УДК: 621.398

Русаков А. М.1 Філатов В.В.1 Афонасий А.А.2

Метод виявлення та локалізації джерел шуму при низькому рівні фонових шумів для використання в бездротових многоячеістих системах моніторингу

1 Московський державний університет приладобудування і інформатики

2 ВАТ Ордена Леніна "Науково-дослідний і конструкторський інститут енерготехніки імені Н. А. Доллежаля"

The method of the organization processing of the information in wireless mesh systems of monitoring for a problem of detection of sources of noise is offered at low level of background noise . The method essence consists in version of the Sequency Theory Spatial Filter's direct transformation so that the transformation is performed on a course of the information passage . As a consequence the resource and the operating time of monitoring wireless mesh systems raises , particularly those that analyze the dynamics of ongoing process .

Keywords: Wireless mesh systems of monitoring, Wireless Sensor Network, Sequency Theory, Detection of sources of noise.

Пропонується метод організації обробки інформації в бездротових многоячеістих системах моніторингу для завдання виявлення джерел шуму при низькому рівні фонових шумів. Суть методу полягає в модифікації прямого перетворення просторового фільтра теорії секвентной аналізу, так щоб це перетворення виконувалося по ходу слідування інформації. За рахунок чого підвищується ресурс і час роботи бездротових многоячеістих систем моніторингу.

Ключові слова: Бездротові многоячеістие системи моніторингу, бездротові сенсорні мережі, теорія секвентной аналізу, виявлення джерел шуму.

Складність промислових систем постійно зростає. З'являються і вирішуються все нові і нові завдання. Однією з важливих задач є постійний нагляд (моніторинг) за параметрами технічних систем з метою забезпечення їх ефективної роботи і безпеки.

Федеральний закон «Про промислову безпеку небезпечних виробничих об'єктів» №116-ФЗ від 21 липня 1997р., А також ряд указів органів управління зобов'язує підприємства організувати і здійснювати виробничий контроль за дотриманням вимог промислової безпеки. Найбільш перспективними є бездротові системи моніторингу.

Серед бездротових систем моніторингу особливе місце займають системи, побудовані за многоячеістому принципом з використанням бездротових мереж. Такі системи моніторингу прийнято називати бездротовими многоячеістимі системами моніторингу (БМСМ). Вони швидко монтуються, легко масштабуються і мають ряд унікальних властивостей, що дозволяють використовувати їх при моніторингу складних, небезпечних або важкодоступних об'єктів.

З іншого боку своєчасне виявлення джерел шуму течі, свищів і розривів, дозволяє запобігти можливим руйнування і, таким чином підвищити експлуатаційну безпеку промислових об'єктів.

Для акустичного виявлення джерел шуму при низькому рівні фонових шумів зазвичай використовуються найпростіші і найбільш поширені методи, які ґрунтуються на порівнянні реєстрованого шуму із заданим граничним значенням (звукового тиску), що встановлюється в залежності від рівня фонових шумів (обладнання) [1]. Також використовуються і інші більш складні методи виявлення, засновані на механізмах інтелектуального моніторингу [2] і агрегації інформації [3], але вони мають б про льшей обчислювальною складністю і тому малозастосовні в БМСМ. Для локалізації джерел шуму найбільш часто використовується метод амплітудної локації [4], заснований на апріорно відомої залежності ослаблення рівня акустичного шуму від відстані до джерела звуку (течі), а оцінка величини течі може здійснюватися за емпіричною залежності між рівнем джерела шуму течі і її величиною [ 5].

У даній роботі пропонується ще один метод виявлення і локалізації джерел шуму при низькому рівні фонових шумів для використання в БМСМ. Суть методу полягає у використанні математичного апарату теорії секвентной аналізу [6], що дозволяє інтерпретувати рівні шумів (звукового тиску) в їх сукупності.

В основі секвентной аналізу лежить поняття «секвенти», яке має сенс узагальненої частоти. Цей математичний апарат призначений для реалізації різних методів обробки інформації з використанням двійкових (бмнарних) ортогональних функцій, таких як системи обробки ауді о-і відеосигналів, а також для використання не синусоїдальних електромагнітних хвиль. Перевагами секвентной аналізу є порівняно проста апаратна реалізація алгоритмів, які можуть бути обчислені тільки за допомогою операцій додавання і віднімання.

Пропонується використовувати математичний апарат секвентной аналізу для побудови розподіленого оператора агрегування інформації по ходу її проходження, так як для БМСМ найкраще обробляти одержувану інформацію використовуючи розподілені операційні методи обробки інформації [3]. Для розподіленого агрегування інформації скористаємося ідеєю просторового фільтра секвентной аналізу [6]. Тут і далі під оператором агрегування інформації будемо розуміти процес перетворення даних з високим ступенем деталізації до більш узагальненого їх поданням. Для простоти викладу при першому наближенні будемо вважати, що контрольований простір має квадратну (прямокутну) форму. У секвентной аналізі функція отримання просторового секвентной спектра квадратного зображення має наступний вигляд:

, (1)

де - координати точки зображення (контрольованого приміщення) і просторової секвенти (частоти);

- ортогональна двовимірна (бінарна) просторова функція (Наприклад функції Уолша, Хаара, Радемахера та ін. [6]), , - порядковий номер просторової функції, , - координати точки просторової функції;

- довжина і ширина зображення.

Слід зазначити, що для систем БМСМ вже є асортимент методів дозволяють визначати координати сенсорних вузлів, наприклад [7]. Введемо систему координат, що враховує індивідуальні геометричні особливості обстежуваного об'єкта, силу особливостей БМСМ, і властивостей поширення акустичних шумів, необхідно вибирати сусідні сенсорні вузли. Скористаємося математичним апаратом обчислювальної геометрії [8], об'єднаємо всі сенсорні вузли за допомогою тріангуляції Делоне в діаграму Вороного (див. Рис. 1).

Мал. 1. Триангуляція Делоне поверх діаграми Вороного сенсорних вузлів БМСМ

На рис. 2 тріангуляція Делоне (жирні лінії) поверх діаграми Вороного (пунктирні лінії) представляє елементи можливої ​​БМСМ у вигляді опуклого багатокутника. Кінцеві точки ребер осередку Вороного утворюють вершини Вороного. Діаграма Вороного для безлічі сенсорних вузлів є об'єднанням осередків Вороного для всіх фрагментів, що входять в нього. Триангуляція Делоне дуальна з діаграмою Вороного. Граф має ребра між двома фрагментами, якщо і тільки якщо їх осередки Вороного мають частини ребра.

Далі користуючись властивостями діаграм Вороного про поділ метричних просторів, а також виконавши релаксаційну процедуру регуляризації за алгоритмом Ллойда (Lloyd algorithm) [9].

Мал. 2. Триангуляція Делоне поверх діаграми Вороного сенсорних вузлів БМСМ регулярізірованная по Алгоритму Ллойда

Доповнимо регулярізірованную діаграму Вороного віртуальними сенсорними вузлами до отримання двовимірної логічної координатної сітки; з метою виконання двовимірного секвентной перетворення (1) над даними з сенсорних вузлів. Задамо напрямок збору інформації для ефективної передачі інформації за допомогою алгоритму швидкої доставки повідомлень [10]. Порівняємо кожному сенсорному вузлу двовимірні логічні координати як показано на рис. 3.

Мал. 3. Завдання координат і напрямки збору інформації для елементів БМСМ

Кожному бездротовому сенсорному вузлу з логічними координатами , за винятком віртуальних (які вводилися для отримання двовимірної логічної системи координат), задамо матрицю розмірності , Назвемо її статичної секвентной матрицею і запишемо в неї коефіцієнти для перетворення (1), тобто .

Перепишемо формулу (2.1) в наступному вигляді:

, (2)

де , - координати сенсорного вузла (вузла БМСМ).

Відзначимо, що примноження елементів в (1) для більшості просторових функцій у секвентной аналізі зводиться до простої зміни знака. Тепер позначимо вираз , як і назвемо його динамічної секвентной матрицею.

Перепишемо формулу (2) в наступному вигляді:

, (3)

де - динамічна секвентной матриця для сенсорного вузла з координатами , .

Опишемо процес передачі інформації від одного вузла БМСМ до іншого так щоб пряме секвентное перетворення (1) виконувалося по шляху проходження інформації на прикладі трьох датчиків.

Нехай у датчика координати , у - , у - . Кожному з цих датчиків задамо статичну секвентной матрицю , , відповідно. У заздалегідь визначений момент часу (по таймеру) на кожному датчику сформуємо динамічну секвентую матрицю для передачі , , , де , і - показники датчиків , і . Почнемо процес передачі даних з датчика . Перешлём дані з датчика на . на датчику складемо матриці з і перешлём отриману матрицю на датчик . на . складемо матриці з і перешлём далі, як показано на рис. 4.

Мал. 4. Процес передачі даних у вигляді передачі секвентной матриць

Відзначимо, що показники датчиків повинні входити в суму (3), тільки по одному разу. Тому необхідно позначати датчики, які вже відіслали дані, а також заздалегідь задавати, можливо, навіть на етапі проектування СМ, розклад і напрямок збору інформації. При надходженні всієї інформації в центр обробки інформації її необхідно помножити на коефіцієнт . Отримана матриця буде просторовим секвентной спектром активності показників датчиків, зворотне перетворення в показання датчиків можна виконати наступним чином.

, (4)

де , Значення точки просторового секвентной спектра з координатами .

При формуванні просторового спектра можна використовувати різні бінарні просторові функції. Тому доцільно використовувати для різних завдань, набір функцій у вигляді декількох статичних секвентной матриць. Для отримання відомостей про загальну обстановку зручно використовувати синтезовані спеціальним чином просторові функції Уолша. За більш ретельно стеженням за конкретною областю можна використовувати бінарні імпульсні функції (див. Рис. 5), тоді такий метод обробки інформації зводитися до прямого зняття показань з датчиків, але при цьому не змінюється структура передачі даних і залишається можливість швидкого отримання відомостей про загальну ситуацію на об'єкті.

За аналогією з обробкою зображень в реальних задачах [6], можливо використовувати в повному обсязі значення статичної секвентной матриці, а тільки деяку частину, що призводить до того, що зворотне перетворення (4) виконується з похибками, але при цьому скорочується обчислювальної складності.

Мал. 5. Двовимірні просторові функції Уолша - і імпульсні функції -

Далі завдання виявлення джерел шуму можна сформулювати як задачу розпізнавання стану при наявності постійного акустичного джерела шуму течі. Традиційно в теорії розпізнаванні образів виділяють два етапи: формування ознак і вирішальну процедуру. Для формування ознак пропонується використовувати розподілене оператор агрегування інформації на основі секвентной аналізу. Відзначимо, що завдяки використанню математичного апарату секвентной аналізу одержувані ознаки мають фізичну інтерпретацію.

Для вирішальної процедури про наявність постійних джерел шуму, використовується частина теорії розпізнавання образів для побудови ефективних вирішальних функцій (правил) згідно. Для даного завдання вирішальну функцію або іншими словами загальну діагностичну функцію можна записати в наступному вигляді:

, (5)

де - значення просторової секвенти з координатами ; - нормуючий (калібруючий коефіцієнт) для просторової секвенти. - порогове значення, по перевищенні, якого дається висновок про наявність джерела шуму течі.

При цьому нормують коефіцієнти для довільної просторової секвенти можна підібрати, використовуючи поняття Зокрема секвентной аналізу.

Локацію джерел шуму течі не можна здійснювати використовувати традиційні методи, але можна грубо оцінювати становище джерела по максимальному показанню звукового тиску сенсорних вузлів.

(6)

Збільшивши кількість сенсорних вузлів БМСМ можливо отримати приблизно таку ж точність, за тугіше вартість, як і аналогічні СМ.

Вказану послідовність дій можна представити у вигляді наступного покрокового алгоритму.

Алгоритм розподіленого агрегування інформації на основі секвентной аналізу для акустичного контролю промислових трубопровідних споруд за допомогою БМСМ

Крок 1. Аналіз геометрії контрольованого простору: побудова діаграми Вороного і її регуляризація за допомогою релаксаційного алгоритму Ллойда, завдання логічних координат і напрямків для передачі інформації з сенсорних вузлів до центрів обробки інформації (див. Рис. 3).

Крок 2. Синтез системи бінарних просторових функцій для прямого перетворення секвентной фільтра.

Крок 3. Завдання основних параметрів: інтервалу спостереження , Розкладу передачі інформації, обчислення граничного значення , Формування статичних секвентной матриць для всіх сенсорних вузлів.

Крок 4. Зняття показань на всіх сенсорних вузлах і запис їх в динамічні секвентной матриці відповідно до складеного розкладу.

Крок 5. Передача інформації у вигляді динамічних секвентих матриць за обраним напрямом, відповідно до розкладу збору інформації в центри обробки інформації.

Крок 6. Порівняння діагностичної функції з граничним значенням , За перевищення перейти на крок 7.

Крок 6. За таймером через інтервал перехід на крок 4.

Крок 7. Локація джерела шуму течі по максиму в значеннях звукового тиску на сенсорних вузлах.

Таким чином, всі елементи БМСМ виконують функцію розподіленого оператора агрегування для діагностування наявності джерел шуму - течі. Застосування математичного апарату секвентной аналізу в поєднанні з теорією розпізнавання образів дають можливість теоретично обгрунтувати фізично одержувані значення і скоротити обчислювальну складність алгоритмів.

література:

1.Гетман А.Ф. Концепція безпеки «текти перед руйнуванням» для судин і трубопроводів тиску АЕС .// Вища школа, 1999, 261 с.

2. Охтілев М.Ю. Інтелектуальні технології моніторингу та управління структурної динамікою складних технічних об'єктів. / М. Ю. Охтілев, Б. В. Соколов, Р. М. Юсупов. - М .: Наука, 2006. - 410с.

3.Рижов А.П. Про якість класифікації об'єктів на основі нечітких правил. // Інтелектуальні системи, Том 9, вип. 1-4, 2005 C. 253-264.

4.Радіоелектронние системи: основи побудови і теорія. Довідник / Я.Д.Шірман, Ю.І.Лосев, Н.Н.Мінервін і ін .; під ред. Я.Д.Шірмана М .: ЗАТ «Маквіс», 1998, - 828 с.

5.Маркосян Г.Р., Петросян В.Г., Шахвердян С.В., Асланян М.А. Здійснено-ствование діагностичної системи «Alus» для визначення місця течі теплоносія з першого контуру ВВЕР 440. // Теплоенергетика. - 2000. - №5. - с.15-20.

6. Хармут Х. Теорія секвентной аналізу. Основи і застосування. - М .: Світ, 1980. 576с.

7.Еркін А. Розширення можливостей бездротових мереж ZigBee: вимір координат вузлів .// Бездротові технології, 2011. №1.

8.Скворцов А.В. Триангуляція Делоне і її застосування. - Томськ: Вид-во Том. у н-та, 2002. - 128 с.

9.Lloyd SP Least Squares Quantization in PCM. IEEE Transactions on Information Theory. Vol. IT -28, March 1982, 129-137.

10. Гекко М.В., Істомін Т.Є., Файзулхаков Я.Р., Чечендаев А.В. Адаптивний алгоритм швидкої доставки повідомлень по виділених напрямках для бездротових мереж датчиків. // Вісник молодих вчених «Ломоносов». Випуск III. М .: Макс Прес, 2006. - 55-58с.