автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Распределенная система принятия решений информационно-управляющей системы для бесконтактного интерфейса мнемосхемы на примере диспетчерского пульта подстанции теплоэлектроцентрали

На правах рукописи

Работкин Владимир Дмитриевич

РАСПРЕДЕЛЕННАЯ СИСТЕМА ПРИНЯТИЯ РЕШЕНИИ ИНФОРМАЦИОННО-УПРАВЛЯЮЩЕЙ СИСТЕМЫ ДЛЯ БЕСКОНТАКТНОГО ИНТЕРФЕЙСА МНЕМОСХЕМЫ НА ПРИМЕРЕ ДИСПЕТЧЕРСКОГО ПУЛЬТА ПОДСТАНЦИИ ТЕПЛОЭЛЕКТРОЦЕНТРАЛИ

Специальность 05.11.16 — «Информационно-измерительные и управляющие системы (промышленность)»

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

-6 мар гщ

005545781

Москва - 2014

005545781

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет приборостроения и информатики».

Научный руководитель: Мацнев Анатолий Петрович,

кандидат технических наук, профессор, ФГБОУ ВПО МГУПИ, заведующий кафедрой «Управление и моделирование систем», г. Москва

Официальные оппоненты: Остроух Андрей Владимирович,

доктор технических наук, профессор, ФГБОУ ВПО МАДИ

Боголюбов Дмитрий Петрович,

кандидат технических наук, доцент, МИЭМ НИУ ВШЭ

Ведущая организация: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования научный исследовательский университет «Московский энергетический институт» (МЭИ).

Защита диссертации состоится «25» марта в 12-00 часов на заседании диссертационного совета Д 212.119.01 при Московском государственном университете приборостроения и информатики по адресу: 107996, Москва, ул. Стромынка, д. 20, МГУПИ.

С диссертацией можно ознакомиться в научно-технической библиотеке МГУПИ. Автореферат размещен на сайте: http://www.mgupi.ru

Отзывы на автореферат в двух экземплярах, заверенные печатью учредителя, просьба направлять по указанному адресу.

Автореферат разослан «24» февраля 2014 г.

Ученый секретарь

диссертационного совета, доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Необходимость увеличения производительности при выполнении задач по контролю показателей технологических процессов привела к применению широкого класса человеко-машинных интерфейсов для работы с информационно-управляющими системами (ИУС) различного назначения. С возрастанием сложности решаемых задач и вовлеченностью человека в процесс принятия решений, растет и необходимость повышения организационной и технической гибкости таких систем.

Существует ряд специальных требований к профессии оператора диспетчерского пульта с мнемосхемами, важнейшими из которых являются способность переработки значительных объемов многомерной информации, поступающей от разнородных источников по независимым каналам, и мгновенного принятия решения на основе полученных данных и совершения в крайне короткий промежуток времени значительного числа операций с электронной техникой (компьютером) преимущественно манипулятивного характера. Основными характеристиками оператора следует назвать быстродействие, безошибочность, надежность и точность. Оценкой быстродействия оператора является время решения задачи, которое, вместе с аналогичными показателями информационно-программно-технической части, определяет быстродействие всей системы "человек-машина".

Разработка и реализация современных ИУС требует организации взаимодействия человека и ЭВМ. От организации этого процесса зависит эффективность всей системы в целом. Структура взаимодействия оператора и ЭВМ при решении задач оперативного управления в зависимости от сложности решаемых задач, квалификации операторов, уровня автоматизации процессов управления может быть достаточно гибкой.

В связи с этим возросла потребность в интеллектуализации интерфейсов ИУС для снижения нагрузки на оператора и повышения его эффективности.

Работая с мнемосхемами диспетчерского пульта подстанции теплоэлектроцентрали, на оператора ложится большая информационная нагрузка, при этом он должен отслеживать информацию в нескольких областях с несколькими диалоговыми окнами. Часть действий по контролю можно переложить на бесконтактную систему управления, например, с помощью биометрических характеристик головы. Такими действиями могут быть переключения между окнами и управление информационными потоками.

Повышение производительности работы оператора ИУС диспетчерского пункта подстанции теплоэлектроцентрали за счет снижения на него нагрузки, путем разработки методов бесконтактного управления, интеллектуальной системы распознавания ситуационной обстановки и распределенной системе принятия решений является необходимой и актуальной научно-технической задачей. Данная тематика так же соответствует Указу Президента Российской Федерации от 7 июля 2011 г. № 899 «Об утверждении приоритетных направлений развития науки, технологий и техники в Российской Федерации.

Целью диссертационной работы является повышение производительности работы оператора ИУС за счет снижения на него нагрузки при обработке больших объемов информации, путем создания и внедрения распределенной системы

принятия решений для анализа ситуации и обработки команд от бесконтактного интегрального интерфейса.

Для достижения поставленной цели требуется решение следующих основных задач:

1. Провести анализ современных методов и моделей построения мультиагентных систем для обработки управляющей команды и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали.

2. Разработать оригинальную математическую модель построения базы знаний для распределенной системы принятия решений в интерфейсах ИУС мнемосхем подстанции теплоэлектроцентрали.

3. Разработать алгоритм идентификации текущего набора активных процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали в режиме реального времени.

4. Разработать алгоритм принятия решения распознавания жеста управления информационными потоками ИУС мнемосхем подстанции теплоэлектроцентрали с учетом набора активных процессов в оперативной памяти.

5. Разработать функциональную схему мультиагентной системы для обработки управляющей команды и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали с использованием интеллектуальных агентов на основе нечеткого представления информации о наборе активных процессов в оперативной памяти

6. Выполнить программную реализацию разработанных алгоритмов и провести ее комплексную проверку работоспособности в режиме реального времени. Методы исследования.

Для решения поставленных задач в ходе диссертационного исследования использовались методы логического вывода, методы исследования дискретных систем, методы оптимизации, математического моделирования, методы и средства теории распознавания образов, технологии разработки алгоритмов и программного обеспечения, объектно-ориентированного программирования. Научная новизна работы заключается в следующем:

1. Разработана оригинальная математическая модель идентификации признаков жеста на основе фильтрации Хаара, позволяющая управлять информационными потоками мнемосхем подстанции теплоэлектроцентрали в режиме реального времени

2. Создан алгоритм принятия решений управления информационными потоками ИУС на основе решетки Биркгофа позволяющий организовывать базу знаний полностью удовлетворяющей требованиям ИУС мнемосхем подстанции теплоэлектроцентрали

3. Создан алгоритм представления информации о наборе активных процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали, позволивший использовать программного окружение для распознавания ситуации

4. Разработана структурная схема организации интеллектуального агента, которая позволяет использовать нечеткое представление информации о наборе активных процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали

Значение полученных результатов исследования для практики

подтверждается тем, что:

- разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило внедрить бесконтактное управление ИУС мнемосхем подстанции теплоэлектроцентрали;

- даны указания по разработке интуитивно понятного интерфейса, определено максимальное количество информационных окон на экране и объем текстовой информации, отображаемый в них, для применения методов бесконтактного управления ИУС;

- даны методические рекомендации по применению мультиагентных систем принятия решения ИУС мнемосхем подстанции теплоэлектроцентрали, заключающиеся в характере подаваемых жестов, положении человека относительно видеосистемы и скорости подачи команды управления;

- проведена апробация предлагаемой системы бесконтактного управления, которая дает возможность управлять информационными потоками ИУС мнемосхем подстанции теплоэлектроцентрали в режиме реального времени.

Положения, выносимые на защиту.

1. Оригинальная математическая модель базы знаний распределенной системы принятия решений ИУС мнемосхем подстанции теплоэлектроцентрали

2. Алгоритм идентификации процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали

3. Алгоритм принятия решения по выдачи управляющей команды и распознаванию жеста для управления информационными потоками ИУС мнемосхем подстанции теплоэлектроцентрали

4. Функциональная схема информационно-измерительной и управляющей системы для обработки управляющей команды и принятия решения управления с учетом нечеткого представления информации о наборе активных процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали

Личный вклад автора состоит в проведении анализа существующих способов разработки интегральных интерфейсов; создании математической модели бесконтактного управления интерфейсом ИУС; разработке алгоритма формирования команд управления от человека; личном участии во внедрении разработанного пакета прикладных программ в эксплуатацию в ИУС; непосредственной подготовке основных публикаций по выполненной работе.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения модернизируемых информационно-управляющих систем, используемых для управления информационными потоками ИУС мнемосхем подстанции теплоэлектроцентрали.

Разработанные методы, алгоритмы и программное обеспечение для распределенной системы принятия решений ИУС использованы:

- в учебном процессе кафедры «Персональные компьютеры и сети» ФГБОУ ВПО «Московский государственный университет приборостроения и информатики» при реализации образовательной программы по направлению подготовки (специальности) 230101 в дисциплинах «Сети ЭВМ и телекоммуникации», «Инновационные методы проектирования встраиваемых систем»;

- в КБ «ЭлектронСистема» - при разработке интерфейса новой многоуровневой информационной системы на энергетических объектах.

Достоверность полученных результатов подтверждена:

- экспериментальными данными и математическим моделированием предложенных алгоритмов и методов повышения эффективности ИУС;

- апробированием программных средств для ИУС при внедрении бесконтактного управления.

Апробация работы.

Наиболее важные результаты докладывались на XV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 17-19 апреля 2012 г.), XI Международной научно-методической конференции (Воронеж, 2011 г.)

Основные положения и результаты докладывались и обсуждались на научных семинарах кафедр «Автоматизированные системы управления и информационные технологии» ФГБОУ ВПО «Московский государственный университет приборостроения и информатики».

Публикации. По материалам диссертационной работы опубликовано девять научных работ, в том числе, две - в научных рецензируемых изданиях, рекомендуемых ВАК

Структура диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы и четырех приложений.

Основная часть диссертации содержит 116 страницы машинописного текста, включая 30 рисунков и 9 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цели и задачи работы, перечислены ее основные результаты и область их применения, отмечена практическая ценность и научная новизна, а также представлены положения, выносимые на защиту.

В первой главе проведен анализ современных методов и моделей построения мультиагентных систем для обработки управляющей команды и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали, который позволил выявить несоответствие возрастания требований к оператору и отсутствия методов и моделей, позволяющих эффективно управлять информационными потоками ИУС в режиме реального времени. На основе опроса экспертов и изучении специализированной литературы и реальных систем интерфейсов ИУС было показано, что основными причинами, снижающими эффективность функционирования ИУС, являются неудобный интерфейс и практически полное отсутствие интеллектуализации данных систем.

Выявлены последовательные действия оператора и ситуации, возникающие при этих действиях, проведен анализ эффективности конкретных действий в данных ситуациях, которые возникают при управлении оператором информационными потоками ИУС. Анализ действий и характера задач показал, что совокупность управляющих команд для бесконтактного интерфейса и реакции ИУС на последовательность команд, в зависимости от текущего состояния оператора и программного окружения ИУС, может быть представлена в виде базы знаний, а скорость выполнения минимального действия управления

6

информационным объектом и время реакции оператора для выполнение команды управления могут служить показателями продуктивности работы оператора.

Были проанализированы современные технологии построения

интеллектуальных систем и основные подходы к построению систем, основанных на знаниях, а также различные подходы к представлению знаний.

Был выполнен обзор, сравнительный анализ и классификация методов логического вывода для автоматизации обучения систем искусственного интеллекта.

Проведен обзор интеллектуальных систем для задач распознавания образов и ситуационной обстановки, на основе которого были выделены положительные черты распределенной обработки информации в мультиагентных системах.

Выявлено, что для повышения эффективности работы оператора с ИУС, она должна в полной мере использовать различные методы принятия решения в условиях неопределенности, а также информацию, содержащуюся в базе знаний.

Установлено, что на данный момент практически отсутствуют бесконтактные систем управления с интеллектуальной поддержкой принятия решений ИУС мнемосхем подстанции теплоэлектроцентрали, что не позволяет оператору в полной мере эффективно управлять технологическим процессом.

Вторая глава посвящена разработке оригинальной математической модель построения базы знаний для распределенной системы принятия решений в интерфейсах ИУС мнемосхем подстанции теплоэлектроцентрали.

Доказано, что для формирования команды управления требуется распознать ситуацию, в которой находится оператор диспетчерского пульта подстанции теплоэлектроцентрали.

Введено определения жеста, подаваемого оператором.

Определение 1. Управляющий жест - некоторое действие или движение головы оператора, имеющее определённое значение или смысл в контексте управления ИУС.

Введено определение ситуации для задач управления ИУС.

Определение 2. Смтуация - это совокупность управляющего жеста оператора и текущего набора активных процессов в оперативной памяти.

Предложена модель выделения управляющих жестов оператора на основе получения информации из видеоизображения и его последующей обработки.

Ввод в компьютер видеоизображений производится с помощью видеокамеры с разрешением не менее 640 х 480 пикселей. Фильтрация и математическая обработка видеоинформации для распознавания лица человека и локализация области глаз производится известным методом преобразования Хаара.

Была рассмотрена работа фильтра Хаара для проведения фильтрации изображения, позволяющей выделить контуры частей тела. Вид фильтров Хаара показан на рисунке 1.

Рисунок 1 - Фильтры Хаара. Черные области имеют значения -1, белые +1

На основе контуров частей тела и их движений на видео были выделены признаки жестов. Значение признака рассчитывается по следующей формуле:

9 9

¿=1 ¿=1

где X К^и X Ув,- суммы градиентов движения объекта на изображении (головы оператора), g-кoличecтвo градиентов, к„м кв. - коэффициенты их нормировки по площади.

Данная математическая модель идентификации признаков жеста на основе фильтрации Хаара образует классификатор, в который входит обучающая выборка, хранящаяся в базе данных для распознавания контуров и областей лиц. Обучающая выборка состоит из множества примеров вида:

где значения входных переменных в п-ом примере. ум - значение

выходной переменной в п-ом примере; N - общее число примеров в выборке.

Жест описывается как объект класса наиболее верхнего (третьего) уровня модели движений, которая включает три класса М = {Жесты, Элементы жестов, Элементарные движения}.

Элементарные ¿^ : движения N.

\

/ Элементы ::: \

/ жеста. \ . \

Жест

Рисунок 2 - Уровни модели описания движений.

Элементарное движение описывается как вектор Ь (<3,а), где:

(3 - длинна элементарного движения , выраженная в пикселях;

а - направление вектора движения, выраженное в градусах.

Группа элементарных движений (элемент жеста) описывается вектором Р (Ь,Ь). где:

И - нечёткая длинна элемента жеста, выражено лингвистической переменой «Протяженность», характеризующей отношение ^/Б, где 1 - номер длинны элементарных движений ЦБ- длинна всего жеста; Ь - нечеткое направление элемента жеста, выражено лингвистической переменой «Направленность».

Жесты описываются вектором элементов жестов в (Б), Класс в описывается деревом, конечными ветвями которого являются жесты, промежуточные ветви характеризуют элементы жестов.

Формирование жеста основано на группировки лингвистических переменных, описывающих, так же сгруппированные элементарные движения. Метод описания жеста можно представить на рисунке 3.

Жест (6)

Нечёткий символ (команда)

Группа зяегйймтзрвых

4=1 а = 20°

£1=2.2 а = згу

Рисунок 3 - Пример группировки жеста.

Проведен анализ рабочего места оператора диспетчерского пульта подстанции теплоэлектроцентрали, который позволил показать, что ситуация характеризуется определенными параметрами ИУС. Были выделены лингвистические переменные для формирования и нечеткого вывода базы знаний для принятия решения об управлении ИУС.

Направление элемента жеста характеризуется лингвистической переменной «Направленность», функция принадлежности показана на рисунке 4, в зависимости от полярного угла вектора элемента жеста.

и'

\

7Т\

1

\ /

\ / \ /

А

\ / \/

X

VI /

Рисунок 4 - Функция принадлежности лингвистической переменной «Направленность»

Определение 3. Под приложением Р будем понимать любую программу, которая может выполняться на данном программном обеспечении ИУС.

Определение 4. Положение информационного объекта на экране - зона, где находится объект относительно центра экрана (лево, верх, право, низ).

Определение 5. Время свершения жеста управления - количество кадров, на котором присутствуют элементы жеста (быстро, нормально, медленно)

Определение 6. Типом приложения будем называть функцию М(Р)={т1,т2,...,тп} принадлежности программы к основным типам приложений

Определение 7. Фокус - это расположение исключительного права принимать клавиатурный ввод у элемента графического интерфейса в определенной функциональной области.

Рисунок 5 - функциональные области программного обеспечения диспетчерского пульта подстанции теплоэлектроцентрали

Определение 8. Буфер - промежуточное хранилище данных, предоставляемое программным обеспечением и предназначенное для переноса или копирования между приложениями или частями одного приложения через операции копирования, вставки, удаления, создания.

Определение 9. Команда управления - функция С(Р, тип, фокус, буфер) которая обозначает команду, которая может быть выполнена приложением в текущем состоянии.

Дополнительной информацией при управлении программной системой служат предыдущие действия пользователя в похожей ситуации и состояние программы (тип приложения, текущий фокус, информация в буфере).

Рассмотрены популярные математические модели распознавания динамических жестов: скрытые Марковских моделей, нейронные сети, Байесовские сети. Вычислительной сложности распознавания жестов с помощью этих моделей зависят от квадрата числа состояний (скрытые Марковские модели), нейронов (Нейронные сети) или вершин (узлов) (Байесовские сети), используемых для распознавания, умноженных на число символов наблюдаемой последовательности. Вследствие этого, с ростом этих величин, практическое использование для распознавания жестов в режиме реального времени указанных моделей, из-за высоких затрат процессорного времени и памяти компьютера, становится затруднительным.

Были выделены недостатки этих моделей - это необходимость жестко предопределенной внутренней структуры, хорошо сегментированный набор обучающей выборки, частое переобучение, высокая вычислительная сложность распознавания.

Была разработана математическая модель базы знаний со специальной распределенной схемой хранения данных и логического вывода на основе алгоритма Мамдани с применением идентификаторов элементов распределенной системы.

Главными преимуществами использованной нечеткой модели является возможность описывать новый жест без переобучения системы логического вывода.

Привалами базы знаний является кортеж:

Z =< AipB^x^yt >,

Ац — j-oe значение i-ой входной лингвистической переменной; В; - i-oe значение выходной лингвистической переменной, х,— i-ая входная лингвистическая переменная у,- i-ая выходная лингвистическая переменная

Vi = AifiBu

где i=l, 2, ..., m; j=l, 2, ..., n;

Таким образом, база знаний представлена в виде продукционных привил следующего вида:

/;: ЕСЛИх/ есть An И ... Их„естьЛ/„ ТОу есть

/,„: ЕСЛИ х,„ есть А1п] И ...Их,, есть А,т ТО у есть В„,

Предложен адаптированный алгоритм Мамдани для распределенной базы знаний, в котором на этапе аккумулирования применяется результаты активации для разных частей базы знаний.

Этап 1. Определение степени срабатывания (истинности) каждой предпосылки каждого правила для заданных значений входных переменных [iAij(Xj ),(i,j = 1,2) Данный этап называют этапом введения нечеткости (фаззификацией).

Этап 2. Агрегирование степеней истинности предпосылок по каждому из правил af. Для данного примера:

аг = ппп^цСкДц^гСхг)} а2 = тт{\1А21Сх1),цА22(х2)}

Этап 3. Активизация (определение степеней истинности) заключений по каждому из правил на основе операции min-активизации:

Hei(y) = niiniai., HBi(y)}

ИвгО) = min{a1( Ивг(у)}

Этап 4. Аккумулирование полученных на предыдущем этапе заключений по всем правилам. Объединение найденных усеченных нечетких множеств проводится с использованием операции максимум (тах-дизъюнкции). Для идентификаторов частей распределенной базы знаний используется переменная Т. Т = {{¡|( е N}, где N - количество частей (сегментов) распределенной базы знаний.

В итоге формируется нечеткое множество для выходной переменной с функцией принадлежности

Ивг0) = тах{цВ1г(у),цВ27,(у)}

В алгоритме нечеткого вывода Мамдани используется центроидный метод дефаззификации, при котором четкое значение выходной переменной Y определяется как «центр тяжести» Цв(У)

У =

у^тох ¿"1

УИвг(Уг)

^вт(Уг)

где

число элементов уг в дискретизированнои для вычисления «центр

тяжести» области у.

Рассмотрим ситуацию взаимодействия с информационными потоками и окнами графического интерфейса программного обеспечения мнемосхем подстанции теплоэлектроцентрали, когда фокус приложения расположен в рабочей области.

Приведем в качестве примера простые правила нечеткого логического регулятора типа реле для ситуации: (ПМ, НЛ) => ЗБ, то есть, если «протяженность есть малая» и «направление есть левое», то «зона левая ближняя» и т.д.

Рисунок 6 - Схема подачи жестов на экране методом соединения его зон.

Значения переменным присваиваются, используя основных размытых подмножеств: ПБ, ПС, ПМ — протяженность большая, средняя, малая; НЛ, НВ, НП, НН — направление левое, верхнее, правое, нижнее; ЗБ, ЗД — зона близкая, дальняя.

Алгоритм для управляющих действий при управлении интерфейсом ИУС мнемосхем подстанции теплоэлектроцентрали реализуется следующим образом

Если ПБ и НЛ или ПС и НЛ, Если ПС и НЛ. Если ПМ и НЛ или ПМ и НВ,

то ЗД. еще, то ЗД. еще. то ЗБ. еще,

Если ПМ и НП, Если ПС и НВ, Если ПМ и НВ или ПМ и НН,

то ЗБ. еще. то ЗБ. еще. то ЗД. еще,

Если ПС и НЛ или ПМ и НН, Если ПМ и НН или ПМ и НВ, Если ПМ и НЛ,

то ЗБ. еще. то ЗБ. еще, то ЗБ. еще,

Если ПБ и НЛ, Если ПБ и НВ, Если ПБ и НН,

то ЗД. еще. тоЗД еще, то ЗД еще.

Рисунок 7 - Алгоритм управляющих действий при управлении интерфейсом ИУС мнемосхем подстанции теплоэлектроцентрали

В третьей главе разработан алгоритм идентификации текущего набора активных процессов в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали в режиме реального времени.

Создан алгоритм принятия решений управления информационными потоками ИУС на основе решетки Биркгофа, позволяющий организовывать базу знаний полностью удовлетворяющей требованиям ИУС мнемосхем подстанции теплоэлектроцентрали

Разработана функциональная схема мультиагентной системы для обработки управляющей команды и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали с использованием интеллектуальных агентов на

12

основе нечеткого представления информации о наборе активных процессов в оперативной памяти.

Алгоритм идентификации текущего набора активных процессов в оперативной памяти в режиме реального времени позволяет решать задачу распознавания нечеткой команды, поданной компьютеру человеком. Схема алгоритма приведена на рисунке 8. Схема алгоритма разбиения ситуаций на классы, входящего в состав алгоритма распознавания ситуации представлена на рисунке 9.

I Ра*СП!

ситуация

5

-Ж,

08ОД Множества С^'ЗЦИЙ в&ш да>»м--й*

3 ЕСД 2 кя^-о потока

з^шгктрд^к*

ьиг^с] »образ:* нти, С<ЯСг-2КК2» ИЗ И4Т0Е«

Хаара

«квОрШ ЯЕЦ, ЮфаККИв области цгя ф-ер инрс I- аяя* ж »ста

Фсуьшрсгзг-г« жест2. счкткгакн« ва^амэтрс! про грамотной системы

л-А гл-хуа^й

ситуаций*

Делается

С

5

Рисунок 8 - Схема алгоритма распознавания ситуации

Рисунок 9 - Схема алгоритма разбиения ситуаций на классы

Определение 9. Формальный контекст - это тройка (У, X, /•*), которая состоит из множества объектов (ситуаций) У, множества атрибутов (признаков

Р г- V у У

жестов и состояния программ) X и бинарных отношении 1 — Л между объектами и атрибутами.

На прямом произведении УхХ двух множеств существует частичный порядок, если (>'|,А"|) < (у2,х2) тогда и только тогда, когда у{ < уг в У и х, < х2в

а:

Был предложен алгоритм принятия решений управления информационными потоками ИУС на основе решетки Биркгофа.

Решеткой называется множество Ь, в котором любые два его элемента имеют точную верхнюю грань, т.е. «объединение» XVу, и точную нижнюю грань, или «пересечение» х а у.

Для решения задачи формирования логических правил для идентификации ситуаций составлена таблица 1 (на примере 4-х команд), в строках которой записываются идентифицируемые ситуации, а в столбцах -признаки данных ситуаций.

Выделены признаки, которыми являются отклонения головы и параметры текущих активных процессов в оперативной памяти. Всего определено 8 признаков. _

1

\ Атрибуты Ситуация. Наклон головы вправо Буфер полный Фокус на главном меню Выделен объект Программа в закрытом состоянии Тип объекта в буфере -гекст Возможны основнь команды Возможна команда «ставки

Запущена программа + + + +

Копирование + + + + + + +

Меню открыто + + + + +

Запущено копирование + + +

Таблица 1 — Пример контекста в формировании логических правил

Таблица интерпретируется следующим образом. Каждый символ «+» помечает пару, являющуюся элементом инцидентного отношения Р.

Чтобы определить необходимость и достаточность условий для формального концепта, введены два оператора, допустив А с У :

А = {т е Х\Vg е А: <£,т) е Р},

где ш -атрибут конкретного объекта g, и соответственно для N с X:

где g-конкретный объект, обладающий атрибутом т.

Приведенные формулы означают, что множество А содержит все атрибуты, которые являются общими для всех объектов А, а множество N есть множество всех объектов, которые обладают всеми свойствами множества N.

Для формальных концептов природа отношения подконцепт/надконцепт определена следующим образом:

< (4,лг2) А с АЛ с ЛГ •

Это отношение выявляет дуализм между атрибутами и объектами концептов. Концепт является подконцептом концепта С2 = (Л2,М2), если

множество его объектов являются подмножеством объектов С2. Таким образом, множество всех формальных концептов образуют концептуальную решетку.

Построена концептуальная решетка для формирования логических правил для идентификации команды управления оператора ИУС мнемосхем подстанции теплоэлектроцентрали с использованием интеллектуальных агентов на основе нечеткого представления информации о наборе активных процессов в оперативной памяти. В таблице 1 задан формальный контекст К=( У, X, Р), где У - множество команд (для примера рассмотрено 4), Х- их признаки. Р - бинарное отношение между командой и признаком.

На рисунке 10 изображена концептуальная решетка контекста «определения логических правил команды». На рисунке цифрами обозначены признаки.

Рисунок 10 - Концептуальная решетка контекста «определение ситуации» Разработанная решетка состоит из узлов, которые представляют собой концепты, и ребер, соединяющих эти узлы. Два узла С, и С, соединены тогда и только тогда, когда С, < С, и нет такого концепта С3, что С, < С3 < С2.

Каждый объект и атрибут введены в решетку только один раз. Атрибуты и объекты располагаются вдоль граней решетки, как своего рода наследование. Атрибуты располагаются вдоль граней к вершине решетки. Таким образом, высший элемент решетки (верхние грани контекста) соответствует {0,Х}. Элемент основания решетки (нижние грани контекста) соответствует {У,0}.

На рисунке 11 изображена схема алгоритма принятия решений на основе решетки Биркгофа.

Ввод жеста.

Ввод параметров ситуации

Приведение входных данных к нечеткости

Формирование входных данных для построения

Г Вывод решетки и принятие

Добавление ненайденных решения на его основе

параметров в базу знаний

Решение есть в бате энан

Запуск команды управления

Рисунок 11 — Схема алгоритма принятия решений на основе решетки Биркгофа Разработана функциональная схема мультиагентной системы, приведенная на рисунке 12, способна обеспечить режим реального времени бесконтактного управления ИУС за счет распределенной обработки больших массивов поливариантной информации.

Разработанная мультиагентная система включает в себя 3 основных типа

1в:

1. Агент распознавания управляющего жеста, использующий оригинальную математическую модель идентификации признаков жеста на основе фильтрации Хаара.

2. Агент идентификации набора параметров текущих активных процессов в оперативной памяти.

3. Агент принятия решения распознавания команды управления информационными потоками ИУС с учетом набора активных процессов в оперативной памяти

Оператор диспетчерского пульта

Бесконтактный интерфейс

видеоряд Модуль выделения

последовательных статических изображений

31

База знаний

О

Агент распознавания управляющего жеста

Модуль определения типа данных Модуль определения типа агента

г>

Модуль создания экземпляра агента

Модуль выдачи команды управления

М5МС>-шина обмена сообщениями

I \

\ г

I к \'

Агент принятия

решения распознавания команды

I

Агент идентификации набора параметров текущих активных процессов

=3-

Запушенные процессы в оперативной памяти ИУС мнемосхем подстанции теплоэлектроцентрали

Программное обеспечение ИУС

Рисунок 12 - Функциональная схема информационно-измерительной и управляющей системы для обработки управляющей команды и принятия решения

управления

Для агента принятия решения распознания команды управления была разработана структурная схема, основанная на нечетком представлении информации о наборе активных процессов в оперативной памяти, которая изображена на рисунке 13.

команды управления

В четвертой главе представлена программная реализация методов и алгоритмов, разработанных в предыдущих главах диссертационного исследования.

Проведена апробация разработанных модели построения базы знаний для распределенной системы принятия решений и алгоритмов идентификации управляющих жестов. Разработана программная реализация архитектуры мультиагентной системы для обработки управляющей команды и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали с использованием интеллектуальных агентов на основе нечеткого представления информации о наборе активных процессов в оперативной памяти.

По полученным в предыдущих главах результатам разработаны структуры и диалоговые процедуры информационно-вычислительного комплекса.

Разработан программный модуль идентификации текущего набора активных процессов в оперативной памяти в режиме реального времени.

Разработан программный модуль выделения жеста из видео потока;

Разработан программный модуль принятия решения управления информационными потоками ИУС в режиме реального времени.

Реализованы программные агенты и архитектура мультиагентной системы в целом на основе подпрограмм.

При распознавании ситуационной обстановки производится ввод множества ситуаций из базы данных. Ввод может осуществляться как через непосредственную передачу параметров, так и с помощью пользовательского интерфейса.

Разработанный алгоритм распознавания ситуационной обстановки посредством интеграции информации и её интеллектуальной обработки обеспечивает:

1) фильтрацию и обработку видеоинформации в реальном масштабе времени;

2) распределенное развертывание базы данных на облачных серверах;

3) частоту работы по распознаванию не менее 15 Гц;

4) объем обучающей выборки распознавания ситуаций не менее 400 образов.

Фильтрация и обработка видеоинформации в реальном масштабе времени обеспечивается применением фильтра метода Хаара и использованием видеопотока в реальном режиме времени.

Распределенное развертывание базы данных на облачных сервисах обеспечивается схемой обмена с базой данных, хранящей обучающие выборки.

Разрешение кадров видео потока не менее 640 х 480 пикселей обеспечивается ПЗС-матрицей видеосистемы.

Объем обучающей выборки системы распознавания лиц не менее 400 образов обеспечивается мощностью базы данных, хранящей обучающие выборки.

Исследовано качество распознавания жестов, которые подаёт человек-оператор. Результаты показаны на рисунке 14 и находятся на достаточном уровне, обеспечивающим возможность внедрения системы для управления информационными потоками ИУС.

вч

..„ ш 1

II 11 ¡1

160 180 200 220 240 260 21 Количество лиц в обучающей I

Рисунок 14 - Зависимость процента распознанных жестов от количества

изображений и моделей лиц в обучающей выборке На рисунке 15 показаны результаты работы системы при различном числе одновременно работающих агентов. Данные результаты позволяют сократить время реакции оператора для выполнения команды управления

........................................ V...................................

\

—......

Л 7 0 13 16

Рисунок 15 - График зависимости времени, за которое система принимает решение о выдаче команды управления с момента подачи жеста от количества

запущенных агентов

Анализ измерений показывает, что при использовании распределённой системы принятия решений в работе оператора с МУС время реакции оператора для выполнения команды управления сократилось.

Фиксировалось и сравнивалось время работы оператора без использования распределённой системы принятия решений и с её использованием. Результативность работы оператора при использовании системы увеличилась на 15%, а время на процесс управления информационными потоками программного обеспечения МУС сократилось на 20 минут при общей продолжительности работы - 4 часа.

Для программной реализации проекта была выбрана платформа Microsoft.NET Framework 4.5, данная платформа наиболее полно использует возможности операционных систем и позволяет создавать программные продукты, находящиеся на самом современном технологическом уровне. Разработка мультиагентной системы велась в среда Microsoft Visual Studio 2012, т.к. она является самым мощным средством создания качественных программ на данной платформе.

Для хранения различного рода данных используется система управления базами данных Microsoft SQL Server 2012. Это позволяет добиться наибольшей производительности получения и хранения данных в сочетании с платформой Microsoft.NET Framework 4.5.

Для представления подсистемы коммуникации на основе сообщений между агентами был использован формат сообщений XML и библиотека MSMQ, что позволяет избежать блокировок ресурсов и обеспечить интеллектуальной системе управление ИУС в режим реального времени.

Разработанная архитектура программной системы показана на рисунке 16

Рисунок 16 - Архитектура программной системы

В заключении изложены основные результаты и выводы по диссертационной работе.

В приложении представлены копии актов о внедрении практических результатов диссертационной работы, копии авторских свидетельств о регистрации программы для ЭВМ, выданные РОСПАТЕНТОМ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. В результате проведенного анализ современных методов и моделей построения мультиагентных систем для обработки управляющих команд и принятия решения управления для ИУС мнемосхем подстанции теплоэлектроцентрали выявлены преимущества над существующими аналогами: мультиагентная система позволяет производить распознавание ситуационной обстановки в режиме реального времени, что не позволяют выполнять существующие аналоги.

2. Разработана оригинальная математическая модель построения распределенной базы знаний, с учетом нечетких данных на различных ее частях, при аккумулировании полученных результатов подсистемой логического вывода для распределенной системы принятия решений в интерфейсах ИУС мнемосхем подстанции теплоэлектроцентрали

3. Разработан алгоритм идентификации текущего набора активных процессов в оперативной памяти на основе взаимодействия интеллектуальных агентов, с учетом нечетких данных о ситуационной обстановки ИУС мнемосхем подстанции теплоэлектроцентрали

4. Разработана структурная схема организации интеллектуального агента, учитывающая адаптивный вывод на сегменте базы знаний с применением обработки нечеткой информации.

5. Разработан алгоритм принятия решения распознавания жеста управления информационными потоками ИУС мнемосхем подстанции теплоэлектроцентрали с применением фильтрации Хаара, позволяющий в полной мере учитывать биометрические параметры оператора: положение его головы, характеристики трекинга лица на основе применения обучающей выборки лиц к текущему видеопотоку, и обработки полученных данных об управляющем жесте и окружении оператора методом решетки Биркгофа.

6. Разработана функциональная схема мультиагентной системы с учетом способа коммуникации агентов при интеллектуальной обработки текущих параметров ситуации, с применением специально разработанных агентов различного назначения, учитывая большой объем поливариантной информации, поступающей в режиме реального времени с ИУС мнемосхем подстанции теплоэлектроцентрали, позволяющая принимать решения на основе информации о текущей команде от оператора.

7. Выполнена программная реализация мультиагентной системы. В результате использования распределенной интеллектуальной обработки информации о ситуации на диспетчерском пульте подстанции теплоэлектроцентрали:

а) повысилась скорость отклика команды управления в различных задачах управления диспетчерским пультом подстанции теплоэлектроцентрали ;

б) появилась возможность бесконтактно управлять потоком данных ИУС в режиме реального времени

в) появилась возможность частично передать принятие решения при управлении информационными потоками ИУС с человека-оператора на интеллектуальную систему

СПИСОК ОСНОВНЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

Работы, опубликованные в научных рецензируемых изданиях, рекомендуемых ВАК:

1. Акимов Д.А., Работкин В.Д., Терёхин И.В., Редькин O.K. Представление знаний в распределенных информационных системах промышленных предприятий. // Промышленные АСУ и контроллеры. 2013. № 1. С. 33-38.

2. Т.Ю. Морозова, Д.А. Акимов, В.Д. Работкин, И.В. Терехин.

Метод, алгоритмы и интерфейс распознавания ситуационной обстановки

посредством интеграции информации и ее интеллектуальной обработки.

//Промышленные АСУ и контроллеры. 2013. № U.C. 37-43.

Публикации в других изданиях:

1. Работкин В.Д., Терехин И.В., Акимов Д.А., Сумкин К.С., Кашкин Е.В. Распределенная обработка данных в информационных системах промышленных предприятий// Сборник научных трудов SWorld. - Выпуск 3. Том 5,- Одесса: КУПРИЕНКО СВ, 2013. С 61-64

2. Акимов Д.А., Работкин В.Д. Организация распределенной базы знаний на облачных сервисах. // Сборник трудов XV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 17-19 апреля 2012 г.). М.: МГУПИ. 2012.С. 40-44.

3. Работкин В.Д. Способы идентификации процессов операционной системы в режиме реального времени. // Список-2012: Материалы 2-й межвузовской научной конференции по проблемам информатики. СПб.: ВВМ, 2012 С. 107111.

4. Работкин В.Д. Сегментация базы знаний для использования в мультиагентных системах. // Параллельные вычислительные технологии (ПаВТ'2011): труды международной научной конференции (Москва, 28 марта - 1 апреля 2011 г.) - Челябинск: Издательский центр ЮУрГУ, 2011. С. 55-58

5. Работкин В.Д., Мультиагентные системы для распараллеливания вычислений. // Информатика: проблемы, методология, технологии. Материалы IX международной научно-методической конференции - Т.З. -Воронеж: Воронежский государственный университет, 2009. - С. 303-306

6. Работкин В.Д. Бесконтактный интерфейс для операторов информационно-управляющей системы // Список-2009 : материалы межвуз. науч. конф. по проблемам информатики, 20-23 апр. 2009 г., Екатеринбург. - Екатеринбург : Изд-во Урал, ун-та, 2009. С. 71-73

7. Работкин В.Д. Мультиагентные системы для распознавания образов. //Международная научная конференция "Параллельные вычислительные технологии ПаВТ'2009» (Россия, г. Москва). 2009. -С.47-49

ООО «Хорошая Типография» Подписано в печать 22.02.14 тираж ЮОэкз. Тел.: +7 (495) 940-70-17 E-mail: 2205728@mail.ru www.niceprint.ru