volokolamskoe highway, Moscow, 125080

igblagov@mgupp.ruБлаговещенскийВ. Г.BlagoveshchenskiyV. G.

Благовещенский Владислав Германович

Vladislav G. Blagoveshchenskiy

ЗубовД. В.ZubovD. V.

Зубов Дмитрий Владимирович

Dmitry V. Zubov

Университет Мансура, город МансураЕгипетMansoura University, Mansoura CityEgyptФГБОУ ВО «Московский государственный университет пищевых производств»РоссияMoscow State University of Food ProductionRussian FederationФГБОУ ВО «Московский политехнический университет»РоссияMoscow Polytechnic UniversityRussian Federation20200805202121112127Copyright © Эраки М., Благовещенский И.Г., Благовещенский В.Г., Зубов Д.В., 20212021Эраки М., Благовещенский И.Г., Благовещенский В.Г., Зубов Д.В.Eraki M., Blagoveshchenskiy I.G., Blagoveshchenskiy V.G., Zubov D.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.hfb-journal.ru/jour/article/view/65

Статья посвящена повышению эффективности работы пищевого предприятия за счёт разработки и внедрения автоматизированной системы управления технологическим манипулятором на линии розлива и маркировки пищевых напитков с использованием интеллектуальных технологий. Показана необходимость в решении кинематических задач, особенно задач обратной кинематики манипулятора-робота. Проведенный в работе анализ показал, что существующие универсальные алгоритмы расчёта кинематики просты для записи в общем виде, но из-за ряда неустранимых недостатков ресурсоёмки и обладают в некоторых случаях большой вычислительной погрешностью. Если технологические манипуляторы вынуждены работать именно в таких зонах, в которых этот метод приводит к существенным вычислительным ошибкам, то это может привести к замедлению движения манипулятора, что также приводит к снижению производительности, или потребовать вынужденно изменять режим работы с целью удаления рабочего органа от центра рабочей зоны, что займет больше места для каждого манипулятора. Поэтому для расчета кинематики предложено вместо универсального алгоритма использовать набор простых тригонометрических выражений по условиям конкретных движений, что позволяет сохранить требуемую точность во всём объёме рабочей зоны. Для управления манипулятором, поиска оптимальной траектории и взаимодействия с программой-моделью реальности (в среде SolidWorks) использовались программы, созданные в среде LabVIEW с инструментарием NI-SoftMotion в качестве контроллера для управления положением модели. Для автоматизации контроля качества розлива и маркировки пищевых продуктов и модернизации системы управления технологическим манипулятором разработаны алгоритмы решения обратной кинетической задачи для роботов типа PUMA, SCARA и KUKA, а также программное обеспечение, реализующее разработанные алгоритмы. Показаны результаты анализа использования системы оптического распознавания изделий, учитывающего совместное движение манипулятора и изделий. В результате проведенных исследований разработана система виртуального прототипирования мехатронной системы, позволяющая выбрать контроллер управлением движением манипулятора и требуемые двигатели и параметры оптимизации линии розлива и маркировки пищевых продуктов с использованием интеллектуальных технологии. По полученным результатам разработана улучшенная модель робота PUMA 560, к которой добавлены средства для передвижения манипулятора с использованием интеллектуальных технологий, что позволит повысить эффективность работы линии розлива и маркировки пищевых продуктов, улучшить их показатели качества.

The article is devoted to improving the efficiency of the food enterprise by developing and implementing an automated control system for the technological manipulator on the line of filling and labeling of food beverages using intelligent technologies. The article defines the relevance of the topic, provides a literary review of production lines for filling and labeling of food products, and analyzes the work on mathematical modeling of the kinematics and dynamics of machines and aggregates combined in food production lines, taking into account their interaction, their interaction with the environment. The necessity of solving kinematic problems, especially problems of reverse kinematics of the robot manipulator, is shown. The analysis carried out in the work showed. that the existing universal algorithms for calculating kinematics are simple to write in General, but due to a number of unavoidable disadvantages of resource consumption and have in some cases a large computational error. If technological manipulators are forced to work in areas where this method leads to significant computational errors, this may slow down the movement of the manipulator, which also leads to a decrease in productivity, or require forced changes to the operating mode in order to remove the working body from the center of the working area, which will take up more space for each manipulator. Therefore, instead of using a universal algorithm for calculating kinematics, it is proposed to use a set of simple trigonometric expressions for the conditions of specific movements, which allows maintaining the required accuracy throughout the entire working area. To control the manipulator, find the optimal trajectory, and interact with the reality model program (in the SolidWorks environment), we used programs created in the LabVIEW environment with NISoftMotion tools as a controller for controlling the position of the model. To automate the quality control of filling and labeling of food products and modernize the control system of the technological manipulator, algorithms for solving the inverse kinetic problem for robots such as PUMA, SCARA and KUKA, as well as software that implements the developed algorithms, have been developed. The results of the analysis of the use of the optical product recognition system, which takes into account the joint movement of the manipulator and the products, are shown. As a result of the research, a system of virtual prototyping of the mechatronic system has been developed, which allows selecting the manipulator motion control controller and the required motors and parameters for optimizing the filling line and labeling of food products using intelligent technology. Based on the results obtained, an improved model of the Puma 560 robot has been developed, which includes means for moving the manipulator using intelligent technologies, which will increase the efficiency of the filling line and food labeling, and improve their quality indicators.

контролькачество розливамаркировкапищевые продуктыинтеллектуальные технологиисистема управленияcontrolfilling qualitylabelingfood productsintelligent technologiesmanagement systemReferencesАртоболевский, И. И. (2005). Жизнь и наука: воспоминания (c. 256 - 287). Наука.Alavandar, S., & Nigam, M. J. (2008). Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators. International Journal of Computers, Communications and Control, 3, 224–234.Балыхин, М. Г., & Благовещенский, И. Г. (2018). Контроль качества кондитерской продукции с использованием различных способов обработки изображений. В Современное состояние и перспективы развития упаковки в пищевой промышленности (с. 82 - 85).Alcin, O. F. (2016). Extreme learning machine based robotic arm modeling. International Journal of Robotics Research, 1160–1163.Балыхин, М. Г., Борзов, А. Б., & Благовещенский, И. Г. (2017). Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий. Франтера.Angeles, J. (1985). On the numerical solution for inverse kinematic problem. International Journal Robotics, 4 (2), 21–37.Белоусов, И. Р. (2002). Формирование уравнений динамики роботов-манипуляторов. Институт прикладной математики им. М.В. Келдыша РАН.Awcock, G. J. (1995). Applied Image Processing Hand Book. Macmillan Press Ltd.Белоусов, И. Р., Богуславский, А. А., Емельянов С. Н., Охоцимский, Д. Е., Платонов, А. К., Сазонов, В.В., & Соколов С. М. (1999). Взаимодействие робота манипулятора с подвижными объектами. Институт прикладной математики им. М.В. Келдыша РАН.Baglietto, P. (1996). Image Processing on HighPerformance RISC Systems. Proceedings of the IEEE, 7, 917-930.Белянин, П.Н. (1992). Кинематические схемы, системы и элементы промышленных роботов. Машиностроение.Balykhin, M. G., & Blagoveshchenskiy, I. G. (2018). Quality control of confectionery products using various image processing methods. In Sovremennoe sostoyanie i perspektivy razvitiya upakovki v pishchevoj promyshlennosti [Current status and development prospects of packaging in the food industry], (pp. 82 – 85).Белянин, П.Н. (2000). Состояние и развитие техники роботов. Проблемы машиностроения и надежность машин, 2, 85 - 96.Balykhin, M. G., Borzov, A. B., & Blagoveshchensky, I. G. (2017). Metodologicheskie osnovy sozdaniya ekspertnyh sistem kontrolya i prognozirovaniya kachestva pishchevoj produkcii s ispol'zovaniem intellektual'nyh tekhnologij [Methodological foundations of creating expert systems for monitoring and forecasting the quality of food products using intelligent technologies]. Izdatel’stvo Frantera.Благовещенская, М. М. (2009). Основы стабилизации процессов приготовления многокомпонентных пищевых масс. Франтера. Благовещенская, М. М., Благовещенский, И. Г, &Bastuchech, C. M. (1989). Techniques for Real-time Generation of Range Images. Proceedings of the IEEE, 262-268.Назойкин, Е. А. (2015). Методика автоматической оценки качества пищевых изделий на основе теории искусственных нейронных сетей. Пищевая промышленность, 2, 42 - 45.Belousov, I. R. (2002). Formirovanie uravnenij dinamiki robotov-manipulyatorov [Formation of dynamics equations for robotic manipulators]. Institut prikladnoy matematiki im. M.V. Keldysha RAN.Благовещенская, М. М., & Злобин, Л. А. (2005). Информационные технологии систем управления технологическими процессами. Высшая школа.Belousov, I. R., Boguslavsky, A. A., Emelyanov, S. N., Okhotsimsky, D. E., Platonov, A. K., Sazonov, V. V., Sokolov, S. M. (1999). Vzaimodejstvie robota manipulyatora s podvizhnymi ob"ektami [Interaction of a robotic manipulator with moving objects]. Institut prikladnoy matematiki im. M.V. Keldysha RAN.Благовещенская, М. М., & Сантон Куннихан, М. П. (2017). Структура систем управления дозирования с использованием нейронных сетей. В Общеуниверситетская студенческая конференция студентов и молодых ученых «День науки». (с. 263 – 267).Belyanin, P. N. (1992). Kinematicheskie skhemy, sistemy i elementy promyshlennyh robotov [Kinematic schemes, systems and elements of industrial robots].Mashinostroyeniye.Благовещенская М. М., Шаверин А. В., & Благовещенский И. Г. (2012). Автоматизация контроля показателей вкуса шоколадных изделий на основе использования нейронных сетей. Хранение и переработка сельскохозяйственного сырья, 8, 50 – 52.Belyanin, P. N. (2000). State and development of robot technology. Problemy mashinostroyeniya i nadezhnost’ mashin. RAN [Engineering problems and machine reliability. RAS], 2, 85 - 96.Благовещенский, И. Г., Макаровская, З. В., Благовещенская, М. М., Чувахин, С. В., & Митин, В. В. (2019). Использование цифровой видеокамеры в качестве интеллектуального датчика системы автоматического регулирования процесса формования гранулированных пищевых масс. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 71-75).Benjanarasuth, T., Sowannee, N., & Naksuk, N. (2010). Two-degree-of-freedom simple servo adaptive control for SCARA robot. ICCAS 2010, 480-484. http://doi.org/10.1109/ICCAS.2010.5669904Благовещенский, И. Г., & Носенко, С. М. (2015). Экспертная интеллектуальная система мониторинга процесса формования помадных конфет с использованием системы технического зрения. Пищевая промышленность, 6, 32 - 36.Blagoveshchenskaya, M. M. (2009). Osnovy stabilizacii processov prigotovleniya mnogokomponentnyh pishchevyh mass [Basics of stabilization of the preparation of multicomponent masses]. Izdatel’stvo Frantera.Гарев, К. В., Благовещенский, И. Г., Назойкин, Е.А., Благовещенский, В. Г., & Макаровская, З. В. (2019). Использование технического зрения в качестве инновационного решения в системах «умного дома». В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 47 – 52).Blagoveshchenskaya, M.,M., Blagoveshchensky, I. G., & Nazoykin E. A. (2015). The technique of automatic assessment of the quality of food products based on the theory of artificial neural networks. Pishchevaya promyshlennost’ [Food Industry], 2, 42 - 45.Гончаров, К. А., Благовещенский, И. Г., Назойкин, Е. А., Благовещенский, В. Г., & Макаровская З. В. (2019.). Использование библиотеки OPENCV для работы с техническим зрением. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 53 – 60).Blagoveshchenskaya, M. M., & Zlobin, L. A. (2005). Informacionnye tekhnologii sistem upravleniya tekhnologicheskimi processami [Information technology of process control systems]. Izdatel’stvo Vysshaya shkola.Зубов, Д. В. (2017). Программный комплекс для моделирования мехатронного манипулятора. В Национальный Суперкомпьютерный Форум «НСКФ-2017» (с. 42 – 46).Blagoveshchenskaya, M. M., & Santon Kunnikhan, M. P. (2017). The structure of dosing control systems using neural networks. In Obshcheuniversitetskaya studencheskaya konferenciya studentov i molodyh uchenyh «Den' nauki» [University Conference of Students and Young Scientists “Science Day”] (s. 263 – 267).Зубов, Д. В. (2016). Современные проблемы управления технологическими манипуляторами в промышленности. В Математические методы в технике и технологиях. Машиностроение (с. 233 – 236).Blagoveshchenskaya, M. M., Shaverin, A. V., & Blagoveshchenskiy, I. G. (2012). Automation of control of taste indicators of chocolate products based on the use of neural networks. Khraneniye i pererabotka sel’skokhozyaystvennogo syr’ya [Storage and processing of agricultural raw materials], 8, 50 - 52.Иванов Я. В., Благовещенская М. М., & Благовещенский И. Г. (2012). Автоматизация процесса формования конфетных масс с использованием датчика цифровой видеокамеры (ЦВК). В Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины (с. 215 – 218).Blagoveshchenskiy, I. G., Makarovskaya, Z. V., Blagoveshchenskaya, M. M., Chuvakhin, S. V., & Mitin, V. V. (2019). Using a digital video camera as an intelligent sensor of an automatic control system for the molding of granular food masses. In Intellektual'nye sistemy i tekhnologii v otraslyah pishchevoj promyshlennosti [Intelligent systems and technologies in food industries](s. 71-75).Кафаров, В. В., & Макаров, В. В. (1990). Гибкие автоматизированные производственные системы в химической промышленности. Химия.Blagoveshchenskiy, I. G., Nosenko S.M. (2015). Expert intellectual system for monitoring the process of molding fondant sweets using the vision system. Food Industry [Pishchevaya promyshlennost’], 6, 32 - 36.Кафаров, В. В. (1968). Методы кибернетики в химии и химической технологии. Химия.Brian, H. (2008). What is next for Robotics, Robotic Industries Association. International Journal Robotics, 6(4), 52–57.Крылова, Л. А., Благовещенский, В. Г., & Татаринов, А. В. (2017). Разработка интеллектуальных аппаратно- программных комплексов мониторинга процессов сепарирования дисперсных пищевых масс на основе интеллектуальных технологий. В Развитие пищевой и перерабатывающей промышленности России: кадры и наука (с. 199 – 201). Издательский комплекс МГУПП.Chaudhary, H., Panwar, V., & Prasad, R. (2014). Adaptive neuro fuzzy based hybrid force/position control for an industrial robot manipulator. Journal of Intelligent Manufacturing, 27(6), 1299–1308.Макаров, И. М. (1986). Робототехника и гибкие автоматизированные производства. Высшая школа.Christe, B. (2009). Robotic Application Research: Past, Present. International Journal Robotics, 3(2), 43–47.Назойкин, Е. А., Благовещенский, И. Г., Синча, В. М., Жиров, М. В., & Митин, В. В. (2019). Использование имитационного моделирования для идентификации состояния предприятий в пищевой промышленности. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 147 – 155).Craig, J. (2005). Introduction to Robotics Mechanics and Control (Third Edition). Pearson Education.Носенко, С. М., Благовещенский, И. Г., Шаверин, А. В., & Благовещенская, М. М. (2014). Автоматизация контроля показателей вкуса шоколадных изделий с использованием интеллектуальных технологий. Кондитерское и хлебопекарное производство, 10(153), 56 - 59.Davies, E. R. (1990). Machine Vision: Theory, Algorithms, Practicalities Hand Book. Academic Press Limited.Петров, А. Ю., Благовещенская, М. М., Благовещенский, В. Г., Ионов, А. В., Благовещенский, И. Г. (2019). Главные принципы при построении системы компьютерного зрения в хлебопекарной промышленности. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (c. 121 – 126).Garev, K. V., Blagoveshchenskiy, I. G., Nazoykin, E. A., Blagoveshchenskiy, V. G., & Makarovskaya, Z. V. (2019). Using technical vision as an innovative solution in smart home systems. In Intellektual'nye sistemy i tekhnologii v otraslyah pishchevoj promyshlennosti [Intelligent systems and technologies in the food industry] (s.47-52).Петряков, А. Н., Благовещенская, М. М., Благовещенский, В. Г., Митин, В. В., Благовещенский, И. Г. (2019). Повышение качества идентификации и позиционирования объекта на цифровых стерео изображениях при помощи алгоритмов построения карты глубины. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (c. 133 – 138).Goncharov, K. A., Blagoveshchensky, I. G., Nazoykin, E. A., Blagoveshchensky, V. G., & Makarovskaya, Z. V. (2019). Using the OPENCV library for working with technical vision. In Intellektual'nye sistemy i tekhnologii v otraslyah pishchevoj promyshlennosti [Intelligent systems and technologies in the food industry] (s. 53 – 60).Савостин, С. Д., Благовещенская, М. М., Благовещенский, И. Г. (2016). Автоматизация контроля показателей качества муки в процессе размола с использованием интеллектуальных технологий. Франтера.Zubov, D. V. (2017). A software package for modeling a mechatronic manipulator. In Nacional'nyj Superkomp'yuternyj Forum «NSKF-2017» [Nacional'nyj Superkomp'yuternyj Forum "NSKF-2017"] (s. 42-46).Скопинцев, И.В. (2016). Проектирование системы управления технологическим манипулятором с помощью пакетов LabVIEW и Solid Work. В Полимерная индустрия: Инновации. Эффективность. Ресурсосбережение. Машиностроение (с. 57 – 62)Zubov, D. V. (2016). Modern problems of controlling technological manipulators in industry. In Matematicheskie metody v tekhnike i tekhnologiyah. Mashinostroenie [Mathematical methods in engineering and technology. Mechanical Engineering] (s. 233 – 236).Филаретов, В. Ф., & Зуев, А. В. (2006). Позиционносиловое управление электроприводом манипулятора. Мехатроника, автоматизация, управление, 9, 20-24.Ivanov, Y. V., Blagoveshchenskaya, M. M., & Blagoveshchenskiy, I. G. (2012). Automation of the process of molding candy masses using a digital video camera (CVC) sensor. In Planirovanie i obespechenie podgotovki i perepodgotovki kadrov dlya otraslej pishchevoj promyshlennosti i mediciny [Planning and providing training and retraining of personnel for the food industry and medicine] (s. 215 – 218).Шаверин, А. В., Благовещенская, М. М., & Благовещенский, И. Г. (2012). Автоматизация контроля органолептических показателей качества шоколадных изделий. В Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины (с. 209 – 212).Kafarov, V. V., & Makarov, V. V. (1990). Gibkie avtomatizirovannye proizvodstvennye sistemy v himicheskoj promyshlennosti. [Flexible automated manufacturing systems in the chemical industry]. Khimiya.Эраки, М. Т. Х. (2018). Программный комплекс для решения обратной кинематической задачи робота с тремя вращательными степенями свободы манипулятора. Естественные и технические науки, 6, 107–120.Kafarov, V. V. (1968). Metody kibernetiki v himii i himicheskoj tekhnologii [Cybernetics methods in chemistry and chemical technology]. Khimiya.Эраки, М. Т. Х., & Зубов, Д. В. (2018). Управление и исследование динамики робота-манипулятора с использованием программных пакетов LabVIEW и SolidWorks. Естественные и технические науки, 4, 177–183.Khalal, O. (2007). Robust control of manipulator robot by using the variable structure control with sliding mode. International Journal of Computers, Communications and Control, 5, 1–6.Юревич Е.И. (2005). Основы робототехники. Издательство СпбГПУ.Krylova, L. A., Blagoveshchenskiy, V. G., & Tatarinov, A. V. (2017). Development of intelligent hardware and software systems for monitoring the separation of dispersed food masses based on intelligent technologies. In Razvitie pishchevoj i pererabatyvayushchej promyshlennosti Rossii: kadry i nauka [The Development of the Food and Processing Industry of Russia: Personnel and Science] (pp. 199 – 201). Izdatel’skiy kompleks MGUPP.Alavandar, S., & Nigam, M. J. (2008). Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators. International Journal of Computers, Communications and Control, 3, 224–234.Kucuk, S., & Bingul, Z. (2004). The inverse kinematics solutions of industrial robot manipulators. Proceedings of the IEEE International Conference on Mechatronics, 274 – 279.Alcin, O. F. (2016). Extreme learning machine based robotic arm modeling. International Journal of Robotics Research, 1160–1163.Makarov I.M. (1986). Robotics and flexible automated production (pp. 320 – 375). Izdatel’stvo Vysshaya shkola [High school publishing house].Angeles, J. (1985). On the numerical solution for inverse kinematic problem. International Journal Robotics, 4 (2), 21–37.Nazoykin E.A., Blagoveshchenskiy I.G., Sincha V.M., Zhirov M.V., Mitin V.V. (2019). The use of simulation to identify the state of enterprises in the food industry. In the collection: Intelligent systems and technologies in the food industry industries Conference proceedings (pp. 147 – 155). Izdatel'skiy kompleks MGUPP [Publishing complex MGUPP].Awcock, G. J. (1995). Applied Image Processing Hand Book. Macmillan Press Ltd.Nosenko, S. M., Blagoveshchenskiy, I. G., Shaverin, A. V., & Blagoveshchenskaya, M. M. (2014). Automation of control of taste indicators of chocolate products using intelligent technologies. Konditerskoye i khlebopekarnoye proizvodstvo [Confectionery and bakery production], 10(153), 56 - 59.Baglietto, P. (1996). Image Processing on HighPerformance RISC Systems. Proceedings of the IEEE, 7, 917-930.Petrov, A. Yu., Blagoveshchenskaya, M. M., Blagoveshchenskiy, V. G., Ionov, A. V., & Blagoveshchenskiy, I. G. (2019). The main principles in building a computer vision system in the baking industry. In Intellektual'nye sistemy i tekhnologii v otraslyah pishchevoj promyshlennosti [Intelligent systems and technologies in the food industry] (pp. 121 – 126).Benjanarasuth, T., Sowannee, N., & Naksuk, N. (2010). Two-degree-of-freedom simple servo adaptive control for SCARA robot. ICCAS 2010, 480-484. http://doi.org/10.1109/ICCAS.2010.5669904Petryakov, A. N., Blagoveshchenskaya, M. M., Blagoveshchenskiy, V. G., Mitin, V. V., Blagoveshchenskiy, I. G. (2019). Improving the quality of identification and positioning of an object in digital stereo images using depth mapping algorithms. In Intellektual'nye sistemy i tekhnologii v otraslyah pishchevoj promyshlennosti [Intelligent systems and technologies in the food industry] (pp. 133 – 138).Bastuchech, C. M. (1989). Techniques for Real-time Generation of Range Images. Proceedings of the IEEE, 262-268.Raghavan, M., & Roth, B. (1993). Inverse kinematics of the general 6R manipulator and the related linkages. Publishing House Of Mechanical-TRANS, 5, 502–508.Brian, H. (2008). What is next for Robotics, Robotic Industries Association. International Journal Robotics, 6(4), 52–57.Savostin, S. D., Blagoveshchenskaya, M. M., & Blagoveshchenskiy, I. G. (2016). Avtomatizaciya kontrolya pokazatelej kachestva muki v processe razmola s ispol'zovaniem intellektual'nyh tekhnologij [Automation of control of flour quality indicators during grinding using intelligent technologies]. Frantera.Chaudhary, H., Panwar, V., & Prasad, R. (2014). Adaptive neuro fuzzy based hybrid force/position control for an industrial robot manipulator. Journal of Intelligent Manufacturing, 27(6), 1299–1308.Skopintsev, I. V. (2016). Designing a control system for a technological manipulator using LabVIEW and Solid Work packages. In Polimernaya industriya: Innovacii. Effektivnost'. Resursosberezhenie. Mashinostroenie [Polymer industry: Innovation. Efficiency. Resource Saving. Engineering] (pp. 57 – 62).Christe, B. (2009). Robotic Application Research: Past, Present. International Journal Robotics, 3(2), 43–47.Filaretov, V. F., & Zuev, A. V. (2006). Positionalforce control of the manipulator electric drive. Mekhatronika, avtomatizatsiya, upravleniye [Mechatronics, Automation, Control], 9. 20-24.Craig, J. (2005). Introduction to Robotics Mechanics and Control (Third Edition). Pearson Education.Shaverin, A. V., Blagoveshchenskaya, M. M., & Blagoveshchenskiy, I. G. (2012). Automation of the control of organoleptic quality indicators of chocolate products. In Planirovanie i obespechenie podgotovki i perepodgotovki kadrov dlya otraslej pishchevoj promyshlennosti i mediciny [Planning and providing training and retraining of personnel for the food industry and medicine] (pp. 209 – 212).Davies, E. R. (1990). Machine Vision: Theory, Algorithms, Practicalities Hand Book. Academic Press Limited.Eraki, M. T. H. (2018). A software package for solving the inverse kinematic problem of a robot with three rotational degrees of freedom of the manipulator. Zhurnal «Yestestvennyye i tekhnicheskiye nauki» [The journal «Natural and technical sciences»], 6, 107–120.Khalal, O. (2007). Robust control of manipulator robot by using the variable structure control with sliding mode. International Journal of Computers, Communications and Control, 5, 1–6.Eraki, M. T. H., & Zubov, D. V. (2018). Management and research of the dynamics of the robotic arm using LabVIEW and SolidWorks software packages. Zhurnal «Yestestvennyye i tekhnicheskiye nauki» [The journal «Natural and technical sciences»], 4, 177–183.Kucuk, S., & Bingul, Z. (2004). The inverse kinematics solutions of industrial robot manipulators. Proceedings of the IEEE International Conference on Mechatronics, 274 – 279.Yurevich, E. I. (2005). Osnovy robototekhniki [Fundamentals of Robotics] (pp. 85 – 126). Izdatel’stvo SpbGPU.Raghavan, M., & Roth, B. (1993). Inverse kinematics of the general 6R manipulator and the related linkages. Publishing House Of Mechanical-TRANS, 5, 502–508.Raghavan, M., & Roth, B. (1993). Inverse kinematics of the general 6R manipulator and the related linkages. Publishing House Of Mechanical-TRANS, 5, 502–508.

The authors declare that there are no conflicts of interest present.