автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Разработка бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии

; > ^ * //у / На правах рукописи

Акимов Дмитрий Александрович

РАЗРАБОТКА БЕСКОНТАКТНОГО ИНТЕГРАЛЬНОГО ИНТЕРФЕЙСА ОПЕРАТОРА ДИСПЕТЧЕРСКОГО ПУЛЬТА ДЕФЕКТОСКОПИИ НА НЕПРЕРЫВНОЙ ПРОИЗВОДСТВЕННОЙ ЛИНИИ

Специальность 05.13.06 «Автоматизация и управление технологическими процессами и производствами (промышленность)»

АВТОРЕФЕРАТ

Диссертации на соискание ученой степени кандидата технических наук

Москва 2013

005531729

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет приборостроения и информатики (МГУПИ)» на кафедре «Автоматизированные системы управления и информатики».

Научный руководитель Морозова Татьяна Юрьевна,

доктор технических наук, профессор, ФГБОУ ВПО МГУПИ, заместитель заведующего кафедрой «Автоматизированные системы управления и информационные технологии», г. Москва

Официальные оппоненты Остроух Андрей Владимирович,

доктор технических наук, профессор, ФГБОУ ВПО МАДИ, профессор кафедры «Автоматизированные системы управления», г. Москва

Капитанов Алексей Вячеславович,

кандидат технических наук, доцент, ФГБОУ ВПО МГТУ «СТАНКИН», доцент кафедры "Автоматизированные системы обработки информации и управления", г. Москва Ведущая организация: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования научный исследовательский университет «Московский энергетический институт» (МЭИ).

Защита состоится 3 июля 2013 г. в 10-00 часов на заседании диссертационного совета Д.212.126.05 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский автомобильно-дорожный государственный технический университет (МАДИ)» по адресу: 125319, г. Москва, Ленинградский проспект, д.64, ауд. 42. Телефон для справок: (499) 155-93-24. С диссертацией можно ознакомиться в библиотеке МАДИ. Автореферат разослан 31 мая 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять в адрес диссертационного совета университета, а копии отзывов присылать по электронной почте: и сЬзо'Уе1@тас1 ¡.т Ученый секретарь

диссертационного совета Д212.126.05, кандидат технических наук, доцент

Михайлова Н.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

Необходимость автоматизации управления привела к появлению широкого класса человеко-машинных АСУ различного назначения, без которых невозможно представить современное промышленное производство. Дальнейшее повышение организационной и технической гибкости управления различными технологическими процессами при решении конкретных задач связано с возрастанием роли человека в современных системах, что обуславливается интеллектуализацией АСУ ТП и возрастанием сложности решаемых задач.

Существует ряд профессий, предъявляющих к своим работникам -«операторам» специальные требования. Это, в первую очередь, способность переработки значительных объемов поливариантной информации, поступающей от разнородных источников по независимым каналам, мгновенного принятия решения на основе полученных данных и совершения в крайне короткий промежуток времени значительного числа операций с электронной техникой (компьютером) преимущественно манипулятивного характера.

Разработка и реализация современных АСУ требует организации взаимодействия человека и ЭВМ. 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.

Основными характеристиками оператора являются безошибочность, быстродействие, точность, надежность. Оценкой быстродействия оператора является время решения задачи, которое, вместе с аналогичными показателями информационно-программно-технической части, определяет быстродействие всей системы "человек-машина".

Эффективность работы всей системы зависит от того, как будет организовано участие человека в процессе управления.

Данное диссертационное исследование посвящено решению научно-технической задачи разработки моделей, способов и инструментария создания бесконтактного интерфейса для оператора диспетчерского пункта дефектоскопии на непрерывной производственной линии и непосредственно базируется на результатах исследований следующих ученых:

- в области информационных технологий и автоматизированных систем управления: Николаев А.Б., Строганов В.Ю., Суэтина Т.А., Алексахин C.B., Советов Б.Я., Цехановский В.В., Рыбина Г.В., Афанасьев А.П., Фомичев В.В., Ильин A.B. (МГУ), и др.;

- в области теории бесконтактного управления: Архангельский В.И., Каплан А.Я., Визильтер Ю.В., Каратеев С.Л., Бекетова И.В. Зарубежные ученые: Масатоси Исикава (Masatoshi Ishikawa), Такаси Комуро (Takashi Komuro), Тим Кутес, Крис Тейлор и др.

Актуальность тематики подтверждается исследованиями таких крупных российских компаний как НПК «ТЕКО», Компании "Амфилада" (Россия); научных организаций: Институт системного анализа РАН, институт проблем информатики РАН; ведущих ВУЗов страны МГУ, МАДИ, ФИМИ, ЛЭТИ, МФТИ; зарубежных компаний: Компания Tobii (Швеция), Компания Lenovo (Китай), Компания Microsoft (США), Компания Google (США), Компания Apple (США), Фраунгоферский институт (Германия), Elliptic Labs (Норвегия), Sony Corporation (Япония), Samsung Group (Южная Корея), Ethertouch (США) совместно с фирмами Nokia, Bang&Olufsen и Microsoft.

Крупные мировые ведомства NASA и DARPA так же ведут исследования и разработки в данной области. Эксперты этих научных центров и компаний оценили направление создания бесконтактных интерфейсов как одно из приоритетных.

На конвейерных линиях часто применяются многоуровневые системы дефектоскопии, в том числе и рентгеновской. На оператора ложится большая информационная нагрузка, при этом оператор должен отслеживать информацию на нескольких дисплеях с несколькими диалоговыми окнами. Часть действий по контролю, возможно, переложить на систему управления с помощью глаз, в том числе действия переключения между окнами и управления информационными потоками.

Вместе с тем проблемой, остается отсутствие интеллектуальной системы, интегрирующей разнородную информацию об окружающей обстановке в реальном масштабе времени. Решение указанных проблем возможно с применением универсальных бесконтактных интерфейсов, не требующих использования устройств ввода для рук и любых контактирующих элементов.

Рассмотренные аспекты организации бесконтактного управления подтверждают актуальность диссертации. 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.

Задача разработки бесконтактного управления непрерывным технологическим процессом (НТП) является своевременной и актуальной.

Целью настоящей работы является повышение качества проектирования и организации функционирования НТП за счет создания и внедрения бесконтактного интегрального интерфейса.

В работе решались следующие основные задачи:

1. Анализ методов и средств компьютерного зрения, используемых при управлении НТП.

2. Разработка алгоритма идентификации и направления взгляда для бесконтактного управления в НТП, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

3. Разработка алгоритма слежения за взглядом на основе анализа данных о положении глазного яблока, обрабатываемых подсистемой плавного слежения и подсистемой саккад.

4. Определение групп переменных для математической модели выделения команд управления Н'ГП.

5. Разработка модели нечеткого нейросетевого классификатора компьютерного зрения.

6. Разработка, программная реализация и апробация интегрального интерфейса для бесконтактного управления НТП.

Объектом исследования является деятельность оператора диспетчерского пункта дефектоскопии НТП.

Научная новизна работы.

1. Алгоритм идентификации взгляда, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

2. Метод решения задачи нормализации положения изображения лица на основе Прокрустова анализа, для компенсации различия в масштабе, наклоне и смещении лица. Использование Прокрустова анализа для обработки компьютерных изображений дал начало новому направлению в биометрии.

3. Метод решения задачи динамической идентификации компьютерного изображения глазного яблока, в котором для исключения ошибочно обнаруженных точек идентификации применялось преобразование Хаара, используемое для выделения главных осей точек правой и левой (относительно центра зрачка) половины контура глаза.

4. Продукционная модель выделения классов команд управления специальной программно-технической системой на основе нечеткой геперрезолюции.

Положения, выносимые на защиту.

1. Алгоритм идентификации взгляда, на основе активной модели внешнего вида.

2. Метод решения задачи нормализации и стабилизации положения изображения лица на основе видеопотока, полученного с веб-камеры.

3. Математическая модель решения задачи динамической сегментации и идентификации компьютерного изображения глазного яблока.

4. Математическая модель выделения команд управления для оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии.

Теоретическая значимость исследования обоснована тем, что:

- доказана возможность осуществления обнаружения не всего контура, а нескольких основных точек контура глаза - уголки глаза, границы зрачка, обеспечивающая стабильность и устойчивость алгоритму обнаружения для построения алгоритма управления НТП;

- проведена модернизация существующих деформируемых контурных моделей, позволяющая обеспечить решение задачи оптимизации (определение локальных минимумов) и использование системы правил и ограничений на возможные значения каждого из параметров контура;

- доказано наличие прямого соответствия между элементами структуры нейронной сети и компонентами нечеткой модели, что распространяет свойство интерпретируемости, присущее нечетким системам, на нейросетевую нечеткую модель и дает возможность представить результат обучения в форме гибких логических конструкций - лингвистических правил.

Применительно к проблематике диссертации результативно использован комплекс существующих базовых методов исследования, в т.ч. вероятностно-статистических методов, активной модели внешнего вида, элементов теории распознавания образов, искусственных нейронных сетей, современных технологий разработки алгоритмов и программного обеспечения, объектно-ориентированного программирования.

Значение полученных результатов исследования для практики подтверждается тем, что:

- разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило внедрить бесконтактное управление НТП;

- определены пределы и описаны перспективы применения предлагаемых методов бесконтактного управления НТП;

- даны методические рекомендации по совершенствованию и модернизации построения ЗО-модели лица и системы управления данными на её основе, а также отслеживания жестов на основе использования активных моделей внешнего вида (АсйуеАрреагапсеМосЫз, ААМ);

- проведена апробация предлагаемой системы бесконтактного управления, которая дает точность локализации области глаз с точностью 1 см.

Оценка достоверности результатов исследования выявила:

- экспериментальные результаты получены с использованием лицензионного программного обеспечения с применением разработанного программного модуля на различных аппаратных платформах;

- теоретические изыскания построены на известных методах теории распознавания образов, методов стереозрения, оптимизации, Прокрустова анализа, искусственных нейронных сетей;

- идея базируется на проведенном анализе практики и обобщении передового опыта построения информационно-управляющих систем;

- использованы современные средства и методики проведения исследований, доказывающие обоснованность применения разработанного метода бесконтактного управления ввиду согласованности данных эксперимента и научных выводов.

Личный вклад автора состоит в: проведении анализа существующих способов разработки интегральных интерфейсов; создании математической

модели бесконтактного управления НТП; непосредственной разработке алгоритма на основе метода деформируемых моделей для анализа данных при принятии решений при управлении НТП; разработке алгоритма формирования команд управления от человека; личном участии во внедрении разработанного пакета прикладных программ в эксплуатацию в АСУ ТП; непосредственной подготовке основных публикаций по выполненной работе.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения модернизируемых информационно-управляющих систем, используемых для управления НТП.

Разработанные методы, алгоритмы и программное обеспечение для бесконтактного управления программно-техническими системами использованы: !

- в учебном процессе кафедры «Управление и моделирование систем» ФГБОУ ВПО «Московский государственный университет приборостроения и информатики» при реализации образовательной программы по направлению подготовки (специальности) 230105 в дисциплинах «Человеко-машинное взаимодействие», «Интеллектуальные системы»;

- в ОАО «КБ «ЭлектронСистема» - при совершенствовании системы управления комплекса, предназначенного для радиоскопического контроля в реальном масштабе времени и рентгеновской микротомографии объектов, требующих высокого пространственного разрешения при дефектоскопии и исследовании внутренней структуры промышленной продукции, что позволило снизить нагрузку на оператора.

Достоверность полученных результатов подтверждена:

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

- апробированием программных средств в АСУ ТП при внедрении бесконтактного управления.

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2012» (Украина, г. Одесса),

XIV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 18-20 апреля 2011г.).

XV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 17-19 апреля 2012 г.).

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

Публикации. По материалам диссертационной работы опубликовано одиннадцать научных работ, в том числе, пять — в научных рецензируемых изданиях, рекомендуемых ВАК.

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

Основная часть диссертации содержит 166 страницы машинописного текста, включая 45 рисунков и 10 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 АСУ ТП, как интеллектуальной человеко-машинной системы (ЧМС), который позволил выявить несоответствие возрастания требований к оператору и отсутствия методов и моделей, позволяющих учитывать влияние изменений показателей его деятельности. Показано, на основе опроса экспертов и метода анализа иерархий, что основными причинами, снижающими эффективность функционирования АСУ ТП, являются неудобный интерфейс и/или плохая организация деятельности оператора.

Предложено использовать напряженность деятельности в качестве индикатора удобства работы оператора и, следовательно, индикатора правильности реализации взаимодействия оператора и информационно-программного комплекса.

Проведен анализ комплекса моделей и методов описания и оценки качества деятельности оператора в информационных технологиях.

Проведен сравнительный анализ существующих методов и средств применения компьютерного зрения в программно-технических системах, выявлены наиболее возможные варианты применения подходов компьютерного зрения в АСУ ТП.

Рассмотрены методы эмпирического распознавания: шаблонные методы, признаковые методы, методы на основе контуров, методы с использованием цветовой сегментации, общее описание методов моделирования изображения глаз: общая схема работы алгоритмов классификации образов (Байесовские сети, метод опорных векторов, нейронные сети, классификатор Viola-Jones); аппаратные средства компьютерного зрения (видеокамеры для цифровых шин USB и FireWire).

Из рассмотренных программно-аппаратных средств компьютерного зрения можно выделить комплекс получения видеоинформации с применением цифровых камер высокого разрешения и обработки видео с применением DLL при высокоуровневой обработке на основе библиотек OpenCV.

В результате анализа методов описания и оценки качества деятельности оператора в информационных технологиях показано, что существующие методы неприспособлены для учета изменений показателей безошибочности и своевременности выполнения отдельных операций, а также напряженности

деятельности оператора при описании и оценке процессов функционирования АСУ ТП.

Во второй главе разработан алгоритм идентификации взгляда, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

Описана тренировка и применение активной модели внешнего вида на примере изображения лица для управления в специальных программно-технических системах.

Рассмотрено функционирование активных моделей внешнего вида и связанная с этим работа математического аппарата, а также приведены примеры их реализации.

Процедура обучения активных моделей внешнего вида начинается с нормализации положения всех форм для того, чтобы компенсировать различия в масштабе, наклоне и смещении. Для этого используется так называемый обобщенный Прокрустов анализ. Множество меток до и после нормализации показаны на рисунке 1.

Рисунок 1 — Множество меток до и после нормализации

После того, как все формы нормированы, из составляющих их точек формируется матрица 5 = [51,52, — где

5т — М1,*™, ■■■,х™У11'У21' •■■,У/уг]Г- После выделения главных компонент указанной матрицы получаем следующее выражение для синтезированной формы:

5 — + ФА,

где - форма, усредненная по всем реализациям обучающей выборки (базовая форма), Ф; - матрица главных векторов, - параметры формы.

Приведенное выражение означает, что форма сможет быть выражена как сумма базовой формы 50 и линейной комбинации собственных форм, содержащихся в матрице Ф5. Изменяя вектор параметров Ь8, можно получать разного рода деформации формы для подгонки ее под реальное изображение.

Процесс обучения здесь состоит из следующих шагов: извлечение из обучающих изображений текстур, которые наилучшим образом соответствуют базовой форме; с помощью кусочной интерполяции выполняется отображение полученных в результате триангуляции регионов обучающего изображения в соответствующие регионы формируемой

текстуры; из текстур формируется матрица, каждый столбец которой содержит значения пикселей соответствующей текстуры (аналогично матрице S). Используемые для обучения текстуры являлись одноканальными (градации серого) и многоканальными (пространство цветов RGB).

Получено выражение для синтезированной текстуры:

t = t0 + ФЛ,

где t0 - базовая текстура, полученная усреднением по всем текстурам обучающей выборки, Фс - матрица собственных текстур, bt - вектор параметров активного внешнего вида.

Произведена адаптация активной модели внешнего вида.

В главе предложен метод обнаружения положения глаз с помощью поиска областей резкого изменения интенсивности красного канала изображения, т.к. даже для светлых глаз (голубых, зеленых) красная компонента у пикселей радужной оболочки и зрачка значительно меньшей интенсивности, чем у белка глаза или кожи. Поиск осуществляется путем фильтрации изображения функцией специального вида:

1 ген„АУ ^ 1 п'г| рЕР„,г )

где I — красный канал исходного изображение, риг- координаты пикселей, Rn,x,y ~ прямоугольник размера (п х 7), с центром в точке (х, у) а Рпг - эллипс с размерами осей (п х п/3), ориентированный но осям изображения, с центром в точке г. Фильтр регулируется следующими параметрами: коэффициентом а и масштабом фильтра п.

После обнаружения координат центров глаз производится поиск точных координат центра зрачка и точного контура глаза (включая контур радужной оболочки и контуры век). Поиск центра зрачка производится различными методами в зависимости от условий освещения изображения на основе трехмерной модели головы. Для обнаружения координат центрального блика используется многоступенчатая проверка обнаружения пикселей, соответствующих блику внутри зрачка.

Проведено обнаружение точных контуров глаз для управления программно-техническими системами.

Для получения удовлетворительных результатов при использовании деформируемых контурных моделей требуется инициализация модели, близкая к финальной конфигурации. Поскольку выделение объектов с помощью деформируемых моделей есть сведение задачи распознавания к задаче многомерной оптимизации, то необходимо определять локальные минимумы. Другим способом достижения стабильного результата обнаружения является использование сложной системы правил и ограничений на возможные значения каждого из параметров контура в зависимости от остальных параметров.

Проведено обнаружение не всего контура, а нескольких основных точек контура глаза - уголки глаза, границы зрачка. Подобный подход приводит к менее точному результирующему контуру, но заметно более стабильному и устойчивому алгоритму обнаружения.

Предлагаемый в данной работе алгоритм сочетает в себе положительные стороны обоих подходов - точность выделения контура, устойчивость и воспроизводимость результата (рисунок 2).

"АЛ /■

а) (б) в) г)

Рисунок 2 - Пример изображения глаза (а), его карты модуля градиента (б) - более темные пиксели соответствуют большим значениям градиента, график скалярного ноля яркости (в), тот же график после Ш низкочастотной

фильтрации (г)

Для того, чтобы исключить ошибочно обнаруженные точки, применяется преобразование Хаара для выделения главных осей точек правой и левой (относительно центра зрачка) половины контура глаза. Точки, лежащие слишком далеко от главных осей, убираются из набора.

Затем набор дополняется точками верхней границы зрачка и вычисляется кривая, аппроксимирующая точки верхнего века. Вычисление параметров кривой сводится к задаче решения переопределенной системы линейных уравнений. Система решается с помощью преобразования Хаусхолдера. На основании этих исследований были построены правила разметки: Осуществлен выбор обучающего множества для системы распознавания биометрических точек, основанный на базе данных ХМ2УТЭ, содержащих изображения лиц (рисунок 3).

Рисунок 3 - Вариант расстановки точек в области глаз в базе данных ХМ2УТБ Разработаны правила оценки положения зрачка:

Алгоритм отслеживания положения зрачка глаза показан на рисунке 4.

Рисунок 4 - Алгоритм отслеживания направления взгляда

Третья глава посвящена созданию математической модели движения глаз и выделению групп переменных для управления программно-техническими системами.

Для распознавания команд управления необходимо обеспечить подсистему принятия решений актуальной информацией о положении глазного яблока.

Доказано, что для решения задачи подготовки информации для системы принятия решений требуется пройти следующие этапы: распознавание глазного яблока и определение его положения; фильтрация шумов с учетом модели движения глаза; выделение признаков команды, поданной с помощью глаза. i

Разработана система слежения за взглядом на основе анализа данных (подсистема плавного слежения и подсистема саккад).

Результатом анализа изображения, методами предложенными в главе 1, являются шесть чисел: координаты центра зрачка (в пикселях на исходном кадре видеоряда); координаты роговичного блика (также в пикселях на исходном кадре видеоряда); высота и ширина эллипса, соответствующего зрачку.

Для управления программно-техническими системами данные подвергают предварительной обработке с целью выделения последовательности фиксаций и саккад. Разработан модифицированный алгоритм на основе методов VelocityThresholdldentification (I-VT), используемый в системах с относительно высокой частотой регистрации, и Dispersion -

12

ТЪгезЬоЫИеп^йсайоп (1-ОТ), используемый в системах с относительно низкой частотой регистрации.

На завершающем этапе обработки данных проводится анализ конкретных показателей окуломоторной активности. Использованы следующие характерные показатели окуломоторной активности: средняя продолжительность фиксации, продолжительность первой фиксации, позиции фиксаций, амплитуда и латентность саккад, продолжительность и частота морганий, ряд показателей, связанных с выделением на изображении критических областей.

Для идентификации зрачка рассчитывался центр масс (рисунок 5) для каждой точки по формулам

^тахЕгшп'/^))

^тахЕгшп^х.у))'

где X, У — координаты центра масс тёмных пикселей; 1{х,у) -интенсивности по осям.

Рисунок 5 - Результаты определения центра зрачков с помощью центра

масс

Положение маркерного блика определяется тем же способом.

Разработанная модель дала возможность определить взаимное расположение маркера и центра зрачка и сделать вывод о повороте глаза.

Определены группы переменных для математической модели выделения команд.

При анализе движений глаза выделены основные параметры, оценка которых необходима и является основой для систем управления.

Для определения команд использованы системы нечеткого вывода. Применение данного метода диктуется нечеткой природой определения характеристик положения глаза.

Для определения параметров, в результате анализа которых формируется команда управления от человека, сформулирована и решена следующая задача: имеется специальный интерфейс, необходимо уверенно управлять курсором и отдельно вводить группу команд с помощью последовательности специальных движений глаза, при этом позиционированием курсора управляют плавные движения глаз.

Для ввода логических операций над переменными, которые были определены ранее, выполнено шкалирование и задание множества числовых значений, которые могут принимать переменные модели глаза.

При настройке, вычисляются максимальные углы при направлении взгляда на специальные метки, выводимые на монитор.

Рисунок 6 - Крайние области, используемые для калибровки и при распознавании команд

При распознавании команд используются области, выделенные на рисунке 6. Попадание маркера в определённую область означает, что взгляд направлен на крайние или близкие к крайним точкам монитора.

Вектором областей является множество:

где Л^ - количество областей.

В диссертации доказано, что N¿=9 для эффективного управления программно-технической системой.

Для построения продукционной модели на основе нечёткой гиперрезолюции определены лингвистические переменные.

Для определения смысла лингвистических переменных использовались модификаторы. Например, для лингвистической переменной «Направление» модификаторы: «Лево», «Лево вверх», «Вверх», «Право вверх», «Право», «Право вниз», «Вниз», «Лево вниз». Они образуют множество степени принадлежности конкретному значению лингвистической переменной. Отклонение от центра зрачка характеризуется лингвистической переменной «Отклонение», функция принадлежности которой показана на рисунке 7 в зависимости от где - относительная характеристика длинны и определяется как процент от наибольшей оси приведённой области зрачка.

Рисунок 7 - Лингвистическая переменная «Отклонение» Продукционная модель строится на базе правил вида: I,: ЕСЛИ х1 есть А,, И ... И л'„есть А/„ ТО у есть В,

/„,: ЕСЛИ х,„ есть А,„/ И ... И л'„есть А„,„ ТО у есть В,„

Правила / можно представить в виде импликаций вида Р 0.. Логический вывод в продукционной модели осуществляется методом нечёткой гиперрезолюции.

В диссертации проблемная область описывается системой утверждений:

(/¿>): Р а Л 3 В главная посылка (правило).

(/а/): Р лТ второстепенная посылка (факт №1),

(¡ат): второстепенная посылка (факт2),

В? цель (следствие).

Система (;Ъ-/'а/) представима в виде множества Б дизъюнктов, а целевой дизъюнкт В добавлен в Б с отрицанием: 51 = {Р\/~<2\/КчВ,Р\/Т,()чУ,В}

Зададим некоторую интерпретацию I на множестве 51 и некоторый порядок Т литералов, входящих в дизъюнкты 51. Поскольку множество 5 противоречиво, то среди дизъюнктов найдутся дизъюнкты Ь и Ь , один из которых ложен в принятой интерпретации /. Доказано, что можно построить гиперрезолютивный вывод пустого дизъюнкта, ложного во всех интерпретациях.

Разработана структура нечеткого нейросетевого классификатора для управления программно-техническими системами (рисунок 8).

В процессе нечеткого моделирования использовались нейронные сети для проведения структурной и параметрической идентификация нечеткой модели. При этом применение нейронной или адаптивной сети осуществляется в рамках двух основных подходов. Первый подход приводит к кооперативным ННС и основан па взаимодействии нейронной сети и нечеткой системы, присутствующих в модели в виде отдельных составляющих. Второй подход совершенствует нечеткую систему и приводит к гибридным ННС. Наличие прямого соответствия между элементами структуры нейронной сети и компонентами нечеткой модели распространяет свойство интерпретируемости, присущее нечетким системам, на нейросетевую нечеткую модель и дает возможность представить результат обучения в форме гибких логических конструкций — лингвистических правил.

управление

Смешение зрачка ф общением сети

Азимут Длительность

1

Фаззификация __ [ Нечёткая | Нечеткая

- |неироная сеть <ттп» ' система

■ код команды

Рисунок 8 - Модель нечеткого классификатора

На выходе нейронной сети получены значения лингвистической переменной, дефаззифицируя которую можно получить код команды на интерфейс.

Использовалась нечеткая сеть с самоорганизацией, имеющая простую двухслойную структуру.

Разработан алгоритм обучения нейронной сети, блок-схема которого представлена на рисунке 9.

Рисунок 9 - Блок-схема алгоритма обучения нейронной сети

На основе нечеткого вывода создан алгоритм распознавания команды и перевода ее в код, который будет обрабатываться непосредственно программным приложением, которое отвечает за управление компьютерной системой.

В процессе обработки данных средствами нечетких нейронных сетей формируется команда, адекватная управляющему воздействию с помощью положения глаз.

Алгоритм, выполняющий нечеткую обработку, обладает следующей особенностью: нечеткий фильтр вычисляет нечеткое приращение таким образом, чтобы оно было менее чувствительно к локальным изменениям метки.

Фаззификация входного изображения выполняется с использованием значений положения метки. Так, положение зрачка может рассматриваться как нечеткое разделение на определенные наборы или классы качественных понятий, как показано на рисунке 7.

На основе тестирования сетей выбрана нечеткая нейронная сеть, в которой реализуется алгоритм Сугено. Это связано с тем, что нечеткая нейронная сеть

с алгоритмом Сугено имеет меньшую ошибку обучения и ошибку прогнозирования.

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

Проведена апробация разработанных моделей и алгоритмов интеллектуальной поддержки принятия решений в задачах управления программно-техническими системами.

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

Разработанный пакет прикладных программ предназначен для следующих задач:

- определение положения и трекинга глаза по изображению с видео;

- определение списка ключевых понятий для каждой ситуации;

- построение базы нечетких продукционных правил для определения команды управления;

- составление ранжированного списка всех построенных правил в форме последовательности, отсортированных по степени релевантности для каждого состояния;

- модификация правил в зависимости от предыдущих значений.

Разработана система различных меню, многопользовательский интерфейс,

набор управляющих элементов.

Разработана архитектура базы данных и базы знаний. База знаний в системе основана на базе данных, состоящей из нескольких связанных между собой таблиц и системы логического вывода, на основе резолюций.

Функциональная схема программной системы представлена на рисунке 10. Для программной реализации проекта была выбрана платформа Microsoft.NET Framework 4.0 на языке программирования С++.

Среда разработки Microsoft Visual Studio 2010.

Дополнительные библиотеки: Intel' Integrated Performance Primitives (IPP), Microsoft Visual С++ 2005 Service Pack 1 Redistributable Package ATL Security Update Version 8.0, Qt4.X.

Входной видеопоток

О

Рассчитанные значения положения головы, Эталонные значения положения головы,

Положения головы,

<>

Процедуры построения Зй модели

о

Процедуры контроля отклонений от норм

кг

Команда управления

Рисунок 10 - Функциональная схема программной системы Разработана архитектура программной системы, показана на рисунке 11.

Рисунок 11 - Архитектура программной системы

Исследования разработанных алгоритмов показали: высокую адекватность и обоснованность принятия решения в условиях неопределенности; минимизацию временных, финансовых и энергетических затрат.

Основные результаты и разработанный пакет прикладных программ был использован в научно-исследовательской работе «Бесконтактный

интеллектуальный интерфейс. Smartinterface» в ООО «Неоком» при выполнении государственного контракта Министерства образования и науки Российской Федерации от 10 августа 2012 г. № 14. 514.11.4038.

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.

Проведен анализ методов и средств компьютерного зрения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. В результате проведенного анализа методов и средств компьютерного зрения выявлены следующие отличительные признаки методов, используемых в разработке бесконтактного интеллектуального интерфейса над существующими аналогами: распознавание ситуационной обстановки с помощью интеграции информации и её интеллектуальной обработки; использование стереозрения и интеллектуальных методов для отслеживания положений головы; интеллектуальное ядро принятия решений на основе нечёткой нейронной сети.

2. Разработан алгоритм идентификации и направления взгляда для бесконтактного управления НТП, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

3. Разработан метод слежения за взглядом на основе анализа данных о положении глазного яблока, обрабатываемых подсистемой плавного слежения и подсистемой саккад, что позволило разработать алгоритм и пользовательский интерфейс для применения системы компьютерного зрения (стереозрения) и интеллектуальные методы его обработки для отслеживания положений глаз, при различном положении головы (без фиксации головы), что позволяет оператору диспетчерского пульта дефектоскопии производственным процессом без использования рук с помощью глаз или движением головы

4. Определены группы переменных для математической модели выделения команд управления НТП.

5. Разработана модель нечеткого нейросетевого классификатора компьютерного зрения.

6. Реализован и апробирован интегральный бесконтактный интерфейс оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии. В результате использования интегрального бесконтактного интерфейса в работе оператора с комплексом радиоскопического контроля и рентгеновской микротомографии объектов:

а) повысился объем обрабатываемой информации;

б) уменьшилось время принятия решений при управлении технологическим процессом на основе данных об изменении обстановки;

в) появилась возможность совершать в крайне короткий промежуток времени значительного числа операций с электронной техникой комплекса преимущественно манипулятивного характера.

Таким образом, при использовании бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии снизилась нагрузка на оператора и повысилась производительность труда.

СПИСОК ОСНОВНЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

Работы, опубликованные в научных рецензируемых изданиях, рекомендуемых ВАК:

1. Акимов Д.А. Применение компьютерного зрения в работе операторов управления на промышленных объектах. // Промышленные АСУ и контроллеры. 2011. М: 5. С. 1-6.

2. Акимов Д.А., Капустин В.И. Автоматизированная система управления параметрами сенситометрических и структурометрнческих свойств радиографических пленок ''Спектра". // Промышленные АСУ и контроллеры. 2011. № 3. С. 1-5.

3. 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.

4. Акимов Д.А.. Морозова Т.Ю. К вопросу создания бесконтактных средств управления большими массивами данных в эргатических системах.// Авиакосмическое приборостроение. 2013. №5. С. 46-56.

5. Акимов Д.А. Бесконтактный интерфейс для операторов управления на промышленных системах контроля технологическим процессом.//Научно-технический вестник Поволжья. 2013. №2. С. 65-69.

Публикации в других изданиях:

6. Акимов Д.А., Терёхин И.В. Бесконтактный интерфейс на основе компьютерного зрения. // Сборник трудов XV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 17-19 апреля 2012 г.) / Под ред. В.В.Никопова, А.Г.Шмелевой. М.: МГУПИ. 2012. С. 44-49.

7. 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.

8. Акимов Д.А. Применение компьютерного зрения в управлении процессом распознавания радужной оболочки для систем биометрии // Сборник трудов XIV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 18-20 апреля 2011 г.). М.: МГУПИ. 2011.С. 10-19.

9. Акимов Д.А., Сумкин К.С., Морозова Т.Ю. Автоматизация использования стереозрения по методам выделения управляющих воздействий и нечеткой логики. Материалы международной научно-практической конференции «Современные проблемы и пути их решения в науке, транспорте, производстве и образовании 2012». Выпуск 4. Том 12. Одесса: Черноморье. С. 60-66.

10. Акимов Д.А., Терехин И.В., Морозова Т.Ю. Ситуационный анализ в промышленных системах человеко-машинного взаимодействия. Materiäly IX mezinärodni vedecko - praktickä conference «Modemi vymozenosti vedy - 2013». 27 ledna - 05 ünora 2013 roku - Dil 67. Matematika:Praha. Publishing House «Education and Science» s.r.o. S. 35-38.

Авторские свидетельства, патенты, информационные карты и алгоритмы:

11. Свидетельство о государственной регистрации программ для ЭВМ РОСПАТЕНТ № 2013612438 от 28.02.2013 г.

ООО «Хорошая Типография» Подписано в печать 30.05.13 тираж 100 экз. Адрес: Москва, ул.Валовая, д. 14, стр 8 Тел.: +7 (495) 940-70-17 E-mail: 2205728@mail.ru www.niceprint.ru

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПРИБОРОСТРОЕНИЯ И ИНФОРМАТИКИ

/

На правах рукописи

1

Акимов Дмитрий Александрович

04201358560

РАЗРАБОТКА БЕСКОНТАКТНОГО ИНТЕГРАЛЬНОГО ИНТЕРФЕЙСА ОПЕРАТОРА ДИСПЕТЧЕРСКОГО ПУЛЬТА ДЕФЕКТОСКОПИИ НА НЕПРЕРЫВНОЙ ПРОИЗВОДСТВЕННОЙ

ЛИНИИ

Специальность 05.13.06 «Автоматизация и управление технологическими процессами и производствами (промышленность)»

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: доктор технических наук, профессор

Морозова Т.Ю.

Москва 2013 г

Оглавление

Введение...................................................................................................................6

Глава 1. Анализ проблемы и постановка задачи создания бесконтактного интеллектуального интерфейса оператора диспетчерского пункта дефектоскопии на непрерывной производственной линии..............................15

1.1. Анализ информационных технологий автоматизированных систем управления..........................................................................................................15

1.2. Особенности деятельности оператора в автоматизированных системах управления..........................................................................................................18

1.3 Анализ работы оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии...........................................................19

1.4 Анализ существующих методов компьютерного зрения для создания бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии..............25

1.5 Общее описание методов моделирования изображения глаз для создания бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии...................................................................................................................30

1.6 Аппаратные и программные средства компьютерного зрения...............34

1.7 Постановка задачи создания компьютерного зрения для оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии...................................................................................................................47

1.8 Выводы..........................................................................................................48

4.4 Программное обеспечение бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии.................................................................................146

4.5 Апробация бесконтактного интегрального интерфейса оператора диспетчерского пульта дефектоскопии на непрерывной производственной линии.................................................................................................................147

4.6 Выводы........................................................................................................149

Заключение...........................................................................................................151

Список используемых источников....................................................................153

Приложение А. Свидетельство о государственной регистрации программы для ЭВМ...............................................................................................................165

Приложение Б. Акты внедрения........................................................................166

Введение

Актуальность работы.

Необходимость автоматизации управления привела к появлению широкого класса человеко-машинных АСУ различного назначения, без которых невозможно представить современное промышленное производство. Дальнейшее повышение организационной и технической гибкости управления различными технологическими процессами при решении конкретных задач связано с возрастанием роли человека в современных системах, что обуславливается интеллектуализацией АСУ ТП и возрастанием сложности решаемых задач.

Исследования различных происшествий на промышленных предприятиях, анализ брака в процессе изготовления различной продукции, указывают, что основным источником возникновения нештатных ситуаций является человеческий фактор и человек

Существует ряд профессий, предъявляющих к своим работникам -«операторам» специальные требования. Это, в первую очередь, способность переработки значительных объемов поливариантной информации, поступающей от разнородных источников по независимым каналам, мгновенного принятия решения на основе полученных данных и совершения в крайне короткий промежуток времени значительного числа операций с электронной техникой (компьютером) преимущественно манипулятивного характера.

Автоматизация производства и управления с использованием ЭВМ непосредственно связано с решением задач по организации эффективного взаимодействия машины и человека и создания наилучших условий работы на основе современных научных методов и подходов.

Разработка и реализация современных АСУ требует организации взаимодействия человека и ЭВМ. 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.

Основными характеристиками оператора являются безошибочность, быстродействие, точность, надежность. Оценкой быстродействия оператора является время решения задачи, которое, вместе с аналогичными показателями информационно-программно-технической части, определяет быстродействие всей системы "человек-машина".

Эффективность работы всей системы зависит от того, как будет организовано участие человека в процессе управления.

В современных АСУ одними из наиболее важных и наименее проработанных вопросов являются вопросы организации диалога, в том числе представления необходимой оператору информации в удобной форме, так как интерфейс взаимодействия между пользователем и компьютером значительно влияет на эффективность управления различными технологическими процессами.

Данное диссертационное исследование посвящено решению научно-технической задачи разработки моделей, способов и инструментария для оценки влияния бесконтактного интерфейса на деятельность оператора диспетчерского пункта дефектоскопии на напряженность и эффективность выполнения действий на непрерывной производственной линии и непосредственно базируется на результатах исследований следующих ученых:

- в области информационных технологий и автоматизированных систем управления: Николаев А.Б. (МАДИ), Строганов В.Ю. (МГТУ им. Баумана), Советов Б.Я., Цехановский В.В. (ЛЭТИ), Рыбина Г.В. (МИФИ), Афанасьев А.П. (МФТИ), Фомичев В.В., Ильин A.B. (МГУ), и др.;

- в области теории бесконтактного управления: Архангельский В.И., Каплан А.Я., Визильтер Ю.В., Каратеев C.JL, Бекетова И.В. Зарубежные

ученые: Масатоси Исикава (Masatoshi Ishikawa) (Токийский университет), Такаси Комуро (Takashi Komuro) (Токийский университет), Тим Кутес, Крис Тейлор и др.

Актуальность тематики подтверждается исследованиями таких крупных российских компаний как НПК «ТЕКО», Компании "Амфилада" (Россия); научных организаций: Институт системного анализа РАН, институт проблем информатики РАН; ведущих ВУЗов страны МГУ, МАДИ, ФИМИ, ЛЭТИ, МФТИ; зарубежных компаний: Компания Tobii (Швеция), Компания Lenovo (Китай), Компания Microsoft (США), Компания Google (США), Компания Apple (США), Фраунгоферский институт (Германия), Elliptic Labs (Норвегия), Sony Corporation (Япония), Samsung Group (Южная Корея), Ethertouch (США) совместно с фирмами Nokia, Bang&Olufsen и Microsoft.

Крупные мировые ведомства NASA и DARPA так же ведут исследования и разработки в данной области. Эксперты этих научных центров и компаний оценили направление создания бесконтактных интерфейсов как одно из приоритетных.

На конвейерных линиях часто применяются многоуровневые системы дефектоскопии, в том числе и рентгеновской. На оператора ложится большая информационная нагрузка, при этом оператор должен отслеживать информацию на нескольких дисплеях с несколькими диалоговыми окнами. Часть действий по контролю, возможно, переложить на систему управления с помощью глаз, в том числе действия переключения между окнами и управления информационными потоками.

Вместе с тем проблемой, остается отсутствие интеллектуальной системы, интегрирующей разнородную информацию об окружающей обстановке в реальном масштабе времени. Решение указанных проблем возможно с применением универсальных бесконтактных интерфейсов, не

требующих использования устройств ввода для рук и любых контактирующих элементов.

Рассмотренные аспекты организации бесконтактного управления подтверждают актуальность диссертации. 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». В частности, развития информационно-телекоммуникационных систем и систем управления.

Задача разработки бесконтактного управления непрерывным технологическим процессом (НТП) является своевременной и актуальной.

Целью настоящей работы является повышение качества проектирования и организации функционирования НТП за счет создания и внедрения бесконтактного интегрального интерфейса.

В работе решались следующие основные задачи:

1. Анализ методов и средств компьютерного зрения, используемых при управлении НТП.

2. Разработка алгоритма идентификации и направления взгляда для бесконтактного управления в НТП, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

3. Разработка алгоритма слежения за взглядом на основе анализа данных о положении глазного яблока, обрабатываемых подсистемой плавного слежения и подсистемой саккад.

4. Определение групп переменных для математической модели выделения команд управления НТП.

5. Разработка модели нечеткого нейросетевого классификатора компьютерного зрения.

6. Разработка, программная реализация и апробация интегрального интерфейса для бесконтактного управления НТП.

Объектом исследования является деятельность оператора диспетчерского пункта дефектоскопии НТП. Научная новизна работы.

1. Алгоритм идентификации взгляда, который состоит из двух частей: тренировка активной модели внешнего вида области глаз; применение активной модели внешнего вида области глаз и оценка направления взгляда.

2. Метод решения задачи нормализации положения изображения лица на основе Прокрустова анализа, для компенсации различия в масштабе, наклоне и смещении лица. Использование Прокрустова анализа для обработки компьютерных изображений дал начало новому направлению в биометрии.

3. Метод решения задачи динамической идентификации компьютерного изображения глазного яблока, в котором для исключения ошибочно обнаруженных точек идентификации применялось преобразование Хафа, используемое для выделения главных осей точек правой и левой (относительно центра зрачка) половины контура глаза.

4. Продукционная модель выделения классов команд управления специальной программно-технической системой на основе нечеткой геперрезолюции.

Положения, выносимые на защиту.

1. Алгоритм и пользовательский интерфейс для применения системы компьютерного зрения (стереозрения) и интеллектуальные методы его обработки для отслеживания положений глаз, при различном положении головы (без фиксации головы), что позволяет оператору диспетчерского пульта дефектоскопии производственным процессом без использования рук с помощью глаз или движением головы.

2. Метод для создания интеллектуального ядра принятия решений на основе нечёткой нейронной сети.

3. Модели и программное обеспечение нечеткого нейросетевого классификатора компьютерного зрения для специальных программно-технический систем.

Теоретическая значимость исследования обоснована тем, что:

- доказана возможность осуществления обнаружения не всего контура, а нескольких основных точек контура глаза - уголки глаза, границы зрачка, обеспечивающая стабильность и устойчивость алгоритму обнаружения для построения алгоритма управления НТП;

- проведена модернизация существующих деформируемых контурных моделей, позволяющая обеспечить решение задачи оптимизации (определение локальных минимумов) и использование системы правил и ограничений на возможные значения каждого из параметров контура;

- доказано наличие прямого соответствия между элементами структуры нейронной сети и компонентами нечеткой модели, что распространяет свойство интерпретируемости, присущее нечетким системам, на нейросетевую нечеткую модель и дает возможность представить результат обучения в форме гибких логических конструкций - лингвистических правил.

Применительно к проблематике диссертации результативно использован комплекс существующих базовых методов исследования, в т.ч. вероятностно-статистических методов, активной модели внешнего вида, элементов теории распознавания образов, искусственных нейронных сетей, современных технологий разработки алгоритмов и программного обеспечения, объектно-ориентированного программирования.

Значение полученных результатов исследования для практики подтверждается тем, что:

- разработан и внедрен в промышленную эксплуатацию пакет прикладных программ, использование которого позволило внедрить бесконтактное управление НТП;

- определены пределы и описаны перспективы применения предлагаемых методов бесконтактного управления НТП;

- даны методические рекомендации по совершенствованию и модернизации построения ЗЭ-модели лица и системы управления данными на её основе, а также отслеживания жестов на основе использования активных моделей внешнего вида (АсЙуеАрреагапсеМосЫз, ААМ);

- проведена апробация предлагаемой системы бесконтактного управления, которая дает точность локализации области глаз с точностью 1 см.

Оценка достоверности результатов исследования выявила:

- экспериментальные результаты получены с использованием лицензионного программного обеспечения с применением разработанного программного модуля на различных аппаратных платформах;

- теоретические изыскания построены на известных методах теории распознавания образов, методов стереозрения, оптимизации, Прокрустова анализа, искусственных нейронных сетей;

- идея базируется на проведенном анализе практики и обобщении передового опыта построения информационно-управляющих систем;

- использованы современные средства и методики проведения исследований, доказывающие обоснованность применения разработанного метода бесконтактного управления ввиду согласованности данных эксперимента и научных выводов.

Личный вклад автора состоит в: проведении анализа существующих способов разработки интегральных интерфейсов; создании математической модели бесконтактного управления НТП; непосредственной разработке алгоритма на основе метода деформируемых моделей для анализа данных при принятии решений при управлении НТП; разработке алгоритма формирования команд управления от человека; личном участии во внедрении

разработанного пакета прикладных программ в эксплуатацию в АСУ ТП; непосредственной подготовке основных публикаций по выполненной работе.

Реализация результатов. Разработанные программные средства входят в состав программного обеспечения модернизируемых информационно-управляющих систем, используемых для управления НТП.

Разработанные методы, алгоритмы и программное обеспечение для бесконтактного управления программно-техническими системами использованы:

- в учебном процессе кафедры «Управление и моделирование систем» ФГБОУ ВПО «Московский государственный университет приборостроения и информатики» при реализации образовательной программы по направлению подготовки (специальности) 230105 в дисциплинах «Человеко-машинное взаимодействие», «Интеллектуальные системы»;

- в ООО «НЕОКОМ» - при совершенствовании системы управления комплекса, предназначенного для радиоскопического контроля в реальном масштабе времени и рентгеновской микротомографии объектов, требующих высокого пространственного разрешения при дефектоскопии и исследовании внутренней структуры промышленной продукции, что позволило снизить нагрузку на оператора.

.Достоверность полученных результатов подтверждена:

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

- апробированием программных средств в АСУ ТП при внедрении бесконтактного управления.

Апробация работы. Наиболее важные результаты докладывались на международных конференциях «Перспективные инновации в науке, образовании, производстве и транспорте, 2012» (Украина, г. Одесса), XIV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 18-20 апреля 2011г.),

XV Всероссийской научно-технической конференции «Новые информационные технологии» (Москва, 17-19 апреля 2012 г.).

Основные положения и результаты докладывались и обсуждались на научных семин