Содержание к диссертации
Введение
1. Обзор программно-аппаратных средств, методов и алгоритмов обработки и передачи информации в распределенных устройствах вычислительной техники и системах управления. постановка задачи исследования 13
1.1. Краткая характеристика объекта исследования 13
1.2. Характеристика методов спектрально-временного анализа сигналов, реализуемых в устройствах вычислительной техники 21
1.3. Краткое описание традиционных методов сжатия потоковой информации в устройствах вычислительной техники 23
1.4. Характеристика типовых транспортных протоколов, применяемых для коммуникации устройств вычислительной техники в распределенных системах сбора и анализа информации 25
1.5. Характеристика методов построения распределенных комплексов устройств вычислительной техники, систем управления и обработки информации 28
1.6. Постановка задачи исследования 32
1.7. Заключение по разделу 1 34
2. Разработка архитектуры адаптивного комплекса сбора, передачи и управления потоковыми данными 36
2.1. Анализ существующих технологий адаптивной передачи потоковых данных 36
2.2. Выбор общей схемы адаптивной системы и её описание 40
2.3. Описание этапов преобразования данных 44
2.4. Применение адаптивной системы сбора, передачи и управления потоковыми данными 63
2.5. заключение по разделу 2 67
3. Создание устройства активной стереоскопической системы технического зрения как вторичного преобразователя информации 69
3.1. Описание и анализ типовой архитектуры конечного узла вторичного преобразователя 69
3.2. Проектирование структуры активной стереоскопической системы технического зрения 73
3.3. Заключение по разделу 3 з
4. Построение адаптивной системы управления потоковой информацией 87
4.1. Постановка задачи построения адаптивной системы управления
4.2. разработка структуры системы управления и описание алгоритма ее функционирования 92
4.3. Использование генетических алгоритмов для определения значений параметров сжатия 97
4.4. Применение нечеткого регулятора для определения конфигурации системы 106
4.5. Заключение по разделу 4 109
5. Разработка программного комплекса адаптивной системы сбора, передачи и управления потовой сигнальной информацией 110
5.1. Описание задачи и методики оценки психофизического состояния человека 110
5.2. Проектирование программного комплекса адаптивной системы сбора и обработки сигнальной информации 115
5.3. Анализ результатов внедрения адаптивной системы сбора, передачи и управления потоковой информацией 124
5.4. Заключение по разделу 5 130
Заключение 132
Список литературы 134
- Характеристика методов спектрально-временного анализа сигналов, реализуемых в устройствах вычислительной техники
- Характеристика методов построения распределенных комплексов устройств вычислительной техники, систем управления и обработки информации
- Описание этапов преобразования данных
- Проектирование программного комплекса адаптивной системы сбора и обработки сигнальной информации
Характеристика методов спектрально-временного анализа сигналов, реализуемых в устройствах вычислительной техники
Как отмечено ранее, объектом диссертационного исследования являются вторичные преобразователи, которые являются относительно сложной технической системой. Для определения характеристик объекта исследования рассмотрим с точки зрения исследования систем. Поэтому далее понятия «разрабатываемая в диссертации система» и «объект диссертационного исследования», представляемый вторичными преобразователями, являются синонимами. Одним из важных этапов построения сложных технических систем является исследование объекта наблюдения и (или) управление им, например, технологическим процессом.
Контроль, диагностика и идентификация параметров различных объектов наблюдения, как и устройств, «снимающих» данные, должны осуществляться надежной измерительной системой. Для осуществления автоматического получения количественной информации непосредственно от изучаемого объекта на основе ее измерения, сбора, обработки и выдачи на базе ее другой информации, которая отражает в совокупности состояние этого объекта наблюдения, применяются информационно-измерительные системы (ИИС). Здесь под информацией понимается совокупность сведений, представляющих определенный интерес для человека или полезных для осуществления работы некоторой системы. При этом ИИС объединяет в логически более высокоуровневую единицу различные технические средства, такие как датчики, различные устройства первичной и вторичной обработки информации, средства связи этих узлов, а также программное обеспечение, необходимое как для управления работой системы, так и позволяющее решать различные измерительные и вычислительные задачи [114].
Часто вычислительные устройства и преобразователи информации разрабатывают как специализированные комплексы, предназначенные для решения одной задачи или их узкого круга. На «выходе» этих устройств ожидается готовый, обработанный массив данных. Устройства этого типа используют специализированные аппаратную и программную составляющие, которые способствуют повышению точности и скорости функционирования системы, при этом необходимое математическое обеспечение реализуется на аппаратном уровне. Однако решение большинства практических и научных задач по сбору и анализу информации целесообразно, применяя универсальные вычислительные комплексы, построенных на базе персональных ЭВМ. Такого типа устройства используют аппаратную платформу общего назначения, а необходимая математическая база реализуется программно. При этом специализированные и универсальные вычислительные комплексы находят практически одинаковое применение при проектировании ИИС, в зависимости от решаемых задач [110].
Необходимой составляющей функционирования сложных технических систем является определение состава параметров объектов, которые эти системы должны «обслуживать» их измерение, анализ результатов и принятие на их основе некоторых решений. Для определения состава параметров необходимо провести классификацию ИИС и на ее основе определить класс, к которому относится разрабатываемая система. Далее выявить параметры, характеризующие этот класс, а также решаемые задачи и критерии оценки достижения целей. Начнем с рассмотрения классификаций ИИС.
Наиболее распространенной является классификация по функциональному назначению [114]. В зависимости от выполняемых функций системы реализуются в виде: измерительных систем, систем автоматического контроля, технической диагностики, распознавания образов, систем идентификации. Измерительные системы используются для получения максимального количества достоверной измерительной информации об объекте для составления алгоритмического описания его поведения. Системы автоматического контроля осуществляют регулирование соотношения между текущим и заданным состояниями объекта по известной математической модели. В системах технической диагностики выполняемые измерения составляют базу для процедуры определение класса состояний, к которому принадлежит состояние обследуемого объекта. Системы распознавания образов предназначены для определения степени соответствия между исследуемым объектом и эталонным образом на основе количественного описания признаков, характеризующих объект исследования.
Классифицируются ИИС также по способу построения. Так, построенные на основе отдельных вычислительных машин (комплексов, систем), они образуют сосредоточенные системы, в которых обработка реализуется этой машиной (комплексом, системой). В случае, если процесс обработки данных рассредоточен по многим компонентам, объединенным одной информационной сетью (шинами, каналами связи), то такие системы называются распределенными. При разработке распределенных систем возникает необходимость в объединении отдельных узлов средствами связи (кабельные или радиолинии) для организации информационных каналов. Такие системы называются телеметрическими. Специфика этих систем заключается в том, что они предназначены для телеизмерений, т.е. измерений на расстоянии и имеют более протяженные каналы связи, чем другие ИИС [48].
Информационно-измерительные системы сбора и анализа данных об объекте наблюдения могут применяться как автономно, так и в составе автоматизированных комплексов.
Еще один критерий, по которому можно провести классификацию, представляет масштаб времени, в котором должна работать ИИС. Система, для которой важно время получения результата, при этом обработка информации должна производиться за определённый конечный (обычно очень малый) период времени, чтобы поддерживать постоянное и своевременное взаимодействие со средой, называется системой реального времени. В зависимости от допустимых нарушений временных ограничений системы реального времени можно поделить на системы жёсткого реального времени, для которых нарушения равнозначны отказу системы, и системы мягкого реального времени, нарушения характеристик которых приводят лишь к снижению качества работы системы [152]. При этом режим мягкого реального времени можно выделить в отдельную группу, называемую работой в квазиреальном времени.
Характеристика методов построения распределенных комплексов устройств вычислительной техники, систем управления и обработки информации
Объекты контроля, значения параметров которых необходимо определять, часто имеют весьма сложное устройство, в них могут происходить различные процессы и явления. Поэтому отдельные измерительные устройства, оперирующие с одной характеристикой сложного процесса, обычно не могут обеспечить получение достаточной информации об объекте, особенно, когда необходимо оценивать одновременно множество его параметров. В таких случаях производится одновременный анализ нескольких десятков, иногда сотен величин, характеризующих состояние объекта. Это необходимо для организации поддержки принятия решений в различных областях: для управления группой мобильных роботов при анализе и обработке данных от стереоскопической системы технического зрения [55]; для диагностики психофизиологического состояния человека (например, наркотического опьянения) при анализе видеопотоков, содержащих реакции зрачка на вспышки света [39, 115]. При этом видеоряды поступают от множества географически распределенных устройств (смартфонов со специальной оптической насадкой); при мониторинге работы от комплекса глубинных штанговых насосов газонефтедобычи [64, 65] при анализе динамограмм. Таким образом, спецификой каждой из описанных выше областей применения является наличие распределенной сети устройств первичного и вторичного преобразования данных, а также одновременная потоковая передача информации, предъявляющая требования к работе системы в режиме приближенного к реальному масштабу времени.
В следующем, третьем разделе диссертации относительно подробно рассматривается первое из описанных применений в задаче проектирования стереоскопической системы технического зрения, которая может быть установлена на мобильных роботах. Пятый раздел предоставляет информацию по второму описанному применению предложенной системы сбора, обработки и управления потоковой информацией в задаче анализа видеопотоков для оценки признаков наркотического опьянения испытуемого. Ниже приводится краткое описание последней задачи.
Наиболее информативным методом контроля скважин, оборудованных глубинно-насосными установками, является динамометрирование [64, 65], т.к. оно позволяет получить информацию о более трех десятках различных характеристик о состоянии глубинно-насосного оборудования без его подъема. Поэтому получение динамограмм – обязательное требование всех нормативных документов, предъявляемых к АСУ ТП промысла. В этой связи является актуальной задачей является построение автоматизированной информационно-измерительной системы (ИИС) мониторинга и диагностики состояния глубинных штанговых насосов (ШГН) для поддержки принятия решений. Интерес к подобной системе, в частности, проявила фирма, длительное время успешно занимающаяся созданием программно-технической базы систем управления и мониторинга для предприятий нефтедобычи (ООО Геофизмаш, г. Саратов) Предлагаемая нами система представляет совокупность функционально объединенных измерительных, вычислительных и других вспомогательных технических средств для получения измерительной информации, ее преобразования и обработки для предоставления оператору (пользователю) в требуемом виде, либо для автоматического осуществления логических функций контроля, диагностики и идентификации. Система предоставляет пользователю информацию в соответствии с ее назначением и, кроме измерения, обеспечивает выполнение других необходимых процедур информационного обслуживания контролируемого объекта, включая автоматический сбор, преобразование, передачу, запоминание, регистрацию и обработку измерительной информации (рисунок 2.16).
Датчики (1) измеряют различные характеристики объекта контроля (2); преобразователи передают по каналам связи сигналы датчиков в единый пункт сбора данных (3), который представляет устройство с доступом из сети Ethernet (4). В ИИС имеется клиент (5), который периодически опрашивает список устройств сбора данных с датчиков и вводит информацию в таблицы, в результате у клиента имеется актуальная информация, которая после соответствующей обработки в виде соответствующего набора данных поступает в БД (6). Также в диагностической системе мониторинга (9) установлен web-сервер (7), который по запросу от пользователей (8) формирует и возвращает им результаты: статистика характеристик, измеренных датчиками за определенный интервал времени (графики, таблицы), информацию о возможных неисправностях в узлах и др.
Схема ИИС мониторинга и диагностики состояния ШГН Система позволяет выделить и воспринять сигнальную информацию отдельно от всех датчиков и устройств, объединить данные о всех главных характеристиках объекта и создать достаточно полное, совокупное его описание. Система технической диагностики должна выдавать информацию о состоянии контролируемого объекта (исправен или не исправен), а также обеспечить интеллектуальную поддержку при локализации места неисправности (отказа), либо по накопленным статистическим данным с определенной степенью уверенности определять наличие возможных неисправностей, которые следует оперативно устранить.
В рассматриваемом случае объектом для системы являются плохо структурированные и зашумленные наборы данных, представляющие цифровые информационные сигналы об исследуемых технологических процессах (в частном случае, это – матрицы изображений).
Успех бурения зависит от работоспособности всех узлов технологического оборудования, режимов углубления и промывки, состояния глубинного насоса и т.д. Состояние узлов объекта контроля и мониторинга зависят от воздействующих факторов и определяются совокупностью параметров. Оценка состояний технологического объекта – одна из главных задач при принятии решений по управлению объектом. От возможных состояний, в которых находится объект, внешних воздействующих факторов, зависит принятие решения по управлению заданным объектом.
Предлагаемые в настоящей диссертационной работе результаты исследований использовались для решения рассмотренной выше задачи. Так, при построении элементов и устройств измерительных систем управления и обработки потоковой информации для проведения динамометрирования для контроля скважин, оборудованных глубинно-насосными установками, использован алгоритм сбора информации, который позволяет системе адаптироваться в соответствии с изменяющимися объемами обрабатываемых данных при увеличении количества узлов в распределенной сети датчиков.
Описание этапов преобразования данных
В [39] предложена методика исследования кусочно-линейной модели пуппиллограммы. Совокупность значений информативных параметров сравнивается с индивидуальной нормой обследуемого или с групповой нормой возрастной категории, и, если они выходят из диапазона двух средних квадратических отклонений, сигнализируется об отклонении от нормы психофизического состояния исследуемого. Контур зрачка аппроксимируется окружностью с погрешностью не более 5%. Для этого используются следующие выражения [39]:
В рамках НИР [39] разработана методика диагностики психофизиологического состояния человека. Система, построенная на основе описанной методики, обладает высокой скоростью проведения анализа, поэтому может использоваться для оценки состояния людей, работающих в таких областях деятельности, в которых от психофизиологического состояния его нервной системы и действий зависит жизнь и здоровье многих людей.
Однако, как показали эксперименты, при расширении системы в связи с увеличением числа устройств, производящих скрининг-диагностику и транслирующих видеопоток на удаленный сервер для дальнейшей высокоуровневой обработки, резко снижается производительность комплекса в целом (рисунок 5.3). Объем транслируемой и анализируемой информации становится большим, что приводит к увеличению времени передачи данных и перегрузке сервера из-за нехватки вычислительных ресурсов. Имеется несколько способов решения задачи: 1) оптимизация программных алгоритмов обработки данных, 2) применение кластерных-, GRID-, облачных технологий для распределения вычислений и снижения нагрузки на сервер, 3) применение архитектуры параллельных вычислений (Compute Unified Device Architecture, CUDA) для увеличения вычислительной производительности использованием графического процессора, 4) внедрение адаптивной системы сбора, передачи и управления потоковой информацией.
Зависимость времени обработки видео-потока от количества подключенных клиентов Первые три выше описанных способа увеличения производительности информационных комплексов различной природы широко исследуются другими авторами. Однако в работах практически не уделяется внимания эффективному взаимодействию элементов вычислительной техники, что также позволит сократить общее время цикла обработки информации. Поэтому целесообразно использовать методы и алгоритмы проектирования системы распределенных элементов вычислительной техники и построения адаптивной системы управления потоковой информацией. В текущем разделе описывается результат применения четвертого способа, т.е. предложенной методики построения адаптивной системы сбора, передачи и управления потоковой информацией, описанной в диссертации.
Далее описывается общая структура и проектирование блоков программного комплекса. Проектирование программного комплекса адаптивной системы сбора и обработки сигнальной информации Текущий подраздел посвящен описанию программного комплекса, начиная от общей архитектуры и завершая блоками функций и машиной состояний. Ниже рассмотрена структура разработанного программного обеспечения в виде модуля, включенного в программно-аппаратный комплекс диагностики психофизиологического состояния человека.
Разработка функциональной структуры адаптивной системы управления потоковыми данными Проектирование масштабируемого, надежного адаптивного программного комплекса для коммуникационных устройств вычислительной техники является сложной задачей. Такой программный продукт должен удовлетворять требованиям по качеству выполнения функциональных операций, критически важных сервисов коммуникации между узлами. Теоретическую и методологическую базу проектирования схемы предлагаемого программного комплекса составили работы [141, 194].
Программная реализация построена с использованием преимуществ объектно-ориентированного подхода по модульному принципу. Каждый модуль (компонент) реализует определенные функции, при необходимости обращаясь через интерфейс к другим компонентам, для получения или преобразования данных. При этом система может быть собрана, при необходимости, без некоторых модулей, при этом упрощается разработка и интеграция нового функционала в виде новых модулей. Для каждого класса в системе создается абстрактный класс, назначение которого заключается в определении общего интерфейса для обращения к объекту. Это позволяет компонентам не учитывать конкретный тип используемых данных или логики преобразования. При этом работа с данными осуществляется «более абстрактно», т.е. программирование выполняется в соответствии с интерфейсом, а не с реализацией. Таким образом, реализация компонента может быть полностью изменена, сохраняя при этом интерфейс.
Функциональная структура системы управления Адаптивная система управления потоковой информацией состоит из четырех блоков функций и блока контейнеров (рисунок 5.4). Каждый функциональный блок обеспечивает функционирование комплекса на собственном уровне. Рассмотрим кратко предназначение и состав каждого блока. Ключевым блоком, обеспечивающим функционирование системы, является блок системных функций. Программный комплекс системы управления является многопоточным приложением. Каждый компонент имеет собственный поток исполнения, который может быть запущен один раз, далее осуществляется обращение к существующему объекту, что обеспечивается применением паттерна проектирования Singleton. Первым запускается поток Init, с его использованием осуществляется создание и запуск на исполнение остальных модулей.
Проектирование программного комплекса адаптивной системы сбора и обработки сигнальной информации
В разделе рассмотрены этапы проектирования программной реализации адаптивного комплекса сбора, передачи и управления потоковой информации в целом, и отдельных функциональных блоков, в частности. Рассмотрена область применения предложенной в диссертации адаптивной системы – программно-аппаратный комплекс определения психофизического состояния человека по нейросенсорным показателям на основе реакции зрачка человеческого глаза на световой раздражитель.
Приведенные результаты внедрения разработанной адаптивной системы сбора, передачи и управления потоковой сигнальной информацией показали целесообразность ее использования. Экспериментальные данные отражают значительное сокращение времени обработки потокового видео-ряда, что уменьшает задержку отклика системы в целом.
При этом проведен анализ влияния искажений, вносимых применением декомпозиции сигнала семействами целочисленных вейвлетов Коэна-Добеши-Фова и квантования высокочастотных коэффициентов разложения. Вносимая погрешность проанализирована на основе метрик MSE, PSNR, Delta и SSIM, по оценка индекса структурного сходства SSIM качества восстановленного образа сигнала не опускается ниже 0,8. Показано, что искажения сигнала вносят ошибку при аппроксимации зрачка глаза окружностью. Максимальная погрешность аппроксимации увеличилась с 5% в исходной системе до 14% при использовании максимально «жесткого» квантования и грубого вейвлета для разложения в модифицированном программно-аппаратном комплексе. Однако, как показало экспериментальное исследование, вносимые ошибки незначительны и не влияют на процесс определения информативных показателей пуппиллограмм и, как следствие, на принятие решений о психофизиологическом состоянии обследуемого.
1. Разработан нечеткий алгоритм управления сжатием потоковых сигналов на основе вейвлет-преобразования и арифметического кодирования с применением квантования с неравномерным шагом вейвлет-разложения, генетического алгоритма для определения значений параметров обработки, а также критерия оценки производительности обработки потоковых данных в системах управления в квазиреальном масштабе времени для увеличения степени сжатия и обеспечения заданного качества восстановленного сигнала. Алгоритм предлагается реализовать с использованием вычислителей во встраиваемых системах управления, выполняющих операции с целыми числами. Анализ влияния искажений, вносимых применением декомпозиции сигнала семействами целочисленных вейвлетов Коэна-Добеши-Фова и квантования высокочастотных коэффициентов разложения, показал, что погрешность согласно оценке индекса структурного сходства, SSIM не оказывает ощутимого влияния, и качество восстановленного образа сигнала не опускается ниже 0,8.
2. Развита схема построения распределенных вторичных преобразователей на основе создания адаптивной системы обработки потоковых данных клиент-серверной архитектуры с возможностью динамически изменять конфигурацию алгоритма сжатия и передачи информации на основе определения значений коэффициентов базового квантования и связи различных субполос разложения для адаптации к условиям передачи ресурсов вычислительной техники, сокращения временны затрат на обработку данных. Структура предложенной адаптивной системы обработки потоковой сигнальной информации позволяет проектировать распределенную сеть вторичных преобразователей с параллельной многопоточной обработкой данных. Ее целесообразно использовать при построении информационных комплексов с динамически изменяемой структурой, распределяя функционал цифровой обработки сигналов между вторичным преобразователем и системой сбора, реконфигурируя алгоритм обработки и передачи данных, что позволяет снизить затраты времени на обработку и транслирование данных.
3. Построен гибридный регулятор адаптивного управления преобразованием и передачей потоковой информации со встроенными блоками нечеткой логики и генетических алгоритмов для реализации предложенного алгоритма управления сжатием потоковых сигналов для оперативного мониторинга и динамического изменения конфигурации системы в соответствии с условиями работы вторичного преобразователя.
4. Результаты экспериментов показывают, что адаптивная система позволяет обслуживать на 14% больше удаленных устройств, поддерживая заданное качество, а также среднее время обработки информации ниже порога эргономичности человеко-машинных систем. При этом исследование результатов выявило, что при одновременной работе менее 4 устройств адаптивная система показывает результаты хуже, чем оригинальная из-за усложнения алгоритма управления и наличия дополнительной служебной информации, которую необходимо передать от измерительного узла. Поэтому при малом количестве параллельно обрабатываемых каналов передачи, применение адаптивной системы нецелесообразно.
5. Разработана структура узла вторичного преобразователя с вычислителем на основе ПЛИС типа FPGA для программно-аппаратной реализации предложенного алгоритма адаптивного управления.
6. Результаты работы использованы в программном продукте «Адаптивная система сбора и обработки потоковых видеоданных для анализа зрачковой реакции глаза», внедренном в СГТУ имени Гагарина Ю.А.