Введение к работе
Актуальность работы
Решение задач рачительного и неистощительного лесопользования
напрямую зависит от качества проведения мероприятий технологической
подготовки лесозаготовительного производства, влияющих на
эффективность производства, уровень трудозатрат, экономических и экологических рисков. Принятие обоснованных решений на этапе технологической подготовки определяет дальнейшую эффективность ведения лесозаготовительной деятельности.
Получение достоверных данных о параметрах лесосеки является важной задачей для построения трасс трелевки с целью принятия решения для ведения лесозаготовительного производства. От качества построения трасс трелевки зависит также, будут ли применены штрафные санкции за не соблюдение размеров площади выделенной для построения этих трасс. Данные санкции регламентируются п.56 приказа Рослесхоза № 337 "Об утверждении правил заготовки древесины" от 1 августа 2011 г.
Задачи, решаемые в ходе технологической подготовки
лесозаготовительного производства, объемны и трудно формализуемы. К ним можно отнести: получение достоверных результатов измерений параметров лесосеки в ходе ее исследования; подготовка технологической карты лесосеки на основе реализации устойчивых моделей обнаружения аномальных измерений и выбор средств для освоения лесных участков и т. д.
В ходе исследования лесосеки проводится большой объем работ связанных с измерениями и анализом фактического состояния лесного участка, сбором и передачей информации для расчетов.
Современные информационные технологии и средства позволяют
автоматизировать процессы, связанные с различными измерениями и
расчетами. Они обеспечивают сокращение сроков подготовки лесосеки к
эксплуатации, минимизацию материальных, трудовых, финансовых затрат и
экологических рисков, повышение качества результатов за счет
оперативности и точности измерений.
К таким системам относится мобильный измерительный комплекс (МИК), обеспечивающий процесс автоматизации и повышения качества прокладки трелевочных трасс.
Анализ показывает, что автоматизация измерительных процедур, осуществляющих МИКом не гарантирует требуемого уровня достоверности и точности из-за довольно частого возникновения аномальных ситуаций в ходе проведения измерений в реальных условиях, что приводит к неточности построения трелевочных трасс и технологических карт.
Отсутствие эффективных способов управления измерениями и методов выявления аномалий в трудноформализуемых процессах, делает задачу разработки методов и моделей эффективного обнаружения аномальных измерений актуальной.
Цель работы
Целью диссертационной работы является разработка новых робастных моделей обнаружения аномальных измерений в мобильном измерительном комплексе, предназначенном для моделирования условий работы лесных машин при исследовании лесосеки в ходе подготовки лесозаготовительного производства.
Задачи, решаемые в работе
Для достижения указанной цели в диссертационной работе поставлены и решены следующие задачи:
-
Разработан метод обнаружения аномальных измерений на основе перехода из временной области в фазовое пространство для построения нормальных и аномальных множеств с применением алгоритмов машинного обучения;
-
Для мобильного измерительного комплекса разработаны робастные модели обнаружения аномальных измерений на основе метода одноклассовой классификации с применённым в ней Гауссовым ядром;
-
Разработаны модели и программный комплекс обнаружения аномальных измерений для МИКа с применением метода обучения, основанного на алгоритме простого скользящего среднего;
-
Проведены исследования и получены результаты моделирования системы обнаружения аномальных измерений мобильного измерительного комплекса с применением разработанных моделей.
Методы исследования
Для решения указанных задач в работе использованы методы: математического моделирования, теории вероятностей и математической статистики, теории принятия решений, оптимизации, системного анализа в лесозаготовительном производстве.
Научная новизна
-
Разработана робастная модель одноклассовой классификации состояний мобильного измерительного комплекса, использующая классы распределений вероятностей, определенных на обучающей выборке, и учитывающая малый период предварительных измерений различных параметров лесосеки и трелевочной машины.
-
Разработан метод обнаружения аномальных измерений на основе перехода из временной области в фазовое пространство для построения нормальных и аномальных множеств с применением алгоритмов машинного обучения, интегрированный в структуру МИК.
-
Разработан метод обучения системы обнаружения аномальных измерений при исследовании лесосеки основанный на алгоритме простого скользящего среднего.
Практическая значимость
-
Разработан программно реализованный моделирующий комплекс обнаружения аномальных измерений для МИК с использованием предложенных в работе моделей.
-
Получены результаты работы системы обнаружения аномальных измерений в различных режимах, которые могут быть использованы при исследовании и подготовке лесосеки.
Программно реализованная система обнаружения аномальных
измерений мобильного измерительного комплекса в отличие от известных позволяет повысить вероятность правильной классификации и обнаружения аномалий на 10-18 процентов, что позволяет сократить сроки подготовки лесосеки к эксплуатации, минимизировать материальные, трудовые, финансовые затраты и экологические риски.
Реализация и внедрение результатов работы.
Результаты работы были использованы при разработке системы
электротехнического обеспечения и АСУ ИК промышленного объекта по
ОКР «Развязка» на предприятии ОАО «Научно-производственное
предприятие «Пирамида» расположенное в г. Санкт-Петербурге, что подтверждается актом о внедрении.
Основные результаты внедрены в НИР кафедры информационных
систем и технологий СПбГЛТУ, выполненной по договору № 1.6.02.11 х/д
«Разработка алгоритмического обеспечения отказоустойчивого прибора
комплексирования сигналов навигационно-измерительных датчиков
скоростных судов (отказоустойчивого навигационного сервера)».
Основные положения, выносимые на защиту
-
Робастная модель одноклассовой классификации состояний мобильного измерительного комплекса, использующая классы распределений вероятностей, определенных на обучающей выборке, и учитывающая малый период предварительных измерений различных параметров лесосеки и трелевочной машины.
-
Метод обнаружения аномальных измерений на основе перехода из временной области в фазовое пространство для построения нормальных и аномальных множеств с применением алгоритмов машинного обучения, интегрированный в структуру МИК.
-
Метод обучения системы обнаружения аномальных измерений при исследовании лесосеки основанный на алгоритме простого скользящего среднего.
4. Программно реализованный моделирующий комплекс обнаружения аномальных измерений для МИК с использованием предложенных в работе моделей.
Апробация работы
Результаты диссертационной работы были представлены в виде устных
докладов на конференциях: XIV, XV и XVI Международные конференции по
мягким вычислениям и измерениям (SCM’2011, SCM’2012, SCM’2013),
проходившие в СПбГЭТУ в г. Санкт-Петербурге: 23-25 июня 2011 г., 25-27
июня 2012г., 23-25 мая 2013г. - соответственно; 8 и 9 Международные
научно-технические конференции «Актуальные проблемы развития лесного
комплекса», проходившие в ВоГТУ в г. Вологде: 7 - 9 декабря 2010 г.,
6 декабря 2011 г. – соответственно; научно-практическая конференция в
рамках Политехнического фестиваля, проходившего в СПбГПУ в г. Санкт-
Петербурге с 16-17 декабря 2012г.; XLIII научная и учебно-методическая
конференция, проходившая в НИУ ИТМО в г. Санкт-Петербурге 28-31
января 2014 г.; международные научно-практические конференции молодых
ученых «Современные проблемы и перспективы рационального
лесопользования в условиях рынка», проходившие в СПбГЛТА (СПбГЛТУ) в
г. Санкт-Петербурге: 10-11 ноября 2010г.; 10-11 ноября 2011г.; 10-11 ноября
2012г.; ежегодные научно-технические конференции профессорско-
преподавательская состава СПбГЛТУ имени С.М. Кирова 2010-2013 гг.; 16 и 17 Санкт-Петербургские ассамблеи молодых учёных и специалистов, проходившие в г. Санкт-Петербурге в 2011г. и 2012 г.
Основные научные результаты были получены в рамках научных грантов и представлены на следующих конкурсах:
-
Диплом ПСП № 11123 победителя конкурсного отбора 2011 года о присуждении премий Правительства Санкт-Петербурга для студентов, аспирантов вузов и академических институтов, расположенных на территории Санкт-Петербурга, в соответствии с распоряжением Комитета по науке и высшей школе Правительства Санкт-Петербурга от 25.10.2011 №72;
-
Диплом ПСП № 12077 победителя конкурса 2012 года для студентов вузов, расположенных на территории Санкт-Петербурга, аспирантов вузов и академических институтов, расположенных на территории Санкт-Петербурга, в соответствии с распоряжением Комитета по науке и высшей школе от 30.10.2012 №74.
На разработанный программный комплекс получено свидетельство о государственной регистрации программ для ЭВМ № 201461057 «Система обнаружения аномальных измерений «Novelty detection ver. 1.0»» от 15 января 2014 г.
Публикации
По теме диссертации опубликовано 14 печатных работ. Из них 2 статьи в журналах, рекомендованных ВАК РФ.
Структура и объем работы
