CC BY
13
Rsuc.i = 7.089e~o,ol5a - 415.691е"10"7а + 662.602е"1О"8а>)
GSUCii = 22.08е~0,015а + 6091е"1О"7а - 5860е"1О"8а > (3)
BSUGii = 112.364е~0,018а + 5307е"1О"7а - 5188е"10"8а J
RDer . = 5.062е~°,О15а - 224.866е"10"7а + 472.804е"1О"8а^
GDerit = 22.014е~0,015а - 8520е"1О"7а - 8302е"1О"8а > (4)
ВВегЛ = 112.364е~0,018а + 5307е"1О"7а - 5184е"10"8а J Радиус допуска зависит от освещенности и определяется из следующего выражения
(5):
г = —8,06е~°,О15а - 110Se~lo~?a - 1122е~10~Ва (5)
Вычислительную нагрузку при реализации математической модели обнаружения выполняет штатный микропроцессор беспилотного воздушного судна, алгоритм интегрирован в бортовую систему и является дополнением, расширяющим функционал устройства. Это позволяет реализовывать функцию обнаружения без дополнительного навесного оборудования.
УДК 614.8.084
А. В. Вытовтов, Е.А. Юртаев
Воронежский институт — филиал ФГБОУ ВО Ивановской пожарно-спасательной академии ГПС МЧС России
АЛГОРИТМ ОБНАРУЖЕНИЯ С БОРТА БЕСПИЛОТНОГО ВОЗДУШНОГО СУДНА
В последние годы для визуального обследования нефтегазовых трубопроводов стали широко использоваться беспилотные воздушные суда, и данная работа расширяет возможности их применения. Исследование направлено на создание отечественных высокотехнологических разработок и импортозамещения.
Ключевые слова: дрон, линейный объект, магистраль, газонефтепровод, мониторинг.
А. V. Vytovtov, Ye.A. Yurtayev
ALGORITHM OF DETECTION FROM THE BOARD OF A FREE AIRCRAFT
In recent years unmanned aerial vehicles have been widely used for visual inspection of oil and gas pipelines, and this work expands the possibilities of their application. The research is aimed at creating domestic high-tech developments and import substitution.
Key words: drone, line facility, pipeline, gas and oil pipeline, monitoring.
Отметим, что в последние годы для визуального обследования нефтегазовых трубопроводов стали широко использоваться беспилотные воздушные суда. Причем сложные многоуровневые системы обнаружения огня, позволяющие проводить мониторинг в автоматическом режиме, разработаны только в иностранных проектах.
В качестве альтернативы существующим методам визуального контроля предложен алгоритм автоматизированного мониторинга на основе математической модели обнаружения пламени с борта беспилотного воздушного судна. Алгоритм реализован в оригинальной программе на языке программирования Python с помощью библиотеки OpenCV и выполняется микропроцессором, расположенным на бору аппарата. Алгоритм построен на последовательной работе ряда фильтров, анализирующих изображение на наличие горения. В связи с необходимостью рационального подхода к ресурсам микрокомпьютера предусмотрен алгоритм ранжирования фильтров. Последующие фильтры включаются только
126
после положительного результата по первому. Фильтр 1 - анализ цвета пикселей кадра. Весовой коэф. - 1. Фильтр 2 - проверка цвета выявленной области на совпадение с гаммой огня. Область пикселей, определенных в первом фильтре сравнивается с базой данных цветового распределения, которая представляет собой возможную цветовую гамму в пространстве RGB. Весовой коэф. - 0,5. Фильтр 3 - определение областей движения. Весовой коэф. - 0,5. Фильтр 4 - проверка цвета движущихся пикселей на совпадение с гаммой огня. Весовой коэф- 0,5. Фильтр 5 - вейвлет-анализ во временной области. Утверждение, на котором строится данный фильтр - нестабильность края огня, то есть граница пламени будет менять цвет с фонового на цвет пламени. Весовой коэф - 1. Фильтр 6 - пространственный вейвлет-анализ. Весовой коэф. - 1. Фильтр 7 - проверка объемности области огня. Весовой коэф. - 1.
Положительные результаты каждого фильтра поступают в блок анализа весовых коэффициентов, где суммируются для принятия решения. Весовые коэффициенты подобраны, исходя из особенностей каждого способа наиболее точно определять наличие горения.
Предложенный алгоритм позволяет реализовывать методику обнаружения пламени с борта беспилотного воздушного судна без участия оператора. Это существенно разгружает каналы связи с аппаратом и увеличивает автономность воздушного комплекса, позволяет проводить мониторинг в течении длительного времени.
Для реализации разработанного мониторинга выведены регрессионные зависимости, описывающие каждый из фильтров. Первый из фильтров выявляет пороговое значение коэффициента ß, который характеризует стремление области горения к абсолютно белому цвету в черно-белом изображении.
Для подбора оптимального уравнения вычислили коэффициент детерминации для разных типов регрессий.
полиномиальная регрессия второй степени. Чтобы принять полученное уравнение должны быть выполнены допущения МНК-регрессии: нормальность, независимость, линейность, гомоскедастичность. По результатам проверки выяснилось, что модель не соответствует допущениям по нормальности и гомоскедастичности. Преобразованием Бокса-Кокса (Вох-Сох) подобрана степень зависимой переменной, в случае использования которой уравнение отвечает требованиям нормальности. Полученная зависимость имеет вид:
ß4'15 = 0,06152 + 0,009439 х 1 + 0,00694 х а + 0,00287 х К - 0,0001746 х I2 - 0,0000000868 х а2 - 0,000007986 х К2
Разработанная математическая модель обнаружения пламени с борта беспилотного воздушного судна реализована в программе для ЭВМ «Видеодетектор пламени 2.0 (FD)». Разработанный способ автоматизированного мониторинга линейных объектов нефтегазовой отрасли получила патент на изобретение.
СПИСОК ЛИТЕРАТУРЫ
1. Степанов P.A., Белкин Д.С., Перевалов A.C. Перспективы развития и применения беспилотных воздушных судов в МЧС России / P.A. Степанов, Д.С. Белкин, A.C. Перевалов // Проблемы управления рисками в техносфере. - 2017. - №2(42). - С. 36-43.
2. Вытовтов A.B., Калач A.B., Сазанова A.A., Лебедев Ю.М. К вопросу о создании беспилотных летательных аппаратов / A.B. Вытовтов, A.B. Калач, A.A. Сазанова, Ю.М. Лебедев // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. -2016. -№ 2. - С. 87-91.
3. Вытовтов A.B., Калач A.B., Куликова Т.Н. Алгоритм распознавания пламени с борта беспилотного воздушного судна / A.B. Вытовтов, A.B. Калач, Т.Н. Куликова // Вестник Воронежского института ГПС МЧС России. - 2017. - №3(24). С. 86-90.
127
4. Русских Д.В., ДенисовМ.С. Методы определение пламени и задымления с помощью анализа видеоизображения/ Д.В. Русских, М.С. Денисов // В сборнике: Современные методы прикладной математики, теории управления и компьютерных технологий (ПМТУКТ-2013) сборник трудов VI международной конференции. - 2013. - С. 89.
5. Ситников И.В. Имитационное моделирование площади пожара с применением метода Моне-Карло в рамках интегральной математической модели пожара / И.В. Ситников, К.Г. Кривопуст, А.А. Однолько, С. В. Артыщенко // Инженерные системы и сооружения. -2012. - №4 (9). - С. 75-82.
6. Калач А.В., Чудаков А.А. Система контроля затопления населенных пунктов / А.В. Калач, А.А. Чудаков // Системы управления и информационные технологии. - 2014. - Т. 55. - № 1. - С. 69-73.
7. Мазаев А.В., Иванова Ю.В. Особенности технологии изготовления панели двойной кривизны и переменной толщины из композита сиал / А.В. Мазаев, Ю.В. Иванова // Научный вестник Воронежского государственного архитектурно-строительного университета. -Серия: Инновации в строительстве. - 2017. - № 3. С. 76-82.
8. Королев Д.С., Калач А.В., Зенин А.Ю. Важность принятия решений при обеспечении пожарной безопасности / Д.С. Королев, А.В. Калач, А.Ю. Зенин // Вестник Воронежского института ГПС МЧС России. - 2015. - №2(15). - С. 42-46.
9. Калач А.В. Математическое моделирование затопления населенных пунктов при движении поверхностных вод местного стока / А.В. Калач, А.А. Чудаков, Е.В. Калач // Проблемы управления рисками в техносфере. - 2014. - №2(30). - С. 76-84.
10. Калач А.В. Математическое моделирование водных систем противопожарного назначения / А.В. Калач, А.А. Чудаков // Вестник Воронежского института МВД России. -2014. -№1. - С. 95-104.
УДК 625.1
Э. Гантумур
ФГБВОУ ВО Академия гражданской защиты МЧС России
ОСОБЕННОСТИ ОРГАНИЗАЦИИ ОПОРНЫХ ПУНКТОВ ПОЖАРНО-СПАСАТЕЛЬНЫХ ГАРНИЗОНОВ И ПОЖАРНОЙ ОХРАНЫ ЖЕЛЕЗНЫХ ДОРОГ В МЕСТАХ СТРОИТЕЛЬСТВА НОВОЙ ЖЕЛЕЗНОДОРОЖНОЙ СЕТИ МОНГОЛИИ
Программа создания новой железнодорожной сети Монголии должна учитывать вопросы обеспечения пожарной безопасности и защиты от чрезвычайных ситуаций. Пожарные поезда и пожарные автомобили имеют различные преимущества и недостатки. Оптимизации применения пожарной техники может способствовать создание опорных пунктов пожаротушения. Математические расчеты должны опираться на результаты топографических исследований.
Ключевые слова: Монголия, железные дороги, пожары, чрезвычайные ситуации, опорные пункты.
Е. Gantumur
PECULIARITIES OF ORGANIZATION OF REFERENCE POINTS FIRE AND RESCUE CREW AND FIRE PROTECTION OF RAILWAYS IN THE FIELD OF CONSTRUCTION NEW RAILWAY NETWORK OF MONGOLIA
The programme for the establishment of a new railway network in Mongolia should take into account fire safety and emergency protection. Fire trains and fire trucks have various advantages and disadvantages. Optimization of the use of fire fighting equipment could contribute
128
