CC BY
54
Информационные системы
Вестник ДВО РАН. 2004. № 5
Ю.Н.КУЛЬЧИН, И.В. ДЕНИСОВ
Оптоэлектронная самоадаптирующаяся система параллельной обработки оптической информации
Описываются принципы организации оптоэлектронной системы параллельного типа для сбора и обработки оптической информации, поступающей от распределенной измерительной сети с целью восстановления пространственной структуры распределений исследуемых протяженных физических полей. Система имеет режим обучения элементов электронной матрицы связей используемой нейронной сети типа двухслойный персептрон и рабочий режим восстановления информации, получаемой по волоконно-оптическим измерительным линиям от волоконно-оптической измерительной сети. Предлагаемая система обладает свойством динамической самоадаптации функционирования, параллельным принципом обмена информацией между составляющими ее блоками, модульностью и возможностью оперативной замены составляющих ее элементов.
The optoelectronic self-adapted parallel processing system of the optical information. Yu.N.KULCHIN
(Institute of Automation and Control Processes, FEB RAS, Vladivostok), I.VDENISOV (Far Eastern State Technical University, Vladivostok).
The organization principles of the optoelectronic system of a parallel type for gathering and processing of optical information received from distributed fiber-optical measuring network are considered. The purpose of the optical information processing is the reconstruction of spatial distribution structure of extended physical fields. The system has a training mode of elements of the electronic matrix of connectios in used neural network of two-layer perceptron type as well as an operating mode of the optical information restoration. The system presented possesses the dynamic self-adapting functioning, the parallel principle of information interchange between the component blocks, modularity and opportunity of fast replacement of the component elements.
Для мониторинга физических полей и технических объектов, действующих на протяженных исследуемых областях, широкие возможности открывает использование распределенных измерительных систем на основе волоконно-оптических измерительных сетей (ВОИС) [4]. В таких системах (рис. 1) оптическое излучение от источника света (рис. 1, 1) вводится системой ввода излучения (рис. 1, 2) и, распространяясь по волоконно-оптическим измерительным линиям (ВОИЛ) в ВОИС
КУЛЬЧИН Юрий Николаевич - член-корреспондент РАН (Институт автоматики и процессов управления ДВО РАН, Владивосток), ДЕНИСОВ Игорь Викторович (Дальневосточный государственный технический университет, Владивосток).
Работа выполнена в рамках государственного контракта № И0526/1339 ФЦП «Интеграция науки и высшего образования России».
Рис. 1. Схема распределенной волоконно-оптической измерительной системы:
1 - источник оптического излучения; 2 - блок ввода излучения в ВОИС; 3 - ВОИС; 4 - оптоэлектронная система обработки оптической информации
(рис. 1, 3), несет информацию о характеристиках внешнего физического поля, действующего на исследуемую поверхность. При внешнем воздействии на поверхность ВОИС изменяются параметры распространяющихся в ВОИЛ оптических сигналов пропорционально величине этого воздействия. Таким образом, на выходе ВОИЛ формируются динамически изменяющиеся массивы данных о параметрах исследуемых физических полей и их пространственном распределении, которые принимаются оптоэлектронной системой сбора и обработки информации (рис. 1, 4).
В связи с тем что число т ВОИЛ Ь, определяющих количество уравнений, меньше числа п элементов/разбиения исследуемой области, образуемых пересечениями ВОИЛ (рис. 2), возникает проблема решения некорректной задачи [7]. Такая задача связана с нахождением функции пространственного распределения внешнего физического поля в каждом элементе разбиения области по интегральным данным, получаемым по ВОИЛ, уложенным определенным образом на сканируемом поле. В зависимости от требований к измерительной системе, ВОИЛ укладываются на ВОИС размерностью к I элементов разбиения либо по взаимноперпендикулярной схеме сканирования (рис. 2, а), либо с добавлением диагонального направления укладки измерительных линий (рис. 2, б) [1, 8]. Подобная задача реконструкции функции пространственного распределения по интегральным данным является томографической [5, 8], и для ее корректного решения требует-
Ьі
к
Ьі
к
і:
Ьт
Рис. 2. Схема сканирования физического поля ВОИЛ: а) по двум направлениям; б) по трем направлениям
а
Рис. 3. Блок-схема оптоэлектронной системы обработки оптической информации: 1 - блок фотоэлектрических преобразований; 2 - буферное устройство параллельного типа; 3 - ПК
ся применение специальных методов обработки информации (итерационных или нейроподобных). Как было показано в работах [1, 10, 11], описанная волоконнооптическая томографическая задача успешно решается с применением комбинации приближенных алгебраических вычислительных методов и алгоритмов работы нейронных сетей (НС).
Для приема и последующей обработки оптической информации, поступающей от ВОИС по ВОИЛ, применяются оптоэлектронные системы преобразования оптической информации в электрические сигналы для ввода их в вычислительную систему обработки. В связи с тем что массив поступающей оптической информации от ВОИС формируется одновременно всеми ВОИЛ, важно организовать параллельный ввод всей информации в вычислительную систему. Вследствие того что условия функционирования ВОИС и задачи, решаемые самой системой обработки, могут изменяться с течением времени, чрезвычайно актуальным и перспективным является решение вопроса о реализации свойства самоадаптации системы обработки оптической информации.
В настоящей работе описываются принципы организации оптоэлектронной системы параллельного типа для сбора и обработки оптической информации, поступающей от распределенной измерительной сети. Предлагаемая система обладает свойством самоадаптации к изменяющимся условиям функционирования и позволяет восстанавливать пространственную структуру распределений физических полей.
В общем виде блок-схему системы обработки оптической информации можно представить следующим образом (рис. 3). Массив оптической информации X одновременно по всем ВОИЛ подается на блок фотоэлектрических преобразований (рис. 3, 1), откуда электрические сигналы через буферное устройство параллельного типа (рис. 3, 2) подаются в персональный компьютер (ПК) (рис. 3, 3), где происходит восстановление информации о характеристиках внешнего физического поля, определяемого вектором У состояний элементов разбиения иссле-
дуемой области / После решения вопросов, связанных с вводом информации в ВОИС и выбором схемы укладки ВОИЛ на ней, необходимо провести обучение НС системы обработки.
Обучение проводится на обучающих страницах (X, У), формируемых «учителем» посредством моделирования известных внешних физических воздействий в каждом элементе разбиения исследуемой области (вектор У) и получения соответствующих откликов на выходе измерительной сети (вектор X). При обучении массив данных до поступления в НС проходит предобработку с помощью приближенных алгебраических методов обработки информации [1, 2, 10]. Это позволяет на стадии обучения уменьшить количество областей обучающих данных, что снижает размерность матрицы связей между входным и выходным векторами НС. Подобная процедура приводит к редукции НС, которая усиливает ее способность к обобщению [6]. Таким образом, НС обучается только тем обучающим страницам, которые соответствуют неоднозначно восстанавливаемым или вообще не восстанавливаемым с помощью приближенных алгебраических методов случаям внешних физических воздействий.
В настоящее время существует огромное количество нейросетевых реализаций, в которых обучение НС приводит к формированию компьютерной матрицы связей в ПК. Однако для параллельной обработки массивов данных с ВОИС естественным стремлением является решение вопроса практической реализации регулируемых элементов матрицы связей НС на оптоэлектронной элементной базе. Это позволит значительно увеличить скорость обработки массивов информации от распределенных сетей, при этом чем больше размерность этого массива, т. е. измерительной сети, тем более заметны преимущества данной реализации.
В настоящей работе в качестве элементов матрицы связей НС предлагается использовать фотоприемники с регулируемыми коэффициентами усиления операционных усилителей. Причем на каждую ВОИЛ приходится один фотодиод с регулируемым количеством операционных усилителей, число которых определяется ко -личеством элементов разбиения исследуемой области, пересекаемых данной ВОИЛ. Коэффициент усиления каждого операционного усилителя регулируется за счет изменения проводимости полевого транзистора в цепи обратной связи управляющим напряжением на его затворе (рис. 3). Управляющее напряжение подается на каждый транзистор после буферного устройства и определяется величиной сигнала рассогласования в ПК между требуемым вектором У и тем вектором, который получается на каждом цикле обучения - У".
Реализация параллельного ввода-вывода информации выполнена на буферном устройстве параллельного типа с платами одновременного сбора сигналов от блока фотоэлектрических преобразований, подачи управляющих напряжений на него и с применением двунаправленной параллельной шины ЬРТ-порта ПК, обеспечивающего параллельный ввод-вывод байта информации. Данное буферное устройство обладает возможностью оперативного изменения количества опрашиваемых входных каналов при изменении размерности ВОИС, что делает гибкой всю вычислительную систему. В частности, практически реализованное такое устройство при своем максимальном расширении позволяет одновременно обрабатывать сигналы с 256 ВОИЛ.
В качестве НС использовалась сеть типа двухслойный персептрон с сигмоидальной функцией активации [3, 6, 11, 12]. Обучение проводилось по дельта-правилу с оптимальными параметрами обучения [9, 11, 13]. Причем число нейронов в каждом слое определяется как числом ВОИЛ, так и схемой их укладки.
В процессе обучения НС идет постоянный обмен данными по следующей цепочке (рис. 3). От ВОИС вектор оптической информации X передается на блок фотоэлектрических преобразований (рис. 3, 1), далее на буферное устройство (рис. 3, 2) и после оцифровки подается по параллельной шине на LPT-порт ПК (рис. 3, 3). Вырабатываемые в ПК сигналы рассогласования по той же параллельной шине идут на буферное устройство, где преобразуются в аналоговый вид и посредством полевых транзисторов в блоке фотоэлектрических преобразований изменяют коэффициенты усиления операционных усилителей. За счет этого изменяются сигналы, подаваемые на буферное устройство, и процесс повторяется далее по описанной цепочке до окончания процесса обучения для каждой обучающей пары обучающей страницы. Обучение прекращается при достижении требуемого значения функции суммарной ошибки рассогласования [6, 11].
В таком состоянии происходит программная фиксация относительных значений уровней сигналов, приходящих в ПК. Данная процедура необходима для реализации функции самоадаптации системы обработки при изменении условий ввода оптического излучения ВОИС в ВОИЛ, условий его распространения и нарушениях поверхности укладки ВОИЛ. Для этого в процессе работы система обработки сама периодически проверяет свое «состояние» и при несоответствии значений кон -трольных данных начальным, которые она запомнила после обучения, производит самозапуск процесса обучения, самоадаптируясь, таким образом, к изменившимся условиям своего функционирования. И вновь, после фиксации относительных значений уровней сигналов, система переходит в рабочий режим.
Таким образом, в рабочем режиме, по окончании обучения, на операционных усилителях поддерживаются постоянные контролируемые значения коэффициентов усиления. Это означает готовность системы обработки к работе по восстановлению информации о характеристиках внешнего физического поля, действующего на исследуемую поверхность ВОИС. В качестве такого поля было выбрано медленно изменяющееся деформационное поле, создаваемое весами грузов с одинаковой площадью основания. Это поле создавало массив оптической информации X, поступающий на вход системы обработки. После однократного прохождения сигналов через все компоненты системы на мониторе ПК отображалась информация о пространственном распределении исследуемого деформационного поля (вектор Y), а именно координаты и величины создаваемых воздействий.
Описанные в настоящей работе принципы организации оптоэлектронной системы обработки оптической информации, поступающей от распределенных ВОИС, открывают возможность разработки и создания систем восстановления пространственной структуры распределений физических полей с целью осуществления динамической диагностики состояния и охраны технических и технологических объектов, распределенных на протяженной исследуемой области. Отличительными особенностями системы являются наличие у нее свойства динамической самоадапта-ции функционирования, параллельный принцип обмена информацией между составляющими ее блоками, модульность и предоставляемая возможность оперативной замены составляющих ее элементов.
ЛИТЕРАТУРА
1. Денисова Е.В., Денисов И.В. Применение приближенных алгебраических и нейросетевых методов решения томографической задачи // Исследовано в России. 2002. Т. 201. С. 2222-2228. - http:// zhurnal.ape.relarn.ru/articles/2002/201.pdf.
2. Ильин В. А., Поздняк Э.Г Линейная алгебра. М.: Наука, 1974. 296 с.
3. Кульчин Ю.Н., Денисов И.В., Каменев О.Т. Оптоэлектронная нейроподобная система обработки выходных данных волоконно-оптической измерительной сети // Журн. техн. физики. 1999. Т. 25, вып. 6.
C. 65-70.
4. Кульчин Ю.Н. Распределенные волоконно-оптические измерительные системы. М.: Физматлит, 2001. 272 с.
5. Натеррер Ф. Математические аспекты компьютерной томографии. М.: Мир, 1990. 280 с.
6. Оссовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.
7. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1980. 288 с.
8. Хермен Г. Восстановление изображений по проекциям: Основы реконструктивной томографии. М.: Мир, 1983. 349 с.
9. Handbook of Neural Network signal processing / Eds Yu Hen Hu, Jeng-Neng Hwang. L.; N.Y.; Wash.,
D.C.: CRC Press, Boca Raton, 2002. 383 p.
10. Kulchin Yu.N., Denisova E.V., Denisov I.V. Comparative analysis approximate algebraic and neural-like methods of the solution of the tomography problem // Pacific Science Review. 2002. Vol. 4. P. 49-54.
11. Kulchin Yu., Denisov I., Obuh V., Kamenev O., Vitrik O., Petrov Yu., Romashko R. Computer neural networks for processing of optical tomography information // Pacific Science Review. 1999. Vol. 1. P. 1-4.
12. Kulchin Yu., Kamenev O., Denisov I. Neural processing system for optical information measuring systems // Distributed fiber optical sensors and measuring networks. Proc. SPIE. 2001. Vol. 4357. P. 109-117.
13. Kulchin Yu.N., Denisov I.V., Denisova E.V. Selection of optimal parameter of speed of training of neural network perceptron type // Fundamental Problems of Optoelectronics and Microelectronics. Proc. SPIE. 2003. Vol. 5129. P. 162-167.
5 1
