автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Исследование автоволновых методов обработки данных информационно-измерительной сетью при автоматизации обнаружения пороков нетканых полотен

На правах рукописи

ГОРОДНОВ ИВАН АЛЕКСЕЕВИЧ

ИССЛЕДОВАНИЕ АВТОВОЛНОВЫХ МЕТОДОВ ОБРАБОТКИ ДАННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СЕТЬЮ ПРИ АВТОМАТИЗАЦИИ ОБНАРУЖЕНИЯ ПОРОКОВ НЕТКАНЫХ ПОЛОТЕН

Специальность 05.13.06 - "Автоматизация и управление технологическими процессами и производствами (легкая промышленность)"

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2009 00347 16 12

003471612

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования "Московский государственный текстильный университет имени А.Н. Косыгина".

Научный руководитель: кандидат технических наук, доцент

Беспалов Михаил Евгеньевич

Официальные оппоненты: доктор технических наук,

доцент Макаров Александр Анатольевич

кандидат технических наук Страшное Андрей Юрьевич

Ведущая организация: Российский заочныйинститут

текстильной и легкой промышленности

Защита состоится « /%у> 06 2009 года в часов на заседании диссертационного совета Д212.139.03 при Государственном образовательном учреждении высшего профессионального образования "Московский государственный текстильный университет имени А.Н. Косыгина" по адресу: 119071, г. Москва, ул. Малая Калужская, д. 1.

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Московский государственный текстильный университет имени А.Н. Косыгина».

Автореферат разослан « /<Р» 2009 года.

Ученый секретарь диссертационного совета доктор технических наук, профессор Козлов Андрей Борисович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Необходимость повышения производительности технологического оборудования и своевременного выявления первых признаков снижения качества нетканых материалов требует применения современных интеллектуальных технологий обнаружения пороков в реальном масштабе времени, в частности, на основе информационно-измерительных сетей (ИИС). Естественная параллельность структуры сети в нейросетевой реализации ИИС позволяет ускорить обработку данных, полученных с датчиков. В настоящее время развитие подобных средств параллельных вычислений и распределенной обработки данных открывает новые возможности по совершенствованию автоматизированных средств непрерывного оптического контроля, применяемых для распознавания пороков в полотнах нетканых материалов.

Традиционно для анализа качества вырабатываемого материала требовалось на время останавливать технологический процесс с целью проведения работ по обнаружению пороков. Разработкой средств автоматизации для анализа качества текстильных полотен на протяжении последних лет занимались такие исследователи как Гусев В.Е., Сергеенков А.П., Черкасский А.Е., Рашкован И.Г., Фролов И.В., Бершев E.H., Козлов А.Б., Лебедева В.И.

Теоретические основы и способы практической реализации нейросетевых систем анализа изображений представлены в работах Бандмана О.Л., Яхно В.Г., Кульчина Ю.Н., Чуа Л.О., Роска Т. и др.

Наиболее перспективные средства распределенной обработки данных с датчиков на основе автоволновых процессов реакционно-диффузионной ИИС к настоящему моменту в практике текстильного производства не применялись. Следовательно, для разработки перспективных средств обнаружения пороков в нетканых материалах актуально исследование автоволновых режимов функционирования ИИС.

Цели и задачи работы. Основной целью диссертационной работы является исследование автоволновых режимов функционирования ИИС. Такие режимы предназначены для параллельной обработки сенсорных данных в системе автоматического контроля качества нетканых полотен, а также оценки возможностей этого подхода и разработки методик их применения к задачам обнаружения пороков на поверхности нетканых материалов.

В соответствии с поставленной целью в диссертационной работе решаются следующие задачи:

• разработка модели реакционно-диффузионной ИИС на основе клеточного нейросетевого подхода;

• разработка методики компьютерного моделирования автоволновых процессов в реакционно-диффузионной ИИС;

• применение модели реакционно-диффузионной ИИС в задаче обнаружения сорных примесей и пороков нетканых полотен, выбор критериев для обнаружения этих пороков;

• создание программной системы распознавания пороков нетканого материала по полутоновому изображению его поверхности;

• оценка эффективности распознавания пороков в структуре нетканого материала с помощью реакционно-диффузионной ИИС;

• разработка технических предложений по внедрению реакционно-диффузионной ИИС в состав распределенной системы контроля качества нетканых материалов.

Автор выиосит па защиту :

• модель реакционно-диффузионной ИИС на основе клеточного нейросете-вого подхода;

• условия возникновения автоволновых режимов нейросетевой активности клеточной нейронной сети.

• результаты анализа типовых пороков нетканых полотен с помощью модели реакционно-диффузионной ИИС.

• технические предложения по разработке реакционно-диффузионной ИИС в составе системы распределенного контроля качества при производстве нетканых полотен.

• объектную модель программной системы для обнаружения пороков нетканых полотен на основе разработанной методики.

Методы проведения исследований. В работе используются методы математического и компьютерного моделирования, теория искусственных нейронных сетей, теория распределенной обработки данных, компьютерные методы и алгоритмы обработки изображений. В качестве модели реакционно-диффузионной ИИС используется двухслойная двумерная клеточная нейронная сеть. Нейросетевая активность клеточно-нейронной сети описывается уравнениями Хиндмарша-Роуза (модифицированный вариант уравнений Ходжкина-Хаксли). Система нелинейных конечно-разностных уравнений решается методом Рунге-Кутты 4-го порядка с фиксированным шагом.

Все вычислительные эксперименты проведены с помощью программной системы «Автоволна-1», специально разработанной автором в среде Microsoft Visual Studio 2005 с использованием объектно-ориентированных технологий .NET и языка программирования С#2.0.

Научная новизна.

В данной работе получены следующие новые научные результаты:

• впервые исследованы автоволновые методы анализа полутоновых изображений поверхности нетканого материала с помощью клеточ-но-нейросетевой модели ИИС;

• проведена оценка эффективности распознавания типовых пороков нетканых материалов с помощью клеточно-нейросетевой модели ИИС;

• предложен способ распознавания пороков по реакции клеточной нейронной сети;

• предложена методика оценки фрактальной размерности контура бинарного изображения нейросетевого отклика рецепторного поля кле-точно-нейронной сети на типовой порок нетканого материала.

Достоверность результатов работы. Достоверность результатов работы подтверждается вычислительными экспериментами по исследованию реальных образцов нетканых материалов с типовыми пороками. В ходе экспериментов получены оценки эффективности применения клеточно-нейросетевой модели для распознавания пороков.

Практическая ценность. Применение разработанных в диссертации методов анализа типовых пороков нетканых полотен позволяет повысить эффективность контроля качества нетканых материалов в процессе их производства. Результаты работы использованы в госбюджетной НИР № 06-816-36 МГТУ им. А.Н. Косыгина в 2007 г.

Использование программного комплекса «Автоволна-1» в учебном процессе кафедры подтверждено актом о внедрении.

Апробация работы. Основные материалы диссертационной работы докладывались и получили положительную оценку на Международной научно-технической конференции "Современные технологии и оборудование текстильной промышленности (ТЕКСТИЛЬ-2007)" (г. Москва, МГТУ им. А.Н. Косыгина), а также публиковались в журналах «Известия вузов. Технология текстильной промышленности» (г. Иваново, №2С(307) за 2008г.), "Вестник ДИТУД" (Димитровградский институт технологии управления и дизайна) и сборнике научных трудов аспирантов (выпуск №12 за 2006 г).

Программный комплекс «Автоволна-1» представлен к государственной регистрации.

Публикации. По материалам диссертационной работы опубликовано 4 печатные работы, среди них 3 статьи и тезисы докладов на международной конференции.

Структура и объём работы. Диссертация состоит из введения, четырёх глав, общих выводов, списка используемой литературы из 80 наименований и

яти приложений. Полный объём диссертации составляет 124 страницы, вклю-ая 31 рисунок и 11 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обосновывается актуальность и перспективность темы дис-ертационной работы, а также описываются цели и задачи исследования, даётся бщая характеристика работы.

В первой главе проведен анализ принципов построения и использования овременных систем контроля качества нетканых полотен, а также обоснована ктуальность исследования информационно-измерительных сетей в составе та-их систем.

В настоящее время для контроля качества нетканого полотна в процессе го выработки на скорости до 800 метров в минуту неизбежно применение редств машинного зрения, основанных на технологии распределенной обра-отки сенсорных данных в реальном масштабе времени. Использование опто-пектронных устройств многократно превосходит возможности человеческого осприятия, ограниченного способностью распознавания пороков при скорости олотна не более 50 метров в минуту.

Для эффективного решения задач обнаружения и распознавания типовых ороков требуется использовать методы и средства анализа видеопотока изо-ражений поверхности вырабатываемого нетканого полотна. Перспективным аправлением совершенствования таких технологий является применение ней-оноподобных распределенных вычислительных систем, в частности, инфор-гационно-измерительных сетей.

Такие системы применяются при реконструкции пространственных рас-ределений физических полей и реализуются в виде распределенных провод-ых или беспроводных измерительных сетей на основе датчиков разных типов т волоконно-оптических до цифровых камер в зависимости от требуемой сте-ени мобильности вычислительных узлов и вида измеряемой величины.

Основной отличительной особенностью информационно-измерительных етей является возможность объединения распределенных маломощных в вы-ислительном отношении и экономичных по потребляемым ресурсам процес-орных элементов в так называемые бесструктурные временные сети, способ-ые на основе принципа локального взаимодействия соседних узлов решать за-,ачи распределенной обработки сенсорных данных.

В данной работе исследуются новые автоволновые методы анализа фото-[ видеоизображений, предназначенные для использования в качестве средства обнаружения и измерения параметров типичных пороков нетканых полотен.

Во второй главе рассмотрены реакционно-диффузионные методы обра-¡отки получаемых информационно-измерительной сетью данных, основанные [а анализе автоволновых процессов в распределенных динамических системах.

Автоволновые методы распределённой обработки данных в настоящее ремя применяются при анализе полутоновых изображений. В данной главе

приведены примеры использования таких методов для решения задач «машинного зрения», робототехники.

Благодаря проведенному анализу существующих систем контроля качества автором было установлено, что для решения задачи обнаружения пороков по их полутоновым изображениям наиболее перспективным является использование клеточных нейронных сетей. В частности, на основе клеточно-нейросетевого подхода может быть построена решеточная модель реакционно-диффузионной вычислительной среды. Применение такой среды для обработки получаемых информационно-измерительной сетью данных позволяет достигнуть недоступной для последовательных ЭВМ вычислительной производительности. О производительности такого устройства параллельной обработки можно судить по данным, приведенным в таблице 1.

Таблица 1. Сравнение производительности настольных процессоров с производительностью клеточной нейронной сети (по числу операций с плавающей точкой в секунду)

Название процессора для настольных систем Производительность

IBM PC/XT (1983) 6,9 кфлопс

Intel 80386(1985) 40 МГц 0,6 Мфлопс

Intel Pentium 75 МГц (1993) 7,5 Мфлопс

Intel Pentium II300 МГц (1997) 50 Мфлопс

Intel Pentium HI 1 ГГц (1999) 320 Мфлопс

AMD Athlon 64 2,211 ГГц (2003) 840 Мфлопс

Intel Core 2 Duo 2,4 ГГц (2006) 1,3 Гфлопс

Core 2 Duo E8400 3.0ГГц(2008) 18.6 Гфлопс

Intel Core 2 Quad Q9450 2.66ГГц @3.5ГГц 48 Гфлопс

Клеточная нейронная сеть 3.0 Тфлонс

В диссертации приведены уравнения, описывающие автоволновые процессы в решеточных моделях нейроноподобных двумерных распределенных систем. Отдельные элементы в такой модели описываются обыкновенными дифференциальными уравнениями, в частности, в данной работе использовались уравнения нейронной динамики Хиндмарша-Роуза. Автоволновые процессы, возникающие в рецепторном поле нейронов Хиндмарша-Роуза, по сравнению с другими моделями позволяют достигать большего быстродействия в обработке полутоновых изображений пороков нетканых полотен.

Таким образом, в качестве модели реакционно-диффузионной ИИС в диссертации выбрана реакционно-диффузионная клеточная нейронная сеть.

В третьей главе разработаны алгоритмы моделирования реакционно-диффузионой ИИС и методика их применения.

В качестве модели такой сети рассмотрена двумерная решетка нейронов Хиндмарша-Роуза. Такая модель представляет собой частный случай реакционно-диффузионной клеточной нейронной сети.

Уравнения нейросетевой активности нейроноподобных элементов такой решетки с учетом взаимодействия с окружающими клетками могут быть представлены в следующем виде:

= у.. +3х?. -з?..-г.. +/..-е(4х.. -х., . ,-х. , :-х. . ,-х. . ,)

и ч/ и у и у и '-1.У '.у+1

у..=1-5*2.-у..

у и У

у у ч

где г, 7 - координаты нейроноподобного элемента, N - количество таких элементов в слое, х, у - мембранные потенциалы элементов каждого из двух слоев, /у - ток смещения, определяющий порог возбудимости элемента сети, г - медленно меняющийся переменный ток, влияющий на ток смещения 1У так, что при превышении порога возбуждения нейрона ток смещения вернется к уровню 1-г, е - коэффициент диффузионной связи нейрона с окружающими клетками, г, к,8 - константы, значения которых определяются биофизическими свойствами прототипа нейроноподобного элемента.

С целью определения условий возникновения автоволнового режима в такой реакционно-диффузионной клеточной нейронной сети было проведено её компьютерное моделирование (см. рис. 1). На рисунке представлено зарождение и эволюция автоволны. Анализ нейросетевой активности рецепторного поля показал, что передача возбуждения по сети осуществляется в виде спиральных автоволн.

На основе анализа характерных конфигураций пороков (см. рис. 2) и сорных примесей нетканого полотна, таких как разрывы, надрезы, складки, комки волокон, уплотнения волокнистой структуры, были сформированы следующие разновидности тестовых внешних воздействий на рецепторное поле решётки нейроноподобных элементов:

1) в виде области повышенной нейросетевой активности прямоугольной формы, при этом положение такой области воздействия в пределах клеточной нейронной сети задавалось случайным образом;

2) в виде диагональных полос;

3) в виде окружности с толщиной линии в одну клетку рецепторного поля КНС, аналогично пикселю растрового изображения;

4) в виде предварительно обработанного полутонового фотографического изображения поверхности нетканого материала с пороком;

5) в виде предварительно обработанного видеопотока с частотой 1 кадр/сек с изображениями тестовых пороков.

Рис.1 Результаты компьютерного моделирования эволюции спиральных автоволн в модели реакционно-диффузионной ИИС

ч ч

1 *

>

в)

\

) \ \ "

\

ч

\

\

ж)

г) д) е)

Рис. 2 Полутоновые снимки пороков и вариантов тестовых воздействий на реакционно-диффузионную КНС, где а) порок «широкие пятна» б) порок «складки» в) порок «надрезы» г) порок «разрывы элементарных волокон» д) тестовое воздействие «прямоугольник» е) тестовое воздействие «окружность» ж) тестовое воздействие «диагональные полосы»

Для проведения исследования откликов рецепторного поля клеточной нейросетевой модели реакционно-диффузионной ИИС на тестовые воздействия

был разработан алгоритм моделирования автоволновой обработки данных, блок-схема которого представлена на рис.3.

Начало ^

/"'Выбор типа воздействия «Прамсугопы(ик»

Рис. 3 Алгоритм моделирования реакционно-диффузионной ИИС

Эксперименты проводились при следующих условиях: 1. изображение полотна нетканого материала выбиралось в виде графи ского файла форматов Ьтр, луш!-, либо видеопотока с частотой 1 кадр/с;

г. для предварительной обработки исходного изображения использовалась шерация бинаризации с целью выявления в структуре изображения контрастных областей, вызываемых присутствием порока в материале;

порог бинаризации устанавливается на основании анализа предваритель-юй обработки тестового порока заданного типа;

]. в качестве тестового порока рассматривалось присутствие в нетканом материале структурных неоднородностей вышеперечисленного вида; ». порог регистрации отклика сети Апорог выбирался при числе градаций яркости от 0 до 255 и устанавливался /гпорог=100;

>. данные получаемые датчиками информационно-измерительной сети подевались на вход реакционно-диффузионной ИИС от регулярной решётки светочувствительных элементов размером N х М, где N = 50.

Под воздействием ^ подразумевалось изменение вычисленных значений • узлах двумерной решетки рецепторного поля КНС на экспериментально установленное допустимое значение в диапазоне от -3.5 до 6.5. При этом условии »ординаты ц узлов с изменяемыми значениями соответствуют координатам у }ерных пикселей бинаризованного изображения порока. В данном случае «разбуженными» нейронами считаются узлы решетки, в которых изменялись зна-1ения так, что это отразило эффект постепенного «забывания» предыдущего »стояния.

Установлено, что по бинарному изображению рецепторного поля можно Уценить не только факт наличия порока в полотне, но и его геометрические ха-»актеристики (положение и размер). При этом исследовалась зависимость чис-1а «разбуженных» нейронов рецепторного поля от формы, размера и положения типового порока нетканого полотна. В частности, на рис.4 представлена ременная зависимость количества «разбуженных» нейронов рецепторного пода при различной площади модельного порока нетканого полотна.

Рис. 4 Зависимость числа «разбуженных» нейронов N от временного шага Т при различной площади порока нетканого полотна (сеть 100*100 элементов, уровень внешнего воздействия Е=3.8)

В ходе вычислительного эксперимента установлена также зависимость интенсивности нейросетевого отклика от уровня внешнего воздействия (рис.5).

Рис.5 Зависимость числа «разбуженных» нейронов (Л') от временного шага Т при различном уровне воздействия (сеть 50x50 элементов, уровни внешнего воздействия Л = 1.5, Г2 = 2.5, Ю = 4.5)

Анализ этой зависимости позволил оценить динамический диапазон внешних воздействий на рецепторное поле сети.

Полученные результаты подтверждают предположение о возможности использования построенной модели реакционно-диффузионной ИИС в качестве средства обнаружения пороков нетканых полотен.

В четвёртой главе приведено функциональное описание структуры объектно-ориентированной модели программной системы «Автоволна-1» на основе исследованного в данной диссертации автоволнового подхода к обработке данных. Графический интерфейс пользователя программной системы представлен на рис.6. !

Изложена методика применения разработанной программной системы для моделирования процесса обнаружения пороков нетканых полотен с помощью реакционно-диффузионной ИИС.

Варианты откликов рецепторного поля модели сети, полученные в результате компьютерного моделирован™ отклика реакционно-диффузионной ИИС на обнаруженные пороки нетканого полотна, представлены в табл.2. Рекомендуемые установки порога чувствительности при бинаризации, ¿тсм„ -темный порог яркости, 1св - светлый порог яркости, М-число разбуженных нейронов; ЬЫыи = 0.1, Ь/аг 0.65 М~30, ¿^„=0.1, ¿2св= 0.65, М -225, Ь3тши= 0.1, ¿зсв= 0.4, М-600.

Поскольку очертания нейросетевого отклика определяются не только уровнем внешнего воздействия, но и изменяются в течение рефрактерного периода, т.е. периода, когда среда не может проводить автоволны, потребовалось установить критерий допустимости количественной оценки размеров порока по отклику сети. В качестве такого критерия предлагается использовать значение фрак- 1 тальной размерности контура отклика рецепторного поля сети.

га*» -рйхш

1 г.

1 Ц ■ |

'1

м

|' ^ ■ 1

г ■ И

Ж

Г Добавлять», грм»«) Мжо»триюпяХ Ц35 поля К -0.645

Р Гр»»к 30/20

сяив* л. иста

0сное«« | Возмушеткя | Цветность Уыепе>«я | Настрой« | ИкшшШ |

'--------------Г" Тим

Слой!

«Разовой портрет сдвя-^ (150X100 ^ ¡150.000 Фаэоеый портрет Мосцггаб

Доб. воэмцщение

10.100 3 НиЛтеаЛЯо» | Тилпд) ПеНивПН^по|

Тип системы

Г Зу добавить ГГ

Шаг по пространстве»««** коорсжагв^Ь или

Спите* соирдие«—д настроек: [с^

Мг

±1 Мах

1 Пауза 1

такт*307 Г" Найти период

ТаЛ*ер|мс)

Г 3

Коэффициенты ХииАмараг-Ро^э

КОДФ. * »00021 -А

К(»Ф 1-3.281 -и J Коэф. Б - 4

Ер»

Иг^ииализацияУ

рг-д ""

¡0 3 Мж

Илиимлимиияг

[о 3

Рис.6 Интерфейс программы "Автоволна-1"

Установлено, что если величина фрактальной размерности контуров отклика больше 1, то контуры нейросетевого отклика адекватны очертаниям порока нетканого полотна. Разработанный алгоритм расчета фрактальной размерности контура отклика реализован в виде программного модуля в составе комплекса «Автоволна-1».

Помимо решения основной задачи диссертации, в работе предложены рекомендации о возможности применения исследованных автоволновых методов обработки сенсорных данных при решении задач распределенного управления технологическим процессом.

Таблица 1 Результаты обнаружения пороков в нетканых полотнах с помощью компьютерной модели РД ИИС

Образцы изображений пороков нетканого материала

Отклик рецептор-ного поля РД ИИС

Результат выделения образа порока с помощью РД ИИС, показатель фрактальной размерности 0.27

Локальный

Уплотнения волок-

Для обоснования этой возможности представлено описание варианта взаимодействия реакционно-диффузионной ИИС с системой диспетчеризации и сбора данных о состоянии технологического оборудования (SCADA-системой). Такое взаимодействие основано на технологии объектного связывания и внедрения для управления технологическими процессами (OLE for Process Control). Благодаря такому взаимодействию SCADA-система приобретает возможность обработки данных в режиме реального времени.

ОБЩИЕ ВЫВОДЫ ПО РАБОТЕ

1. В результате проведенных исследований решена актуальная научно-техническая задача разработки методических и алгоритмических методов автоматизированного обнаружения пороков полотен нетканого материала по полутоновым изображениям их поверхности в режиме реального времени автоволновыми методами.

2. На основе анализа известных работ по автоволновой динамике неравновесных распределенных динамических систем установлено, что наиболее целесообразным техническим решением задачи распознавания порока нетканого полотна является построение информационно-измерительной сети нового типа - реакционно-диффузионной ИИС.

3. В качестве прототипа архитектуры реакционно-диффузионной ИИС впервые предложено использовать нейроноподобную модель автоволновой вычислительной среды - клеточную нейронную сеть на основе искусственного нейрона Хиндмарш-Роуза.

4. Разработана вычислительная методика и алгоритм компьютерного моделирования автоволновых процессов в клеточной нейросетевой модели реакционно-диффузионной ИИС.

5. Предложена методика предварительной обработки полутонового изображения нетканого материала с целью получения отчетливого отклика ре-цепторного поля реакционно-диффузионной ИИС.

6. Предложено использовать метод расчета фрактальной размерности контура отклика для оценки геометрических параметров порока по отклику рецепторного поля ИИС. Установлено, что значение фрактальной размерности этого контура может использоваться для оценки возможности измерения размеров порока с помощью реакционно-диффузионной ИИС.

7. На основе разработанных методик проведены вычислительные эксперименты по обнаружению и анализу пороков в нетканых полотнах, в ходе которых установлено, что по отклику рецепторного поля можно оценить момент появления, положение и размеры пороков.

8. Установлено, что предлагаемый метод наиболее эффективен при распознавании дефектов нетканых полотен следующего типа: «надрезы», «широкие пятна», «складки».

9. Результаты компьютерного моделирования реакционно-диффузионной ИИС показали, что отклик рецепторного поля формируется в результате

■г

перехода распределенной вычислительной среды из ждущего в автоволной режим, что подтверждается появлением спиральных автоволн известного вида.

Ю.По результатам проведенного исследования была предложена схема взаимодействия системы мониторинга и диспетчеризации распределенного управления технологическим процессом (SCADA) и разработанного клиента для сервера управления технологическим процессом (ÓPC сервера).

11. Разработанные методики, алгоригмы и программные средства рекомендуется использовать при проектировании средств автоматизации систем оптического контроля качества нетканых полотен.

12.Результаты диссертационной работы использовались при выполнении госбюджетной НИР № 06-816-36 по теме «Модели и методы исследования технологических и производственных систем прядильных производств с использованием компьютерных технологий и автоматизированных систем обработки информации». Использование программного комплекса «Автоволна-1» в учебном процессе кафедры подтверждено актом о внедрении.

Основное содержание Диссертационной работы отражено в публикациях:

1. Городнов И.А., М.Е.Беспалов Распознавание дефектов нетканого материала по реакции клеточной нейронной сети. // Иваново: Известия ВУЗов. Технология текстильной промышленности.

-2008.-2С(307) -С. 120-123.

2. Городнов И.А. Использование автоволновых режимов клеточной нейро-ной сети в задачах распознавания дефектов нетканого материала /Беспалов М.Е. // Тезисы докладов международной научно-технической конференции "Современные технологии и оборудование текстильной промышленности" (ТЕКСТИЛЬ - 2007). -М.:МГТУ им. А.Н.Косыгина, 2008.-с. 205.

3. Городнов И.А. Исследование автоволновых режимов клеточной нейронной сети с целью обработки изображений в реальном масштабе времени /М.Е.Беспалов // Сборник научных трудов "Вестник ДИТУД". -Димитровград: ДИТУД, 2007. -№3(33). -С. 17-20.

4. Городнов И.А. Сенсорные сети как средство функциональной диагностики технологического оборудования в реальном масштабе времени //Сборник научных трудов аспирантов, вып. 12 . -М.: МГТУ им. А.Н.Косыгина, 2006. -С. 92-96.

Подписано в печать 15.05.09 Формат бумаги 60x84/16 Бумага множ. Усл.печ.л. 1,0 Заказ 143 Тираж 80 ГОУВПО «МГТУ им. А.Н. Косыгина», 119071, Москва, ул. Малая Калужская, 1

Введение.

Глава 1 Методы и средства обнаружения пороков нетканых полотен

1.1. Традиционные подходы к оценке качества нетканого полотна

1.2. Современные методы автоматизированного контроля качества нетканых материалов.

1.3. Информационно-измерительная сеть как система автоматизированной обработки сенсорных данных.

Выводы по главе 1.

Глава 2 Автоволновые методы обработки данных.

2.1. Автоволновые процессы в распределенных динамических системах

2.2. Реакционно-диффузионные клеточные нейронные сети как средство моделирования автоволновых процессов.

2.3. Автоволновые методы обработки сенсорных данных.

Выводы по главе 2.

Глава 3. Разработка принципов функционирования реакционно-диффузионной информационно-измерительной сети в задаче распознавания пороков нетканого полотна автоволновым методом.

3.1. Разработка структуры реакционно-диффузионной информационно-измерительной сети.

3.2. Разработка клеточно-нейронной модели реакционно-диффузионной информационно-измерительной сети.

3.3. Компьютерное моделирование процесса распознавания пороков нетканого полотна на основе модели информационноизмерительной сети.

3.3.1. Выбор критериев эффективности распознавания порока.

Выводы по главе 3.

Глава 4. Разработка программного комплекса для моделирования процесса обнаружения порока нетканого полотна реакционно-диффузионной информационно-измерительной сетью.

4.1. Структурно-функциональное описание разработанного программного комплекса «Автоволна 1».

4.2. Результаты компьютерного моделирования реакционно-диффузионной КНС в задаче обработки и распознавания полутоновых изображений пороков нетканых полотен.

4.3. Предложения по комплексированию реакционно-диффузионной ИИС и SCADA в составе системы распределенного управления

Выводы по главе 4.

В практике современного текстильного производства нетканых полотен актуальными являются задачи по повышению качества и скорости выпускаемой продукции. В связи с этим возникает задача автоматизации процесса поиска пороков в движущихся полотнах нетканых материалов в процессе производства и разработки способов быстрого реагирования механических агрегатов для устранения данных пороков.

Работа посвящена первой части задачи, а именно, автоматизации поиска пороков в движущемся потоке нетканого материала. Для решения этой задачи применяются механические способы регистрации пороков определенных видов, инфракрасные и рентгеновские способы регистрации пороков[2], графические методы обработки цифровых изображений полотен волокнистого материала[70], применяются нейросетевые мето-ды[75], методы математической морфологии для выделения порока по цифровому изображению[74]. Для решения поставленной задачи в данной работе были выбраны нейроноподобные и автоволновые методы как наиболее перспективные по скорости обработки и возможности реализации в виде микрочипа.

В настоящее время микрочипы с клеточно-нейронной архитектурой производятся в промышленных масштабах. Микрочипы способны выполнять заложенную программу очень быстро благодаря своей архитектуре, которая обладает мелокозернистым параллелизмом, но основным их достоинством является возможность моделирования нелинейных и автоволновых процессов. Автоволновые методы анализа данных являются альтернативой применения методов математической морфологии, что позволяет упростить и ускорить обработку данных при обнаружении пороков нетканых материалов в режиме реального времени.

Автоволны в активных средах[10] являются прототипом автоволн в клеточно-нейронных микрочипах, в которых возникают аналогичные процессы. Многие из таких автоволновых систем могут описываться ней-роноподобными моделями [1]. Используя свойства автоволновых процессов, возможно проводить анализ изображений потока волокнистого материала с целью выявления в нем пороков.

Развитие информационных технологий для обработки цифровых изображений открывают большие возможности для создания методов оценки качества нетканых материалов по их изображениям.

Разработка информационно-измерительных систем, автоматизирующих исследования пороков волокнистых материалов по их изображению, является перспективной задачей.

Целью диссертационной работы является исследование автоволновых методов функционирования информационно-измерительных систем (ИИС)[61], предназначенных для обработки сенсорных данных в системе автоматического контроля качества нетканых полотен, а также оценки возможностей этого подхода и разработки методик их применения к задачам обнаружения дефектов на поверхности нетканых материалов. В соответствии с поставленной целью в диссертационной работе решаются следующие задачи:

- разработка модели реакционно-диффузионной ИИС на основе клеточного нейросетевого подхода;

- разработка методики компьютерного моделирования автоволновых процессов в реакционно-диффузионной ИИС;

- применение модели реакционно-диффузионной ИИС в задаче обнаружения сорных примесей и пороков нетканых полотен, выбор критериев для обнаружения этих пороков; создание программной системы распознавания пороков нетканого материала по полутоновому изображению его поверхности; оценка эффективности распознавания пороков в структуре нетканого материала с помощью реакционно-диффузионной ИИС; разработка технических предложений по внедрению реакционно-диффузионной ИИС в состав распределенной системы контроля качества нетканых материалов.В работе были использованы методы математического компьютерного моделирования, методы компьютерной обработки графической информации.

Получены следующие новые научные результаты: впервые исследованы автоволновые методы анализа полутоновых изображений поверхности нетканого материала с помощью клеточно-нейросетевой модели ИИС; проведена оценка эффективности распознавания типовых дефектов нетканых материалов с помощью автоволновой ИИС; предложен способ распознавания дефектов по реакции клеточной нейронной сети; предложена методика оценки фрактальной размерности контура бинарного изображения нейросетевого отклика рецепторно-го поля клеточно-нейронной сети на типовой дефект нетканого материала.

Общие выводы

1. В результате проведенных исследований решена актуальная научно-техническая задача разработки методических и алгоритмических методов автоматизированного обнаружения пороков полотен нетканого материала по полутоновым изображениям их поверхности в режиме реального времени автоволновыми методами.

2. На основе анализа известных работ по автоволновой динамике неравновесных распределенных динамических систем установлено, что наиболее целесообразным техническим решением задачи распознавания порока нетканого полотна является построение информационно-измерительной сети нового типа - реакционно-диффузионной ИИС.

3. В качестве прототипа архитектуры реакционно-диффузионной ИИС впервые предложено использовать нейроноподобную модель автоволновой вычислительной среды — клеточную нейронную сеть на основе искусственного нейрона Хиндмарш-Роуза.

4. Разработана вычислительная методика и алгоритм компьютерного моделирования автоволновых процессов в клеточной нейросетевой модели реакционно-диффузионной ИИС.

5. Предложена методика предварительной обработки полутонового изображения нетканого материала с целью получения отчетливого отклика рецепторного поля реакционно-диффузионной ИИС.

6. Предложено использовать метод расчета фрактальной размерности контура отклика для оценки геометрических параметров порока по отклику рецепторного поля ИИС. Установлено, что значение фрактальной размерности этого контура может использоваться для оценки возможности измерения размеров порока с помощью реакционно-диффузионной ИИС.

7. На основе разработанных методик проведены вычислительные эксперименты по обнаружению и анализу пороков в нетканых полотнах, в ходе которых установлено, что по отклику рецепторного поля можно оценить момент появления, положение и размеры пороков.

8. Установлено, что предлагаемый метод наиболее эффективен при распознавании дефектов следующего типа: «надрезы», «широкие пятна», «складки».

9. Результаты компьютерного моделирования реакционно - диффузионной ИИС показали, что отклик рецепторного поля формируется в результате перехода распределенной вычислительной среды из ждущего в автоволной режим, что подтверждается появлением спиральных автоволн известного вида.

Ю.По результатам проведенного исследования была предложена схема взаимодействия системы мониторинга и диспетчеризации распределенного управления технологическим процессом (SCADA) и разработанного клиента для сервера управления технологическим процессом (ОРС сервера).

11. Разработанные методики, алгоритмы и программные средства рекомендуется использовать при проектировании средств автоматизации систем оптического контроля качества нетканых полотен.

12.Результаты диссертационной работы использовались при выполнении госбюджетной НИР № 06-816-36 по теме «Модели и методы исследования технологических и производственных систем прядильных производств с использованием компьютерных технологий и автоматизированных систем обработки информации». Использование программного комплекса «Автоволна-1» в учебном процессе кафедры подтверждено актом о внедрении.

1. Петелин, Д. П. Автоматизация технологических процессов в текстильной промышленности. / Козлов А. Б. и др. Москва: Легкая индустрия, 1980, -320 с.

2. Подураев, Ю. В. Принципы построения и современные тенденции развития мехатронных систем. / Ю. В. Подураев, В. С. Кулешов; -М: Мехатроника. 2000.

3. Морозов, А. Д. Визуализация и анализ инвариантных множеств динамических систем. / А. Д. Морозов, Т. Н. Драгунов; Москва-Ижевск : Институт компьютерных исследований, 2003.

4. Бандман, О. Л. Клеточно-автоматное моделирование диффузионно-рекционных процессов. -Т. 39, 3. -М:Автометрия, 2003.

5. Елькин, Ю.Е. Кинематика стационарных и медленно эволюционирующих автоволновых фронтов : дисс. канд. физ. мат. наук : 03.00.02 / Елькин Юрий Евгеньевич; Пущино: РАН Институт математических проблем биологии, 2000, 149 л.

6. Селихов, А.В. Исследование клеточно-нейронной модели двумерных автоволновых процессов : автореф. дис. канд-та физ.-мат. наук: 05.13.18 / А. В. Селихов. Новосибирск, 2000. - 28 с.

7. Шалобаев, Е.В. Теоретические и практические проблемы развития мехатроиики. / Е.В. Шалобаев // Сборник научных статей / Под ред. профессора С.А. Козлова. СПб: СПб ГИТМО (ТУ), 2001. - 376 е.: ил.

8. Самарский, А. А. Введение в теорию разностных схем. / А. А. Самарский -М. .Наука, 1971, 553 с.

9. Романовский, Ю. М., Математическая биофизика / Ю. М. Романовский, Н. В Степанова, Д. С. Чернавский -М. : Наука, 1984, -304с.

10. Варданян, А.А. Исследования фотоэлектрического метода автоматического контроля развеса волокнистых продуктов : дисс. канд. техн. наук. : / А. А. Варданян -М., 1972.

11. Мухамеджанов, Г.К. Методы оценки качества нетканых полотен Текст. : из цикла лекций заоч. фак. "Методы оценки качества продукции на предприятиях текстил. и швейн. пром-сти" / Г.К.Мухамеджанов. М. : Легпромбытиздат, 1990. - 40 с. : ил.

12. Сухарев, М.И. Свойства нетканых материалов и методы их исследований / М.И. Сухарев -М. : Легкая индустрия, 1969, -160 с.

13. Сайт ru.wikipedia.org Ячеистая топология. Электронный ресурс. -М.Википедия, 2008 -. -Режим доступа http://ru■wikipedia■org/wiki/Ячeиcтaя топология свободный. Загл. с экрана.

14. Healy, W. М. Опыт построения сети беспроводных датчиков для мониторинга систем ОВК зданий Электронный ресурс. / W. М. Healy //АВОК -1991 -М, 2008 -. -Режим доступа http://www.abok.ru/for spec/articles.php?nid=3142 свободный. Загл. с экрана.

15. Вишневский, В., Беспроводные сенсорные сети в системах промышленной автоматики Электронный ресурс. / В. Вишневский, Г. Гайкович -М.Электроника НТБ, 2001 -. -Режим доступа http://www.electronics.rU/issue/2008/l/19 свободный. Загл. с экрана.

16. Лукьянов, А.В. сследование нейроподобных сетей, работающих со средним значением стохастического потока : автореф. автореф. дис. канд-та физ.-мат. наук: 05.13.17 / А. В. Лукьянов. Ярославль, 2000. - 16 с

17. Сайт zhukov.wallst.ru Моделирование нелинейной динамики однородными клеточно-нейронными сетями. NEU-200L Электронный ресурс. -M.:http://zhukov. wallst.ru, 2006 -. -Режим доступа http://zhukov.wallst.ru/neu2001/index.htm свободный. Загл. с экрана.

18. Сайт www.refbank.ru Разработка АСР концентрации и уровня красильного раствора на поточной линии ЛЕСС - 140. Электронный ресурс. -M:refbank.ru, 2006 -. -Режим доступа http://www.refbank.ru/chem/l 3/cheml 3 .html свободный. Загл. с экрана.

19. Сайт ru.wikipedia.org Industrial Ethernet. Wikipedia. Электронный ресурс. / -М: ru.wikipedia.org , 2009 -. -Режим доступа http://ru.wikipedia.org/wiki/Industrial Ethernet свободный. Загл. с экрана.

20. Henderson, Т. С. Reaction-Diffusion Patterns in Smart Sensor Networks / Т. C. Henderson, Ramya Venkataraman, Gyounghwa Choikim. -Utah: School of Computing and Dept of Bioengineering, 2004. -5p

21. Murray J. Mathematical Biology / J. Murray. -Berlin : Springer-Verlag, 1993. -575 p.

22. Мак-Кракен, Д. Численные методы и программирование на фортране / Д. Мак-Кракен, У. Дорн. -М. : Мир, 1977. -400с.

23. Huerta, R. Clusters of synchronization and testability in lattices of chaotic neurons / R. Huerta, M. Bazhenov, M. Rabinovich I. : Europhysics Letters -1998. V. 43,- P. 719-724

24. Nekorlcin, V.I. Controlled disordered patterns and information transfer between coupled neural lattices with oscillatory states./ V.I. Nekorkin et all., : PHYSICAL REVIEW E -1998. -V. 57 №3 -P.3344-3351

25. Сайт asu.cs.nstu.ru Электронный ресурс. /-М: asu.cs.nstu.ru, 2008 -. -Режим доступа http://asu.cs.nstu.ru/simatic/swinac.html свободный. Загл. с экрана.

26. Алексеев, Е.Р. MATLAB 7 /Е. Р. Алексеев, О. В. Чеснокова. -М : NTPress, 2006. -464с.

27. Dogaru, R. Universality and Emergent Computation in Cellular Neural Networks / Radu Dogaru. -Singapore : World Scientific Publishing Co. Pte. Ltd., 2003.-249 p.

28. Wai-Kai, С. The Circuits and Filters Handbook / Chen Wai-Kai. Hong-Kong : CRC Press, 2003.

29. Сайт ru.wikipedia.org FLOPS. Wikipedia. Электронный ресурс. / -M: ru.wikipedia.org , 2008 -. -Режим доступа http://ru.wikipedia.org/wiki/FLOPS свободный. Загл. с экрана.

30. Сайт scadabook.ucoz.ru МуСогр. Информация о SCADA. МуСогр. Электронный ресурс. / М: МуСогр, 2008 -. -Режим доступа http://scadabook.ucoz.ru/load/l scada book betapdf свободный. Загл. с экрана.

31. Боглаев, Ю.П. Вычислительная математика и программирование /Ю. П. Боглаев. -М. : Высш.шк., 1990. 544с.

32. Сайт www.prodcs.ru PRODCS - архитерктура DCS(PCY). PRODCS. Электронный ресурс. / А. Казанцев, -М: www.prodcs.ru 2008 -. -Режим доступа http://www.prodcs.ru свободный. Загл. с экрана.

33. Воеводин, В.В. Параллельные вычисления / В.В. Воеводин, Вл.В. Воеводин. -СпБ : БХВ-Петербург, 2002. -608с.

34. Chua, L.O. Cellular neural networks and visual computing / L. O. Chua, T. Roska. -Cambridge : Cambridge University Press, 2004. 3961. P

35. Рамбиди, Н.Г. Нанотехнологии и молекулярные компьютеры / Н.Г. Рамбиди. -М. : ФИЗМАТЛИТ, 2007. 256 с.

36. Сайт www.lenzing-instruments.com -Lenzing Instruments. Электронный ресурс. / Lenzing Instruments,2009 -. -Режим доступа http://www.lenzing-instruments.com свободный. Загл. с экрана.

37. Сайт www.hergeth.de Н. HERGETH GmbH. Н. HERGETH GmbH. Электронный ресурс. / Н. HERGETH GmbH. Н. HERGETH GmbH., 2009 -. -Режим доступа http://www.hergeth.de свободный. Загл. с экрана.

38. Сайт www.isravision.com ISRA VISION AG . ISRA VISION AG . Электронный ресурс. / ISRA VISION AG, 2009 -. -Режим доступа . http://www.isravision.com свободный. Загл. с экрана.

39. Сайт www.accusentry.com AccuSentry Corporate. AccuSentry Corporate eBrochure. Электронный ресурс. / AccuSentry Corporate, 2009 -. -Режим доступа http://www.accusentrv.com/ свободный. Загл. с экрана.

40. Сайт www.allassoindustries.com Allasso Industries. Электронный ресурс. / Allasso Industries, 2009 -. -Режим доступа http://www.allassoindustries. com/ свободный. Загл. с экрана.

41. Сайт www.hergeth.de Easyscan. Электронный ресурс. / Easyscan, 2009 -. -Режим доступа http://www.hergeth.de/EASYSCAN.html свободный. Загл. с экрана.

42. Сайт ru.wikipedia.org ПЗС — Википедия. Электронный ресурс. / -М: ru.wikipedia.org, 2009 -. -Режим доступа http://ru.wikipedia.org/wiki/n3C свободный. Загл. с экрана.

43. Сайт ru.wikipedia.org Цифровой сигнальный процессор — Википедия. Электронный ресурс. / -М: ru.wikipedia.org, 2009 -. -Режим доступа http://m.wikipedia.org/wiki/IlH([)poBoft сигнальный процессор свободный. Загл. с экрана.

44. Chua, L.O. Cellular Neural Networks: Theory and Application / L. O. Chua, Yang L. // IEEE Trans. Circuits and Systems. -1988. -V. 35, №10, -P. 1257-1290.

45. Ильин, В.А. Телеконтроль и телеуправление / В.А. Ильин. -М. : Энергоатомиздат, 1969.-281с.

46. Шенброт, И. М. Расчет точности систем централизованного контроля / И. М. Шенброт, М. Я. Гинзбург М. : Энергия, 1970. -408с.

47. Сайт Некрасов А.В. Оптико-волоконные устройства контроля. Оптические системы контроля. Электронный ресурс. / -М:www.endoskop.ru, 2009 -Режим доступаhttp://www.endoskop.ru/publications/p 11/index.html свободный. Загл. с экрана.

48. Сайг www.s71.ru Гибкий телевизионный эндоскоп большой длины. Технические мобильные эндоскопы. Электронный ресурс. / -М: www.s71.ru, 2008 -. -Режим доступа http://www.s71.ru/proizv/piton.htm свободный. Загл. с экрана.

49. Мухитдинов, М. Оптоэлектронные устройства контроля и измерения в текстильной промышленности / М. Мухитдинов. -М. ,1982.

50. Сайт www.actidata.ru Датчики семейства Poseidon. Actidata. Электронный ресурс. / -M:Actidata, 2008 -. -Режим доступа http://www.actidata.ru/?id= 167 свободный. Загл. с экрана.

51. Методические указания по оценке качества и изучению свойств нетканых полотен: сборник / Гос. ком. по лег. пром-сти при Госплане СССР. М.: ЦНИИТЭИлегпром, 1991. - 69 с.

52. Ванаг, В. К. Диссипативные структуры в реакционно-дифузионных системах / В. К. Ванаг. -М.-Ижевск: Институт компьютерных исследований, 2008. -300с.

53. Yang, Tao. Multi-layer cellular neural networks:theory and applications to modeling nitric oxide diffusion in nervous systems / Tao Yang International Journal of Computational Cognition. June 2003. -V. 1, 2, -P. 1-23.

54. Колмогоров, A.H. Исследование уравнения диффузии, соединённой с возрастанием количества вещества и его применение к одной биологической проблеме / А. Н. Колмогоров, И. Г. Петровский, Н. С. Пискунов //Бюл. МГУ. Сер. -1937. -Т. 1. -С.1-26.

55. Coombes, S. Bursting The Genesis of Rhythm in the Nervous System / S.Coombes, P.C.Bressloff. New Jersey: World Scientific Publishing, 2005.

56. Лебедева, В.И. Автоматизация компьютерных методов исследования неравномерности двумерных волокнистых материалов: дисс. канд. техн. наук : 05.13.06 / Лебедева Виктория Игоревна; М. : МГТУ им. А.Н.Косыгина, 2006, 140 л.

57. Головко, В.А. Нейронные сети: обучение, организация и применение / В.А. Головко. -Москва : ИПРЖР, 2001. Т. 4.

58. Гонсалес, Р., Цифровая обработка изображений. / Р.Гонсалес , Вудс Р. -М. : Техносфера, 2005.

59. Ясинский И. Ф. Разработка нейросетевой системы для обнаружения и классификации дефектов ткани на мерильно-браковочном оборудовании : автореф. дис. канд-та техн. наук :05.02.13 / И. Ф. Ясинский. Иваново, 2007. - 20 с.

60. Городнов, И. А. Исследование автоволновых режимов клеточной нейронной сети с целью обработки изображений в реальном масштабе времени / И.А. Городнов, М.Е.Беспалов // Сборник научных трудов "Вестник ДИТУД". Димитровград: ДИТУД, 2007. -№3(33). -С. 17-20.

61. Сайт Cognex Surface inspection systems division. Cognex Corporation. Электронный ресурс. Cognex Corporation, 2002 -. -Режим доступа www.cognex.com свободный. Загл. с экрана.

62. Сайт I2s Linescan Flawscan. Flawscan. Электронный ресурс. Linescan, 2009 -. -Режим доступа http://www.i2s-linescan. com свободный. Загл. с экрана.

63. Сайт ru.wikipedia.org Реальноевремя. Wikipedia.org. Электронный ресурс. -М:Википедия, 2008 -. -Режим доступа http://ru.wildpedia.org/wiki/PeanbHoe время свободный. Загл. с экрана.

64. Сайт www.analogic-computers.com Welcome to AnaLogic Computers Kft. AnaLogic Computers Kft. Электронный ресурс. AnaLogic Computers Kft., 2008 -. -Режим доступа http://www.analogic-computers.com/ свободный. Загл. с экрана.