Перспективы использования информационных технологий для мониторинга технического состояния гидротехнических сооружений Текст научной статьи по специальности «Математика»

-►

Приборы, информационно-измерительные системы

УДК 627.33

Н.А. Балонин, П.А. Гарибин, В.Е. Марлей, Г.Г. Рябов

ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИИ ДЛЯ МОНИТОРИНГА ТЕХНИЧЕСКОГО СОСТОЯНИЯ ГИДРОТЕХНИЧЕСКИХ СООРУЖЕНИЙ

Развитие аппаратных средств, сетевых компьютерных технологий, сотовой связи и математических методов открывает новые перспективы в автоматизации мониторинга гидротехнических сооружений.

Вот ряд новых возможностей: сбор и передача данных с датчиков без компьютера с помощью мобильного телефона, имеющего выход в Интернет;

сбор данных о состоянии гидротехнических сооружений с использованием веб-камер для анализа отличий текущего изображения от ранее сделанных;

размещение программ анализа данных и управления на сервере компьютерной сети вне гидротехнических сооружений;

анализ данных, с использованием методов Data Mining, метода группового учёта аргументов, позволяющих выявить шаблоны поведения и построить модели динамики изменения свойств;

создание виртуальных моделей гидротехнических сооружений, организация непрерывного режима отслеживания результатов измерений и результатов моделирования, использование моделей для прогнозирования состояния сооружений.

В приведённом списке содержатся пункты разной степени общности, он не исчерпывает все возможности. Рассмотрим приведённые возможности подробнее.

Использование сотовой связи для передачи данных позволяет не создавать на гидротехническом сооружении единой системы сбора информации, в пределе каждый датчик может иметь свой телефон. Капитальные затраты на установку сотовых телефонов и их эксплуатацию окажутся существенно меньше, чем капитальные затраты на создание и содержание кабельной сети; процессы,

отслеживаемые на гидротехнических сооружениях медленные, поэтому использование связи для передачи данных не будет интенсивным.

Исчезает необходимость содержать на гидротехническом сооружении компьютер для сбора и обработки информации. В силу малой скорости процессов, обработка и анализ данных, полученных с датчиков, могут производиться на сервере сети вне гидротехнического сооружения и возможны для группы гидротехнических сооружений, т. е. имеет место вариант весьма "тонкого" клиента. В принципе возможно и управление со стороны сервера отдельными исполнительными механизмами целой группы гидротехнических сооружений, если это не входит в противоречие с требованиями безопасности их деятельности.

Возможность использования Интернета позволяет применять в качестве датчиков веб-камеры. Самый простой вариант - использование их как датчиков перемещений. Например, направить веб-камеру на пузырёк уровня и фиксировать его перемещение. Угол отклонения определяется как функция от перемещения пузырька. Таким образом, для измерения отклонений стен шлюза при различной гидродинамической нагрузке нет необходимости использовать лазерные визиры. Используя классические решения теории упругости, по известным угловым перемещениям могут быть рассчитаны пространственные перемещения. Причём программа пересчёта может располагаться на удалённом сервере компьютерной сети и обслуживать любое количество датчиков, расположенных даже на нескольких объектах.

Другая возможность - анализ состояния подводных частей гидротехнических сооружений. В настоящее время это осуществляется водолазами, которые оценивают состояние "на глазок".

В данном случае можно использовать полученные с веб-камеры фотографии. На основе анализа отличия фотографий, полученных в разные моменты времени, можно сделать заключение о состоянии подводной части гидротехнического сооружения. Один из возможных подходов был рассмотрен в [1]. В данном случае особенно важна возможность анализа фотографий именно на сервере, поскольку используемые методы Data Mining требуют достаточно больших ресурсов, наличия базы данных с достаточным объёмом статистических данных. Возможно использование распределённых вычислений в сети, что удобнее организовать через сервер.

Data Mining - это комплекс методов и средств, позволяющих извлекать из данных неочевидные знания. Например, из анализа динамики покупок канцелярских товаров в гипермаркете сделать вывод о наличии поблизости от гипермаркета школы. Алгоритмы Data Mining позволяют эффективно осуществить кластеризацию объектов, выявить некоторые шаблоны в поведении объектов (необязательно периодические) и на их основе делать прогнозы. В настоящее время разработан эффективный метод нахождения таких шаблонов в виде системы логических ограничений на основе пересчитываемых мер близости [2].

Другая возможность - метод группового учёта аргументов (МГУА), позволяющий эффективно строить аналитические модели процессов, которые можно использовать для прогнозирования состояния гидротехнических сооружений. Использование МГУА требует базы статистических данных, которую также удобнее располагать на удалённом сервере.

Создание виртуальной модели гидротехнического сооружения позволит непрерывно осуществлять контроль и прогнозирование его состояния. Каждая актуализация информации о состоянии сооружения сопровождается сравнением с прогнозом по модели, в случае рассогласования выше определённой величины прогноз по модели пере-считывается, если рассогласование растёт со скоростью выше некоторой заданной, то необходимо уточнение модели.

Реализация этих возможностей предлагается Санкт-Петербургским государственным университетом водных коммуникаций (СПГУВК) в виде следующей последовательности действий.

1. Создание сетевой системы сбора информации от первичных преобразователей на основе

веб-камер и радиомодемов, автоматически передаваемой через мобильную связь на удалённый сервер, где будет производиться обработка информации. Это позволит организовать непрерывный процесс наблюдения, своевременно принимать решения, снизить капитальные затраты при информатизации, т. к. использование удалённого сервера позволит не устанавливать ЭВМ на каждый объект, а использование радиомодемов повысит точность передачи данных. Число первичных преобразователей может быть увеличено, т. к. их установка не потребует специальных коммуникационных сетей, что позволит увеличить адекватность разрабатываемых моделей.

2. Разработка комплекса моделей изменения параметров состояния судоходных гидротехнических сооружений (СГТС) и определение на их основе законов изменения и предельных значений критериев безопасности СГТС. Модели будут включены в контур мониторинга и непрерывно уточняться по его результатам, что позволит получить репрезентативный ряд наблюдений. Расположение моделей на удалённом сервере позволит использовать более трудоёмкие и точные алгоритмы.

3. Формализация законов управления техническим состоянием СГТС на основе прогнозных моделей, что позволит сформировать обоснованные планы проведения ремонтных работ для обеспечения требуемого уровня надёжности и безопасности СГТС.

Для реализации используем уникальный отечественный программный продукт - сетевую версию MatLab On Line (iMatLab) [3-4]. Использование данной программной системы обеспечивает возможность:

одновременной обработки результатов от многих независимых источников на одном удалённом сервере;

использования результатов экспериментов территориально разобщёнными научными коллективами;

использования программ для обработки результатов без установки его на компьютеры пользователей (технология "тонкого" клиента).

iMatLab находится в русле современных тенденций и даже обладает приоритетом, поскольку сетевые версии самых известных математических систем обработки данных (MatLab, Maple, Mathematica) только в мае 2009-го начали модификации для создания сетевых версий.

В iMatLab представлены многие модели и системы, уже реализованные студентами СПбГУВК в режиме сетевой разработки через форум в Интернете. Например: виртуальная субмарина, управляемая в режиме интернет-форума; оранжерея, управляемая по Интернету через мобильные телефоны; дистанционная лабораторная работа на экспериментальных стендах гидротехнической лаборатории имени В.Е. Тимонова СПГУВК [5].

Дальнейшее развитие рассмотренных возможностей лежит в русле широкого применения методов искусственного интеллекта и информоди-намики [6].

Информация о состоянии объекта оценивается по некоторому множеству критериев. Нахождение значений критерия в некотором интервале позволяет сделать вывод о состоянии сооружения. Критериев может быть несколько, и целесообразно свести их в некоторый интегральный критерий, для чего предпочтительно, чтобы критерии изменялись приблизительно в одном диапазоне - необходима нормализация значений. В качестве одного из возможных подходов рассмотрим функцию состояния, введённую в [7].

Считаем известными множество переменных, по которым оценивается состояние объекта (модели), границы допустимых значений переменных, желаемые значения этих переменных. Будем считать, что критериальные переменные имеют допустимые границы изменения и некоторую область желаемых (оптимальных) значений. Оценочную функцию выберем таким образом, чтобы в области допустимых значений переменной её значения принадлежали бы интервалу [0,1], были безразмерными, определялись однозначно, и функция была бы линейной или кусочно-линейной.

Функция оценки значения переменной для некоторого шага моделирования или момента актуализации информации t принимается равной:

\х" - х )/(х" - х 0, если х < х' ;

4 I г'4 I I I . '

1((х° - о.) - х)/((х° - о) - х'), если х' < х < х°- а; Чф Н0, если х°- о. < х < х° + а;

|(х. - х + о.))/(х " - (х° + о.)), если х° + о. < х < х ";

|(х - х/)/(х" - х.'), если х. > х ",

где х ' - нижняя граница допустимых значений; х'' - верхняя граница допустимых значений;

х° - предпочтительное (оптимальное) значение; о - допускаемое отклонение значений переменной от предпочтительного значения, при котором значение продолжает считаться оптимальным (хе[х° - о, х° + о,]).

Значения всех параметров могут изменяться в зависимости от текущего шага моделирования и считаются известными для каждой выделенной переменной х .

Рассмотрим свойства приведённой оценочной функции. Использование функции Ч(х.) позволяет получать соизмеримые оценки для переменных, имеющих границы допустимых значений, отличающихся друг от друга на много порядков. Функция нормированная безразмерная. При приближении значений оцениваемой переменной к границе области допустимых значений значения функции стремятся к единице. На границе области функция принимает значение единицы, внутри области допустимых значений переменной функция принимает значения из интервала [0,1] и, по мере приближения к заданной окрестности предпочтительных значений, стремится к нулю, внутри окрестности значение функции равно нулю. Функция у(х) = ах++Ь является кусочно-линейной, где значения а и Ь будут меняться в зависимости от участка области изменения функции:

- в промежутке -да < х. < х ' - а = -1/(х '' - х /), Ь = х"/(х" - х)

- в промежутке х ' < х . < х ° - о . - а = -1/((х ° - о .) - х /), Ь = (х° - о.)/((х°- о.) - х.У; '

- в промежутке х ° - о . < х . < х ° + о . - а = 0, Ь = 0;

- в промежутке х ° + о . < х . < х '' - а = 1/(х '' - (х ° + о .)), Ь = - (х; + о )/(х'' - х'° + о.))';

- в промежутке да > х . > х '' - а = 1/(х '' - х .),

Ь = -х//(х/' - х).

Функция принимает значение только в области положительных чисел, имеет два интервала монотонности. Функция показывает относительное приближение значения переменной к некоторому базовому интервалу. Вне промежутка допустимых значений скорость изменения функции меньше, чем в области допустимых значений.

Вид графика функции у(х) приведен на рис. 1. На основании данной функции можно ввести интегральные оценки состояния для нескольких критериальных переменных и ряда моментов времени:

= тах(у(х .)) - оценка состояния для шага t для

7

множества критериальных переменных;

Рис. 1. Вид функции

¥(г) = тах(у(х.)) - оценка траектории г-й перемен-

г

ной во времени;

¥ = тах(¥(г)) = тах(¥(г)) - оценка траектории для

г I

заданного числа шагов и заданного множества критериальных переменных. При этом:

¥(г)е[0,1] - допустимое состояние объекта для шага моделирования г;

¥(г) = 0 - оптимальное состояние объекта для шага моделирования г;

¥(/)б[0,1] - допустимая траектория переменной для заданного числа шагов;

¥(г) = 0 - оптимальная траектория переменной для заданного числа шагов;

¥б[0,1] - допустимая траектория объекта для заданного числа шагов для заданного множества критериальных переменных; ¥ = 0 - оптимальная траектория объекта для заданного числа шагов для заданного множества критериальных переменных.

Оценка состояния объекта на один момент времени лучше всего иллюстрировать звездчатой диаграммой (рис. 2).

На рис. 2 видна "единичная" область допустимых значений и критериальная переменная, для которой значения вышли за область допустимых. Значение функции ¥(г) будет соответствовать наибольшему лучу диаграммы.

Оценку траектории переменной можно проиллюстрировать на рис. 3.

На рис. 3 видна единичная граница допустимых значений. Значение функции *Р(/) будет соответствовать наибольшей ординате графика.

Число градаций функции может быть увеличено. Рассмотрим сначала это на примере. Пусть у(х.) имеет три градации, для наглядности возьмём значения {1, 0,5, 0}. Тогда из известного в аналитической геометрии уравнения прямой, определя-

„ х — х1 у - у\ емой двумя точками-=- полуде 2 - х\ у2 — у\

чим соотношение, которое будет соответствовать

изменению функции в промежутках её значений

[1;0,5] и [0,5;0] слева и справа от оптимальной

окрестности (или в соответствующих интервалах

монотонности):

4 3

Рис. 2. Отображение состояния в некоторый момент времени

а

Рис. 3. Отображение траектории переменной

для случая слева от оптимальной окрестности

- 0,5 • —\ +1, для х\ < xi < х};

- 0,5 ■ + 0,5, для - х! < х< - а,-;

(х, -а,)-х1

для случая справа от оптимальной окрестности

- 0,5 • Х[ ~Х> +1, для х? < х1 < х\\

х{ - X,

_ 0,5 • + а,) +0,5, для х° + а, < х1 < X?,

х?-( х°+а()

где х\ - нижняя граница значений введённого интервала переменных; х2 - верхняя граница значений введённого интервала переменных.

В рассматриваемом случае 0,5 - это значения функции у в точках х^ и х2 они равны. Если продолжить данный процесс, то, в силу определения вводимой функции значения функций на концах интервалов будут равны, а значения функций на границах соседних интервалах (вложенных), исходя из тех же формул аналитической геометрии, будут:

для левого интервала монотонности

х/ -х{

для правого интервала монотонности

-ФГ) х;~х;+1+фп, для */+1 <*,.<*/, щ -щ

где х->+1 - граница значений внутреннего (вложенного) интервала значений (минимальное значение в левом интервале монотонности, максимальное -в правом); х■> - граница значений внешнего (поглощающего) интервала значений (минимальное значение в левом интервале монотонности, максимальное - в правом).

Заметим, что если все промежутки между границами соседних вложенных интервалов функции у будут равны между собой, то они будут располагаться на прямой (см. рис. 1).

Приведённые оценки позволяют судить о степени приближения поведения модели (объекта) к эталонному состоянию. Данная оценочная функция может быть применена, например, к оценке состояния камеры шлюза по перемещениям его стенок при изменении гидростатической нагрузки, или к параметрам работы электрооборудования.

Отметим, что использование информационных технологий для мониторинга технического состояния гидротехнических сооружений является очень перспективным направлением, позволяющим решать ряд сложнейших задач:

разработка эффективных систем мониторинга деформаций судоходных гидротехнических сооружений;

использование оценочной функции для получения соизмеримых оценок для переменных с различными границами допустимых значений;

оценка адекватности создаваемых прогнозных моделей сооружений.

СПИСОК ЛИТЕРАТУРЫ

1. Аксенов Е.Т., Гарибии П.А., Камаев Р.С.

Электронно-оптические системы мониторинга (ЭОСМ) технического состояния подводной поверхности ГТС. Техника для строительства и эксплуатации гидротехнических сооружений. СПб.: МаксиТех, 2008. С 18-22.

2. Дюк В.А., Самойленко А.П. Data Mining: Учеб. курс. СПб.: Питер, 2002. 368 с.

3. URL: http://artspb.com/matlab

4. Балоиии Н.А. Компьютерные методы анализа линейных динамических систем. Дисс. докт. техн. наук. СПб., 2008. 160 с.

5. Балоиии Н.А., Гарибии П.А., Марлей В.Е. Новые информационные техноло-гии мониторинга гидротехнических сооружений // Журнал университета водных коммуникаций. СПб.: СПбГУВК, 2010. Вып. V. 205 с.

6. Вертешев С.М., Марлей В.Е., Поляков А.О., Титов В.П. Интеллект системообразующий и накопление информации, дающее жизнь интеллектуальным системам. СПб.: Наука, 2009. 267 с.

7. Иваиищев В.В., Марлей В.Е. Введение в теорию алгоритмических сетей. СПб.: СПИИРАН, 2000. 170 с.