CC BY
32
моделирование и эксперимент
УДК 681.587 К.М. Боботков
Курганский государственный университет
ДБУхПОЗИЦИОнныЙ
стенд для испытаний трубопроводной арматуры
Аннотация. В данной статье рассматривается вопрос создания двухпозиционного автоматизированного стенда для комплексных испытаний трубопроводной арматуры.
Ключевые слова: автоматизированный стенд, поворотный модуль, комплексные испытания
K.M. Bobotkov Kurgan State University
TWO TEST STAND PIPE FITTINGS
Annotation. This article discusses the issue of establishing an automated facility for complex testing of valves
Keywords: аutomated stand, Rotary compact module, integrated tests.
В современных условиях производство запорной арматуры, как правило, разбивается на большое число операций и от качества выполнения каждой из них, в конечном счете, зависит качество готовой продукции. Процесс испытаний трубопроводной арматуры является важной составной частью производства. При больших объемах изготовления трубопроводной арматуры заводу-изготовителю необходимо провести испытания каждого изделия, что является весьма затратным во временном эквиваленте.
Внедрение испытательных стендов нового типа требует дополнительных затрат, но экономический эффект от внедрения микроконтроллеров в систему управления позволяет за относительно небольшой промежуток времени добиться полной окупаемости проекта.
Вся трубопроводная арматура в собранном виде подвергается обязательным гидравлическим испытаниям.Сначала трубопроводная арматура проверяется на прочность, затем на плотность. В первом случае производится выявление трещин, неплотностей в металле корпусов и крышек, прочности соединения корпуса и крышки. Во втором случае проверяется плотность замков (отсутствие протечек между уплотняющими кольцами корпуса и тарелки клапана или корпуса и клина по периметру уплотнения) и плотность сальникового уплотнения.
Разработка автоматизированного стенда ком-
плексных испытаний трубопроводной арматуры является актуальной задачей. При создании стенда необходимо было решить следующие задачи:
Объединить гидравлические и пневматические испытания в один испытательный комплекс;
Создать двухпозиционныймодуль рабочего поля.
Объединение гидравлических и пневматических испытаний существенно расширит область применения стенда.
Двухпозиционныймодуль имеет следующие преимущества:
Возможность установки изделий или выполнения других подготовительных работ в свободной позиции во время испытаний в рабочей позиции;
Возможность разделения гидравлических и пневматических испытаний по позициям;
Возможность замены вращательного движения при смене позиций на круговое маятниковое, что значительно упрощает подвод кпозициям энергетических и других коммуникаций.
На рисунке 1 показана компоновка двухпозиционного автоматизированного стенда для комплексных испытаний трубопроводной арматуры.
Время испытаниясогласно расчетам по сравнению с использованием двух однопозиционных модулей сокращается на 50-60%.
Рисунок 1- Компоновка двухпозиционного автоматизированного стенда
Таким образом, объединение гидравлических и пневматических испытаний позволит сократить производственный площади, применение поворотного модуля, является инновационным решением вопроса автоматизации стендов для испытания трубопроводной арматуры.
УДК 004.056.53
А.И. Мальцев, Е.Н. Полякова
Курганский государственный университет
СПОСОБ ВЕРИФИКАЦИИ ПОЛЬЗОВАТЕЛЕЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
Аннотация. Статья посвящена описанию подхода к проблеме верификации пользовате-
117
СЕРИЯ «ТЕХНИЧЕСКИЕ НАУКИ», ВЫПУСК 11
лей, альтернативному использованию паролей. Авторы предлагают построить систему принятия решений о принадлежности биометрических признаков конкретным пользователям на основе нейронных сетей.
Ключевые слова: верификация пользователей, биометрическая идентификация, нейронные сети.
A.I. Maltsev, E.N. Polyakova Kurgan state university
METHOD OF VERIFICATION OF USERS WITH USE OF NEURAL NETWORKS
Annotation. Article is devoted to the description of approach to a problem of verification of users, alternative to use of passwords. Authors suggest to construct decision making system about accessory of biometric signs to specific users on the basis of neural networks.
Key words: verification of users, biometric identification, neural networks.
Идентификация/аутентификация пользователей являются первым рубежом защиты системы. Важность процедур верификации сложно переоценить. Применение традиционных методов не обеспечивает достаточной эффективности, поскольку они обладают рядом недостатков. В таблицах 1-3 представлены преимущества и недостатки разных способов аутентификации.
Таблица 1 - Особенности парольной аутентификации
Недостатки Преимущества
Пароли пользователя могут быть небрежно сформированы Простота реализации
Существуют и свободно доступны различные утилиты подбора паролей, в том числе специализированные для конкретных широко распространенных программных средств
Пароль может быть подсмотрен или перехвачен при вводе
Пароль может быть получен путем применения насилия к его владельцу
Сложный пароль может быть забыт
Таблица 2 - Особенности аутентификации с помощью уникальных предметов
Недостатки Преимущества
Предмет может быть похищен или отнят у пользователя Обеспечивает более серьезную защиту, чем парольная аутентификация
В большинстве случаев требуется специальное оборудование для работы с предметами
Теоретически возможно изготовление копии или эмулятора предмета
118
Таблица 3 - Особенности биометрической аутентификации
Недостатки Преимущества
Необходимость в оборудовании для считывания биометрических характеристик Биометрические признаки очень трудно фальсифицировать
В силу уникальности биометрических признаков достоверность аутентификации очень высока
Биометрический идентификатор нельзя забыть, как пароль, или потерять, как пластиковую карточку
Для биометрической аутентификации требуется присутствие владельца биометрических признаков
Поэтому необходимо использовать более надежные методы. В настоящее время становится все более целесообразным использование методов биометрической идентификации личности (по изображению лица, по голосу, по почерку и т.д.), так как биометрические признаки очень трудно фальсифицировать в силу их уникальности. Единственным недостатком таких методов является необходимость специального оборудования для считывания биометрических характеристик. Современный уровень развития техники позволяет решить данную проблему достаточно быстро, на рынке появились недорогие устройства для считывания биометрической информации.
Применение какого-либо одного способа верификации дает ограниченный уровень надежности. Чтобы повысить эффективность, необходимо применять несколько методов одновременно. Предлагается использовать распознавание пользователей по изображению лица, по клавиатурному почерку, по характеру работы с манипулятором «мышь» [1]. Для того, чтобы работать с совокупностью методов нужны быстрые алгоритмы, поэтому в качестве классификаторов можно использовать нейронные сети с радиальным базисом (далее -РБФ сети). Выбор РБФ сетей обусловлен быстротой их обучения по сравнению с многослойными перцептронами, а также их широким применением для решения задач распознавания, где они показывают неплохие результаты [2].
Подсистема распознавания лиц требует решения следующих задач:
- захват изображения;
- предварительная обработка изображения (анализ сцен);
- фиксация вектора биометрических параметров лица;
- идентификация пользователя.
Наиболее сложными из них являются анализ
сцен и считывание биометрических параметров лица. Предварительная обработка изображений включает в себя: удаление шума, выравнивание яркости, поворот снимка, приведение цветовой сх_е мы изображения к о_ттенк а м с е р о г_о цве_т а . На
Вестник КГУ, 2016. № 3
рисунке 1 показан пример изображения с выровненной освещенностью.
Рисунок 1 - Изображение, нормализованное при помощи гомоморфной фильтрации
Существует множество методов выбора параметров для распознавания лиц. Они отличаются друг от друга сложностью и, соответственно, достоверностью. В простейшем случае информативными параметрами выступают пиксели изображения, захватывающие область лица. Более эффективный вариант основан на использовании антропометрических точек лица, однако он предполагает усложнение процесса реализации [3]. В качестве признаков в таких методах выступают расстояния между отдельными точками лица (рисунок 2). Для получения вектора индивидуальных параметров чаще всего используются либо относительные расстояния (например, измеренные в длинах губ), либо отношения расстояний. Пример работы пилотной программы по нахождению антропометрических точек показан на рисунке 2.
Рисунок 2 - Антропометрические характеристики лица
- получение вектора информативных параметров клавиатурного почерка;
- определение владельца почерка.
В качестве параметров клавиатурного почерка используются временные интервалы между нажатиями пар сочетаний клавиш и время удержания клавиш (рисунок 4). Если брать во внимание всевозможные пары сочетаний клавиш, то окажется невозможным за приемлемый промежуток получить все характеристики клавиатурного почерка. Напротив, при недостаточном числе наблюдаемых параметров существует вероятность неоднозначной верификации. Поэтому важным является вопрос выбора количества наблюдаемых пар клавиш [4].
Рисунок 3 - Пример работы программы по нахождению антропометрических точек лица
Функционирование подсистемы распознавания клавиатурного почерка определяется следующими подзадачами:
- мониторинг взаимодействия пользователя с к л а в и а_т у р о й ;
Рисунок 4 - Представление клавиатурного почерка
Вопрос идентификации личности по параметрам работы с манипулятором «мышь» недостаточно разработан, в связи с тем, что работы, посвященные его решению стали появляться лишь недавно. Он предполагает решение следующих задач:
- мониторинг взаимодействия пользователя с манипулятором «мышь»;
- получение вектора информативных характеристик движений «мыши»;
- распознавание пользователя.
Применение в качестве информативных признаков снимков траекторий указателя «мыши» нецелесообразно, так как практически каждая траектория уникальна (рисунок 5). Для распознавания пользователей по характеристикам работы с манипулятором «мышь» предлагается использовать следующие параметры: время движения манипулятора до остановки, длина траектории, средняя скорость движения указателя, время между установкой указателя и подтверждающим нажатием кнопки, время удержания кнопки на мыши, угол отклонения начального направления от кратчайшей траектории.
В рассматриваемой системе важным моментом является решение задачи распознавания образов. В качестве подсистемы, определяющей принадлежность выделенных признаков конкретному пользователю, предлагается использовать разновидность искусственных нейронных сетей - сети с радиально-базисными функциями. Такие н е й ро н н ые сети успе шно п ри меня ются в задачах
119
СЕРИЯ «ТЕХНИЧЕСКИЕ НАУКИ», ВЫПУСК 11
классификации. При этом обучение РБФ сети реализуется с помощью метода градиентного спуска, позволяющего минимизировать среднеквадрати-ческую ошибку [2]. Отдельный вопрос, заслуживающий внимания, связан с выбором оптимальной структуры сети, включая количество слоев, от которой зависят время обучения и скорость работы, а также качество выдаваемых результатов. На структуру, повлияет общее количество пользователей системы и степень детализации наблюдаемых параметров.
Рисунок 5 - Снимок траекторий движения «мыши»
Кроме того, открытым остается вопрос взаимодействия описанных подсистем. Наиболее простые способы его решения это:
1) конкатенация всех векторов параметров для последующей передачи на вход нейронной сети;
2) применение процедуры голосования для определения наиболее подходящего пользователя.
При этом в первом случае будет одна общая нейронная сеть, во втором - для каждой подсистемы - своя.
Описанную систему верификации можно использовать не только во время входа, но и на протяжении всего сеанса работы с системой, например, в системах дистанционного обучения в процессе выполнения контрольных тестов или заданий.
Список литературы
1 Мальцев А. И. Бесконтактная верификация пользователей // Материалы I Региональной научно-практической интернет-конференции студентов, аспирантов и молодых ученых «Безопасность информационного пространства». Челябинск: Изд-во Южно-Уральского государственного университета, 2011.
2 Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006.
3 Кязимов Т. Г., Махмудова Ш. Д. Система компьютерного распознавания людей по фотопортретам // Информационные технологии. 2009. № 1. С. 13-16.
4 Брюхомицкий Ю. А., Казарин М. Н. Метод биометрической идентификации пользователя по клавиатурному почерку на основе разложения Хаара и меры близости Хэмминга // Известия ТРТУ: материалы V международной научно-практической конференции «Информационная безопасность». Таганрог : Изд-во ТРТУ. 2003. № 4(33).
С. 141-149.
5 Кухарев Г. А. Биометрические системы: Методы и средства идентификации личности человека. СПб. : Политехника, 2001.
УДК 621.839.36
М.А. Мирчук, Д.А. Курасов, В.А. Голованев Курганский государственный университет
получение семейства кривых и огибающих в системе компаса
Аннотация. В статье рассмотрен метод построения семейства кривых и огибающей к этому семейству. Метод реализуется с использованием общедоступного математического программного обеспечения и стандартных пакетов графических компьютерных программ.
Ключевые слова: семейство кривых, огибающая, некруглые зубчатые колеса, планетарная роторная гидромашина, синтез профилей зубьев.
M.A. Mirchuk, D.A. Kurasov, VA. Golovanev Kurgan State University
ORIGINATION A FAMILY OF CURVES AND envelopesIN THE SYSTEM KOMpas-3d
Annotation. This paper presents a method for constructing a family of curves and the envelope to this family. The method is implemented using the open source mathematical software packages and standard graphics software.
Key words: a family of curves, envelope, non-circular gears, planetary rotor pump, synthesis of teeth profiles.
Развитие новых технологий 2-D (электроэрозионной обработки, лазерной и гидроабразивной резки) и 3-D (3D-принтеры) производства, по-зволяетэффективно обрабатыватьповерхности любой сложности. Это открывает возможности для использования механизмов, изготовление которых ранее было экономически не выгодно.К подобным объектам относятся различные зубчатые механизмы, содержащие некруглые зубчатые колеса. Для реализации упомянутых технологий необходимо располагать аналитическим или графическим описанием требуемых профилей.Эти профили, как правило, являются огибающими к соответствующему семейству кривых.
Задача получения семейства кривых характерна для геометрического синтеза элементов высших пар зубчатых передач и кулачковых механизмов. Традиционно эта задача решалась аналитически с использованием теории зубчатых зацеплений [1]. Составлялась система уравнений, полученных с использованием матричного
120
Вестник КГУ, 2016. № 3
