CC BY
48
управления технологическими комплексами, для ринга систем жизнеобеспечения в закрытых лока-
сбора и обработки показателей ТП в реальном вре- лизациях (на борту космических кораблей, в зонах
мени [14, 15], в робототехнике [16], в системах вредных производств, в медицинских учреждениях),
мониторинга ЖКХ [17], при транспортировке угле- везде где существуют жесткие требования и огра-
водородов и т.п. Особую актуальность применения ничения на прокладку физических линий передачи
беспроводных сетей следует отметить для монито- данных [18].
ЛИТЕРАТУРА
1. Энциклопедия АСУ ТП. Электронный ресурс. Адрес обращения: [http://www.bookasutp.ru/Default.aspx]. Дата обращения: 18.02.2016.
2. Waltenegus Dargie, Christian Poelabauer «Fundamentals of Wireless Sensor Networks Theory and Practice» - Wiley Series on Wireless Communications and Mobile Computing, 311c, 2010 John Wiley & Sons Ltd.
3. Трифонов С. В., Холодов Я. А. Исследование и оптимизация работы беспроводной сенсорной сети на основе протокола ZigBee «Компьютерное исследование и моделирование». - 2012 Т. 4 №4 С. 855-869.
4. Лавров А.В., Муравьев К.А. и др. ИССЛЕДОВАНИЯ СЕНСОРНОЙ СЕТИ ДАТЧИКОВ ДАВЛЕНИЯ // Датчики и системы. 2013. № 9 (172). С. 51-55.
5. Шахнов В.А., Муравьев К.А. и др. СПОСОБ ФУНКЦИОНИРОВАНИЯ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ // Патент на изобретение RUS 2556423 05.07.2013.
6. Азизов Р.Ф., Аминев Д.А., Увайсов С.У., Юрков Н.К. ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНЫХ ХАРАКТЕРИСТИК АЛГОРИТМА КОНКУРЕНТНОГО ДОСТУПА К СРЕДЕ ДЛЯ МИНИМИЗАЦИИ ВРЕМЕНИ ПЕРЕДАЧИ ДАННЫХ В ДЕЦЕНТРАЛИЗОВАННЫХ БЕСПРОВОДНЫХ СЕТЯХ // Прикаспийский журнал: управление и высокие технологии. 2015. № 1 (29). С. 139-145.
7. Власов А.И. СИСТЕМНЫЙ АНАЛИЗ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВА СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ ВИЗУАЛЬНЫХ МОДЕЛЕЙ // Международный научно-исследовательский журнал. 2013. № 10-2 (17). С. 17-26.
8. Власов А.И., Журавлева Л.В., Тимофеев Г.Г. МЕТОДЫ ГЕНЕРАЦИОННОГО ВИЗУАЛЬНОГО СИНТЕЗА ТЕХНИЧЕСКИХ РЕШЕНИЙ В ОБЛАСТИ МИКРО-/НАНОСИСТЕМ // Научное обозрение. 2013. № 1. С. 107-111. 10
9. Журавлева Л.В., Власов А.И. ВИЗУАЛИЗАЦИЯ ТВОРЧЕСКИХ СТРАТЕГИЙ С ИСПОЛЬЗОВАНИЕМ МЕНТАЛЬНЫХ КАРТ // Прикаспийский журнал: управление и высокие технологии. 2013. № 1 (21). С. 133-140.
10. Власов А.И. АППАРАТНАЯ РЕАЛИЗАЦИЯ НЕЙРОВЫЧИСЛИТЕЛЬНЫХ УПРАВЛЯЮЩИХ СИСТЕМ // Приборы и системы. Управление, контроль, диагностика. 1999. № 2. С. 61-65.
11. Аминев Д.А., Увайсов С.У., Кондрашов А.В. ПОВЫШЕНИЕ КАЧЕСТВА ПРОЕКТИРОВАНИЯ ВЫСОКОСКОРОСТНЫХ МНОГОПОТОКОВЫХ СИСТЕМ РЕГИСТРАЦИИ ЦИФРОВЫХ ДАННЫХ // Труды международного симпозиума Надежность и качество. 2012. Т. 2. С. 459-460.
12. Осипов П.М., Юрков Н.К. МЕТОД ВЫБОРА ОПТИМАЛЬНОГО ВАРИАНТА СОЗДАНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ .// Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 43-46.
13. Конькова А.Ф. и др. МЕДИКО-ДИАГНОСТИЧЕСКИЕ ЭКСПЕРТНЫЕ СИСТЕМЫ ДЛЯ ОЦЕНКИ АДЕКВАТНОСТИ АДАПТИВНОЙ РЕАКЦИИ ОРГАНИЗМА НА ВОЗДЕЙСТВИЕ ЭКСТРЕМАЛЬНЫХ ФАКТОРОВ // Конверсия. 1995. № 9-10. С. 1821.
14. Власов А.И., Михненко А.Е. ПРИНЦИПЫ ПОСТРОЕНИЯ И РАЗВЕРТЫВАНИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРЕДПРИЯТИЯ ЭЛЕКТРОННОЙ ОТРАСЛИ // Производство электроники. 2006. № 4. С. 5-12.
15. Власов А.И., Михненко А.Е. ИНФОРМАЦИОННО-УПРАВЛЯЮЩИЕ СИСТЕМЫ ДЛЯ ПРОИЗВОДИТЕЛЕЙ ЭЛЕКТРОНИКИ // Производство электроники. 2006. № 3. С. 15-21.
16. Yudin A., Vlasov A. DISTRIBUTED CONTROL SYSTEM IN MOBILE ROBOT APPLICATION: GENERAL APPROACH, REALIZATION AND USAGE// Communications in Computer and Information Science. 2011. Т. 156 CCIS. С. 180-192.
17. Журавлева Л.В. и др. АНАЛИЗ ПРИМЕНЕНИЯ СРЕДСТВ ОЦЕНКИ МАССОВОГО РАСХОДА В ЭНЕРГОСБЕРЕГАЮЩИХ СИСТЕМАХ // Тезисы докладов 2-ой Международной конференции с элементами научной школы "Актуальные проблемы энергосбережения и энергоэффективности в технических системах". - Тамбов. 2015. - С. 6365.
18. Шахнов В.А. и др. ГИБРИДНЫЕ ЧУВСТВИТЕЛЬНЫЕ ЭЛЕМЕНТЫ ИНТЕЛЛЕКТУАЛЬНЫХ СЕНСОРОВ РАСПРЕДЕЛЕННЫХ УПРАВЛЯЮЩИХ СИСТЕМ // отчет о НИР № 7.6161.2011 от 01.01.2013 (Министерство образования и науки РФ).
УДК: 658.52
Адамов1 А.П., Адамова2 А.А., Юлдашев2 М.Н,
1 ФГБОУ ВПО "Дагестанский государственный технический университет", Махачкала, Россия
2 ФГБОУ ВПО «Московский государственный технический университет им. Н. Э. Баумана»
МЕТОДЫ ОБЕСПЕЧЕНИЯ НАДЕЖНОСТИ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ ПО КРИТЕРИЮ СЕТЕВОЙ НАГРУЗКИ
В работе рассмотрены особенности обеспечения показателей надежности беспроводных сенсорных сетей по критерию сетевой нагрузки. Основное внимание уделено оптимизации работы беспроводных сенсорных сетей, а именно уменьшению нагрузки на сеть и корректному принятию решений. Кратко рассмотрены основные задачи, решаемые беспроводными сенсорными сетями и их корреляция с задачами машинного обучения. В статье проведен анализ существующих решений и оценка эффективности внедрения методов анализа данных. В результате исследования выявлены критерии оптимизации беспроводных сенсорных сетей и предложены векторы их развития с точки зрения применения методов машинного обучения.
Ключевые слова:
беспроводные сенсорные сети, машинное обучение, принятие решений, оптимизация сетей, анализ данных, нагрузка сети.
Введение
С ростом вычислительных возможностей современных программно-управляемых устройств, а также наличие множества различных сенсоров сделало возможным построение сенсорных сетей обработки информации, обеспечивающих автоматизацию всевозможных процессов. В простейшем случае беспроводная сенсорная сеть (БСС) представляет собой совокупность взаимосвязанных по беспроводной сети сенсоров, расположенных по контролируемой среде, где сенсор - это модуль, состоящий из
чувствительного элемента, регистрирующего изменение какого-либо физического параметра среды, блока обработки данных, приемопередатчика и элемента питания [1].
Подобные системы позволяют собирать всевозможные данные из окружающей среды и затем соответствующим образом на них реагировать, при этом одна из систем может управлять поведением другой по заранее разработанным алгоритмам. Важным результатом объединения подсистем является синер-гетический эффект. На данный момент сенсорные
сети применяются в промышленности, сельском хозяйстве, медицине и других областях [2].
В области разработки сенсорных сетей существует значительное количество прикладных задач. В работах Бакина Е.А. предложены методы повышения эффективности сбора информации в беспроводных сенсорных сетях на основе оптимизации расписания, работы Фомина А.Д. охватывают исследования надежных методов агрегации данных в сенсорных сетях. В работах Линского Е.М. рассматриваются подходы к управлению передачей пакетов в сенсорных сетях. Также решением задач, связанных с оценкой, анализом и эффективным управлением информационными потоками в БС, занимались ученые: Чинг-Чуан Чанга, Д.А. Молчанова, А.А.Захарова, К.А. Аксенова, JI.T. Волков, М.М. Комаров, С.Г. Ефремов и др. Большое внимание анализу и решению проблем разработки надежных БС, а также созданию сопутствующих программных и аппаратных средств уделяют внимание такие ведущие компании, как Philips, Ember, Samsung, IBM, Motorola, Freescale Semiconductor, NEC, LG, OKI, «Высокотехнологичные системы» и др. Активно про-
водимые исследования и разработки в области сенсорных сетей говорят об актуальности данной тематики.
1 Анализ противоречий при обеспечении надежностных параметров БСС
БСС относится к классу сложных информационно-управляющих систем [3]. Функционирование сенсорной сети заключается в сборе отдельными узлами сети информации об окружающей среде, которая затем передается по сети к главному модулю. Главный модуль агрегирует полученные данные, после чего выводит обработанную информацию оператору, принимает решение на основе заранее определенных алгоритмов. Возникает вопрос о том, с какой частотой должны запрашиваться показания с сенсоров и передаваться по сети к главному модулю. С увеличением числа сеансов связи растут энергозатраты узлов, что ведет к сокращению времени автономной работы узла, с уменьшением - повышается вероятностью пропуска важных событий, что может привести к неверному принятию решения. Используя методы системного анализа [4] представим основное системное противоречие как показано рисунке 1.
ПЭ - положительный эффект, положительное влияние; НЭ - нежелательный эффект, нежелательное влияние.
Рисунок 1 - Предметное противоречие частоты передачи данных в БСС
Значительные шаги в сторону снижения энергозатрат были сделаны разработчиками стандарта IEEE 802.15.4. Они предложили нижние уровни сети по модели OSI для беспроводных персональных сетей, ориентированных на низкую стоимость, низкую скорость повсеместной связи между устройствами (по контрасту с многими более конечно-ориентированных на пользователя сетями, как например Wi-Fi). В их разработках акцент делается на очень низкую стоимость связи с ближайшими устройствами, совсем без (или с небольшой) базовой структурой, с целью эксплуатации на минимальном уровне энергии. В работах Бакина Е.А. предлагаются методы повышения эффективности сбора информации в беспроводных сенсорных сетях на основе оптимизации расписания. Эффект достигается при большом количестве элементов, где имеет место коллизии. В работе Фомина А.Д. представлены исследования надежных методов агрегации данных в сенсорных сетях. Здесь эффект достигается за счет усложнения топологии путем введения в сеть узлов-агрегаторов.
Существующие решения направлены на локальное снижение нежелательного эффекта противоречия. При этом следует учитывать, что рассматриваемые системы являются сложными информационно-управляющие радиотехническими системами и на их надежностные параметры оказывают значительное влияние показатели технологичности на всех этапах производства и эксплуатации (сервиса) [5-9].
Помимо задачи определения частоты передачи данных, стоит задача принятия решения. Ответственным за данную функцию является главный модуль. Корректность решения напрямую зависит от
двух факторов: своевременная передача данных и их достоверность. Пропуски в передачи данных и их отклонения от реальной величины измеряемой среды способны вызвать принятие ложного решения, что крайне нежелательно. Логика принятие решения является предопределенной, вследствие чего система обладает низкой помехоустойчивостью к вышеуказанным факторам [10].
2 Беспроводные сенсорные сети и методы машинного обучения
В последнее время стремительно набирают популярность методы машинного обучения (Machine Learning). Являясь математической дисциплиной, использующей разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, машинное обучение оперирует с большим количеством структурированных данных и решает задачи классификации, ранжирования и регрессии [11]. Широко применяется в различных сферах жизнедеятельность, таких как медицина, банковское дело, IT и т.д.
Данные в беспроводных сенсорных сетях являются структурированными, основываются на локальных метаданных. В работе предложено использовать методы машинного обучения для анализа данных с сенсоров и последующего принятие решения о передачи данных. В этом случаем будут решаться две задачи машинного обучения - классификация данных и регрессия.
Помимо обеспечения качества и надежности передачи данных в беспроводных сенсорных сетях, появится потенциал для решения таких задач, как
упреждающее принятие решения, повышение помехо- ляются путем обучения на выборке данных с сен-
устойчивости, адаптация к изменениям окружающей соров и результатов принятия решения главным мо-
среды. дулем или оператором. В последующем, применение
3 Анализ потока данных в беспроводных сенсор- данной модели позволит исключить постоянный по-
ных сетях ток передачи данных между узлом и главным моду-
Первостепенным этапом при принятии решения лем, а сведет к посылкам управляющих решений,
является сбор большого объема информации (объ- Тем самым снизится нагрузка на сеть, уменьшатся
ектов) [12]. Это всевозможные данные с датчиков, энергозатраты узла за счет сокращения сеансов
представленные в определенной структуре с ука- связи и энергозатраты главного модуля за счет
занием временных меток, идентификаторов сенсора распределения вычислительной нагрузки, и самих показаний (признаки данных). Первона- Результаты
чально объекты поступают в модуль и помещаются В работе предложены подходы к разрешения од-
в его внутреннюю память. В простейшей модели ного из основных противоречий, имеющих место в
данные фактически сразу попадают в очередь для сенсорных сетях. С увеличением числа сеансов
передачи по сети в главный модуль, вследствие связи растут энергозатраты узлов, что ведет к
чего возникает большая нагрузка на сеть. Главный сокращению времени автономной работы узла, с
модуль агрегирует данные со всех датчиков, ана- уменьшением - повышается вероятностью пропуска
лизирует и принимает на их основе решения по важных событий, что может привести к неверному
заранее определенным алгоритмам. Данные алго- принятию решения. Известные решения действуют
ритмы оперируют с информацией, поступившей в те- локально и не решают противоречия. кущей момент и представляют собой поведенческое Предлагается использование методов машинного
описание в виде конечного автомата. В результате обучения для снижения нагрузки на сеть, пониже-
система теряет свою гибкость, адаптацию к внеш- ния энергозатрат элементов системы. Это позволит
ним факторам, имеет низкую помехоустойчивость. помимо обеспечения общей эффективности передачи
Методы машинного обучения ориентированы на данных в беспроводных сенсорных сетях, обеспе-
построения математической модели поведения внеш- чить упреждающее принятие решения, повышение по-
ней среды, где параметры данной системы опреде- мехоустойчивости, адаптация к изменениям окружающей среды.
ЛИТЕРАТУРА
1. Денисов А.А., В.А.Кальнов, В.А.Шахнов ПРОЕКТИРОВАНИЕ НАНОСЕНСОРОВ - М. Изд-во МГТУ им.Н.Э.Ба-умана, 2011. Сер. Библиотека "Наноинженерия". Том 6. 126 с. ил.:
2. Лавров А.В. и др. ИССЛЕДОВАНИЯ СЕНСОРНОЙ СЕТИ ДАТЧИКОВ ДАВЛЕНИЯ // Датчики и системы. 2013. № 9 (172). С. 51-55.
3. Артемов И.И. Прогнозирование надёжности и длительности приработки технологического оборудования по функции параметра потока отказов / И.И. Артемов, А.С. Симонов, Н.Е. Денисова // Труды международного симпозиума Надежность и качество. 2010. Т. 2. С. 3-7.
4. Адамов А.П., Адамова А.А., Сенькина М.А., Исмаилова И.Т. СИСТЕМНЫЙ АНАЛИЗ В УПРАВЛЕНИИ ПРЕДПРИНИМАТЕЛЬСКИМИ ОРГАНИЗАЦИЯМИ. Под общей редакцией А.П. Адамова - Санкт-Петербург, Изд-во Политехника. 2002.
5. Адамова А.А., Адамов А.П., Шахнов В.А. МЕТОДИКА ОЦЕНКИ ТЕХНОЛОГИЧНОСТИ ЭЛЕКТРОННЫХ ИЗДЕЛИЙ НА ЭТАПАХ ПРОЕКТИРОВАНИЯ И ПРОИЗВОДСТВА // Труды международного симпозиума Надежность и качество. 2015. Т. 2. С. 352-356.
6. Адамов А.П., Ирзаев Г.Х., Адамова А.А. К ПРОБЛЕМЕ АВТОМАТИЗИРОВАННОЙ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ТЕХНОЛОГИЧНОСТИ СОВРЕМЕННЫХ ЭЛЕКТРОННЫХ СРЕДСТВ // Проектирование и технология электронных средств. 2006. № 1. С. 19-22.
7. Адамова А.А., Адамов А.П. МНОГОУРОВНЕВАЯ МОДЕЛЬ ФОРМИРОВАНИЯ ТЕХНОЛОГИЧНОСТИ ЭЛЕКТРОННЫХ СРЕДСТВ НА ЭТАПАХ ПРОЕКТИРОВАНИЯ И ПРОИЗВОДСТВА // Инженерный журнал: наука и инновации. 2013. № 11 (23). С. 12.
8. Адамов А.П., Адамова А.А., Власов А.И. ДИФФЕРЕНЦИАЛЬНЫЕ КОЭФФИЦИЕНТЫ ОЦЕНКИ ТЕХНОЛОГИЧНОСТИ ЭЛЕКТРОННЫХ СРЕДСТВ И ИХ ПРИМЕНЕНИЕ ПРИ СТРУКТУРНО-ФУНКЦИОНАЛЬНОМ МОДЕЛИРОВАНИИ ПРОИЗВОДСТВЕННЫХ СИСТЕМ // Вестник Московского государственного технического университета им. Н.Э.Баумана. Серия: Приборостроение. 2015. № 5 (104). С. 109-123.
9. Адамова А.А., Власов А.И. ВИЗУАЛЬНОЕ МОДЕЛИРОВАНИЕ АДАПТАЦИИ ПОДГОТОВКИ ПРОИЗВОДСТВА К ВЫПУСКУ НОВОЙ ПРОДУКЦИИ // Информационные технологии в проектировании и производстве. 2014. № 2 (154). С. 46-56.
10. Власов А.И. и др. МЕТОДЫ ГЕНЕРАЦИОННОГО ВИЗУАЛЬНОГО СИНТЕЗА ТЕХНИЧЕСКИХ РЕШЕНИЙ В ОБЛАСТИ МИКРО-/НАНОСИСТЕМ // Научное обозрение. 2013. № 1. С. 107-111.
11. Юрков Н.К. и др. ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ МНОГОФАКТОРНОГО ОБЕСПЕЧЕНИЯ НАДЕЖНОСТИ СЛОЖНЫХ ЭЛЕКТРОННЫХ СИСТЕМ // Надежность и качество сложных систем. 2013. № 4. С. 75-79.
12. Грешилов А. А. Математические методы принятия решений : учеб. пособие. — 2-е изд., испр. и доп. — М. : Изд-во МГТУ им. Н. Э. Баумана, 2014.— 647, [1] с. : ил.
УДК 535.37, 535.373.2 Абилазимов А.С., Тулегулов А.Д.
Евразийского Национального университета им. Л.Н. Гумилева, Астана, Казахстан
ЦИФРОВАЯ ОБРАБОТКА АНАЛОГОВЫХ СИГНАЛОВ
В статье дается краткий обзор основных видов аналого-цифровых преобразователей для микропроцессорных систем. Рассматриваются методы их применения для обработки данных полученных в аналоговом виде.
Приводятся примеры лабораторных установок и практические схемы микропроцессорных систем. Также в статье представлен фрагмент программы для обработки полученной информации. Ключевые слова:
аналого-цифровой преобразователь, микропроцессорная система, методы, аналоговый сигнал.
Учитывая возросшие требования к точности проводимых измерений, а также для уменьшения времени на обработку полученных результатов, применение персонального компьютера в научных исследованиях стало обычной нормой. Однако применение персонального компьютера даёт более широкие возможности для повышения эффективности,
проводимых научных исследований. К таким возможностям можно отнести прием полученных результатов, их обработку и хранение. Для обработки полученных результатов можно использовать широкие возможности программного обеспечения, как самого персонального компьютера, так и дополнительные пакеты прикладных программ. Хранение полученных результатов возможно как в первоначальном виде,
