Інтелектуальна система динамічного зважування автомобілів для автоматизації управління запасами на сільськогосподарському підприємстві

Размещено на http://www.allbest.ru

КІРОВОГРАДСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

Спеціальність 05.13.07 - Автоматизація технологічних процесів

Національний університет харчових технологій, м. Київ, професор кафедри автоматизації та комп'ютерно-інтегрованих технологій;

кандидат технічних наук, доцент

Шмельова Тетяна Федорівна,

Державна льотна академія України, м. Кіровоград, доцент кафедри інформаційних технологій.

Захист відбудеться “ 12 ” жовтня 2007 р. о 10 00 годині на засіданні спеціалізованої вченої ради К 23.073.01 у Кіровоградському національному технічному університеті за адресою: 25006, м. Кіровоград, пр. Університетський, 8.

З дисертацією можна ознайомитись у бібліотеці Кіровоградського національного технічного університету за адресою: 25006, м. Кіровоград, пр. Університетський, 8.

Автореферат розісланий “ 10 ” вересня 2007 р.

Учений секретар

спеціалізованої вченої радиВ.М. Каліч

Размещено на http://www.allbest.ru

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась згідно з планами наукової тематики Кіровоградського національного технічного університету за темою „Інтелектуальна комплексна система автоматизації поосного зважування автомобіля у русі” (ДР №0107U003145). Крім того, розроблений алгоритм синтезу комплексного оптимального фільтра для виділення регулярного корисного сигналу на фоні випадкових стаціонарних перешкод використаний у держбюджетній темі № 33Б106 „Стабілізація руху багатовимірних нестійких автономних рухомих об'єктів у стохастичних експлуатаційних умовах”.

Мета і задачі дослідження. Метою дисертаційних досліджень є зменшення витрат на оперативне отримання достовірної інформації про кількість продукції твердої фракції для автоматизації управління запасами на сільськогосподарському підприємстві шляхом створення методів та засобів підвищення точності процесу динамічного зважування двоосних автомобілів.

Для досягнення поставленої мети досліджень були сформульовані та вирішені наступні задачі:

визначення динамічних характеристик складових навантажень на вагоприймальний пристрій, які виникають при проїзді автомобіля через нього;

дослідження граничних рубежів точності оцінювання маси нейронною мережею в ідеальних умовах та оцінка їх зміни при динамічному поосному зважуванні в умовах дії стохастичних перешкод та невизначеності стану автомобіля;

обґрунтування необхідності побудови інтелектуальної комплексної системи автоматизації процесу поосного зважування автомобіля у русі;

розробка методу визначення структури та параметрів оптимального комплексного багатовимірного фільтра для виділення регулярного сигналу на фоні випадкових перешкод;

виконання синтезу оптимального багатовимірного фільтра для різних значень кількості тензодатчиків та вагового коефіцієнта, який накладає обмеження на дисперсію випадкової складової похибки;

проведення аналізу якості системи в цілому в реальних експлуатаційних умовах; динамічна зважування автомобіль автоматизація

Визначені структури оптимальних багатовимірних фільтрів для випадків використання одного, двох, трьох та чотирьох тензодатчиків, а також встановлені закони зміни їх параметрів в залежності від обмеження на дисперсію випадкової складової похибки, що дозволяє інженеру-конструктору отримувати рішення задач без виконання аналогічних розрахунків, коли корисні сигнали та перешкоди є близькими до розглянутих у дисертації.

Отримані залежності впроваджені в курсове та дипломне проектування на кафедрі автоматизації виробничих процесів КНТУ.

Розроблена методика отримання схемних рішень побудови системи на основі комбінації оптимальних фільтрів та нейронних мереж, яка впроваджена на ВАТ „Кіровоградський завод дозуючих автоматів” при розробці блоку обробки сигналу та цифрової індикації вагового обладнання, і дозволяє розв'язувати прикладні задачі на сучасній елементній базі.

Практична цінність роботи підтверджена результатами комп'ютерного імітаційного моделювання та натурними випробуваннями виконаними на базі Державного підприємства дослідного господарства „Червоний землероб” Кіровоградського інституту агропромислового виробництва УААН.

Особистий внесок здобувача. Всі основні результати дисертаційної роботи отримані автором особисто. У роботах, опублікованих у співавторстві, автору належать такі ідеї та розробки:

отримано новий алгоритм визначення структури та параметрів оптимального інваріантного фільтра для оцінювання маси у стохастичних умовах [1];

обґрунтовано методику застосування методу імітаційного моделювання для визначення динамічних характеристик навантаження на вагоприймальний пристрій при зважуванні автомобілів у русі; досліджено вплив конструктивних параметрів автомобіля на форму кривої навантаження [2];

доведена можливість використання інтелектуальних систем на базі нейронних мереж для оцінки маси автомобіля при поосному динамічному зважуванні [3];

визначені можливі рубежі точності оцінювання маси за формою регулярної складової навантаження та вплив випадкових перешкод на точність [4];

представлено процедуру синтезу комплексного оптимального фільтра для випадку виділення регулярного корисного сигналу на фоні багатовимірних стаціонарних випадкових перешкод [5];

проведено аналіз якості роботи нейронної мережі у поєднанні з комплексним оптимальним фільтром; визначено ефект від застосування фільтрації сигналу [6].

Апробація результатів дисертації. Основні результати дисертаційних досліджень доповідались на міжнародній науково-практичній конференції “Проблеми енергозабезпечення та енергозбереження в АПК України” (м. Харків, 2005 р.), міжнародній науковій конференції “Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій” (м. Євпаторія, 2006 р.), міжнародній науково-практичній конференції „Проблеми конструювання, виробництва та експлуатації сільськогосподарської техніки” (м. Кіровоград, 2005 р.).

Публікації. Основні результати дисертації опубліковані у 6 наукових працях у збірниках наукових праць.

Структура і обсяг дисертації. Дисертаційна робота складається зі вступу, п'яти розділів, висновків, списку використаних джерел та 8 додатків. Загальний обсяг дисертації - 166 сторінок, основний текст викладено на 133 сторінках. Робота містить 68 рисунків, 25 таблиць та список використаних джерел, який включає 101 найменування.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі подана загальна характеристика дисертаційної роботи, обґрунтована актуальність, сформульовані мета, об'єкт, предмет і методи дослідження, поставлені задачі, що вирішуються. Визначена наукова новизна та сформульовані наукові і практичні результати, які виносяться на захист.

Розділ 1. Задача динамічного зважування автомобілів для автоматизації управління запасами. В результаті розгляду проблем, які існують в системі управління запасами на сільськогосподарських підприємствах (рис. 1) встановлено, що для зменшення затрат та підвищення ефективності управління необхідно розробити мобільну систему зважування, яка б дозволяла оперативно та точно збирати інформацію про рух вантажів для підсистеми підтримки прийняття рішення. З огляду способів зважування зроблено висновок, що найкраще даним умовам задовольняє динамічний поосний спосіб зважування з використанням підкладних платформ. Огляд сучасного стану вагового обладнання показав, що ваги, призначені для зважування автомобілів у русі, не володіють достатньою точністю, але апаратні засоби, які використовуються, ще не вичерпали свій потенціал. Тому підвищення точності можливе за рахунок розробки нових та удосконалення існуючих методів обробки вимірювальної інформації. Проблеми обробки інформації в умовах невизначеності та побудови інтелектуальних систем досліджуються в роботах В.М. Кунцевича, В.Б. Ларіна, Ф.А. Алієва, А.А. Туніка, Л.М. Блохіна, Ю.К. Тодорцева, О.Г. Руденка, Є.В. Бородянського, В.І. Архангельского, І.М. Богаєнка та ін.

Порівняльний аналіз методів обробки та характеру зміни сигналів, які виникають при динамічному зважуванні автомобілів, показав, що в реальних експлуатаційних умовах жоден з методів не гарантує досягнення найкращого результату. Це пояснюється тим, що вимірювання супроводжуються регулярними та випадковими перешкодами, а також здійснюються в умовах невизначеності про стан елементів автомобіля та швидкості його руху, тому одночасно зменшити вплив цих факторів на точність одним методом неможливо.

Оскільки для сприйняття навантаження можуть бути використані декілька датчиків, а для зменшення впливу невизначеностей можливе застосування інтелектуальних систем, в дисертаційній роботі запропоновано для визначення маси автомобіля використовувати систему, яка поєднує оптимальну комплексну обробку вимірювальної інформації для виділення з мінімальною похибкою корисного регулярного сигналу ХР на фоні випадкових перешкод та нейронну мережу (НМ) для ідентифікації даного сигналу ХР з метою визначення маси в умовах невизначеності стану елементів автомобіля. У відповідності з рис.2 на вагоприймальний пристрій діє навантаження, яке має регулярні РР складові: статичну РСТ та динамічну РД, а також випадкову РА, яка пов'язана з коливаннями окремих механізмів автомобіля, неокруглою формою колеса тощо. Дане навантаження сприймається декількома тензометричними системами ТСі, до складу яких входять первинний перетворювач та підсилювач. На виході ТС утворюється електричний сигнал, який є адитивною сумішшю сигналу пропорційного навантаженню та випадкового сигналу ХТДі, пов'язаного з шумами електричної частини. Сигнал з кожної ТС поступає на вхід комплексного багатовимірного фільтра G0 для виділення регулярної складової ХР на фоні випадкових перешкод. За кривою одержаного регулярного сигналу нейронна мережа оцінює масу М осі автомобіля. Якість оцінювання маси характеризує похибка 1, а якість виділення регулярного сигналу - 2. Вони можуть бути визначені за умови відомих бажаних перетворень Ф1 та Ф2.

На основі проведеного аналітичного огляду сформульовані задачі досліджень та етапи їх рішення.

Розділ 2. Визначення можливих рубежів якості оцінювання маси рухомого автомобіля за допомогою нейронних мереж. Задачею даного розділу є дослідження потенційно можливої точності нейронної мережі при оцінці маси автомобіля на ідеальному сигналі, тобто за відсутності випадкових перешкод, та оцінка впливу даних перешкод на точність. Для цього необхідно: провести дослідження динамічних характеристик сигналів, які виникають при проїзді автомобіля через вагоприймальний пристрій; обрати архітектуру нейронної мережі, яка б давала найвищу точність оцінки маси автомобіля; визначити статистичні показники точності на ідеальних сигналах; визначити вплив випадкових перешкод на якість роботи нейронної мережі.

Дослідження регулярних складових сигналу проводилось методом імітаційного моделювання. На основі відомої системи рівнянь, яка описує вертикальні коливання автомобіля, була створена модель (рис. 3), котра за вхідними параметрами (конструктивні параметри та швидкість руху автомобіля, розміри платформи) визначала зміну навантаження на вагоприймальний пристрій. Встановлено, що на зміну навантаження суттєво впливає не тільки маса, а й інші параметри. При їх варіюванні в межах ± 10 % крива навантаження в деяких точках відхилялась більш ніж на 300 кг, а при підстановці параметрів різних автомобілів криві мали абсолютно відмінний характер (рис. 4). Дослідження спектра потужності регулярного сигналу SХрХр (1) показало, що його структура не змінюється, а параметри (інтегральноквадратичне відхилення r, постійні часу Ti, коефіцієнти демпфування і) змінюються в межах 5 % при варіюванні конструктивними параметрами автомобіля в межах ± 20 %. Інтегральноквадратичне відхилення пропорційно залежить від маси. Зміна швидкості автомобіля обернено пропорційно впливає на постійні часу визначеного спектра. У той же час довжина лінії контакту колеса з вагоприймальною платформою та його радіус практично не змінюють дану характеристику корисного сигналу.

(1)

.(2)

Задачею нейронної мережі є оцінка маси за формою кривої навантаження на вагоприймальний пристрій при проїзді автомобіля через нього. Як відомо, наперед не можливо сказати, яка з архітектур нейронних мереж дасть найкращий результат. Вибір архітектури відбувається шляхом перебору різних комбінацій. Для цього необхідно створити нейронну мережу, навчальний та тестовий масив даних, провести навчання мережі та за результатами тестування визначити показники точності. В роботі розглядались варіанти: кількость нейронів у вхідному шарі nвх = 15; 30; кількость нейронів у прихованому шарі nпр = 0; 10; 20; 30; кількость елементів навчального масиву N = 1000; 2000; 3000 (масив формувався за допомогою розробленої моделі; різні комбінації активаційних функцій (лінійна, сигмоїдальна, гіперболічний тангенс, гаусова або радіально-базисна).

З аналізу одержаних результаті видно, що при збільшенні кількості нейронів точність, яка визначалась на навчальному масиві, покращується. При тестуванні нейронних мереж збільшення кількості нейронів до певного значення покращувало точність оцінювання маси автомобіля, але подальше їх збільшення приводило до погіршення результатів. Це пояснюється тим, що нейронна мережа втрачає узагальнюючу здатність. В результаті визначено, що найкраще серед розглянутих з поставленою задачею справляється нейронна мережа, яка має 15 нейронів у вхідному шарі з радіально-базисною функцією активації, 20 нейронів у прихованому шарі з сигмоїдною функцією та 1 нейрон у вихідному шарі з сигмоїдною функцією, навчена на масиві N = 2000 методом Левенберга-Марквардта. Статистичні показники якості оцінювання маси автомобіля на ідеальних сигналах наступні: для абсолютної похибки математичне сподівання t = 0,103 кг, середньоквадратичне відхилення t = 1,467 кг та закон розподілу близький до нормального за 2 - критерієм для рівня значимості = 0,05; для відносної похибки t = 0,002 %, t = 0,036 % та закон розподілу також близький до нормального за тим же критерієм.

Дослідження впливу випадкових перешкод на якість роботи нейронної мережі показало, що при подачі на вхід обраної мережі, навченої на регулярних сигналах, зашумленого вектору навантаження похибка становила тисячі кілограм, а закон розподілу втратив нормальний характер та наблизився до рівномірного. Після проведення навчання мережі на зашумлених даних показники точності покращились: для абсолютної похибки t = 0,512 кг, t = 91,127 кг та закон розподілу близький до нормального за 2 - критерієм для рівня значимості = 0,05. Але дані показники не задовольняють вимогам по точності для систем управління запасами, тому застосування НМ для оцінки маси при випадкових перешкодах неможливе без попередньої обробки сигналу з метою зменшення їх впливу.

Розділ 3. Проектування інтелектуальної комплексної системи оцінювання маси автомобіля при динамічному поосному зважуванні. Метою даного розділу є побудова такої інтелектуальної комплексної системи оцінювання маси автомобіля при динамічному зважуванні, яка б задовольняла вимогам по точності, що ставляться до засобів вимірювання при автоматизації управління запасами. Дана мета була досягнута в результаті рішення 2 задач: синтезу оптимального багатомірного комплексного фільтра; аналізу інтелектуальної системи в цілому та визначення математичного сподівання, середньоквадратичного відхилення і закону розподілу похибки вимірювання.

Метод комплексування вимірювальної інформації передбачає корисний сигнал та перешкоду випадковими стаціонарними процесами. Тому був розроблений метод, який розширює дію існуючого на випадок регулярного корисного сигналу. За функціонал І0 прийнята сума певним чином зважених інтегральної квадратичної помилки оцінювання регулярного сигналу та дисперсії випадкової складової помилки :

,(3)

де - знак знаходження сліду матриці; "*" - знак Ермітового спряження; А - вагова матриця, елементи якої узгоджують вагу окремих координат в загальному критерії якості; л - коефіцієнт, який визначає обмеження на дисперсію випадкової складової помилки; " ' " - знак транспонування.

Задача синтезу полягає в тому, щоб за відомими динамічними характеристиками елементів системи (рис. 8) (матрицею передаточних функцій вимірювачів К0, поліноміальними матрицями системи передачі даних М, Р, матрицею бажаних перетворень Ф0) та динамічними характеристиками корисного сигналу r, шумів вимірювачів , збурень (спектром потужності регулярного корисного сигналу , матрицями спектральних щільностей збурень та шумів вимірювачів ) знайти таку матрицю передаточних функцій комплексного фізичнореалізуємого фільтра G0, щоб функціонал якості (3) досягав мінімуму.

Для рішення даної задачі мінімізація функціоналу (3) виконувалась методом Вінера-Колмогорова. В результаті його застосування шукане значення G0 може бути знайдене у вигляді:

,(4)

де Г - матриця стійка разом з оберненою - результат факторизації виразу

;(5)

D - результат факторизації сумарної матриці корисних сигналів та перешкод:

;(6)

(N0 + N+) - стійка частина результату сепарації виразу

;(7)

0 - вектор корисних сигналів:

.(8)

Для автоматизації процесу синтезу за даним алгоритмом був розроблений програмний комплекс, який включає підпрограми: FactM - приводить матриці передаточних функцій до поліноміального вигляду та виконує факторизацію поліноміальних матриць за алгоритмом Девіса; FCWN - виконує факторизацію відношення поліномів для одномірного випадку; MATOBR - виконує обернення матриць передаточних функцій; SRWN - виконує вінеровську сепарацію матриць передаточних функцій шляхом розкладання передаточних функцій на елементарні дроби.

В результаті застосування алгоритму (3-7) були отримані рішення для варіантів одного, двох, трьох та чотирьох тензодатчиків. Порівняльний аналіз показав наступну структуру оптимального багатовимірного фільтра:

,(9)

де - вектор-рядок розмірністю n (кількість датчиків), елементами якого є одиниці.

Дослідження впливу на параметри фільтра показало, що змінюються лише параметри К, Т2, Т4, 4, Т5, 5, а інші залишаються незмінними, причому змінювався в широких межах 0,1...1000. В результаті апроксимації аналітичним виразом залежності змінних параметрів від  одержали:

;(10)

;(11)

;(12)

;(13)

;(14)

.(15)

Вирази (10-15) дозволяють в подальшому знаходити матриці передаточних функцій оптимальних фільтрів без виконання синтезу.

Аналіз якості роботи одержаних оптимальних фільтрів проводився за двома показниками: інтегральною квадратичною помилкою оцінювання регулярного сигналу та дисперсію випадкової складової помилки. В результаті визначено, що фільтри при значеннях вагового коефіцієнта = 0.1; 0.5; 1 недостатньо зменшують вплив випадкової складової, а при значеннях л = 500; 1000 значно спотворюють корисний сигнал. Тому в подальшому вони не розглядались.

Одержані результати склали основу для вирішення задачі аналізу системи в цілому, яка полягає у пошуку такого значення л, при якому інтелектуальна комплексна система з відомою структурою дає найкращу якість оцінювання маси автомобіля. Для її розв'язку використовувався метод половинного ділення інтервалів вагового коефіцієнту л.

В результаті визначено (рис. 9), що найкраща якість оцінювання маси досягається з використанням чотиривимірного оптимального фільтра при значенні вагового коефіцієнта л = 60, а його параметри мають значення: К = 0.8359; Т1 = 0.002 с; Т2 = 0.0347 с; Т3 = 0.005 с; Т4 = 0.0232 с; Т5 = 0.023 с; Т6 = 2.6710-4 с; 3 = 0.25; 4 = 0.8972; 5 = 0.421. При цьому одержані наступні показники точності: для відносної похибки t = -0.0053 %, t = 0.1026 %, закон розподілу близький до нормального за 2 - критерієм для рівня значимості = 0,05; для абсолютної похибки t = 0.132 кг, t = 6.136 кг та закон розподілу також близький до нормального за тим же критерієм.

Порівняльний аналіз результатів 2 та 3 розділів показує, що застосування оптимальної комплексної фільтрації забезпечило можливість використання даної системи для автоматизації управління запасами та дозволило підвищити точність визначення маси автомобіля у 15 разів.

Оскільки розрахунки проводились для одних значень параметрів спектральних щільностей випадкових складових, а в реальних експлуатаційних умовах вони можуть дещо змінюватись, то було проведено дослідження впливу зміни даних параметрів на точність вимірювання. Це дослідження показало, що при зміні середньоквадратичних відхилень в межах ± 50 % та постійних часу ± 20 % середньоквадратичне відхилення відносної похибки вимірювань t не виходить за межі 0.15 %.

Розділ 4. Практична реалізація інтелектуальної системи динамічного зважування автомобілів. На основі проведених досліджень в попередніх розділах була розроблена функціональна схема та методика практичної реалізації інтелектуальної системи динамічного зважування автомобілів.

На основі методики обрані апаратні засоби даної системи та проведені розрахунки. Система виділення регулярного сигналу побудована на активних RC-фільтрах. Проаналізований вплив розрядності АЦП на якість роботи системи і встановлено, що достатнім є застосування 12-ти розрядів. Реалізація нейронної мережі можлива в двох варіантах: шляхом моделювання її роботи на ЕОМ або із застосуванням нейрочіпів. При розробці макетного зразка використовувався перший варіант.

Для перевірки якості роботи запропонованої схеми було проведене імітаційне моделювання. На вхід системи подавались криві навантаження, отримані експериментально. В результаті одержали, що абсолютна погрішність визначення маси цілого автомобіля не виходить за межі 30 кг, а відносна М 0.5 %.

Розділ 5. Господарські випробування інтелектуальної системи динамічного зважування та розрахунок економічного ефекту. Господарські випробування проводились на базі Державного підприємства дослідного господарства „Червоний землероб” Кіровоградського інституту агропромислового виробництва УААН (Кіровоградська область, Бобринецький район, с. Чарівне). Задачею їх проведення була перевірка працездатності створеного макетного зразка інтелектуальної системи динамічного зважування та визначення статистичних показників якості оцінювання маси автомобіля.

В результаті підтверджена працездатність розробленої інтелектуальної системи динамічного зважування автомобілів. Погрішність вимірювань становила: абсолютна М 50 кг, відносна М  0.5 %. Господарством зроблено висновок, що запропонована інтелектуальна система може бути використана для автоматизації управління запасами на сільськогосподарському підприємстві як складова частина підсистеми підтримки прийняття рішень.

Проведені розрахунки економічної ефективності від впровадження інтелектуальної системи динамічного зважування автомобілів показали, що річний економічний ефект становить 53920 грн., а термін окупності 0,56 року.

ЗАГАЛЬНІ ВИСНОВКИ

Основні наукові та практичні результати дисертаційної роботи полягають у наступному:

В результаті порівняльного аналізу сучасних методів обробки вимірювальної інформації в системах динамічного зважування і характеристик корисних сигналів та перешкод в реальних експлуатаційних умовах доведено, що досягнення мети дисертації необхідно шукати шляхом створення інтелектуальної комплексної системи автоматизації процесу поосного зважування автомобіля, яка складається з оптимального багатовимірного комплексного фільтра для виділення корисного сигналу на фоні перешкод та нейронної мережі для компенсації невизначеності про стан автомобіля.

Дослідження динамічних характеристик регулярної складової навантаження, що виникає при проїзді автомобіля через вагоприймальний пристрій, виконане методом комп'ютерного імітаційного моделювання, показало, що вони суттєво залежать не тільки від маси автомобіля, але й від його конструктивних параметрів. При цьому встановлено, що структура спектра потужності коливань навантаження залишається постійною, а її параметри змінюються в межах ± 5 % при варіюванні конструктивними параметрами автомобіля ± 20 %. Інтегральноквадратичне відхилення регулярної складової сигналу пропорційно залежить від маси. Зміна швидкості автомобіля обернено пропорційно впливає на постійні часу визначеного спектра. У той же час довжина лінії контакту колеса з вагоприймальною платформою та його радіус практично не змінюють даної характеристики корисного сигналу.

В результаті обробки експериментальних даних, отриманих на базі автомобільного парку ВАТ „Кіровоградське видавництво”, встановлено, що випадкова складова перешкод являє собою стаціонарний випадковий процес з дробово-раціональною спектральною щільністю, потужність коливань якого зосереджена в діапазоні частот від 100 до 1200 рад/с, математичне очікування становить приблизно 0 кг, а середньоквадратичне відхилення наближається до 70 кг.

Аналіз поведінки нейронної мережі, яка містить 15 нейронів у вхідному шарі з радіально-базисною функцією активації, 20 нейронів у прихованому шарі з сигмоїдною функцією та 1 нейрон у вихідному шарі з сигмоїдною функцією, при дії на її вході регулярного корисного сигналу та джерел невизначеності, наведених у роботі, показав, що вона може забезпечити відносну похибку вимірювання маси, розподілену за нормальним законом з математичним сподіванням 0.002 % та середньоквадратичним відхиленням 0.036 % при швидкості руху автомобіля V = 5 ± 1 км/год. У разі дії реальних випадкових перешкод нейронна мережа погіршує якість оцінювання: математичне очікування похибки збільшується приблизно у 5 разів, а середньоквадратичне відхилення - в 60.

Для зменшення впливу випадкових факторів на якість роботи нейронної мережі розроблено частковий метод синтезу багатовимірних систем фільтрації, який поширює ідеї комплексування на випадок, коли корисним є вектор регулярних сигналів, а перешкодою - багатовимірний стаціонарний випадковий процес, застосування якого дозволило визначити структуру та параметри багатовимірних оптимальних фільтрів для випадків використання одного, двох, трьох та чотирьох тензодатчиків, а також встановити закони зміни їх параметрів в залежності від обмеження на дисперсію випадкової складової похибки, що дає можливість інженеру-конструктору отримувати рішення задач конструювання без виконання етапів досліджень, наведених у роботі, за умови, що конфігурація розроблюваної системи та сигнали в ній наближаються до розглянутих у дисертації.

Для поєднання оптимального багатовимірного фільтра з нейронною мережею застосовано системний підхід, в основі якого лежать методи аналізу систем, половинного ділення інтервалів та імітаційного моделювання. В результаті їх застосування визначено, що найкращі результати роботи інтелектуальної комплексної системи автоматизації поосного зважування автомобіля у русі досягаються, якщо вона має чотири тензодатчики, співвідношення між регулярною та випадковою складовими корисного сигналу та перешкоди складає л = 60, нейронна мережа містить 15 нейронів у вхідному шарі з радіально-базисною функцією активації, 20 нейронів у прихованому шарі з сигмоїдною функцією та 1 нейрон у вихідному шарі з сигмоїдною функцією, а навчання виконано на зашумленому сигналі, який підданий фільтрації. Відносна похибка оцінювання маси при цьому розподілена за нормальним законом з математичним сподіванням -0.0053 % та середньоквадратичним відхиленням 0.1026 %, що підтверджено результатами імітаційного моделювання роботи системи та господарськими випробуваннями.

Проведені господарські випробування, з використанням макетного зразка, підтвердили працездатність розробленої системи, а застосовані методи обробки вимірювальної інформації дозволили досягти відносної погрішності вимірювань М  0.5 % при швидкості руху автомобіля V  5 км/год. Економічний ефект, в порівнянні із статичними вагами, отриманий за рахунок зменшення ціни ваг, витрат на експлуатацію транспортних засобів, а також збільшення кількості операцій зважування в разі використання ваг на декілька господарств становить 53920 грн., а термін окупності 0,56 року.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Осадчий С.І., Пащенко В.Ф., Дідик О.К. Синтез оптимальної стохастичної двоканальної вимірювальної системи. // Збірник наукових праць Кіровоградського державного технічного університету. /Техніка в сільськогосподарському виробництві, галузеве машинобудування, автоматизація./ - Вип. 14. - Кіровоград: КДТУ, 2004. - С. 356 - 361.

Осадчий С.І., Дідик О.К. Аналіз динаміки навантаження на платформу при зважуванні транспортних засобів в русі. // Збірник наукових праць Кіровоградського національного технічного університету. /Техніка в сільськогосподарському виробництві, галузеве машинобудування, автоматизація./ - Вип. 17. - Кіровоград: КНТУ, 2006. - С. 329 - 333.

Використання нейронних мереж для динамічного зважування транспортних засобів / С.І. Осадчий, О.К. Дідик // Нові технології. - Кременчук: Кременчуцький університет економіки, інформаційних технологій і управління, 2006. - № 2 (12). - С.222 - 226.

Осадчий С.І., Дідик О.К. Аналіз якості роботи нейронної мережі при динамічному зважуванні автомобілів // „Моделювання та керування станом еколого-економічних систем регіону”, вип. 3, 2006, С. 212-216.

Осадчий С.И., Дидык А.К. Комплексированное оценивание регулярных сигналов на фоне многомерных стационарных помех // „Моделювання та керування станом еколого-економічних систем регіону”, вип. 3, 2006, С. 217-224.

Осадчий С.І., Дідик О.К. Дослідження якості комплексної системи оцінювання маси автомобіля при динамічному поосному зважуванні. // Вісник Харківського національного технічного університету сільського господарства імені Петра Василенка. Випуск 43 „Проблеми енергозабезбечення та енергозбереження в АПК України”. - Том 2. - Харків: ХНТУСГ, 2006. - С. 133 - 137.

АНОТАЦІЯ

Дідик О.К. Інтелектуальна система динамічного зважування автомобілів для автоматизації управління запасами на сільськогосподарському підприємстві. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.07 - Автоматизація технологічних процесів. - Кіровоградський національний технічний університет, Кіровоград, 2007.

Дисертація присвячена розробці методів та засобів підвищення якості процесу динамічного зважування автомобілів, які б забезпечували можливість оперативного отримання достовірної інформації про кількість продукції для автоматизації управління запасами на сільськогосподарському підприємстві. У роботі запропоновано для оцінювання маси автомобіля при динамічному зважуванні використовувати поєднання нейронної мережі та оптимальної багатовимірної фільтрації. На основі експериментальних даних та моделювання визначені динамічні характеристики сигналів, які виникають при зважуванні автомобіля. Проведено дослідження граничних рубежів якості оцінювання маси нейронною мережею в ідеальних умовах. Розроблено частковий метод синтезу багатовимірних систем фільтрації, який поширює ідеї комплексування на випадок, коли корисний сигнал - регулярний, а перешкода - багатовимірний стаціонарний випадковий процес. Визначено структуру та параметри оптимальних багатовимірних фільтрів для різної кількості датчиків, а також залежність даних параметрів від вагового коефіцієнта , який накладає обмеження на дисперсію випадкової складової помилки. Методом аналізу визначено значення , при якому інтелектуальна комплексна система, з відомою структурою, має найкращу якість оцінювання маси. Проведені господарські випробовування підтвердили, що запропонована інтелектуальна система динамічного зважування може бути використана для автоматизації управління запасами на сільськогосподарському підприємстві.

Ключові слова: динамічне зважування, автомобіль, управління запасами, нейронна мережа, оптимальна фільтрація.

Выполнен синтез оптимальных многомерных фильтров для разного количества датчиков, в результате которого получена общая структура фильтра и определены зависимости его параметров от весового коэффициента , накладывающего ограничение на дисперсию случайной составляющей ошибки, которые позволяют получать значения параметров фильтра без выполнения расчетов по алгоритму синтеза.

Методом анализа системы, с использованием метода половинного деления интервалов , определено значение весового коэффициента, при котором интеллектуальная комплексная система давала бы наилучшее качество оценивания массы автомобиля.

Разработана методика практической реализации интеллектуальной системы динамического взвешивания автомобилей. Проведенные моделирование работы системы и хозяйственные испытания подтвердили, что относительная погрешность находится в пределах 0,5 %, а предложенная система может быть использована для автоматизации управления запасами на сельскохозяйственном предприятии.

Ключевые слова: динамическое взвешивание, автомобиль, управление запасами, нейронная сеть, оптимальная фильтрация.

THE SUMMARY

The thesis studies the development of methods and facilities of increase of the process precision of the dynamic weighing of motor vehicles to receive the reliable information regarding the volumes of products for automation of inventory control at an agricultural enterprise. It is suggested to use the combination of neuron network and optimum multidimensional filtration for the evaluation of motor vehicle mass at the dynamic weighing. On the basis of experimental data and modeling the characteristics of signals were shown during the weighing procedure. The research of maximum limits of precision of mass evaluation was conducted by a neuron network under perfect condition. The partial method of synthesis of the multidimensional systems of filtration was worked out, it disseminates the complex idea in a case when an useful signal is a regular one and interference is a multidimensional stationary accidental random process. A structure and parameters of optimum multidimensional filters were determined for a different number of sensors as well as the correlation between the given parameters and gross coefficient which limits dispersion of random component error. By the method of analysis the value was determined where the intellectual complex system with the certain structure has the highest precision of mass evolution. Running tests revealed the suggested intellectual system of the dynamic weighing of motor vehicles can be used for automation of inventory control at an agricultural enterprise.

The Keywords: dynamic weighing, motor vehicle, inventory control, neural network, optimum filtration.

Размещено на Allbest.ru