CC BY
25
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
имеются облака соответствующих точек и множество сопоставленных текстур (рис. 10). Оба этих параметра усредняются посредством поиска главных компонент, а главные компоненты текстур ищутся подобно методу Eigenface.
Для сопоставления помимо конкретной формы синтезируется конкретная текстура. При сопоставлении итеративно уменьшается не только ошибка формы, но и ошибка текстуры.
После обзора и анализа методов распознавания лиц по 2D изображениям можно сделать вывод, что самым быстрым методом является метод Виолы-Джонса, но при этом его алгоритм является самым "жадным". Скорость работы алгоритма активной модели формы зависит от того сколько итераций придется пройти алгоритму для подгонки формы для минимизации возникновения ошибки. В результате можно предложить в качестве эффективного подхода к решению задачи распознавания комбинацию метода Виолы-Джонса и метода активной модели формы.
Список использованной литературы:
1. A.J. Goldstein, L.D. Harmon, A.B.Lesk, "Identification of Human Faces", Proc. IEEE, May 1971, Vol. 59, No. 5, 748-760.
2. M.A. Turk and A.P. Pentland, "Face Recognizing Using Eigenfaces", Proc. IEEE, 1991, 586-591.
3. P. Viola and M.J. Jones, «Rapid Object Detection using a Boosted Cascade of Simple Features», proceedings IEEE Conf. on Computer Vision and Pattern Recognition (CVPR 2001), 2001.
4. T.F. Cootes and C.J. Taylor and D.H. Cooper and J. Graham (1995). "Active shape models - their training and application". Computer Vision and Image Understanding (61): 38-59.
5. T.F. Cootes, G. J. Edwards, and C. J. Taylor. Active appearance models. ECCV, 2:484- 498, 1998.
© Исаев А.Л., Газаров Д.А., Евсеев С.Д., 2017
УДК 004.942
Куров Андрей Владимирович,
канд. техн. наук, доцент МГТУ им. Н.Э.Баумана
E-mail: avkur7@mail.ru Медведев Владислав Олегович, студент МГТУ им. Н.Э. Баумана, E-mail: vladrobot@mail.ru Соломатина Дарья Игоревна, студентка МГТУ им. Н.Э. Баумана, E-mail: solomatinadi95@gmail.com, г.Москва, РФ
ВИЗУАЛИЗАЦИЯ ДВИЖЕНИЯ АВТОМОБИЛЯ В ГОРКУ В СООТВЕТСТВИИ С РАЗРАБОТАННОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛЬЮ ИМПУЛЬСНОГО УПРАВЛЕНИЯ ДВИЖИТЕЛЕМ
Аннотация
Рассмотрена математическая модель движения автомобиля в горку для прогнозирования тягово-
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
сцепных и тормозных свойств автомобиля. В соответствии с разработанной моделью разработана программа визуализации его движения. Благодаря выбору достаточно быстрых алгоритмов построения сцены и ее заливки, модель с высокой полигонализацией может отображаться в динамике без рывков между кадрами
Ключевые слова
Визуализация, движение автомобиля, модель автомобиля, сила трения, удаление невидимых поверхностей
В настоящее время вопросы, связанные с отображением на экране дисплея разнообразных изображений, как никогда актуальны. Графическое представление информации может быть как всего лишь более удобным средством представления информации и организации взаимодействия пользователя с вычислительной машиной, так и неотъемлемой частью вычислительного комплекса.
Рассматривается разработка программы для визуализации движения модели автомобиля в горку в соответствии с разработанной математической моделью импульсного управления движителем.
Для достижения данной цели были поставлены и решены следующие задачи: разработка математической модели, основанной на импульсном управлении скоростью движителя, разработка и реализация программно-аппаратного комплекса, программная реализация разработанной математической модели, проведение сравнительного анализа алгоритмов удаления невидимых поверхностей с целью выбора наиболее подходящего, разработка и реализация визуализатора движения автомобиля в горку.
Для корректной оценки характеристик колесного движителя в составе колесной машины и возможности прогнозирования тягово-сцепных и тормозных свойств автомобиля необходимо применять комплексную математическую модель колеса. Эта модель должна учитывать механические свойства упругой оболочки термодинамическую модель тепловых процессов в шине, а также трибологические характеристики контакта шины с дорогой.
На рисунке 1 изображено схематичное представление автомобиля и отмечены силы, действующие на него (поскольку скорость автомобиля достаточно мала, силой аэродинамического сопротивления можно пренебречь).
Сила тяги (F) зависит от крутящего момента (M) и радиуса колеса (R) следующим образом:
F = M (1)
R
Мощность двигателя (N) зависит от крутящего момента и угловой скорости вала двигателя (ю) следующим образом:
N = M * ю = MV (2)
R
Рисунок 1 - Основные силы, действующие на автомобиль на наклонной плоскости
В свою очередь угловая скорость связана с частотой вращения вала двигателя (п) следующим соотношением:
2тт тт
т =-= —, (3)
60 30
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
где частота вращения n измеряется количеством оборотов, совершаемых за одну минуту (об/мин).
Из выражений (1) и (2) следует:
F = N = N (4)
oR V
В теории классической динамики силу трения разделяют на силу трения качения, скольжения и покоя. Все три типа силы трения вычисляются одинаково (для трения качения радиус колеса обычно учитывают уже в самом коэффициенте, но в данной работе, поскольку радиус колеса является переменной, он будет учитываться отдельно):
Fmp = L (5)
где ц - коэффициент трения, N - сила реакции опоры.
Сила трения покоя характерна для покоящегося тела. В случае движения автомобиля в горку рассматривают только две силы трения: скольжения и качения с коэффициентами трения Цск и Цк соответственно.
Сила трения скольжения фактически отражает минимальное значение силы тяги, которое необходимо для того, чтобы тело могло двигаться вверх по горке. Сила трения качения приблизительно равна максимальной силе тяги, которую можно приложить так, чтобы не было проскальзывания (в терминологии автомобилей «срыва») колеса.
Таким образом, исходя из вышеизложенного, а также на основании рисунка 1 были получены следующие отношения:
ÍFmp = F - mg cos a - ma [.N = mg sin а
F - mg cosa- ma ик Цск <---< —
N R
F - mg cosa-ma liu mg sin a R
F - ma цк
L <-:--ctga < —K-
mg sin a R
F - ma lk (6)
Lck + ctga <-:-< — + ctga
mg sin a R
mg sin a > 0, m.K.a e
0; i
и
(цск + ctga)mg sin a < F - ma < (—- + ctga)mg sin a
R
N dV мк
(цск + ctga)mg sin a <--m-< (--h ctga)mg sin a
V dt R
Из (6) следует:
/ ч • N dV ,цк . .
(Мак + ctga)g sm « < —- " — < (— + ctga)g sm a (7)
mV dt R
Уравнение (7) является основным условием движения в горку. В этом уравнении используются значения Цск и Цк, которые определены экспериментально (см. [1]).
После проведения ряда экспериментов на триботехнической установке вращательного типа УТУ-3 был сделан следующий вывод: реализуемый коэффициент трения существенным образом зависит от скорости нагружения. Исходя из этого, было выдвинуто предположение о том, что при задании закона подачи момента на колеса автомобиля (рисунок 2) возможно реализовать больший момент.
■
i
Рисунок 2 - Закон управления моментом
Концепция исследования на данной модели состоит в том, что прикладывается импульсно момент (рисунок 2), при этом не достигается максимальное значение по сцеплению, чтобы не происходило разрушения контакта и срыва колес. М_0 - максимальное значение момента в случае плавного приложения, М* - математическое ожидание результирующего момента в случае импульсного его приложения. Из графика видно, что М* > М_0. Закон импульсного приложения момента описывается следующим образом:
М = M*sinut (8)
Исходя из вышеизложенного закон импульсного приложения скорости примет вид:
V = Vc + Asin(2f), (9)
где Vc-является решением следующего уравнения
и
N dV (R + Irtga + и) g sin a
mVc dt 2
. . V max - V min
A - амплитуда, вычисляемая согласно выражению A =-. Значения Vmax и Vmin можно
определить из выражений (10), (11):
N dV max .
= (— + ctga)gsm а, (10)
mV max dt R
N dV min
= + ctga)g sin а . (11)
mV min dt
После завершения разработки математической модели движения автомобиля в горку решалась задача создания программного визуализатора движения автомобиля. При создании графического изображения автомобиля необходимо выполнить удаление невидимых поверхностей, поэтому был проведен сравнительный анализ наиболее известных алгоритмов удаления невидимых линий и поверхностей. Каждому алгоритму выставлялся балл в диапазоне от 1 до 5 по различным показателям. Результаты сравнительного анализа приведены в таблице 1.
Таблица 1
Сравнительный анализ алгоритмов удаления невидимых линий
Название Простота реализации Реалистичность Скорость работы Примечание Итого
Алгоритм Робертса 4 1 4 Только выпуклые тела 9
Алгоритм 5 1 3 9
художника
Алгоритм, 4 3 3 Много памяти 10
использующии Z-буфер
Продолжение таблицы 1
Алгоритм прямой 3 5 2 Много лишней 10
трассировки лучей работы
Алгоритм обратной 4 5 1 10
трассировки лучей
Также был проведен сравнительный анализ алгоритмов закраски (таблица 2). Для выставления баллов были выбраны критерии, аналогичные сравнительному анализу алгоритмов удаления невидимых линий.
Для решения задачи удаления невидимых линий и поверхностей нами был выбран алгоритм z-буфера, который является одним из самых быстрых из рассмотренных алгоритмов за счет того, что отсутствует предварительная сортировка объектов сцены по глубине. Также важным преимуществом является то, что данный алгоритм справляется со сценами любой сложности и во всех случаях выдает корректный результат.
Таблица 2
Сравнительный анализ алгоритмов закраски
Название Простота реализации Реалистичность Скорость работы Примечание Итого
Простая модель освещения 4 2 4 Выше скорость работы 10
Закраска Гуро 3 3 3 Не учитывает поворот грани 9
Закраска Фонго 3 5 2 10
Закраска по Фонгу снижает скорость работы программы, поэтому, учитывая то, что моделируется движение автомобиля, скорость работы является важным свойством алгоритма. Поэтому для реализации освещения сцены, была выбрана простая модель освещения, которая, по сравнению с другими подобными алгоритмами, обладает следующими преимуществами: высокая скорость работы, простота реализации.
Для разработки программы был выбран язык С++, что объясняется следующими причинам. Данный язык обладает возможностью реализации широкого спектра алгоритмов благодаря большому набору стандартных классов и процедур, поддерживает встраиваемые функций и перегрузку операторов, является объектно-ориентированным языком, т.е. позволяет использовать абстракции, наследования и паттерны, При его использовании без больших затрат труда можно организовать взаимодействие между объектами классов, он предоставляет возможность создания обобщённых алгоритмов для разных типов данных с использованием шаблонов, а также поддерживает низкоуровневую работу с памятью и является кроссплатформенным.
В качестве среды разработки была выбрана среда Visual Studio 2013.
Рисунок 3 - Главное окно вспомогательной программы
Для того, чтобы проверить работоспособность разработанной математической модели, была написана
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
вспомогательная программа, позволяющая визуализировать вращение колеса при заданных характеристиках. Программа была также написана на языке C++. На рисунке 3 приведено главное окно программы.
В данной программе предусмотрена возможность загрузки файлов, содержащих информацию о каркасной модели колеса. В левой зоне главного окна происходит визуализация вращения колеса. В центральной зоне окна расположено меню настроек параметров системы. В правой части окна производится вывод графиков угловой скорости колеса, частоты вращения вала двигателя, а также текущей координаты системы.
После того как проведенные с помощью предложенной вспомогательной программы расчеты показали работоспособность математической модели, началась разработка основной программы.
Для изображения автомобиля выбрана модель с высокой полигонализацией (рисунок 4). Впоследствии выяснилось, что благодаря выбору достаточно быстрых алгоритмов построения сцены и ее заливки, модель с высокой полигонализацией может отображаться в динамике без рывков между кадрами.
В разработанной программе пользователю доступны следующие возможности: непосредственное изображение модели автомобиля; задание угла наклона плоскости (в градусах, обязательно целое число) из поля ввода, приближение и отдаление модели, моделирование движения автомобиля по наклонной плоскости, возможность вернуться в исходное положение.
В программе предусмотрено меню, позволяющее вызвать редактор параметров, где пользователю доступно изменение следующих параметров: температуры, массы автомобиля, мощности двигателя, радиуса колеса, частоты сигнала, передаточного числа мотор-редуктор, КПД передачи.
После изменения значений параметров можно снова моделировать движение, но уже с новыми характеристиками.
В результате решены следующие задачи: разработана математическая модель, основанная на импульсном управлении скоростью движителя, разработан и реализован программно-аппаратный комплекс, соответствующий необходимым характеристикам, программно реализована математическая модель с возможностью визуализации результатов вычислений, проведен сравнительный анализ различных алгоритмов трехмерной графики, позволивший выбрать алгоритм z-буфера для удаления невидимых поверхностей и простую модель закраски, разработан и реализован визуализатор движения автомобиля в горку, в котором предусмотрена возможность изменения параметров системы.
Рисунок 4 - Результат визуализации модели автомобиля
Дальнейшее развитие работы целесообразно проводить по следующим направлениям: реализация возможности визуализации движения автомобиля по полученным данным с телеметрии автономной малой
мобильной платформы, доработка разработанной математической модели на основании цикла исследований движения автономной малой мобильной платформы на поверхностях разного типа, разработка и реализация алгоритма автоматической подстройки системы для заезда в горку с неопределенным типом поверхности.
Список использованной литературы:
1. Купреянов A.A., Морозов М.В. Разработка методов управления режимом работы колесного движителя, повышающих его тягово-сцепные свойства в составе колесной машины // Трибология и надежность: Сб. тр. XI межд. конф. под ред. К.Н.Войнова. - СПб., 2011. - С. 181-190.
2. Experimental identification of dynamic tire friction potential on ice surfaces /V. Ivanoviwic ^t al] // FSB. HR: Zagreb, 2005.
3. Роджерс Д. Алгоритмические основы машинной графики / Пер. с англ. -М.:Мир, 1989.- 512 с.
© Куров А.В., Медведев В.О.,Соломатина Д.И. 2017
УДК 004.651.54
Ладыгин Павел Сергеевич
магистрант АлтГУ, г. Барнаул, РФ e-mail: pavel-ladygin@yandex.ru
ПОДХОД К СОЗДАНИЮ ЦИФРОВЫХ ОТПЕЧАТКОВ АУДИОФАЙЛОВ С ИСПОЛЬЗОВАНИЕМ АНАЛИЗА НОТНОЙ ПОСЛЕДОВАТЕЛЬНОСТИ
Аннотация
В данной статье предложен подход к идентификации аудиофайлов с помощью создания цифровых отпечатков на основе анализа нотной последовательности. Приведён алгоритм хеширования «потенциальной» мелодии аудиофайла с использованием манчестерского кодирования. Приведены и проанализированы результаты работы предложенного алгоритма в среде Labview. Определено что совместное использование ранее существовавших способов создания цифровых отпечатков с предложенным подходом позволит с более высокой вероятностью выявлять неуникальный контент в сети Интернет.
Ключевые слова
Цифровой отпечаток, аудиофайлы, спектрограмма, нотная последовательность.
Технология цифровых отпечатков используется для защиты различного рода информации от утечек и нарушения авторских прав в сети Интернет. В настоящее время данная технология распространена на изображения, текстовые, аудио- и видеофайлы. Звуковые отпечатки уже используются для детектирования музыкальных композиций в приложении «Shazam» компании Shazam Entertainment [1], а также при добавлении видеофайлов в видеохостинг Youtube [2]. Однако, самые простые программные средства позволяют обходить такое препятствие с помощью ускорения, замедления композиции на доли секунды, «смены высоты тона» [3]. Такая модификация не заметна для человеческого уха, однако, вычисление цифрового отпечатка приводит к его другому значению, относительно цифрового отпечатка первоначальной версии аудиофайла [4], что позволяет обходить стороной препятствие по добавлению неуникального файла на стороне хостинга.
Вычисление цифрового отпечатка, как правило, происходит по анализу спектрограммы аудиофайла. Пример того, как может выглядеть песня на спектрограмме изображён на рис.1.
