CC BY
131
А.Н. Перегудов А.В.Калач, А.И. Ситников,
кандидат химических наук, кандидат химических наук, доцент доцент
РАЗРАБОТКА СИСТЕМЫ ОБОНЯНИЯ ТИПА «ЭЛЕКТРОННЫЙ НОС» НА ОСНОВЕ ПЬЕЗОРЕЗОНАТОРОВ И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
SYSTEM ENGINEERING OF SMELL OF TYPE AN ELECTRONIC NOSE ON A BASIS OF PIEZORESONATORS AND ARTIFICIAL NEURAL NETWORKS
Разработан аналог системы обоняния с использованием пьезокварцевых резонаторов и искусственных нейронных сетей. Созданная система состоит из трёх уровней — сбора первичной информации, передачи посредством программируемой логической интегральной схемы (ПЛИС) на ЭВМ, обработки, последующего анализа и интерпретации результатов.
The given work is devoted creation of analogue of system of sense of smell with use of piezoquartz resonators and artificial neural networks. The created system consists of three levels of gathering of the primary information, signaling through a microcircuit, processing and the analysis of results.
Информацию об окружающем мире человек получает посредством своих органов чувств, причём из них наименее изученным является обоняние. В силу целого ряда причин десятилетиями предпринимались лишь спорадические попытки создания искусственных органов обоняния, в отличие, например, от искусственного «усиления» органов зрения (очки, бинокль, микроскоп и т.д.) или слуха (слуховой аппарат). И только в конце прошлого столетия благодаря достижениям микроэлектроники стало очевидным, что решение проблемы моделирования органов обоняния возможно с использованием параллельной микропроцессорной обработки сигналов. Подобные системы получили название «электронный нос» [1].
В настоящий момент актуальной является задача разработки модели «электронный нос» на уровне регистровых передач, основанной на представлении устройства в виде набора аппаратнозависимых и аппаратнонезависимых примитивов, и разработки собственной подсистемы САПР. Для решения этой задачи был разработан электронный аналог системы обоняния — «электронный нос», в котором в качестве обонятельных рецепторов использовали пьезокварцевые резонаторы.
В основу этой системы была положена модель природного аналога с использованием интеллектуальной обработки информации.
Функциональная структура искусственной обонятельной системы состоит из трёх уровней взаимодействия [2].
На первом уровне происходил сбор первичной информации об одоранте (запа-ховом веществе), которую осуществляли обонятельные рецепторные нейроны. Каждый нейрон реагировал на раздражитель (запах) условной обонятельной среды и затем фор-
мировал выходной сигнал в зависимости от чувствительности к данному веществу.
На втором уровне сигналы пьезосенсоров в зависимости от их чувствительности и интенсивности запаха группировались системой сбора и передавались посредством ПЛИС на ЭВМ.
Третий уровень модели представлен программным модулем сбора, обработки и последующего анализа сигналов пьезосенсоров. Этот модуль предусматривал также графическую интерпретацию результатов анализа.
Общий принцип разработанной модели заключается в том, что каждый новый набор входных стимулов обонятельной среды приводит к переходу функциональной системы в определённое сочетание возбуждённых и невозбуждённых основных нейронов.
В результате самонастройки в базе данных накапливалась информация об анализируемом объекте.
Пьезосенсоры осуществляли сбор первичной информации о природе и составе газовой фазы, то есть они соответствуют обонятельным рецепторным нейронам первого уровня предлагаемой модели. Блок-схема устройства «электронный нос» представлена на рис. 1.
Рис. 1. Блок-схема устройства «электронный нос»
Сигналы пьезосенсоров группировали системой сбора и передачи информации на втором уровне модели. Для многоканальной регистрации сигналов пьезосенсоров в системе «электронный нос» и последующей передачи полученных данных в ПК использовали программируемую логическую интегральную схему (ПЛИС). Такое решение позволило создать малогабаритную высокоинтегрированную систему сбора данных с гибкой структурой, поддерживающую функцию внутрисхемного программирования.
Общий выходной сигнал «электронного носа» обрабатывали на третьем уровне модели. Он представляет собой многослойную нейронную сеть (МНС), способную к обучению по методу обратного распространения ошибки. Элементами такой сети являются нейроны, которые в зависимости от суммарного воздействия входных сигналов могут возбуждаться или тормозиться, в результате чего формируется конкретный выходной сигнал. Каждый сигнал, поступающий по дендритам нервной клетки, характеризуется возбуждающей или тормозящей способностью, то есть обладает некоторым отрицательным или положительным весом. При достижении нейроном определённого порогового значения уровня возбуждения происходит его активизация, и по аксону передается сигнал другим элементам сети, которые образуют последовательный ряд слоёв.
Суммарный сигнал «электронного носа» включает набор следующих трёх параметров : максимальный частотный сигнал пьезосенсора за время анализа Д^ах (сигнал пьезосенсора к анализируемой пробе), время достижения ттх величины сиг-
нала сенсора Д^ах, площадь 8&у фигуры, ограниченной функцией Д£= ^(т) и осями ОД { и От (рис. 2).
О
о
■II
И< Время.!
Рис. 2. Кинетическая зависимость аналитического сигнала пьезосенсора
Набор этих трёх выходных параметров каждого сенсора представляет собой входной вектор для третьего уровня обработки информации. После формирования суммарного сигнала анализатора «электронного носа» создаётся база данных, в которую заносится информация о природе запаха и концентрации его отдельных компонентов. На основе полученной информации формировали входной сигнал для слоя основных нейронов.
На входной слой МНС подавали результаты обработки сенсорных данных ( X]) нейронами слоя снижения размерности входного вектора. Слой снижения размерности сигнала, поступающего на вход нейронной сети, выполняет функцию синтеза единичного вектора на основе значений трёх передаваемых параметров. Это позволило использовать облегченную модель нейронной сети, и, как следствие, уменьшить время обработки и получения конечной информации.
Затем осуществили процесс преобразования и передачи информации между внутренними слоями сети. При этом сравниваются значения требуемого выходного и смоделированного сигнала системы, а также рассчитывается ошибка по формуле
сигнала (у) с выходного слоя системы.
В созданной информационной системе устройства процессу самонастройки соответствует обучение нейронной сети, которое проводит корректировку возбуждения основных нейронов с целью повышения их чувствительности к данному аналиту. Для этого осуществляли работу сети на некотором обучающем множестве входных векторов, для которых определены результирующие значения. При этом происходило уточнение весов связей нейронов, за счет чего достигается уменьшение полной ошибки сети, возникающей из-за рассогласования между фактическими и требуемыми значениями активности выходных элементов сети.
Таким образом, по своим функциональным возможностям разработанная система «электронный нос» имитирует природный аналог, так как способна к принятию решения в условиях недостаточности исходных данных и самообучению.
Процесс исследования анализируемой среды завершается снятием
1 =1
ЛИТЕРАТУРА
1. Мазитова Р.М., Охотская В.И., Пучкин Б.И. Обоняние и его моделирование.— Новосибирск: Изд. СО АН СССР, 1966.
2. Мультисенсорная система «электронный нос». Часть 2. Сбор, обработка и анализ сигналов / А.В. Калач [и др.] // Диагностика. Контрол.— 2006.— №1.
3. Калач А.В. Мультисенсорные системы. Применение методологии искусственных нейронных сетей для обработки сигналов сенсоров // Нейрокомпьютеры: разработка и применение.— 2003.— №10—11.
4. Воронков Г.С., Изотов В.А. Компьютерная модель нейронных механизмов обработки информации на первом синаптическом уровне обонятельной системы // Интеллектуальные системы.— 1998.— Т.3.— Вып. 1—2.— С. 87—108.
