CC BY
99
ОБОБЩЕННАЯ СТРУКТУРА СИСТЕМЫ МОНИТОРИНГА И КОНТРОЛЯ СОСТОЯНИЙ СЛОЖНЫХ СИСТЕМ ПРИРОДНОГО ИЛИ ТЕХНОГЕННОГО ПРОИСХОЖДЕНИЯ
GENERALIZED STRUCTURE MONITORING AND CONTROL SYSTEM STATES OF COMPLEX SYSTEMS NATURAL OR MAN-ORIGIN
Михеев Михаил Юрьевич / Mikhail Y. Mikheev
Заведующий кафедрой «Информационные технологии и системы» Пензенской
государственной технологической академии
Head of the Department "Information Technologies andSystems " Penza State Technological Academy
mix1959@gmail.com
Жашкова Татьяна Валерьевна / Tatiana V. Zhashkova
Старший преподаватель «Информационные технологии и системы» Пензенской государственной технологической академии Senior Lecturer Department of Information Technology and Systems
Аннотация
С применением системного подхода синтезирована обобщенная структура систем мониторинга и контроля с подсистемой нейросетевой идентификации состояний сложных систем природного или техногенного происхождения с использованием распределенных информационных объектов.
Abstract
Using a systematic approach synthesized generalized structure of monitoring and control systems with neural network subsystem identification of states of complex systems of natural or man-made, using the distributed information objects.
Системный подход к синтезу систем мониторинга и контроля (СМиК) опирается на информационно-структурные методы, учитывающие целевое назначение системы для получения требуемых свойств системы не только за счет совершенствования частных характеристик устройств, входящих в систему, но и за счет свойств, обусловленных структурой и не являющихся свойствами отдельных ее частей. Это свойство сложных систем, получившее название эмерджентность (от англ. emergence - возникновение, появление нового), широко используется при невозможности достижения цели простым совершенствованием элементов системы [1-5].
На основе структуры СМиК была разработана обобщенная структура подсистемы нейросетевой идентификации для СМиК сложных систем природного или техногенного происхождения (ПТП) и процедура аналитического синтеза подсистемы нейросетевой идентификации состояний сложных систем ПТП с использованием распределенных информационных
объектов (РИО). Обобщенная структура СМиК с подсистемой нейросетевой идентификации состояний сложной системы ПТП представлена на рисунке 1.
Рисунок 1 - Обобщенная структура СМиК с подсистемой нейросетевой идентификации состояний сложной системы ПТП
Для получения целостного представления о процессах и явлениях, протекающих в ФО, система нейросетевой идентификации консолидирует измерительную информацию о нескольких десятках, а иногда сотнях физических величин.
Обобщенная структура СМиК с подсистемой нейросетевой идентификации состояний сложной системы ПТП, состоящей из физических объектов (ФО1, ..., ФОИ), включает в себя интеллектуальные датчики (ИД1, ..., ИДга) физических величин, которые обеспечивают сбор информации о параметрах физических объектов, характеризующих состояние сложных систем ПТП. Совокупности ИД образуют блоки интеллектуальных датчиков (БИД1, ..., БИД).
Данные поступают в подсистему нейросетевой идентификации, которая должна обеспечить идентификацию состояний сложной системы ПТП по результатам измерений параметров ФО, ее образующих. В состав подсистемы нейросетевой идентификации входит одна или несколько искусственных нейронных сетей (ИНС) и управляющий ими интеллектуальный контроллер (ИК).
Современный ИД - достаточно сложный и многофункциональный элемент. В его состав (рисунок 2) в общем случае входят сенсоры физических величин (СФВ1, ..., СФВИ), например, температуры, давления, вибрации, частоты, тока, силы света и т.д., аналого-цифровые преобразователи (АЦП1, ..., АЦПИ), преобразующие электрические сигналы в цифровые коды. Структура ИД может включать в себя буферы обмена (БО1, ..., БОИ), накапливающие информацию в интервалы времени между моментами передачи информации,
которая может передаваться как последовательно, так и параллельно. Блок предварительной цифровой обработки (БПЦО) и интерфейсы связи (ИСі, ..., ИСи) с проводными и беспроводными каналами выполняют функции цифровой обработки и передачи измерительной информации.
Рисунок 2 - Обобщенная структура интеллектуального датчика В настоящее время развитие СМиК опирается, в первую очередь, на быстрый технологический прогресс цифровой техники и соответственно возможностей цифровой обработки, хранения и передачи больших объемов информации. Увеличение количества измерительной информации достигается как за счет увеличения быстродействия отдельных преобразователей, так и за счет возможностей увеличения числа контролируемых параметров ФО посредством многофункциональных датчиков. Появление
высокопроизводительных многоядерных процессоров позволило обеспечить распределенную цифровую обработку информации. Следствием увеличения объема используемой первичной информации является экспоненциальный рост сложности ИНС, при этом число идентифицируемых состояний сложной системы ПТП ограничено.
В простейшем случае ИД выполняет только функции аналого-цифрового преобразования, цифровой обработки и обеспечения интерфейса связи.
Рисунок 3 - Однопараметровый ИД
Однопараметровый ИД (рисунок 3) включает в себя сенсор физических величин (СФВ), информация с которого поступает на аналого-цифровой преобразователь (АЦП), преобразующий электрический сигнал в цифровой код. Структура однопараметрового ИД может включать в себя блок предварительной цифровой обработки (БПЦО) и интерфейс связи (ИС) с проводными и беспроводными каналами. В общем случае СМиК сложных систем ПТП может включать сотни тысячи таких датчиков, информация с которых через каналы связи (КС) поступает на подсистему нейросетевой идентификации. Обобщенная структура СМиК с подсистемой нейросетевой идентификации состояний представлена на рисунке 4.
о
5Г
ti
Г
■&
&
та
с.
та
та
2
та
э
Рисунок 4 - Обобщенная структура СМиК с подсистемой нейросетевой
идентификации состояний сложных систем ПТП с централизованной
обработкой информации
Информация с ИДі, ..ИДи поступает в каналы связи, затем в подсистему нейросетевой идентификации (рисунок 4). Данная подсистема включает в себя буферы обмена (БО1, ..., БОИ), накапливающие информацию, блок цифровой обработки (БЦО) и искусственную нейронную сеть (ИНС). Результаты идентификации состояния сложной системы ПТП передается в подсистему визуализации.
Достоинством такой структуры является централизованная обработка информации, что позволяет хранить всю промежуточную информацию о состоянии сложной системы ПТП. Однако как следует из анализа рисунков 3 и 4 первичная измерительная информация находится как в ИД, каналах связях и в специализированных многоядерных процессорах, то есть информация имеет топологически распределенную структуру.
Таким образом, сложность структуры СМиК с подсистемой нейросетевой идентификации состояний сложных систем ПТП вызывает необходимость распределенного хранения и обработки данных. Топологическая структура РИО определяется двумя факторами:
во-первых, распределенностью сложной системы ПТП, представляющей собой совокупность распределенных физических объектов;
во-вторых, иерархической процедурой сбора и обработки информации в рамках структуры СМиК, включающей ИД, каналы связи и
специализированные многоядерные процессоры, подсистемы нейросетевой идентификации.
Таким образом, для успешного решения задач идентификации необходимо семантически объединять топологически распределенные данные. Для решения этой задачи разработана информационная модель сложной системы ПТП в виде совокупности РИО, отличающаяся алгоритмами адаптации и нейросетевой идентификации [1, 2].
Список литературы
1. Михеев М.Ю., Жашкова Т.В. Синтез обобщенной информационной модели нейросетевой идентификации распределенных информационных
объектов // Труды международного симпозиума «Надежность и качество». 2009. Т.1. С. 442-444.
2. Михеев М.Ю., Щербань А.Б. Ситуационно-структурный подход к анализу информационных объектов // Известия высших учебных заведений. Поволжский регион. 2006. №6. С. 128.
3. Жашкова Т.В., Щербань А.Б., Братцев К.Е. Модель IS-анализа сложных физических систем // Обозрение прикладной и промышленной математики: Шестой всероссийский симпозиум. - Вып.3. Т.16. Москва: Редакция журнала «ОПиПМ», 2009. - С.572-573.
4. Михеев М.Ю., Щербань А.Б., Жашкова Т.В. Обобщенные структурные модели информационных объектов // Известия высших учебных заведений. Поволжский регион. Технические науки. 2009. № 1. С. 12-22.
5. Михеев М.Ю., Братцев К.Е. Синтез обобщенной математической модели подсистемы нейросетевой идентификации информационноизмерительных систем параметров двухполюсных электрических цепей // Труды международного симпозиума "Надежность и качество". 2009. Т. 1. С. 437-439.
