Автоматизированная система обеспечения безопасности промышленных предприятий тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Со Хтайк

• Со Хтайк
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Со Хтайк

ВВЕДЕНИЕ

1. ЗАДАЧА КОНТРОЛЯ И УПРАВЛЕНИЯ ДОСТУПОМ В АСУ ТП

1.1. Анализ современного состояния и перспективы развития

автоматизированных систем управления на предприятиях

1.2. Анализ существующих подходов

1.3. Анализ методов распознавания идентификационных признаков

1.4. Анализ алгоритмов управления

Выводы по главе

2. РАЗРАБОТКА СТРУКТУРЫ И МАТЕМАТИЧЕСКОЙ МОДЕЛИ

АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ И УПРАВЛЕНИЯ

ДОСТУПОМ

2.1. Cхема интеллектуальной СКУД

2.2. Математическая формулировка задачи контроля и управления

доступом

2.3. Функциональная схема СКУД технических объектов

2.4. Функциональная схема СКУД физических лиц

2.5. Выводы по главе

3. АППАРАТНАЯ РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СКУД

3.1. Принципиальные схемы интеллектуальной СКУД

3.2. Аппаратные средства повышения надежности СКУД

3.2.1. Интеллектуальный электротепловой привод

3.2.2. Безредукторный электромеханический привод системы

безопасности

3.3. Применение предлагаемых подходов для различных предметных

областей

3.4. Выводы по главе

4. АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

ИНТЕЛЛЕКТУАЛЬНОЙ СКУД

2

4.1. Решение задачи контроля и управления доступом для технических

объектов

4.1.1. Технология нечеткого вывода для СКУД технических объектов

4.1.2. Алгоритм распознания номерных знаков технических объектов

4.1.3. Тестирование СКУД технических объектов

4.2. Решение задачи контроля и управления доступом для физических

объектов

4.2.1. Технология нечеткого вывода для СКУД физических объектов

4.2.2. Алгоритм распознавания физических лиц

4.2.3. Тестирование СКУД физических лиц

4.3. Универсальный программно-аппаратный стенд СКУД

4.4. Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Охранные документы на результаты интеллектуальной

деятельности

ПРИЛОЖЕНИЕ Б. Акты о внедрении

Приложение В. Правила для СКУД технических объектов

Приложение Г. Правила для СКУД физических лиц

Приложение Д. Принципиальная схема

3

Введение диссертации (часть автореферата) на тему «Автоматизированная система обеспечения безопасности промышленных предприятий»

 ВВЕДЕНИЕ

Актуальность темы. Одним из компонентов современной

автоматизированной системы управления технологическим процессом

является система идентификации пользователя, в задачи которой входит не

только информационная безопасность, но и предотвращение

несанкционированного доступа на территории промышленного предприятия.

К основным функциям системы контроля и управления доступом (СКУД)

относят управление и контроль территориальной целостности объекта,

предотвращение несанкционированного доступа и перемещения персонала и

транспорта по территории.

Функции системы контроля и управления доступом:

 управление и контроль территориальной целостности объекта;

 предотвращение несанкционированного доступа и контроль

перемещения персонала и транспорта по территории;

 учет фактического отработанного времени, снижение издержек на

зарплату персонала.

Как правило, СКУД построены на аппаратных средствах систем

технического зрения, и некоторые из них используют современные

алгоритмы компьютерного зрения для автоматизации процессов

идентификации объекта. Так, например, для системы контроля и управления

доступом транспортных средств (ТС) можно избежать привлечения

человеческих ресурсов, установки дополнительного оборудования в виде

считывателей карт, несанкционированного проезда автомобиля. Задача

интеллектуальной системы видеонаблюдения – снизить нагрузку на

оператора при помощи автоматического обнаружения нештатных ситуаций.

Поэтому немаловажной задачей является обнаружение таких ситуаций

и выработка управляющих воздействий.

4

 Совместное использование нечеткой логики и компьютерного зрения с

распознаванием объектов является эффективным средством ограничения

доступа на охраняемую территорию.

Работа выполнялась в рамках приоритетного направления развития

науки, технологий и техники: в Российской Федерации - критическая

технология согласно перечню (Указ Президента Российской Федерации от 7

июля 2011 года №899): Информационно-телекоммуникационные системы;

Технологии информационных, управляющих, навигационных систем.

Большой вклад в область распознавания образов и управления внесли:

Анисимов Б. В., Вапник В. Н. и Червоненкис А. Я., Гашников М. В., Горелик

А. Л., Журавлев Ю. И., Загоруйко Н. Г., Катаев М. Ю., Куделькин В. А.

Местецкий Л. М., Рудакова К. В., Симанков В. С., Сойфер А. В., Фаворская

М. Н., Цыпкин Я. З., Щеголева Н. Л., Вороны В. А. и Тихонова В. А, Andrej

Karpathy, Andrew G. Howard, Christian Szegedy, François Chollet, Navneet Dalal

и Bill Triggs, Paul Viola и Michael Jones, Rafael Gonzalez и Richard Woods,

Sepp Hochreiter и Jürgen Schmidhuber, Yann LeCun и др.

На данный момент существует множество созданных СКУД,

отличающихся друг от друга конструкцией, электромеханической системой,

интеллектуальной системой, набором датчиков и исполнительных устройств.

Основной сложностью является большое разнообразие аппаратных средств,

входящих в состав СКУД.

Поэтому наиболее эффективным направлением является создание

совершенных подходов управления на базе универсального набора

аппаратно-программных средств, достаточных для работы СКУД при

минимальном количестве вносимых изменений.

К основным функциям системы контроля и управления доступом

относят управление и контроль территориальной целостности

промышленного объекта. При этом работоспособность системы безопасности

значительно ухудшают возникающие в СКУД нештатные ситуации, такие

как:

5

  отсутствие или подмена идентификационных признаков;

 выход из строя управляемых устройств вследствие влияния

внешних факторов;

 влияние внешних факторов среды на качество идентификации

объекта;

 попытки взлома преграждающих устройств с применением

физического воздействия;

 попытки прохода «запрещенных» лиц вместе с «разрешенными»;

 попытки взлома системы имитацией аварийных ситуаций.

Поэтому немаловажной задачей является обнаружение таких ситуаций

и выработка управляющих воздействий.

Таким образом, разработка интеллектуальной СКУД, сочетающей

технологии искусственного интеллекта и компьютерного зрения для

устранения влияния внешних факторов, а также алгоритмов обнаружения

нештатных ситуаций является актуальной задачей.

Научная проблема. Ослабление влияния внешних факторов для

повышения эффективности работы системы безопасности как подсистемы

АСУТП и учет штатных и нештатных ситуаций, возникающих на

контрольно-пропускном пункте промышленного предприятия.

Цель работы состоит в разработке алгоритмов и методов для

повышения эффективности идентификации объекта и управления доступом с

учетом штатных и нештатных ситуаций.

Для достижения поставленной цели необходимо решить следующие

задачи:

1. Разработка структурной, функциональной и математической

модели системы контроля управления доступом (СКУД) технических и

физических объектов, учитывающей влияние штатных и нештатных

ситуаций.

2. Разработка аппаратной части СКУД технических объектов и

физических лиц.

6

 3. Разработка алгоритмов распознавания объектов доступа и

управления устройствами СКУД.

4. Интеграция разработанных модулей и алгоритмов в единую

автоматизированную систему безопасности.

Объект исследования – процесс идентификации объектов и процесс

выработки управляющих воздействий на устройства ограничения доступа.

Предмет исследования – принципы, методы и средства управления

доступом на промышленных предприятиях.

Методы исследования основаны на моделировании исследуемых

процессов, системном анализе, объектно-ориентированном

программировании. При решении задач были использованы теория

управления, теория нечетких множеств, искусственные нейронные сети.

Использовались современные пакеты прикладного программного

обеспечения Matlab, среда разработки Python. Проведены экспериментальные

апробации разработанных алгоритмов на общедоступных данных.

Научная новизна работы:

1. Предложена математическая модель интеллектуальной системы

контроля и управления доступом, позволяющая, в отличие от известных

решений, учитывать нештатные ситуации с использованием систем

компьютерного зрения и датчиков, контролирующих состояние объекта.

2. Предложены схемы интеллектуальной СКУД на основе технологий

нечеткого вывода, как с использованием датчиков, так и с использованием

систем компьютерного зрения.

3. Предложен подход, основанный на совместном применении

алгоритмов глубоких нейронных сетей на современных графических

ускорителях и алгоритмов нечеткой логики для обнаружения и

распознавания объектов, определения штатных и нештатных ситуаций,

принятия решений, который позволяет достигнуть практических приемлемых

результатов в режиме реального времени при решении задач контроля и

управления доступом.

7

 4. Предложены решения, улучшающие технические характеристики

приборных элементов управления интеллектуальной СКУД.

5. Разработана и протестирована экспертная подсистема СКУД,

содержащая базу знаний штатных и нештатных ситуаций.

Практическая значимость. Предложенный подход может служить

прототипом для разработки других подсистем контроля и управления

доступом. Предложенные в работе структуры и подходы были использованы

при разработке СКУД технических объектов и физических лиц. По

результатам работы получено 2 патента на изобретения № 2626798, №

2642501.

Работа выполнена при поддержке Минобрнауки России научного

проекта – госзадания в рамках проектной части № 2.1898.2017/ПЧ «Создание

математического и алгоритмического обеспечения интеллектуальной

информационно-телекоммуникационной системы безопасности вуза».

Результаты диссертационной работы внедрены в ФГБОУ ВО «КнАГУ»

для распознавания номерных знаков транспортных средств и идентификации

человека по лицу.

Личный вклад соискателя состоит в следующих работах:

 в разработке математической модели интеллектуальной системы

контроля и управления доступом.

 в разработке схем интеллектуальной СКУД на основе технологий

нечеткого вывода, как с использованием датчиков, так и с использованием

систем компьютерного зрения.

 в разработке подхода, основанном на совместном применении

алгоритмов глубоких нейронных сетей и алгоритмов нечеткой логики для

обнаружения и распознавания объектов, определения штатных и нештатных

ситуаций, принятия решений.

 в разработке технических решений, улучающих технические

характеристики приборных элементов управления интеллектуальной СКУД.

8

  в разработке экспертной подсистемы СКУД, содержащей базу

знаний штатных и нештатных ситуаций.

Апробация работы. Основные результаты работы докладывались и

обсуждались на следующих научных конференциях:

− 12 международной конференции по промышленной электронике и

приложениям «ICIEA 2017», Камбоджа, 2017 г;

− 14 международной конференции по промышленной электронике и

приложениям «ICIEA 2019», Китай, 2019 г;

− международной мультидисциплинарной конференции по

промышленному инжинирингу и современным технологиям «Far East Con-

2018», г. Владивосток, 2018;

− выставке «ТЕХНОФЕСТ2019» ФГБОУ ВО «КнАГУ», г. Комсомольск-

на-Амуре, 2019.

− внутривузовском этапе XXII Краевого конкурса молодых учёных и

аспирантов в сфере научных исследований, ФГБОУ ВО «КнАГУ», г.

Комсомольск-на-Амуре (2019).

− ежегодной научно-технической конференции студентов и аспирантов

ФГБОУ ВО «КнАГУ», г. Комсомольск-на-Амуре (2016 – 2018).

Основные положения, выносимые на защиту:

1. Математическая модель интеллектуальной СКУД на основе

кибернетического подхода для задач доступа транспортных средств на

территорию организации и физических лиц в помещение повышенной

опасности.

2. Алгоритмы распознания штатных и нештатных ситуаций для

СКУД, основанные на композиции алгоритмов глубоких нейронных сетей и

алгоритмов нечеткой логики.

3. Технические решения, улучшающие технические характеристики

приборных элементов управления интеллектуальной СКУД.

4. Программные комплексы и экспертные подсистемы для

интеллектуальной СКУД.

9

 Достоверность полученных результатов научных положений,

выводов, изложенных в диссертации, подтверждается результатами и

протоколами экспериментов в ФГБОУ ВО «КнАГУ», а также на

общедоступных наборах данных.

Публикации. Основные результаты работы изложены в 10 печатных

работах: в изданиях, входящих в перечень ВАК, – 3; в изданиях,

индексируемых в базах Scopus и Web of Science, – 3; патенты на изобретение

– 2.

Соответствие паспорту специальности. Исследования, выполненные в

диссертационной работе, соответствуют формуле и пунктам 4, 9, 15, 16

паспорта специальности 05.13.06 «Автоматизация и управление

технологическими процессами и производствами (промышленность)»:

пункт 4. Теоретические основы и методы математического

моделирования организационно-технологических систем и комплексов,

функциональных задач и объектов управления и их алгоритмизация.

пункт 9. Методы эффективной организации и ведения

специализированного информационного и программного обеспечения

АСУТП, АСУП, АСТПП и др., включая базы и банки данных и методы их

оптимизации.

пункт 15. Теоретические основы, методы и алгоритмы

интеллектуализации решения прикладных задач при построении АСУ

широкого назначения (АСУТП, АСУП, АСТПП и др.).

пункт 16. Теоретические основы, методы и алгоритмы построения

экспертных и диалоговых подсистем, включенных в АСУТП, АСУП, АСТПП

и др.

Структура и объем работы. Диссертация состоит из введения, четырех

глав, заключения, списка сокращений и условных обозначений, списка

литературы, приложений.

10

 Во введении обоснована актуальность темы диссертационной работы,

сформулированы цель и задачи исследований, научная новизна и

практическая ценность полученных результатов.

В первой главе проведен анализ технологий контроля и управления

доступом физических лиц и технических объектов на производственных

предприятиях. Проведена оценка известных технологий идентификации

объектов в системе контроля и управления доступом.

Представлены внешние факторы, влияющие на качество работы СКУД

на базе видеонаблюдения:

 изменение освещенности сцены, вызванное обычной суточной

сменой освещения, появлением или изменением состояния

искусственных источников света;

 цифровой и аналоговый шум, вызванный дефектом фотосенсоров

или помехами;

 потеря фокуса, вызванная изменением освещенности, движением

цели или сменой режима «день/ночь»;

 внешние помехи, вызванные такими погодными явлениями как

снег, дождь, туман.

Проведен критический анализ СКУД. Выявлен основной недостаток

предлагаемых ранее систем, заключающийся в том, что они не позволяют

учитывать наличие нештатных ситуаций и вырабатывать управляющие

воздействия на элементы ограничения доступа.

Во второй главе предложена функциональная схема единой аппаратно-

программной платформы интеллектуальной системы контроля и управления

доступом физических лиц, технических объектов (транспортных средств) и

определения штатных и нештатных ситуаций с использованием систем

нечеткой логики.

Приведена универсальная математическая модель интеллектуальной

СКУД транспортных средств, физических лиц и штатных и нештатных

ситуаций. Приведены схемы интеллектуальной СКУД для задачи доступа

11

физических лиц и интеллектуальной СКУД для задачи доступа транспортных

средств.

В третьей главе приведена аппаратная реализация интеллектуальной

СКУД. Предложены технические решения повышения надежности

отдельных элементов СКУД. Предложен интеллектуальный электротепловой

привод, содержащий исполнительный механизм с узлом упорных

радиальных элементов качения и интеллектуальную систему управления,

обеспечивающие повышенную надежность и информационную

избирательность устройства (Патент №2626798) в сложных условиях улицы

для СКУД технических объектов.

В четвёртой главе представлено алгоритмическое и программное

обеспечение интеллектуальной СКУД. Решена задача контроля и управления

доступом технических объектов. Решена задача контроля и управления

доступом физических лиц. При решении задачи применялся аппарат

нечеткой логики и методы распознания образов, построенные на базе

искусственных нейронный сетей.

В заключении сформулированы основные результаты и выводы

диссертационной работы, представлен список опубликованных работ автора.

Автор выражает благодарность доктору технических наук Амосову

Олегу Семеновичу, кандидату технических наук Амосовой Светлане

Геннадьевне и Жиганову Сергею Викторовичу за помощь, оказанную при

работе над диссертацией. Автор также благодарит всех, кто участвовал в

выполнении данной работы.

12

 1. ЗАДАЧА КОНТРОЛЯ И УПРАВЛЕНИЯ ДОСТУПОМ В АСУ ТП

1.1. Анализ современного состояния и перспективы развития

автоматизированных систем управления на предприятиях

Сегодня наблюдается активное применение интеллектуальных

технологий в промышленности для управления насосными агрегатами,

напряжением генератора и другими техническими объектами [11, 15, 25, 30].

Применение интеллектуальных технологий и систем компьютерного

зрения с распознаванием объектов позволяет решить многие проблемы в

промышленности [26].

Автоматизированную систему управления предприятием (АСУП)

традиционно образуют подсистемы управления технологическими

процессами, финансами, логистикой и персоналом, среди которых

подсистемы контроля и управления доступом обеспечивают контроль и

охрану объектов инфраструктуры.

На рисунке 1.1 представлена территория типового предприятия.

Цифрами отмечены объекты, имеющие ограниченный доступ:

1. Проходные предприятия.

2. Контрольно-пропускные пункты.

3. Производственные здания, склады.

4. Точки доступа СКУД в здании заводоуправления.

5. Сервер системы СКУД.

6. Удаленная проходная.

7. Бюро пропусков.

8. Бухгалтерия.

13

 Рисунок 1.1 – территория типового предприятия

Система контроля и управления доступом, в соответствии с

ГОСТ Р 51241-2008 [22], представляет собой совокупность средств контроля

и управления, обладающих технической, информационной, программной и

эксплуатационной совместимостью.

Тогда под средствами контроля и управления доступом понимаются

любые механические, электромеханические, электрические, электронные

устройства, конструкции и программные средства, обеспечивающие

реализацию процессов контроля и управления доступом.

К основным функциям системы контроля и управления доступом

относят управление и контроль территориальной целостности объекта,

предотвращение несанкционированного доступа и перемещения персонала и

транспорта по территории, противопожарный контроль [55, 34, 48].

СКУД позволяет решить следующий перечень задач [19]:

 противодействовать промышленному шпионажу, воровству,

саботажу, умышленному повреждению материальных ценностей;

 учитывать рабочее время;

 защищать конфиденциальность информации;

 регулировать поток посетителей;

 контролировать въезд и выезд транспорта.

14

 Как правило, СКУД построены на аппаратных средствах систем

технического зрения, и некоторые из них используют современные

алгоритмы компьютерного зрения для автоматизации процессов

идентификации объекта.

Так, например, для системы контроля и управления доступом

транспортных средств можно избежать привлечения человеческих ресурсов,

установки дополнительного оборудования в виде считывателей карт,

несанкционированного проезда автомобиля.

Задача интеллектуальной системы видеонаблюдения – снизить нагрузку

на оператора [32] при помощи автоматического обнаружения нештатных

ситуаций.

Нештатные ситуации, возникающие в СКУД:

 отсутствие или подмена идентификационных признаков;

 выход из строя управляемых устройств вследствие влияния внешних

факторов;

 влияние внешних факторов среды на качество идентификации

объекта [37];

 попытки взлома преграждающих устройств с применением

физического воздействия;

 попытки прохода «запрещенных» лиц вместе с «разрешенными»;

 попытки взлома системы имитацией аварийных ситуаций.

Поэтому немаловажной задачей является обнаружение таких ситуаций и

выработка управляющих воздействий.

1.2. Анализ существующих подходов

На данный момент существует множество созданных СКУД,

отличающихся друг от друга конструкцией, электромеханической системой,

интеллектуальной системой, набором датчиков и исполнительных устройств.

Основной сложностью является большое разнообразие аппаратных средств,

15

входящих в состав СКУД. Поэтому наиболее эффективным направлением

является создание совершенных подходов управления на базе

универсального набора аппаратно-программных средств, достаточных для

работы СКУД при минимальном количестве вносимых изменений.

При организации СКУД наиболее распространенным методом

идентификации объекта является использование радиочастотных меток RFID

[78]. Однако использование только этой технологии имеет ряд недостатков:

 метка может быть скопирована или украдена злоумышленником;

высокая стоимость внедрения и обслуживания;

 для считывания требуются дополнительные действия.

Для повышения эффективности СКУД, как правило, используют как

гибридные технологии, совмещающие в себе радиочастотные метки и

методы компьютерного зрения [79, 66], так и подходы, построенные на

интеллектуальной видеоаналитике [80]. Интерес представляет создание

комбинированной системы, сочетающей технологии искусственного

интеллекта и компьютерного зрения.

Одним из лучших решений для обеспечения комплексной безопасности

охраняемой территории является построение централизованной

интеллектуальной СКУД на основе системы видеонаблюдения [67] с

использованием современных методов компьютерного зрения, которые

позволяют классифицировать физические и технические объекты (машины,

людей, велосипеды и т.д.) и идентифицировать их по уникальным признакам

(лица, номера и т.д.).

Тогда можно рассматривать две основных задачи:

 построение СКУД технических объектов;

 построение СКУД физических объектов.

Для распознавания НЗ ТС необходимо следующее оборудование [46]:

– уличные камеры, установленные непосредственно при въезде на

охраняемую территорию;

16

 – управляемые устройства (шлагбаум/ворота, внешняя подсветка,

обогреватели);

– датчики для мониторинга условий;

– сервер, выполняющий обработку видеопотока, распознавание образов

и вырабатывающий управляющие воздействия на основе правил нечеткой

логики.

Типовая схема КПП для техничских оббъектов приведена на рисунке

1.2.

Мониторинг

Распознавание номера

Сравнение с БД Балка

Управление открытием АРМ

C

Подсветка

I

Камера

Лежачий полицейский

Получение видео

Запись

Трансляция в сеть Видеорегистратор

Шлагбаум

Лежачий полицейский

Контроллер

Рисунок 1.2. – Типовая схема КПП для технических объектов

Для решения задачи распознавания людей по лицу необходимо

следующее оборудование [53]:

– внутренние камеры, установленные на входе в здание;

– управляемые устройства (турникеты, внешняя подсветка);

– датчики для мониторинга условий;

– сервер, выполняющий обработку видеопотока, распознавание образов

и вырабатывающий управляющие воздействия на основе правил нечеткой

логики.

17

 Разработке эффективных СКУД для промышеленных предприятий

посвящено множество работ и патентов.

В работе [42] представлена система которая содержит мобильное

телекоммуникационное устройство, идентификатор пользователя,

беспроводной интерфейс, электронный считыватель, NFC интерфейс,

идентификатор точки доступа, беспроводной интерфейс,

телекоммуникационную инфраструктуру, сетевой интерфейс, интерфейс

Wiegand, коммутатор, контроллер, точку доступа, исполнительное

устройство. Однако такая система подвержена угрозам со стороны

злоумышленника.

В работе [43] педставлен способ для обеспечения автоматизации

пропускного режима объектам, оборудованным системами распознавания

идентификационных номеров транспортных средств. При этом данная

система распознает только по одному идентификационному признаку и не

устойчива к зашумленным номерам.

Устройство автоматизированного управления автомобильной парковкой

[44] не учитывает нештатные ситуации.

На коммерческом рынке представлены различные готовые аппаратные и

программные решения для организации контроля и управления доступа

транспортных средств, отличающиеся точностью, скоростью обработки

сигнала, а следовательно, и стоимостью. Коммерческое решение

platerecognizer для распознавания номерных знаков, поддерживает более 90

стран. Для распознавания ТС используется 2 нейронные сети, одна для

поиска номерного знака, другая для детектирования и распознавания

символов.

OpenALPR – открытая система для автоматического распознавания

номерных знаков. Однако в исходных кодах на github.com видно то, что

система использует в основе библиотеку TesseractOCR, что не позволяет

использовать вычисления на графическом ускорителе.

18

 Задачей СКУД является не только идентификация объекта, но и

распознавание нештатных ситуаций для последующего принятия решений

или управления. Примерами нештатных ситуаций могут быть: отсутствие

или фальсификация номерного знака, некорректно читаемые символы и т.д.

Основной недостаток предлагаемых работ состоит в том, что

исследования в большей степени ориентированы на процесс получения

идентификационного признака и, в меньшей мере, на взаимодействие со

СКУД. При этом некоторые из алгоритмов предъявляют высокие требования

Список литературы диссертационного исследования кандидат наук Со Хтайк, 2020 год

- +

- 3

V L+ I rectifier I bus V+

Proportional controller

V bus Gate

g

1

+ V bus (V)

v

-

I rectif ier (A)

1

2

I bus (A) Meas.

Cbus

2 4

V L- V-

Рисунок 3.18 – Модель нагрузки

1 [0]

|u|

N

Flux table

T

Flux & Torque hysteresis

Torque*

H_phi H Phi

Flux* Gates Pulses LF Pulses 1

Gates

H_Te H Te Switching control

Torque Torque

3 I_AB

I_ab

Flux_est Flux est

Flux Flux

MagC

2 V_abc

angle Flux_angle sector Sector

V_abc

Torque & Flux calculator Flux sector seeker

Switching table

Рисунок 3.19 – Модель преобразователя частоты ACS350

Синтез системы управления.

Задача синтеза системы управления исполнительного блока решена с

использованием нечеткого логического регулятора. При ее реализации ГБЭП,

как объект управления, считается заданным, система измерений

представлена набором первичных датчиков, в том числе камерами

наблюдения, оптимальный нелинейный фильтр для оценки вектора

состояния и нечеткий логический регулятор синтезируются с

58

использованием теории нечетких множеств для построения модели нечеткого

логического управления. Для контроля и поддержания заданных

эксплуатационных условий на контролируемом объекте или его элементах

используется статистически оптимальное управляющее устройство,

формирующее входные сигналы управления минимизирующие заданный

критерий качества поведения всей системы.

Появление посторонних объектов в контролируемой зоне связано с

активизацией ГБЭП с помощью устройства управления в соответствии с

результатом сравнения анализа данных видеопотока с заданным алгоритмом

управления. Система видеонаблюдения является подсистемой ИТИС. Блок

обучения в режиме реального времени осуществляет обучение «с учителем»

по поступающим измерениям в соответствии с коррекцией ошибки между

измерениями и их вычисленными значениями.

Для реализации нечетких принципов управления используется

нечеткий логический регулятор, в задачу которого входит выработка

управляющего воздействия в соответствии с алгоритмом работы системы

комплексной безопасности и обеспечение устойчивости исполнительного

блока при воздействии внешних возмущений (изменение температурных

условий, освещенности), носящих случайный характер. При дальнейшем

рассмотрении задачи синтеза системы управления принято, что одной из ее

функций является поддержание температуры исполнительного блока в

заданном диапазоне. Следовательно, структурно нечеткий логический

регулятор (НЛР) должен содержать как минимум два входа и два выхода. На

один вход НЛР должен подаваться сигнал пропорциональный температуре,

на другой вход – сигнал пропорциональный производной температуре.

Синтез НЛР возможен как на основе алгоритма нечеткого логического

вывода Мамдани, так и алгоритма вывода по Сугено, для построения

оптимальной системы управления использованы библиотеки пакетов

Simulink R2007b и SimPower Systems визуальной среды проектирования

59

среды MatLab. Оптимизация параметров проводится с использованием

метода сканирования.

Пример структурной схемы системы с нечетким регулятором показан

на рисунке 3.20.

1 1

-K - signal 1

0.1s+1 s

Gain 3 Gain 6

Step Transfer Fcn Gain 5 Integrator

Fuzzy Logic signal 2

Controller 1 -K - -K -

1 1

-K -

0.1s+1 s

Zero -Order Transfer Fcn 1 Gain 7 Integrator 1

Fuzzy Logic

Hold

Controller 2

-K -

Gain 4 Gain 8

Gain 9

-K - -K -

Scope

Рисунок 3.20 – Структурная схема системы с нечетким регулятором

СУ системой комплексной безопасности синтезируется с

использованием способа идентификации видеоинформации о физических

объектах, находящихся в зоне видеонаблюдения. При изменении

температуры эксплуатации ОУ, решается задача поддержания номинальной

температуры. Время возрастания (убывания) температуры соответствует

инерционной системе, что позволяет достаточно точно спрогнозировать

процессы, требующие воздействия со стороны системы управления.

Технически задача обеспечения комплексной безопасности решается за

счет регулирования параметров питающей сети (напряжение, частота), к

которой подключен ГБЭП, в зависимости от наличия сигнала об изменениях

в зоне видеонаблюдения и текущей температуры элементов системы.

Логической основой синтезируемой системы управления является

обеспечение исполнительным блоком физической защиты при наличии

информации о возможности несанкционированного доступа. Установление

зависимости для входных сигналов управления является решением задачи,

60

известной в классической теории управления как задача синтеза

управляющих воздействий.

Эвристическая база правил может быть составлена для количества

параметров, назначаемых пользователем, например: результат анализа

видеоинформации о наблюдаемых изменениях в зоне контроля, температура

среды T и скорости ее изменения T .

При формировании базы знаний по алгоритму Сугено для

синтезируемой системы управления с использованием нечеткого логического

регулятора задается условие U / f 2  const (для

U ном  220 В, f ном  50 Гц U / f 2  0,088 ).

Результаты моделирования значений напряжения U и частоты f сети

питающей исполнительный блок при изменении контролируемых

параметров температуры T , производной температуры T , являющиеся

решением задачи синтеза системы управления комплексной безопасностью

за наблюдаемым объектом, представлены на рисунке 3.21.

Рисунок 3.21 – Визуализация поверхностей управляющих воздействий

Uи f

Моделирование механической части привода.

Для моделирования механической части исполнительного блока

задаются основные размерные соотношения, полученные в результате его

предварительного расчета. Задачей моделирования является создание

61

геометрической сборочной модели механической части, интегрируемой в

электромеханический преобразователь. Это позволяет эффективно решить

задачи обеспечения вариативного проектирования, проработки компоновки,

проверки соответствия сопрягаемых элементов, создания расчетных моделей,

позволяющих провести вычислительный эксперимент с использованием

методов инженерного анализа. Кроме того, реализация параметрической

модели позволяет произвести расчет динамических характеристик

механической части, создать анимацию физических процессов при

варьировании проектных параметров, визуализировать конструкторско-

технологические процессы, подготовить полный комплект конструкторской

документации: сборочные чертежи, спецификации, чертежи деталей.

В случае отсутствия достоверной информации о фактическом вкладе

отдельных параметров и/или большом их количестве возникает

необходимость использования методов планирования эксперимента для

количественной оценки влияния отдельных проектных параметров на

выходные характеристики ГБЭП. Нахождение субоптимального или

эффективного варианта требует исследования различных конструктивных

вариантов механизма подачи, т.е. создания модифицируемой геометрической

модели.

Разработка параметрической модели механической части выполнена с

использованием отечественной (разработчик компания «Топ Системы» г.

Москва) автоматизированной системы проектирования T-Flex CAD,

отличающейся мощными параметрическими возможностями.

Компьютерная сборочная модель механизма подачи приведена на

рисунке 3.22.

62

 Рисунок 3.22 – Сборочная модель механизма подачи

3.3. Применение предлагаемых подходов для различных предметных

областей

Предлагаемые подходы для повышения надежности системы могут быть

применены для различных предметных обастей. В частности, подход для

обогрева привода с использованием нечткой логики был применен в патенте

на изобретение «Субоптимальная энергетическая система» [39]

Субоптимальная энергетическая система, содержащая

теплогенерирующий блок с первичной обмоткой переменного тока,

являющийся объектом управления, выход которого соединен с входом блока

управления, использующим измерительные датчики, отличающаяся тем, что

в блок управления включены камера наблюдения, являющаяся датчиком

наличия физических объектов, устройство стабилизации изображения, блок

адаптации фона, блок детекции движения, блок выделения блобов переднего

плана, модуль определения вектора оптического потока, блок стабилизации

изображения, устройство субоптимальной помеховой фильтрации, блок

анализа освещенности, модуль анализа зашумленности, блок выбора

пороговых значений, блок выбора коэффициента фильтрации, блок выбора

фильтров, модуль предобработки, модуль повышения контраста, устройство

обучения и распознавания образов, блок нормализации, блок обучения, блок

выбора признаков, блок распознавания, интеллектуальный блок принятия

решений и блок целевого управления [49].

Задачей заявляемого изобретения является повышение эффективности

устройства за счет учета наличия физических объектов в зоне действия

системы отопления.

Технический результат, достигаемый в процессе решения поставленной

задачи, заключается в улучшении эксплуатационных характеристик

63

энергетической системы отопления, а конкретно повышении ее

энергоэффективности.

Этот результат является следствием использования устройства

субоптимальной помеховой фильтрации, интегрированного в блок

управления энергетической системы.

За счет применения устройства субоптимальной помеховой

фильтрации, блок управления становится восприимчивым к информации о

наличии физических объектов в зоне действия субоптимальной

энергетической системы, что, в свою очередь, приводит к повышению

энергетической эффективности устройства.

3.4. Выводы по главе 3

Предложена оригинальная аппаратная платформа, состоящая из

универсального набора компонент, достаточных для работы СКУД при

минимальном количестве вносимых изменений. Предложены технические

решения повышения надежности приборных элементов управления

интеллектуальной СКУД.

Для повышения надежности работоспособности шлагбаума в зимнее

время необходимо обеспечить правильный температурный режим работы

шлагбаума. Для этого предложен интеллектуальный электротепловой

привод, содержащий исполнительный механизм с узлом упорных

радиальных элементов качения и интеллектуальную систему управления,

обеспечивающие повышенную надежность и информационную

избирательность устройства в сложных условиях улицы для СКУД

технических объектов.

Повышение надежности приводных элементов систем безопасности

может быть достигнуто за счет использования герметичных безредукторных

электромеханических преобразователей. Приведен пример реализации

механической части привода.

64

 4. АЛГОРИТМИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

ИНТЕЛЛЕКТУАЛЬНОЙ СКУД

4.1. Решение задачи контроля и управления доступом для технических

объектов

4.1.1. Технология нечеткого вывода для СКУД технических

объектов

Для снижения негативного влияния перечисленных выше факторов на

входящее изображение при распознавании номеров ТС в СКУД добавляются

такие элементы как нагревательный прибор, датчик температуры, датчик

движения, датчик освещенности, блок распознавания образов, связь с

Интернет.

Технология нечеткого вывода заключается в следующем [9]:

 воздействия (погода, время суток и освещенность) влияют на

регулирование внешней подсветки (прожектор) и настройку режима «день»

или «ночь» на видеокамере для выделения на кадре более четкой картинки

подъехавшего ТС;

 входной параметр «температура окружающей среды» управляет

нагревательными элементами, которые обогревают в холодное время как

шлагбаум, так и видеокамеру.

 по поступающей информации о погоде, времени суток,

освещенности и движению определяется уровень зашумленности, в

зависимости от которого производится очистка от шумов и настройка

автофокуса или нет.

Для формирования базы правил системы нечеткой обработки

необходимо предварительно определить входные и выходные

лингвистические переменные.

65

 Пусть имеются входные лингвистические переменные X 1 – «Погода»,

X 2 – «Время суток», X3 – «Освещение», X 4 – «Движение», X 5 –

«Температура» и выходные лингвистические переменные Y1 –

«Зашумленность», Y2 – «Режим день или ночь», Y3 – «Подсветка», Y4 –

«Обогрев», Y5 – «Автофокус», Y6 – «Очистка от шумов».

Введем терм-множества для лингвистических переменных:

X1  ясно, пасмурно, дождь, сильный дождь, снег, сильный снег или

X1  [ x11 , x12 ,..., x16 ] ,

X 2  утро, день, вечер, ночь или X 2  [ x 21 , x 22 ,..., x 24 ] ,

X 3  светло, сумечерно, темно или X 3  [ x 31 , x 32 , x 33 ] ,

X 4  низкое, высокое или X 4  [ x 41 , x 42 ] ,

X5  очень холодно, холодно, не очень холодно, нормально или

X 5  [ x51 , x52 ,..., x54 ]

Y1  шум, средний шум, высокий шум  или Y1  [ y11 , x12 , y13 ] ,

Y2  ночь, день или Y2  [ y 21 , x 22 ] ,

Y3  0, 1, 2, 3 (номер отвечает за уровень подсветки) или

Y3  [ y 31 , x 32 ,..., y 34 ] ,

Y4  0, 1, 2, 3, 4 (номер отвечает за уровень обогрева) или

Y4  [ y 41 , y 42 ,..., y 45 ] ,

Y5  0, 1 или Y5  [ y 51 , x 52 ] ,

Y6  0, 1 или Y6  [ y 61 , x 62 ] .

Алгоритм вывода Мамдани, состоит из 85 правил [12] и реализуется в

среде MatLab.

Соответствующая база правил состоит из набора нечетких «If-then»

правил в следующей форме:

Rk : If X is X k , then Y is Yk ; k  1. , (4.1)

где X – входной вектор для нечеткой системы, X k  xk1  ...  xkn – нечеткие

множества, заданные на декартовом произведении X универсальных

66

множеств входных лингвистических переменных и имеющие функции

принадлежности  xki ( X i ) , k  1. , i  1.n ; Yk  y k1  ...  y kr – нечеткие множества,

заданные на декартовом произведении Y универсальных множеств

выходных лингвистических переменных и имеющие функции

принадлежности  y (Yi ) , k  1. , i  1.r ;  – общее число нечетких «If-then»

ki

правил в базе правил.

В итоге получаем базу знаний нечеткой системы из набора правил

следующего типа:

R 1 : If X is [ X1 , X 2 , X 3 , X 4 ], then Y  [Y1 , Y2 , Y3 , Y5 , Y6 ], 1  1,17

R 2 : If X is [ X 5 ], then Y  [Y4 ],  2  18,21 , (4.2)

где  1 и  2 – номера правил.

Например, для правила 2 [12] будет следующая запись:

R2 : If X1 is x13  x15 & X 2 is x 21  x 22  x 23 , & X 3 is x31 , & X 4 is x 42 ,

(4.3)

then Y1  y11 & Y2  y 22 , & Y3  y 33 , & Y5  y 52 , & Y6  y 62 .