автореферат диссертации по радиотехнике и связи, 05.12.01, диссертация на тему:Алгоритмы обнаружения нерегулярных фрагментов сигналов от датчиков магнитного вагона-дефектоскопа

ВВЕДЕНИЕ

1. АНАЛИЗ СИГНАЛОВ, ЗАПИСАННЫХ РЕГИСТРИРУЮЩЕЙ АППАРАТУРОЙ МАГНИТНОГО ВАГОНА-ДЕФЕКТОСКОПА

1.1. Общая постановка и структура решения задачи распознавания образов сигнала магнитного вагона-дефектоскопа

1.2.Дефекты рельсов, обнаруживаемые магнитным вагоном-дефектоскопом

1.3. Назначение и принцип работы магнитного вагона дефектоскопа

1.4. Априорная информация о факторах, влияющих на изменение формы образов регулярной и нерегулярной структуры дефектограммы.

1.5. Визуальный анализ образов регулярной и нерегулярной структуры дефектограммы

1.6. Запись, хранение и визуализация дефектограмм с помощью системы ЭДГ-2А

1.7. Аналоги системы ЭДГ-2А 46 Выводы:

2. АНАЛИЗ ПРИЗНАКОВ И СИНТЕЗ ПРАВИЛ КЛАССИФИКАЦИИ ОБРАЗОВ СИГНАЛА

2.1. Экспериментальные данные

2.2. Структура экспериментальных данных

2.3. Спектральный анализ экспериментальных данных

2.4. Размерность пространства признаков образов сигнала

2.5. Плотность вероятности распределения параметра образа сигнала

2.6. Кластерный анализ образов сигнала из множества 1)

2.7. Кластеризация образов множества О и П

2.8. Формирование области значений вектора параметров дефекта типа ЗОГ

2.9. Параметры распределения регулярных образов сигнала

2.10. Амплитудные признаки образов сигнала

2.11. Решающее правило 90 Выводы:

3. МОДИФИКАЦИЯ АЛГОРИТМА ОБНАРУЖЕНИЯ НЕРЕГУЛЯРНЫХ ОБРАЗОВ СИГНАЛА

3.1. Структура алгоритма обнаружения нерегулярных образов сигнала

3.2. Анализ оценок параметров нормальных распределений множеств образов сигнала, полученных методами кластерного анализа

3.2. Метод сокращения размерности вектора признаков образов сигнала

3.3. Визуально-аналитический метод коррекции оценок элементов ковариационной матрицы и вектора средних значений

3.4. Метод проекций 112 Выводы:

4. СТАТИСТИЧЕСКИЕ ИСПЫТАНИЯ АЛГОРИТМА ОБНАРУЖЕНИЯ НЕРЕГУЛЯРНЫХ ОБРАЗОВ СИГНАЛА

4.1.Статистические испытания обнаружения образа накладки

4.2. Статистические испытания алгоритма обнаружения образов множеств Ши D2 и Cvu/

4.3. Устройство обнаружения нерегулярных образов сигнала

4.4. Программное обеспечение проекта. 133 Выводы:

Бурное развитие вычислительной техники за последние десять лет привело к внедрению персональных компьютеров в различные отрасли народного хозяйства. С появлением мощных вычислительных средств на рабочем месте технического персонала появилась возможность ставить и решать научно-технические задачи по разработке алгоритмов и основанном на них программном обеспечении, направленных на повышение эффективности и качества работы операторов.

В Российской Федерации и странах СНГ эксплуатируется около 50 однотипных магнитных вагонов-дефектоскопов. Магнитный вагон-дефектоскоп магнитодинамическим методом на рабочей скорости, в среднем, 70км/ч осуществляет контроль состояния железнодорожного полотна. При этом сигналы от двух датчиков, размещенных над рельсовыми нитками пути, дискретизируются и записываются регистрирующей аппаратурой вагона.

В дальнейшем, по записанному сигналу строится и выводится на устройство отображения информации две дефектограммы состояния рельсовых ниток пути. Оператор магнитного вагона-дефектоскопа, базируясь на своем многолетнем опыте расшифровки дефектограмм, по форме фрагмента (образа) дефектограммы классифицирует, какому из реальных объектов железнодорожного полотна относится данный образ.

Итак, до настоящего момента времени оператор на основе визуального анализа классифицирует образы дефектограммы и при обнаружении образа дефекта (нерегулярного образа) сообщает об этом службам пути.

За последние три года фирмами "Техносенсор", "Твема" и группой разработчиков Таганрогского государственного радиотехнического университета выпущены различные модели регистрирующей аппаратура для магнитных вагонов-дефектоскопов, созданные на основе персонального компьютера. Появление вычислительной техники на рабочем месте оператора вагона-дефектоскопа позволило сделать предположение о возможности создания программного обеспечения, способного автоматизировать процесс обнаружения нерегулярных образов дефектограммы и, тем самым, если не заменить оператора, то повысить эффективность и надежность его работы. Поскольку при пропуске оператором образа развитого дефекта на дефектограмме многократно возрастает вероятность излома рельса под движущимся составом поезда, что может привести к аварийной ситуации.

Известно, что автоматизацией процесса обнаружения начинали заниматься специалисты фирм "Техносенсор" (Санкт-Петербург) и "Твема" (Москва), но на основании анализа рекламных проспектов этих компаний можно прийти к выводу, что успеха пока достичь не удалось.

Итак, исследование методов и разработка алгоритмов, позволяющих обнаруживать фрагменты сигнала от датчика со случайной, но имеющей определенные признаки, формой, т.е., обнаружение образов дефектов представляет интерес как с научной, так и с практической точки зрения, а исследование является актуальной задачей.

Цель работы и задачи исследования. Целью диссертационной работы является разработка алгоритма, позволяющего автоматизировать процесс обнаружения нерегулярных образов сигнала от датчика магнитного вагона дефектоскопа.

Для достижения поставленной цели необходимо решить следующие задачи:

- исследовать сигналы, записанные регистрирующей аппаратурой ЭДГ-2А магнитного вагона-дефектоскопа;

- сформировать выборки образов (фрагментов сигнала) регулярной и нерегулярной структуры сигнала;

- определить размерность пространства признаков регулярных и нерегулярных образов сигнала;

- найти закон распределения признаков регулярных и нерегулярных образов сигнала;

- оценить параметры условных плотностей вероятностей распределения признаков регулярных и нерегулярных образов сигнала;

- разработать метод снижения размерности пространства признаков образов сигнала;

- разработать метод формирования многомерной области значения признаков образов одного класса сигналов;

- разработать алгоритм обнаружения нерегулярных образов сигнала;

- исследовать влияния размерности пространства признаков образов сигнала на качество работы обнаружителя;

- экспериментально проверить полученные результаты.

Методы исследования: В работе использовались методы линейной алгебры и линейного программирования, спектрального и корреляционного анализа, теории вероятностей и математической статистики, теории распознавания образов и статистической радиотехники, теории матриц.

Научная новизна:

- разработан алгоритм обнаружения нерегулярных образов сигнала магнитного вагона-дефектоскопа;

- найдены условные законы распределения плотности вероятностей регулярных и нерегулярных образов сигнала;

- разработан визуально-аналитический метод формирования оценок параметров законов распределения признаков образов, принадлежащих одному классу.

Основные положения, выносимые на защиту:

1. Визуально-аналитический метод формирования оценок параметров распределения признаков регулярных и нерегулярных образов сигнала.

2. Алгоритм распознавания нерегулярных образов сигнала.

3. Результаты статистических исследования по снижению размерности признаков образов сигнала.

Практическая значимость работы подтверждена актами внедрения и заключается в:

- разработке алгоритма и создание на его базе программного обеспечения, позволяющего автоматизировать процесс обнаружения нерегулярных образов сигнала;

- разработке визуально-аналитического метода оценки параметров распределения образов сигнала;

- создание программной среды, позволяющей обрабатывать как дефекто-грамму в целом, так и ее фрагментов.

Средняя эквивалентная скорость традиционной расшифровки дефекто-грамм оператором-дефектоскопистом при использовании электронного дефек-тографа ЭДГ-2А достигает 25-35 км/ч. Автоматическое обнаружение нерегулярных фрагментов сигналов программой с последующим предъявлением фрагментов дефектограммы оператору позволило поднять скорость расшифровки дефектограмм до 350 км/ч, что более чем на порядок быстрее традиционного способа. Кроме того, при использовании автоматического обнаружения существенно снижается вероятность пропуска дефекта из-за человеческого фактора.

Внедрение результатов работы. Результаты диссертационной работы использованы в НИР №11177 "Разработка электронных дефектографов ЭДГ-3, изготовление и установка их в магнитные вагоны дефектоскопы №412 и №392", в программном обеспечении комплекса ЭДГ-3, установленного в магнитный вагон- дефектоскоп №392 Северо-Кавказской железной дороги, а также в учебном процессе при проведении курса "Прикладные математические методы в статистической радиотехнике" на кафедре Теоретических основ радиотехники ТРТУ.

Внедрения подтверждены соответствующими актами.

Апробация работы. Основные положения диссертационной работы и ее отдельные результаты докладывались и обсуждались на научно-технической конференции "Актуальные проблемы развития железнодорожного транспорта и роль молодых ученных в их решении", Ростов-на-Дону 1998г.; Всероссийская научная конференция студентов и аспирантов. "Техническая кибернетика и системы управления", Таганрог 1998г.

Публикации. По теме диссертационной работы опубликовано 6 печатных работ.

Структура и объем диссертационной работы.

Диссертация написана на русском языке и состоит из введения, четырех глав, заключения, списка литературы и приложений. Общий объем диссертации 169с. Основной текст диссертации содержит 139 машинописных страниц, в том числе 44 рисунка по тексту и 30 таблиц, список литературы из 50 наименований.

Выводы:

1. Проведены статистические испытания работы программного обеспечения, созданного на основе предложенного в диссертационной работе алгоритма обнаружения нерегулярных образов сигнала.

2. Внедрение в программное обеспечение комплекса ЭДГ-2А подпрограмм, реализующих предложенный алгоритм, позволяет существенно облегчить работу оператора и снизить вероятность пропуска дефекта магнитным вагоном-дефектоскопом, а, следовательно, повысить безопасность движения железнодорожного транспорта.

3. Модернизация комплекса ЭДГ-2А путем введения в него дополнительного узла, содержащего специализированное цифровое устройство, функционирующее в соответствии с предложенным алгоритмом, позволит в реальном масштабе времени обеспечить обнаружение нерегулярных образов сигнала.

4. Использование процедур автоматизации обнаружения нерегулярных образов сигнала в комплексе ЭДГ-2А позволит накопить статистические дан

136 ные для решения задачи синхронизации старого и нового проездов магнитного вагона дефектоскопа.

5. Создана программная среда, позволяющая обрабатывать фрагменты сигнала, которая может быть использована для дальнейших исследований де-фектограмм, построенных на основе сигналов от системы пространственно распределенных датчиков, позволяющих определять не только вид дефекта, но и его ориентацию в толще рельса.

ЗАКЛЮЧЕНИЕ

Для достижения поставленной цели были проведены исследования и сделаны выводы:

1. Выполнен анализ сигналов датчиков от различных объектов железнодорожного пути, записанных системой ЭДГ-2А, и построенных на их основе образов дефектограммы. В первой главе подробно описаны характерные признаки формы образов дефектограммы, по которым оператор проводит классификацию, а также основные факторы эксплуатации магнитного вагона дефектоскопа, существенно влияющие на форму сигнала датчиков и, соответственно, на форму образов дефектограммы.

2. Сформированы обучающие выборки фрагментов сигнала от различного класса объектов железнодорожного полотна.

3. На основании спектрального анализа и анализа корреляционной матрицы установлена 13-мерная размерность пространства признаков образов дефектограммы, позволяющая сократить объем исходной выборки с сохранением информации о дефектах.

4. Доказано, что распределение значений параметров 13-мерного вектора признаков, принадлежащих произвольному классу образов, можно представить в виде смеси 13-мерных нормальных распределений.

5. На основании кластерного анализа, определено число кластеров на которые распадаются классы образов дефектограммы и определены параметры данных кластеров, т.е. определены параметры 13-мерных нормальных плотностей вероятностей. В такой постановки задачи процедура классификации основана на использовании критерия максимума апостериорной вероятности, который преобразуется к критерию идеального наблюдателя. В этом случае правило принятия решения минимизирует суммарную вероятность ошибок классификации.

6. Разработан алгоритм, и на его базе создано программное обеспечение, позволяющее обнаруживать нерегулярные образы дефектов на основе анализа сигналов датчиков, записанных системой ЭДГ-2А.

7. Предложены методы коррекции оценок параметров нормальных распределений, полученных в результате использования методов кластерного анализа.

8. Проведены статистические испытания работы программы обнаружения при обработке сигналов от датчиков, записанных системой ЭДГ-2А при эксплуатации магнитного выгона-дефектоскопа на 138-километровом участке железнодорожного пути, с использования и без использования коррекции оценок параметров нормальных распределений.

9. Проведены статистические испытания работы программы обнаружения при обработке сигналов от датчиков, записанных системой ЭДГ-2А при эксплуатации магнитного выгона-дефектоскопа на 138-километровом участке железнодорожного пути, с оценкой характеристик обнаружителя (так, вероятность пропуска дефекта типа 21 с вероятностью 0,95 не превышает 0,03; вероятность пропуска дефекта типа ЗОГ - не превышает 0,1; вероятность ложной тревоги с вероятностью 0,95 лежит в интервале от 0,01 до 0,02).

10. Внедрение в программное обеспечение комплекса ЭДГ-2А подпрограмм, реализующих предложенный алгоритм, позволяет существенно облегчить работу оператора и снизить вероятность пропуска дефекта магнитным вагоном-дефектоскопом, а, следовательно, повысить безопасность движения железнодорожного транспорта.

11. Предложена модернизация комплекса ЭДГ-2А путем введения в него дополнительного узла, содержащего специализированное цифровое устройство, функционирующее в соответствии с предложенным алгоритмом, что позволит в реальном масштабе времени обеспечить обнаружение нерегулярных образов дефектограммы.

12. Создана программная среда, позволяющая обрабатывать фрагменты дефектограммы, которая может быть использована для дальнейших исследова

139 ний дефектограмм, построенных на основе сигналов от системы пространен венно распределенных датчиков, позволяющей определять не только вид де фекта, но и его ориентацию в толще рельса.

1. Горелик A.JI. Скрипкин В.А. Методы распознавания: Учеб. пособие.- 2е изд., перераб. и доп. М.: Высш. шк., 1984. - 208 е., ил.

2. Нормативно-техническая документация / МПС РФ. М.: Транспорт, 1993.-64 с. "Классификация дефектов рельсов", Каталог дефектов рельсов", "Признаки дефектных и остродефектных рельсов".

3. Дефектоскопия рельсов: Учебник для техн. школ ж. д. транспорта. А.К. Гурвич, Б.Л. Довнар, В.Б. Козлов и др. - 4-е изд., перераб. и доп. - М.: Транспорт, 1978. 440 е., ил., табл.

4. Ф.А. Цветков, Н.И. Мережин, Е.В. Гайно. Электронный дефектограф ЭДГ-1 для магнитных вагонов дефектоскопов.// Известия ТРТУ "Материалы ХХХХ научно-технической конференции" Таганрог: ТРТУ, 1995. №1. с. 48

5. Ф.А. Цветков, Н.И. Мережин, Е.В. Гайно. Электронный дефектограф ЭДГ-2А для магнитных вагонов дефектоскопов.// Известия ТРТУ "Материалы XLIII научно-технической конференции" Таганрог: ТРТУ, 1998. №3. с. 33

6. Реклама фирмы "Техносервис" Санкт-Петербург.

7. Реклама фирмы "Твема" Москва.

8. Киселев Н.В. Методы построения системы распознавания и классификации негауссовых сигналов. -JL: Изд-во Ленинград, ун-та, 1986.188с.

9. Гоноровский И.С. Радиотехнические цепи и сигналы. М: Советское радио, 1977

10. Баскаков С.И. Радиотехнические цепи и сигналы. -М.: Высш. школа., 1983. 536 е., ил.

11. Трахман A.M. Введение в обобщенную спектральную теорию сигналов. М., 1972. 352 с.

12. Суэтин П.К. Классические ортогональные многочлены. М., 1976. 327с.

13. В.П. Дьяконов Справочник по алгоритмам и программам на языке бейсик для персональных ЭВМ. Справочник. М.: Наука. Гл. ред. физ.-мат. лит., 1989.-240с.

14. Нильсон Н. Обучающие машины. М., 1967. 180с.

15. Ту Дж., Гонсалес Д. Принципы распознавания образов / Пер. с англ. под. ред. Ю.И. Журавлева. М.,1978. 411 с.

16. Фукунага К. Введение в статистическую теорию распознавания образов/ Пер. с англ. под. ред. A.A. Дорофеюка. М., 1979. 367 с.

17. Патрик Э. Основы теории распознавания образов. Пер с англ. / Под. ред. Б.Р. Левина. М.: Сов. радио, 1980-408 е., ил./ Пер. изд.:США, 1972.

18. Андерсон Т. Введение в многомерный статистический анализ / Пер. с англ. под. ред. Б.В. Гнеденко. М., 1963. 500с.

19. Кендалл М., Стюарт А. Статистические выводы и связи. М., "Наука", 1973г.

20. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М., "Статистика", 1974г.

21. Гренандер У. Лекции по теории образов. 1 и 2 том. Перевод с английского И. Гуревича, Т. Дадашева под редакцией Ю. Журавлева М., "Мир", 1979г.

22. Максимов М.Н. Формирование пространства признаков дефектов железнодорожных рельсов на основе анализа дефектограммы // Известия ТРТУ "Материалы XLIII научно-технической конференции" Таганрог: ТРТУ, 1998. №3(9). с. 30

23. Лоули Д., Максвелл А. Факторный анализ как статистический метод. М., "Статистика", 1967г.

24. Нейман Ю.Вводный курс теории вероятностей и математической статистики/Пер. с англ. под.ред. Ю.В. Линника. М., 1968. 448 с.

25. Уилкс С. Математическая статистика / Пер. с англ. под. ред. Ю.В. Линника. М., 1967г 632с.

26. Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание / Пер. с англ. под. ред. Я.З. Цыпкина. М., 1977.223 с.

27. Рао С.Р. Линейные статистические методы и их применение/ Пер. с англ. под.ред. Ю.В. Ленника. М., 1968.547с.

28. Метропольский А.К. Техника статистических вычислений. М., 1961.479 с.

29. Тутабалин В.Н. Теория вероятностей. М., 1972.227с.

30. Веитцель Е.С. Теория вероятности. М. 1964 576 с.

31. Дуда Р., Харт П. Распознавание образов и анализ сцен. М., "Мир", 1976г.

32. Непараметрические методы классификации и их применение / А.В. Лапко .Новосибирск: ВО "Наука". Сибирская издательская фирма, 1993. 152

33. Максимов М.Н. Алгоритм построения автоматического обнаружителя образа дефекта на дефектограмме // Межведомственный тематический научный сборник "Рассеяние электромагнитных волн"; Выпуск 11-Г ^Таганрог: ТРТУ, 1999.-с. 143

34. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. Л., "Наука", 1983, с.208.

35. Александров В.В., Горский Н.Д. Использование рекурсивных отображений дискретных пространств для распознавания образов. М., "Наука", 1981г.

36. Загоруйко Н.Г. и др. Пакет прикладных программ ОТЭКС (для анализа данных)М.: Финансы и статистика, 1986.-160с.: ил.

37. Воеводин В.В., Кузнецов Ю.А. Матрицы и вычисления. М., 1984. 318 с.

38. Ланкастер П. Теория матриц. Пер. с англ., Глав. ред. физ.-мат. лит. Наука, М., 1978,280с.

39. Вальд А. Последовательный анализ/Пер. с англ. под. ред. Б.А. Севастьянова. М., 1960.328с.

40. Фу К. Последовательные методы в распознавании образов и обучении машин/ Пер. с англ. под.ред. Л.А. Мееровича и Я.З. Цыпкина. М., 1971.255с.143

41. М.Н. Максимов. Распознавание регулярных и нерегулярных образов дефектограммы железнодорожного полотна // Известия ТРТУ "Материалы XLI научно-технической конференции" Таганрог: ТРТУ, 1996. №3(9). с.

42. Айзерман М.А., Браверман Э.М., Розоноэр Л.И., Метод потенциальных функций в теории обучения машин.

43. Вапник В.Н. , Червоненкис А.Я. Теория распознавания образов.-М.: "Наука", 1974.-415С.

44. Алгоритмы обучения распознаванию образов Под ред. Вапник В.Н. М., "Сов. радио", 1973 с. 200.

45. Фу К. Структурные методы в распознавании образов/Пер. с англ. под ред. М.А. Айзермана. М.:1977. 319с.

46. Дорофеюк A.A. Алгоритмы автоматической классификации. Автоматика и телемеханика, 1971