CC BY
14
УДК 004.032
DOI: 10.24412/2071-6168-2023-2-83-87
ОЦЕНКА ЭФФЕКТИВНОСТИ МЕХАТРОННОЙ ИНЖЕНЕРИИ СРЕДСТВАМИ НЕЙРОПРОЦЕССОРНЫХ КИБЕРФИЗИЧЕСКИХ СИСТЕМ
В.Н. Ручкин, Б.В. Костров, А.В.Николаев
Оцениваются возможности использования нейропроцессорных архитектур в мехатронике с целью решения задач повышения качественных свойств эффективности в мехатронной инженерии посредством киберфизической системы на основе современного отечественного нейропроцессорного модуля MC127.05, разработанного для решения задач обработки больших потоков данных в реальном масштабе времени (цифровая обработка сигналов и изображений, навигация, связь, эмуляция нейронных сетей широкополосных сигналов, радиолокация, связь, мехатроника (мехатронная инженерия), биомеханика, робототехника и т.п.). Сама архитектура указанных систем на кристалле позволяет варьировать подключение сопроцессоров, кластеров или ядер обработки в различные структуры обработки различных скалярных и векторных данных в рамках создания киберфизической системы. В работе предлагается методика совместного проектирования аппаратных и программных нейропроцессорных средств, позволяющая проанализировать, исходя из заданных алгоритмов, возможности кластеризации явного и неявного параллелизм Предлагается методика интеллектуального совместного проектирования и управления аппаратными и программными средствами на основе теоретико-множественной явной и неявной кластеризации. Разрабатывается концепция экспертной системы анализа различных структур с целью оптимального выбора и построения многоядерной нейропроцессорной архитектуры обработки больших потоков данных по различным техническим характеристикам: производительность системы, количество нейронных сопроцессоров — ядер, объем микропрограммной памяти, количество банков внутренней памяти. Дается описание пользовательского интерфейса «Мехатроника» экспертной системы выбора наилучшей по определенным характеристикам стратегии проектирования или нескольким стратегиям проектирования.
Ключевые слова: мехатроника, нейропроцессорная архитектура, теоретико-множественная кластеризация, пользовательский интерфейс, экспертная система.
Мехатроника, или мехатронная инженерия, согласно идеям одного из основоположников Tet-suro Mori - инженера Japanese company Yaskawa (1969 г.) [1], представляет собой объединение принципов механики, электроники, вычислительных средств и телекоммуникации для создания современных более экономичных и более надежных систем [2-3]. Например, индустриальный робот сборки автомобиля по технологиям CAD, CAM, CAE, CAQ, является показательным примером мехатронной системы под ключ, включающей в себя современные достижения вышеперечисленных научных направлений. Широко развивается инженерная биомеханика с применением средств компьютерного моделирования многокритериальных биологических процессов и структур, описывающих их поведение, являющаяся базой для реализации этих моделей в робототехнике.
По мере дальнейшего углубленного изучения и развития задач мехатроники возникает расширение горизонтов возможностей и формирование новых перспективных направлений научной деятельности.
Для их решения предлагается использовать возможности систем искусственного интеллекта, основанных на нейропроцессорных системах с использованием современных отечественных многоядерных кристаллов.
Как показывает практика [3], современные высокопроизводительные нейронные системы любого уровня должны обладать свойством эффективности. За счет использования сопроцессоров и значительного числа ядер различного типа достигается высокая универсальность разрабатываемых нейропро-цессорных систем. При этом большую часть вычислений стремятся распараллелить по командам, по данным за счет иерархической архитектуры и одновременно по командам и по данным. Свойство эффективности основывается на оптимальном использовании каждого ядра в режиме «включено/выключено». В результате поставленная задача проектируется, закладывается и решается созданием гибкой архитектуры. Указанные свойство эффективности находит широкое применение в цифровой обработке широкополосных сигналов, радиолокации, навигации, связи, мехатронике, биомеханике, робототехнике и других задачах, требующих больших объемов параллельных данных и их параллельной обработке. Кроме того, применение векторно-матричных вычислений позволяет значительно повысить производительность систем на основе алгоритмов линейной алгебры, теории множеств, теории искусственного интеллекта, нейронных сетей и глубоких нейронных сетей с вещественными и комплексными данными. В работе предлагается методика совместного проектирования аппаратных и программных нейропроцессор-ных средств, позволяющая проанализировать, исходя из заданных алгоритмов, возможности кластеризации явного и неявного параллелизма. При этом решается задача обеспечения эффективности на основе современного отечественного нейропроцессорного модуля с архитектурой NeuroMatrix. Сама архитектура указанных систем на кристалле позволяет варьировать подключение сопроцессоров, кластеров или
ядер обработки в различные структуры обработки различных скалярных и векторных данных с фиксированной (CPU) и плавающей точками (FPU) в рамках создания киберфизической системы (CPS/ В свою очередь CPS по своему назначению, структуре и характеру данных близки к мехатронике.
1. Возможности и особенности использования киберфизических систем в мехатронике. Здесь CPS представляется в виде комплекса и как единое целое по отношению к внешнему миру или другим комплексам или системам [1-2]. В последнее время CPS расширилась включением двух направлений: Интернетом вещей (Internet of Thinks - IoT) и индустриальным Интернетом вещей (Industrial Internet of Thinks -IIoT). Важность и перспективность всего нового вычислительного мира вещей определяется областями применения, которые охватывают практически все социально значимые секторы промышленности, экономики, медицины и социального обслуживания общества. Промышленная, социальная и экономическая значимости мобильных CPS очень высоки и постоянно возрастают [3-4], а создание, внедрение и расширение сопровождается борьбой нового со старым. Кроме того, переход сопровождается и формированием различных вызовов: необычная сложность и сверхвысокие требования, параллелизм и неоднородность приложений, распределение интеллекта, вычислительных ресурсов, сервисов и рабочих нагрузок в иерархии IoT / IIoT. Поэтому современные сложные приложения, требуют сверхвысокой производительности, масштабируемости и управляемого энергопотребления в соответствии с техническими требованиями:
1. CPS отличаются своей природой неоднородностью, многофункциональностью, работой с большими объемами данных;
2. CPS представляет собой множество различных алгоритмов в зависимости от назначения ме-хатроники, в том числе содержащих различные виды массивного параллелизма данных, команд, кластеров, структур и функционального параллелизма;
3. CPS в результате резко отличается многообразием современной элементной базы, систем и платформ c участие ведущих стандартизующих организаций OSI/ISO и компании IEEE;
[1] CPS должны включать в себя гетерогенные вычислительные платформы.
2. Методика проектирования аппаратно-программных средств нейропроцессорных ки-берфизических систем.
A. Алгоритмическая составляющая мехатроники.
Методика совместного проектирования аппаратно-программных средств базируется на основе предложенного авторами теоретико-множественного подхода [6-9] и включает в себя исходное множество алгоритмов обработки различного рода информации исследуемой предметной области в виде упорядоченного кортежа операций:
aO) =Oi,Oq,...,OL,C>2,Ol,...,Or , (1)
где O\,Oq,...,Ol,O2,Oi,...,Or - множество простейших арифметических и логических операций или
действий алгоритма.
Б. Обоснование и выбор элементной базы мехатроники.
Для организации вычислительного процесса выбирается элементная база в виде набора чипсет со множеством простейших команд
MK = {MK1,MK2,... ,MKm }, (2)
с помощью которых могут быть реализованы вышеприведенные простейшие операции.
Таким образом в процессе проектирования любой вычислительной системы необходимо получить результат некоторого отображения:
Oi ^ {MKm\ym = 1,K;Vl = 1,L. (3)
B. Однопроцессорный (централизованный) или одноядерный вариант мехатроники.
Определяя полученный результат отображения (3) получаем, что первоначальный алгоритм (1)
идентифицируется за счёт множества программ PR обработки информации в виде массива команд:
PRO ) = MK1 ,MK2,... ,MKt,... ,MKM (4)
Выражение (3) определяет однопроцессорный (централизованный) или одноядерный вариант. Предлагается анализировать выражение (4) в виде мультипроцессорных, мультиядерных систем или многоядерных микропрограммируемых систем на кристале - МЯМПСК (Multy Core Mikroprogrammable Systems on Chip - MCMPSоС ) с оптимальными вычислительными ресурсами, представленных сопроцесо-рами, кластерами или ядрами.
3. Концепция совместного проектирования аппаратно - программных средств нейропро-цессорных киберфизических систем.
А. Кластеризация систем мехатроники и мехатронной инженерии.
В дальнейшем кластер рассматривается как отдельная, логически обоснованная часть первоначальной программы (4), выполняющая конечное количество операций определенной длины \CLk\ и фиксированного состава команд МК (3). Это позволяет решать задачу распараллеливания программы обработки (4) путем разбиения на классы эквивалентности - набор кластеров в виде подпрограмм одинаковой длины и состава. Такое разбиение программы на кластеры одинакового состава производится согласно
логике алгоритма и конечного числа операций. В результате, получаются «структуры» обработки в виде конечного набора реализованных алгоритмических решений и связанных между собой последовательным или параллельным обменом данных внутри классов и между классами.
Процесс проектирования CPS, связанный с преобразованием программы PR (4) во множество кластеров называется кластеризацией и представляет собой явный параллелизм. В некоторых случаях не удается четко и равно выделить кластеры, и решение проблемы кластеризации является искусственным приемом и представляет собой неявный параллелизм.
Б. Теоретико-множественная явная и неявная кластеризация мехатроники.
Выводы о том, что конкатенация полученных непересекающихся кластеров в определённые структуры возможна и базируются на ранних работах авторов [7-9] на основании анализа свойств рефлексивности, симметричности и транзитивности и утверждается возможностью разбиения программы PR (4) на классы эквивалентности определенного порядка или мощности в виде непересекающихся множеств.
В. Стуктуризация мехатроники и мехатронной инженерии.
Кластеризация, как механизм обработки программы, позволяет объединять кластеры CL^в различные структуры S и результат конкатенации будет напрямую зависеть от первоначальных алгоритмов последовательного или параллельного обмена данными внутри кластеров или между кластерами.
В результате набору алгоритмов (1) проектируемой вычислительной системы обработки информации ставится в соответствие некоторая j-й программа обработки PR как совокупность независимых и неравных между собой кластеров CLl. Причём, число подпрограмм-кластеров равно числу классов эквивалентности L, кратность (CLi) определяется порядком класса эквивалентности (a), тип обмена информации между кластерами внутри класса, тип обмена информации между кластерами различных классов:
Vj = ITnA^j) Vj = Ï7N,rdj) \рц )q }vq = YÔi;Vl = 1, L. (5)
В результате выражение (5) решает задачу явного распараллеливания алгоритмов на множество кластеров и организации параллельной обработки информации в виде структуры S передачи данных последовательно или параллельно между кластерами. Каждый кластер CL представляет собой (фрагменты) программы обработки PR в машинных командах MK (4) и может быть реализован на одном из ядер данного кластера. Иначе они могут быть запрограммированы на свободных ядрах другого однотипного кластера.
Г. Концептуальная модель.
Для каждой структуры S вычисляются технические характеристики в виде множества T: быстродействие 1/TR системы, объема микропрограммной памяти |MP| ее реализации, числа микропроцессорных модулей - ядер N0, аддитивной функции полезности каждой структуры U i в результате решения задачи (5).
После введенных множеств формируется концептуальная модель проектирования вычислительной системы, представляющая собой шестерку вышерассмотренных множеств:
<A«, MK, PR, CL, S, T>. (6)
4. Результаты концептуального моделирования пользовательского интерфейса концептуальной модели
A. Описание пользовательского интерфейса.
В результате исследования для создания экспертной системы выбора наилучшей структуры концептуального моделирования был разработан класс ComputerSystemStructure, предназначенный для реализации и инкапсуляции логики приложения. Представленный класс в первую очередь необходим для определения типа требуемой структуры (5), представляющую собой многоядерную нейронную компьютерную сеть. Сам класс состоит из методов, каждый из которых состоит из вышеуказанных правил. В качестве результата в работе представляется пользовательский интерфейс (рис. 1), состоящий из четырех частей: Data entry (Ввод), Data output (Вывод), Graphical representation (Структура) и Method of an indistinct Fuzzy logical output. Для осуществления анализа первоначально вводятся входные данные классов эквивалентности, порядка каждого класса и данные обмена данными согласно (7) ComputerSystemStructure. Далее экспертная система согласно (8) производит анализ и устанавливает название одной наиболее оптимальной структуры из (10), ее графическое представление и выводит промежуточные структурные характеристики концептуальной модели с указанием тактико-технических характеристик: числа нейроядер, размеров необходимой памяти, скорости обработки информации (производительность) и различных промежуточных нечетких оценок. Запуск экспертной системы осуществляется кнопкой Start.
Один из вариантов структурной организации МЯМПСК или MCMPSоС представлен на рис. 1 в части Graphical representation и может быть реализован на универсальном отечественном модуле МС 127.05 на базе гетерогенной многопроцессорной системы на кристалле 1879ВМ8Я.
Заключение. Целью работы является оценка возможностей использования нейропроцессорных NeuroMatrix архитектур в мехатронике для повышения качественных характеристик управления эффективностью в мехатронной инженирии посредством киберфизической системы. Предложена методика интеллектуального совместного проектирования и управления аппаратными и программными средствами на основе теоретико-множественной явной и неявной кластеризации.
Рис. 1. Пользовательский интерфейс концептуальной модели
Разработана концепция экспертной системы анализа различных структур с целью оптимального выбора и построения многоядерной нейропроцессорной архитектуры обработки больших потоков данных по различным техническим характеристикам: производительность системы, количество нейронных сопроцессоров — ядер, объем микропрограммной памяти, количество банков внутренней памяти. Дается описание пользовательского интерфейса экспертной системы выбора наилучшей на основе современного отечественного нейропроцессорного модуля MC127.05.
Список литературы
1. Mechanical and Mechatronics Engineering. "Mechatronics Engineering". Future undergraduate students. University of Waterloo. Retrieved 21 November 2019.
2. Bradley, David; Russell, David; Ferguson, Ian (March 2015). "The Internet of Things-The future or the end of mechatronics". Mechatronics. 27: 57-74. doi.10.1016/j.mechatronics.2015.02.005. hdl: 10059/1355.
3. Cetinkunt Sabri, "Mechatronics". John Wiley & Sons Inc., 2007.
4. Zhang Jianhua. Mechatronics and Automation Engineering // Proceedings of the International Conference on Mechatronics and Automation Engineering (ICMAE2016). Xiamen, China, 2016.
5. Черников В.М., Виксне П.Е., Шелухин А.М., Черников А.В. Новое ядро процессора обработки сигналов NMC4 семейства Neuro Matrix" // Программа и тезисы докладов шестого московского суперкомпьютерного форума. 2015, С. 12-13.
6. Ручкин В., Солдатов Г., Соловьев Д. Концептуальная модель использования распознавания образов в мехатронике // Материалы международной мультиконференции по промышленному инжинирингу и современным технологиям (FarEastCon 2019) 1-4 октября, Дальневосточный федеральный университет (ДВФУ), Владивосток (Азиатско-Тихоокеанский регион), Россия.
7. Ручкин В., Солдатов Г., Соловьев Д. Идентификация изображений в мехатронике через нейронную сеть. // Материалы международной мультиконференции по промышленному инжинирингу и современным технологиям (FarEastCon 2018), Дальневосточный федеральный университет (ДВФУ), Владивосток (Азиатско-Тихоокеанский регион), Россия.
8. Ручкин В., Фулин В., Ручкина ЕАнализ структур многоядерной нейронной обработки на основе совместного проектирования аппаратного и программного обеспечения. // Материалы международной мультиконференции по промышленному инжинирингу и современным технологиям (FarEastCon 2019) 1-4 октября, Дальневосточный федеральный университет (ДВФУ), Владивосток (Азиатско-Тихоокеанский регион), Россия.
9. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. Москва: Техносфера, 2012. 1104 с.
10. Ручкин В.Н., Костров Б.В., Свирина А.Г. Системы искусственного интеллекта. Нейросети и нейрокомпьютеры. М.: «Курс», 2018. 288 с.
Ручкин Владимир Николаевич, д-р техн. наук, профессор, v.ruchkin@365.rsu.edu.ru, Россия, Рязань, Рязанский государственный университет имени С.А. Есенина,
Костров Борис Васильевич, д-р технических наук, профессор, kostrov.b.v@evm.rsreu.ru, Россия, Рязань, Рязанский государственный радиотехнический университет им. В. Ф. Уткина,
Николаев Александр Владиславович, ведущий специалист по организации образовательного процесса кафедры, naw62@mail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет им. В. Ф. Уткина
HIGHLY OF EFFICIENCY A MECHATRONICS ENGINEERING BY WARES OF NEUROPROCESSING
CYBER PHYSICAL SYSTEMS
V.N. Ruchkin, B.V. Kostrov, D.V. Grigorenko, A.V. Nikolaev
86
The possibilities of using neuroprocessor architectures in mechatronics are evaluated in order to solve problems of improving the qualitative properties of efficiency in mechatronic engineering by means of a cyberphysical system based on a modern domestic neuroprocessor module MC127.05, designed to solve problems of processing large data streams in real time (digital signal and image processing, navigation, communication, emulation of neural networks of broadband signals, radar, communications, mechatronics (mechatronic engineering), biomechanics, robotics, etc.). The architecture of these systems on a chip itself allows you to vary the connection of coprocessors, clusters or processing cores into various processing structures of various scalar and vector data within the framework of creating a cyberphysical system. The paper proposes a method ofjoint design of hardware and software neuroprocessor tools, which allows analyzing, based on the given algorithms, the possibilities of clustering explicit and implicit parallelism. A method of intelligent joint design and management of hardware and software based on set-theoretic explicit and implicit clustering is proposed. The concept of an expert system for analyzing various structures is being developed in order to optimally select and build a multicore neuroprocessor architecture for processing large data streams according to various technical characteristics: system performance, the number of neural coprocessors — cores, the amount offirmware memory, the number of internal memory banks. The description of the user interface "Mechatronics" of the expert system for choosing the best design strategy according to certain characteristics or several design strategies is given.
Key words: mechatronics, neuroprocessor architecture, set-theoretic clustering, user interface, expert
system.
Ruchkin Vladimir Nikolaevich, doctor of technical sciences, professor, v.ruchkin@365.rsu.edu.ru, Russia, Ryazan, Ryazan State University named after S.A. Yesenin,
Kostrov Boris Vasilievich, doctor of technical sciences, professor, kostrov. b.v@evm. rsreu. ru, Russia, Ryazan, Ryazan State Radio Engineering University. V.F. Utkin,
Nikolaev Alexander Vladislavovich, leading specialist in the organization of the educational process, naw62@mail.ru, Russia, Ryazan, Ryazan State Radio Engineering University. V.F. Utkin
УДК 629.083
DOI: 10.24412/2071-6168-2023-1-87-91
ИНТЕГРИРОВАННАЯ ЛОГИСТИЧЕСКАЯ ПОДДЕРЖКА БЕСПИЛОТНЫХ АВИАЦИОННЫХ
СИСТЕМ
В.А. Любимов, С.Н. Лазарев, В.С. Шумилин
В статье рассматриваются подходы к построению и оценке системы интегрированной логистической поддержки эксплуатации беспилотных авиационных систем. Представлены основные элементы системы интегрированной логистической поддержки, во взаимосвязи с ее функциями, задачами, службами. В качестве объекта воздействия рассматривается сложная техническая беспилотная авиационная система, включающая беспилотное воздушное судно, станцию внешнего пилота, средства наземного обслуживания, средства транспортирования и жизнеобеспечения, средства предполетного и послеполетного контроля, обслуживания, ремонта беспилотных воздушных судов, программное обеспечение, техническая и эксплуатационная документация.
Ключевые слова: беспилотные авиационные системы, беспилотное воздушное судно, интегрированная логистическая поддержка.
За последнее время можно наблюдать стремительное развитие и применение беспилотных авиационных систем (БАС) различного назначения. Во многом это стало возможным благодаря развитию сегмента беспилотных воздушных судов (БВС), основанных на новых технических решениях в области навигации, связи, телеметрии, программного обеспечения, искусственного интеллекта, лежащих в основе создания дистанционно-управляемых технических систем. Это открывает новые возможности для решения задач как в сфере обороны и безопасности государства, так и большого перечня транспортных задач. На это, также, указывает развитие законодательной базы и принятие новых стандартов в этой области [1-4].
БВС с одной стороны можно отнести к классу сложных, высокотехнологичных технических систем, а с другой - это воздушное судно, к которому предъявляются высокие требования по обеспечению безопасности полетов и поддержанию летной годности. Как любой сложный технический объект БВС характеризуется двумя видами показателей: функциональные (тактико-технические) и эксплуатационно-технические. Тактико-технические характеристики определяют функциональные свойства, связанные с применением БВС по назначению. Эксплуатационно-технические характеристики определяют надежность, живучесть, отказоустойчивость, контролепригодность, эксплуатационную и ремонтную технологичности [5].
