Методи та моделі автоматизованого проектування системи "інтелектуального будинку" на базі нейроконтролерів Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

Ивах Р.М., Хома Ю.В. Усовершенствование математических моделей измерительного преобразователя на базе операционных усилителей

Установлено, что основным источником погрешностей измерительного преобразователя по методу автобалансировки выступает операционный усилитель, поэтому для повышения точности средств частотного анализа импеданса целесообразно применить алгоритмическую коррекцию.

На основе малосигнальной модели операционного усилителя построены математические модели активных измерительных преобразователей импеданс-напряжение и ад-митанс-напряжение. Полученные математические выражения упрощены путем пренебрежения несущественных параметров, и соответствующим образом формализованы. Такой подход позволяет установить основные источники динамических погрешностей активных измерительных преобразователей.

Ключевые слова: сопротивление, измерения импеданса, частотные анализаторы импеданса, активные измерительные преобразователи, альязинг, передаточная характеристика, погрешности измерения импеданса.

Ivakh R.M., Khoma Yu. V. Improvement of Mathematical Models of the Transmitter on the Basis of Operational Amplifiers

The main error source of measurement converters based on auto-balancing circuit is the operational amplifier. Thus, it makes a lot of sense to apply algorithmic correction for accuracy improvement of impedance analyzers. Based on "low-level signal" model of operational amplifier mathematical models of active impedance- voltage and voltage-admittance measurement converters have been constructed. Final mathematical expressions have been simplified by neglecting non-essential options and appropriately formalized. This approach allows us to establish the main sources of dynamic errors of active measurement converters.

Keywords: impedance measurement, impedance analyzers, active measurement convertors, alyazinh, transfer characteristic impedance measurement error.

УДК 004.[02+942]

МЕТОДИ ТА МОДЕЛ1 АВТОМАТИЗОВАНОГО ПРОЕКТУВАННЯ СИСТЕМИ "ШТЕЛЕКТУАЛЬНОГО БУДИНКУ" НА БАЗ1

НЕЙРОКОНТРОЛЕР1В В.В. Береговський1, В.М. Теслюк2, П.Ю. Денисюк3, Т.В. Теслюк4

Розглянуто особливост шдходiв до проектування "штелектуальних будинюв". Зап-ропоновано ввести штелектуальний аспект за використання блоково-ieрархiчного подходу в процес проектування систем "штелектуального будинку" (1Б). Розроблено структуру системи "штелектуального будинку" на базi нейроконтролергв. Представлено структуру шдсистеми ^мат-контроль та наведено структуру типового нейрокон-тролера системи 1Б. Подано моделi на основi кольорових мереж Петрi для аналiзу робо-ти системи, як дають змогу дослщити динамжу роботи. Побудовано модели що грун-туються на штучних нейронних мережах, якi дають змогу опрацювати нечiткi та нес-труктурованi даш вiд пiдсистеми давачгв 1Б.

Ключовi слова: штелектуальний будинок, кольорова мережа Петр^ штучнi нейроннi мережi, блоково-ieрархiчний пiдхiд, нейроконтролер.

Вступ. Сьогоднi ввдбуваеться бурхливий розвиток iнтелектуальних техно-логш, однieю з яких е системи 'Штелектуального будинку". Розвиток та впрова-

1 acnip. В.В. Береговський - НУ "Львгвська полггехнка";

2 проф. В.М. Теслюк, д-р техн. наук - НУ '^BiBCbKa полггехнка";

3 доц. П.Ю. Денисюк, канд. техн. наук - НУ " Льв1вська nолiгехнiкa";

4 acnip. Т.В. Теслюк - НУ " Львгвська nолiгехнiкa"

дження технологш "iнтелектуального будинку" [1-5] дае змогу ктотно еконо-мити енергоносií та забезпечити комфортш умови проживания. На цей час к-нуе ряд фiрм, що пропонують складовi елементи для систем "штелектуального будинку", ят можна об'еднати в едину систему.

Проведений аналiз iснуючих систем дае змогу стверджувати про потребу шдвищення рiвня iнтелектуалiзацií та автоматизацп проектування таких систем [6-8].

1. Особливост застосування блоково-1ерарх1чного п1дходу до розроб-лення систем "штелектуального будинку". Жорстю вимоги до термiнiв i якостi розроблення складних об'ектiв i систем зумовлюють широкомасштабне використання засобiв автоматизацií на всiх рiвнях автоматизованого проектування. На сьогодш у процес проектування рiзних технiчних пристрош здебшь-шого використовують блоково-iерархiчний тдхщ. 1снують розробки щодо використання онтологш на системному рiвнi проектування таких систем [7], але йдеться тшьки про розроблення теоретичних положень.

Отже, загалом у процесi автоматизованого проектування, саме системи " ш-телектуального будинку" з використанням блоково-iерархiчного пiдходу можна виокремити: системний ршень 1Б, ршень пiдсистем та елементи шдсистем.

У загальному випадку, у математичнш формi, застосування блоково-крар-хiчного рiвня до розроблення 1Б можна представити таким виразом:

т I

2,11 I о3, /II л4,к

¿Ы = и РБ1 и Вй и ЕБ

1=1 у=1 к=1

де - система ^нгелектуального будинку", а верхнiй шдекс означае перший iерархiчний рiвень блоково-iерархiчного пiдходу до проектування; РБ1 (1 = 1,2,..., п) - 1 -та шдсистема "штелектуального будинку", а верхнш шдекс - 2-й iерархiчний ршень Б1П (для прикладу: пiдсистема клшат-контроль, шдсисте-ма освiтлення та ш); ББ (у = 1,2,...,т) - у-й блок системи "штелектуального будинку" (3-й iерархiчний рiвень Б1П); Е^к (к = 1,2,...,I) - к -й елемент системи штелектуального будинку ^зного роду давач^ виконуючi пристро! тощо).

Потрiбно зауважити, що система 1Б мiстить об'еднання пiдсистем:

п

¿У^б = и Рб1, 1 -та пiдсистема базуеться на об'еднанш завершених блоюв:

1=1

т I

Рб1 = и ВБ, а У -й блок об'еднуе елементи: ББ = ^ Е4к.

У=1 к=1

До ршня тдсистеми можна ввднести пiдсистему клшат-контролю, осви-лення, захисту та iншi. Елементний ршень мiстить давачi, виконуючi пристро!, мшроконтролери тощо. У процесi автоматизованого проектування ^нтелекту-альних будинкiв" використовують як шдхвд проектування зверху-вниз, так i знизу до верху та ш.

Кожен з цих пiдходiв до проектування "штелектуальних будинкш" мае сво! особливостi, переваги та недолiки. Зокрема, у процесi проектування системи " iнтелектуального будинку" 1-го та 2-го рiвнiв iнтелектуалiзацií використову-

п

ють, в основному, розроблення знизу до верху, що зумовлено наявнiстю велико!' кшькосп реалiзованих пристро'в автоматики. Проблема, в цьому випадку, виникае при !х iнтеграцií в едину систему, забезпечення единого формату обмь ну та керування та iн. Особливо в тих випадках, коли використовують складовi елементи вiд рiзних виробнитв.

Реалiзацiя третього та вищих рiвнiв систем "iнтелектуального будинку" потребуе використання нових пiдходiв, методов i технологш Такi особливостi зумовлюють використовувати проектування зверху-вниз. Понад це, процес розроблення системи "штелектуального будинку" потребуе звернути особливу ува-гу на особливосп проектування. Процес iнтелектуалiзацií функцш проектовано! системи потребуе введення штелектуального аспекту, детального аналiзу та забезпечення його на уах iерархiчних ршнях та етапах. Основнi задачi желекту-ального аспекту в процес використання Б1П зображено у таблищ.

Найскладнiшi задачi, якi потребують величезних обсягiв обчислень, вини-кають на етап системного проектування складних об'екпв i систем. На цьому ршш виникае потреба в розв'язаннi задач синтезу структур об'екта проектовано! системи та визначення 11 основних параметров. Наступний крок передбачае, що аналiз розроблено! структури можна виконати, використовуючи моделi на осно-вi теорц мереж Петрi [9], систем масового обслуговування та iн. Процес побу-дови таких моделей потребуе великих затрат часу, досв^ та знань з предметно!' обласп i е надзвичайно громiздким.

Табл. Основт задачi штелектуального аспекту в процеа розроблення 1Б

за використання Б1П

Системний рiвень Вибiр рiвня iнгелекгуалiзацií сисгеми 1Б. Обгрунгування можливосгi реалiзацií iнгелекгуальних функцiй. Вибiр сграгегií реалiзацií шгелек-гуальних функцш 1Б. Вибiр мегодiв i засобiв реалiзацií шгелекгуаль-них функцiй 1Б. Побудова сгрукгурних схем реалiзацií шгелекгуатза-Ц11 функцiй 1Б.

Схемогех- тчний рiвень Задачi штелектуального опрацювання даних в пiдсисгемах "розумного будинку". Вибiр погрiбних методiв, засобiв, моделей га мегодологiй. Реатзащя iнгелекгуальних функцiй "розумного будинку" на рiвнi тд-сисгем.

Компонен-гний рiвень Задачi штелектуального опрацювання даних вщ давачiв (вщновлення вграчених даних гощо). Вибiр метсдав опрацювання даних вiд давачiв.

2. Розроблення структури системи "штелектуального будинку" на базi нейроконтролерiв. Побудована структура системи 1Б мктить ряд шдсистем, а саме: клшат-контролю, безпеки, освилення та iн. У розробленш структурi зап-ропоновано використати нейроконтролери, що дасть змогу опрацьовувати не-чiткi та неструктурованi данi вщ шдсистем давачiв, якi контролюють змши в довкiльному середовищi. Пiдсистема клшат-контроль " iнтелектуального будинку" реалiзована шляхом використання нейроконтролерiв. Нейроконтроллер си-мулюе попередньо навчену штучну нейронну мережу типу багатошарового пер-цептрона.

Загалом, приклад розроблено! шдсистеми клшат-контроль "штелектуального будинку" зображено на рис. 1. Вона мктить власний нейроконтролер для кожного примщення, кожний з яких працюе пiд управлшням пiдсистеми керу-

вання 1Б. Особливiстю тако'' реалiзацií е те, що використовують вiдносно недорог мiкрокроконтролери, процес керування параметрами кимат-контролю кожно'' з кiмнат е незалежним i висока надiйнiсть тако'' структури, порiвняно з пiдсистемою, що використовуе один потужний контролер, адже, у випадку ви-ходу з ладу такого контролера - вся тдсистема перестае працювати.

| Прщунщення 1

I I

и

ГПд система давач1в 1 Нейроконтролер 1 Засоби впливу на довкшьне середовище 1

Примщення 2

ГПд система давач1в 2 Нейроконторлер 2 Засоби впливу на оточуюче середовище 2

"п

Г I-

-I

I

ГПд система Нейроконтролер п Засоби впливу

давач1в п * на оточуюче

середовище п

-=г

ГПд система керування ГБ

Рис. 1. Структура тдсистеми кл1мат-контролю "ттелектуального будинку " У загальному випадку, цю структуру можна описати з використанням тако''

моделi: Мой,

юмнконтр

— (»давач^ N1

нейроконтролера, ^викон. пристр

.), де: »давачхв - множина

пiдсистем давачiв для кожного примiщення мiнтелектуального будинку"; ^ейроконтролера - множина пiдсистем нейроконтролерiв; 7виконуюч1 пристро! - множина тдсистем виконуючих пристро'в.

Водночас, 8давт]_в мiстить п -елементiв, якi е тдсистемами давачiв для кожного окремо взятого примiщення. У раз^ якщо маемо п -примiщень для тдсистеми кимат-контролю, то будемо мати п -елементiв, кожний з яких позна-чаеться вiдповiдним шдексом: БдаваЧв — (51,52,...,5п). Аналогiчно можна записати для множини тдсистем нейроконтролерiв i виконуючих пристро'в: Nнейроконтролера — ( n1, n2,..., пп ) , ^виконуючi пристро! — (21,22,.., ), де: 51 - тдсистема да-вачiв для I -го примщення (\ — 1, п); п - нейроконтролер для I -го примiщення; 2 - пiдсистема виконуючих пристро'в для I -го примщення.

Структуру типового нейроконтролера зображено на рис. 2. Побудована структура нейроконтролера складаеться iз двох рiвнiв реаизацп, якi мiж собою пов,язанi:

• апаратна реашзащя (модель) мiстить у собi: тдсистему роботи з виконуючими пристроями, яю вiдповiдають за виведення аналогових сигналiв; пiдсистему роботи з давачами, яка вщповщае за зчитування цифрових сигнамв; пiдсистему роботи

з COM-портом, яка вiдповiдаe за надсилання повщомлень, промiжних i кiнцевих результатiв комп'ютеру. • програмна реалiзацiя (модель), яка мютить у co6i: пiдсистему опрацювання вхщ-них даних, отриманих вщ давачiв; пiдсистему формування керуючих сигналiв, яка на основi отриманих результата вщ нейронно\' мережi формувала команди для ви-конання мiкроконтролером; шдсистему використання нейронно'1 мережi, яка вносить даш в мережу, запускае мережу i видобувае результати. Нейроконтролер ви-конуе в циклi одну i ту ж програму.

3. Моделi для реалiзацiï системи на 6a3i Teopiï мереж neTpi та штучних нейронних мереж. У робоп розроблено моделi на ochobï кольорових мереж neTpi для анашзу роботи системи 1Б, яка мае таку форму [9, 10]:

Ncoiour ={P,T, F,M0, Type, TypeP, TypeF,Condition} , де: P = {P1,P2,...,Pn} - множина позицiй (стaнiв); T = {t1,t2,...,tOT} - множина пере-ходiв; F - множина дуг, яка мютить двi пiдмножини вхiдних та вихщних дуг стосовно переходу; M0 - множина, яка задае початкове маркування мepeжi Пeтpi; Type - множина тишв; TypeP - множина, яка вщображае доступну мно-жину типiв у позицiях мepeжi; TypeF - множина, тишв мapкepiв, що збуджу-ють пepeхiд, або яш типи мapкepiв будуть згeнepовaнi переходом; Condition -множина умов збудження пepeходiв.

Рис. 2. Розроблена структура типового нейроконтролера системи 1Б

Побудована модель на основi кольорово! мережi Петрi для пiдсистем 1Б та уае! системи дае змогу здшснити динамiчний аналiз поведiнки пiдсистем. Та-кож граф досяжностi станiв для побудованих моделей на основi кольорово! ме-режi Петрi, дае змогу ощнити досяжнiсть усiх Г! запланованих станiв, вщсут-нiсть тупикiв i можливiсть визначення iнших параметрiв у процеЫ аналiзу роботи шдсистем мiнтелектуального будинку".

Окрiм цього, модель на основi кольорових мереж Петрi дае змогу дослiдити динамiку роботи системи з урахуванням типiв сигнашв i умов спрацювання еле-менлв пiдсистеми. Для опрацювання нечiтких та неструктурованих даних роз-робленiо модел^ що базуються на штучних нейронних мережах (ШНМ). Зокре-ма, модель на базi ШНМ для шдсистеми освiтлення 1Б зображено на рис. 3. У цш моделi використано ШНМ типу багатошарового перцептрона [11, 12]. Побу-дованi моделi на основi штучних нейронних мереж дають змогу опрацювати не-

ч^ю та неструктуроваш данi у системах 1Б. Для кожно'1 пiдсистеми 1Б побудова-но модель на основi ШНМ, яка е базою для реатзацп нейроконтролерiв.

N=3 N=4 N=2 N=1

Рис. 3. Структура нейронног мережi мод^ для тдсистеми освiтлення 1Б

Результати. У процеш реатзацп системи 1Б на основi нейроконтролерiв, використано мiкроконтролери Arduino. Приклад схеми тдключення нейрокон-тролера до давачiв i виконуючого пристрою зображено на рис. 4, а фрагмент програми, яка керуе мкроконтролером, - на рис. 5.

Рис. 4. Приклад схеми тдключення нейроконтролера до давачiв i виконуючого

пристрою

//початок блоку вибору порпв нейроконтролера та введення даних нейроконтролера #ёейпе МойопБешог1 2 // визначення порта, з якого зчитуеться сигнал вщ давача // визначення порта, з якого зчитуеться сигнал вщ давача // визначення порта, з якого зчитуеться сигнал вщ давача // визначення порта, з якого зчитуеться сигнал вщ давача // визначення порта, з якого зчитуеться сигнал вщ давача // константа граничного сигналу вщ фото резисторiв, при якому

#ёейпе Ео1оКев1в1ог1 А0 #ёейпе Ео1юКе8181ш2 А1 #ёейпе БЯ1 0 #define 1 #ёейпе lightConst 980

освiтленiсть прирiвнюеться до 0

int countMotionlActive = 10; // кiлькiсть циклов активностi сигналу вiд давачу руху

int motionlStatus = 0; // значения давача руху

int FR1 Status = 0; // значения фото резистора ззовш

int FR2Status = 0; // значення фото резистора всередин

// кшець блоку вибору порпв нейроконтролера та введення даних нейроконтролера

// початок блоку шшдашзаци даних нейтронно! мережi

const int netSize = 14; // кшьюсть нейрошв в мережi

const int cntIn = 3; // кшьюсть вхщних нейрошв

const int cntOut = 1; // кшьюсть вихщних нейрошв

Рис. 5. Фрагмент програми керування мтроконтролером тдсистеми

ocBim^eH^

Висновки. Розроблено структуру системи штелектуального будинку на 6a3i нейроконтролерiв, яка дае змогу опрацьовувати нечiткi та неструктуроваш данi вiд пiдсистеми давачiв.

Запропоновано ввести iнтелектуальний аспект на усх рiвнях автоматизо-ваного проектування блоково-iерархiчного пiдходу та сформульовано основш задачi на кожному з iерархiчних рiвнiв, що дасть змогу шдвищити ефективнiсть автоматизованого проектування систем "штелектуального будинку".

Наведено моделi на основi кольорових мереж Петр^ що дае змогу до^ди-ти динамiку системи 1Б.

Лiтература

1. Harper R. (2003). Inside the Smart Home. - London. Springer; Augus. - 275 p.

2. Mahmoud A. (2010). Al-Qutayri Smart Home Systems. - Publisher : InTech. - 194 p.

3. Mann William C. (2005, 7 July) The state of the science // Smart technology for aging, disability and independence. - John Wiley and Sons.

4. Гололобов В Н. "Умный дом" своими руками / В.Н. Голобов. - М. : Изд-во "НТ Пресс", 2007. - 416 с.

5. Noury N., Virone G., Barralon P., J. Ye, Rialle V., Demongeot J. (2003, June). New trends in health smart homes // Proceedings of the 5th International Workshop on Enterprise Networking and Computing in Healthcare Industry (Healthcom '03). - Pp. 118-127.

6. Xu M., Max L., Xia F., Yuan T., Qian J., Shao M. (2010, October). 'Design and Implementation of a Wireless Sensor Network for Smart Homes // Ubiquitous Intelligence & Computing and 7th International Conference on Autonomic & Trusted Computing (UIC/ATC). - Pp. 239-243.

7. Ni Qin, Pau de la Cruz, Iván García Hernando, Ana Belén (2016). A foundational ontology-based model for human activity representation in smart homes // Journal of Ambient Intelligence and Smart Environments. - Vol. 8, No. 1. - Pp. 47-61.

8. Chan M., Esteve D., Escriba C., Campo E. (2008). A review of smart homes-present state and future challenges // Computer Methods and Programs in Biomedicine. - Vol. 91, No. 1. - Pp. 55-81.

9. Teslyuk V.M., Beregovskyi V.V., Pukach A.I. Development of smart house system model based on colored petri nets // Proc. of the XVIIIth International Seminar / Workshop On Direct And Inverse Problems Of Electromagnetic And Acoustic Wave Theory (DIPED - 2013). - Lviv, Ukraina, 2013. -Pp. 205-208.

10. Jensen K., Kristensen L.M. (2009). Coloured Petri Nets: modelling and validation of concurrent systems, 1st edition, Springer, 395 p.

11. Floreano D., Mondada F. (1998). Evolutionary Neurocontrollers for Autonomous Mobile Robots // Neural Networks. - Vol. 11, Num. 7-8. - Pp. 1461-1478.

12. Pukach A., Teslyuk V., Tkachenko R., Ivantsiv R.-A. Implementation of neural networks for fuzzy and semistructured data // Proc. of the XI Intern. Conf. on The Experience of Designing and Application of CAD Systems in Microelectronics, Lviv - Polyana, Ukraine, 2011. - Pp. 350-352.

13. Kornuta J.A., Nipper M.E., Brandon J. (2013). Dixon Low-cost microcontroller platform for studying lymphatic biomechanics in vitro // Journal of Biomechanics, 46. - Pp. 183-186.

14. Tariq AL-Kadia, Ziyad AL-Tuwaijrib, Abdullah AL-Omran (2013). Arduino Wi-Fi network analyzer // Procedia Computer Science, 21. - Pp. 522-529.

Надтшла до редакцп 25.10.2016р.

Береговский В.В., Теслюк В.М., Денисюк П.Ю., Теслюк Т.В. Методы и модели автоматизированного проектирования системы "интеллектуального дома" на базе нейроконтроллеров

Рассмотрены особенности подходов к проектированию "интеллектуальных зданий". Предложено ввести интеллектуальный аспект при использовании блочно-иерархичес-кого подхода для проектирования систем "интеллектуального дома" (ИД). Разработана структура системы "интеллектуального дома" на базе нейроконтроллеров. Представлена структура подсистемы климат-контроль и приведена структура типового нейрокон-троллера системы ИД. Представлены модели на основании цветных сетей Петри для анализа работы системы, позволяющие исследовать динамику работы. Построены модели, основанные на искусственных нейронных сетях, позволяющие обработать нечеткие и неструктурированные данные от подсистемы датчиков ИБ.

Ключевые слова: интеллектуальный дом, цветная сеть Петри, искусственные нейронные сети, блочно-иерархический подход, нейроконтроллер.

Berehovskyy V. V., Teslyuk V.M., Denysyuk V.M., Teslyuk T. V. Methods and Models of Automated Design of Smart House System Based on Neurocontrollers

We described some features of the design approaches of smart house systems. During the design of smart house (SH) system, it is proposed to use the intellectual aspects with the block-hierarchical approach. The structure of smart house system based on the neuro controller was designed. Climate control subsystem structure as a typical neurocontroller for SH system was described. Models based on colored Petri Nets were used for analysis of the system. They allow exploring the dynamics of the system. Models based on artificial neural networks that allow working out fuzzy and unstructured data from a sensor SH subsystem were designed.

Keywords: smart house, colored Petri Nets, artificial neural networks, block-hierarchical approach, neurocontroller.

УДК 621.[825+3.04]

ДОСЛ1ДЖЕННЯ ДИНАМ1ЧНИХ ХАРАКТЕРИСТИК МУФТИ З

Д1ЛЯНКОЮ КВАЗШУЛЬОВО'1 ЖОРСТКОСТ1 З УРАХУВАННЯМ ХАРАКТЕРИСТИК ЕЛЕКТРОДВИГУНА С.М. Комаров1, В.Р. Паста1,1.О. Романчук3, Н.О. Гембара4

Дослщжено динашчш процеси в електромехашчнш двомасовш систем приводу тех-нолопчних машин та впливу податливост пружно! нелшшно! муфти з дшянкою квазь нульово! жорсткост на його динамжу. Розглянуто уточнену двомасову модель з ураху-ванням електричних параметрiв асинхронного електродвигуна. Розроблено спецiалiзо-вану комп'ютерну програму, яка дае змогу вводити i модифшувати параметри мехашч-но! частини, муфти i електродвигуна та штегруе отримаш диференцшш рiвняння методом Ейлера. Доведено, що дослщжувана нелшшна муфта з дщянкою квазшншно! жорсткостi ефектившша вiд втулково-пальцево!.

Ключовi слова: електромехашчна система, двомасова динамiчна модель, пружна нелшшна муфта, коефiцiент динашчносй.

1 доц. С.М. Комаров, канд. техн. наук - Украшська академш друкарства;

2 проф. В.Р. Паска, д-р техн. наук - НУ "Льв1вська полггехнжа";

3 асист. 1.О. Романчук - Украшська академш друкарства;

4 доц. Н.О. Гембара, канд. техн. наук - Украшська академш друкарства