PAR P O M I A RY • A U T O M AT Y K A • R O B O T Y K A
4/2019 ISSN 1427-9126 Indeks 339512
Cena 25,00 zł w tym 5% VAT
Technical Sciences Quarterly | Measurements Automation Robotics
W numerze:
3 5
Od Redakcji ! " # $ %
Agentowa struktura wielomodalnego interfejsu do Narodowej Platformy
19
& ' ( % ) * + , - ). ./* .
25
#
Towards Autonomous Driving: Design of Smart Damper – Energy Harvester
Mobile Robot Simulation Framework
31
% 0 1 % 1 2
41
# 0
! " #$% – MATLAB
& % "' ( ! ' ! ) !'
1 3 Informacje dla Autorów – 75 | Kalendarium – 105 | Nasze monografie – 106 | 107 | !" #$%& ' 108 | Konkurs Konstrukcji Studenckich – 110 | Nasze wydawnictwa – 112
Rada Naukowa Rok 23 (2019) Nr 4(234) ISSN 1427-9126, Indeks 339512
Redaktor naczelny
, - .
& + 1 % QT , / % 0 [ ) \ % ] ^
B # $ %
, 1 2% - H% - 1 % _%`
* % ! CB %
, 34 ! % 5 6 , L % ' % [ ) & ]E ^
* "'
7% ! 84% 4 [ ) + ]L ^
CB D + B E F B
D CB % F G B ' F % B # $ % F 0
& ' ) + H
, & ' 9 P + Q F 1 - & 1 T 1-&1 , ; . 9 + 4 L [ ( ) ][ ^ , 8! < 9 1 C $ a2 !
Druk
, - 1 / + 1 % - 1 ]1 % ^
$ E J ' K B B B L MOO B
, - / %
( [ ) ] ^ , . / ' L & P
Wydawca P + Q F 1 - & "1 T 1-&1 &%B D % UOU OU/VWM
Kontakt K % / 1 & K 0 &%B D % UOU OU/VWM %B UU WXV OY VM Z B % B B %
Pomiary Automatyka Robotyka / 0 / YhhX B 1 YW % ! ! B & % % ` " /0
0 % B
% / 1 & K 0 " 0 +&$'H#g E % % -L Hi #a1HKL-#[ ]-#* UOYM3 Xj UV^ " C " 0 0 C % % &K-&L'&B 1 L 0% W ] B YUVV^B 1 ` ` ! % a L ! 0 0% " % / 1 & K 0 B ` ` ] `^ B 1 L 0% % 1 & K 0 0 UO B ] T ! jY % UOYh B B UXhOU^B 1 % / % % B
% 1 & K 0 F J " hOXG1/ [LGUOYh 2 T L % C % 2P ` ` !B
5
% / %
[ ) 1 ]E ^ , - = $ ` 1 % + , 0 . = 4 4 - # % ]K ^ , & + < + b() ) 1 % c L % [ ) ][ ^ , 3 ! > - C $ ` C H % $ ` , - &( # % [ ) ] ^ , >
& + # f [ ) ] % + ^ , ? % & - C 1 ( 1 % a % 0 ! &
&'+ F - & % ' % + E 0g ]L ^ , 3 ! @ ' % 1 % _%` , < C4
% ) & ] ^ , 9 , 1 + - - & K 0 1 % , ? + ?' K -' [ ) %0 ]& % ^ , 3 ! 1 5 % b ) 1 % c L % [ ) ][ ^
1 & K 0 - L YVUX/hYUM KB Uj L VGUOYh
3
Od Redakcji
5
! # $ % Agentowa struktura wielomodalnego interfejsu do Narodowej Platformy & % % [ - L % # 0 1% F 1 U
19 25 31
& ' ( % ) , * + , - ). ./* , . Towards Autonomous Driving: Design of Smart Damper – Energy Harvester 3 % # Mobile Robot Simulation Framework % % 0 0 %
% 0 1 % 1 2 Budowa struktury komunikacji: programowanie robotów off-line – MATLAB # # 1 a /% K 0 F &'(&+
41
# 0 !" " " " !" # $ !
- % # K 0 + #
47
D 0 l % The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum $ % ` % (mK % T
55
+ 0 & T % " " # &# # " & # H) % & % + % & % ( 0 #
65
1 D $ % '# # ( !# $ " # ! # !" " $" " # # ( # ( ( $" " ( & % % 1 % 1 # ' # L
71
&% / * % & ) ) # #" " " $ " !# # !" " " $" "# # !" " " ( " # " 0 % ) ' [ - % H% % # ( # % + K (
1
1- 'KH_#-
77 87
0 % K %
% $0 Remote Sensing Semi-Automatic Measurements Approach for Monitoring ) " # ! " "* + # ( 1T ` % 0 B
$ ( D 1 % ," "# " " # # #" " # ( " " " ( $ " ( " . " " # # $ $ " " # ( " dwuparametrowych Hp H) % [ - % /1 # B 1 UB & % Hp % - ' /1
101
Informacje dla Autorรณw
105 Kalendarium 106 Nasze monografie 107
& Wybrane aspekty praktycznej realizacji algorytmu regulacji PFC !"% !% % ] + ^ < _
108 q K % < ( % ( ] 31> `hq ^
U
110
q $ t Konkurs Konstrukcji Studenckich
112
Nasze wydawnictwa
P
O
M
I
A
R
Y
โ ข
A
U
T
O
M
A
T
Y
K
A
โ ข
R
O
B
O
T
Y
K
A
N R 4 /201 9
a KH & #D-
Drodzy Czytelnicy, 1 1 kwartalnika naukowo-technicznego Pomiary Automatyka Robotyka. Podobnie jak w poprzednich edycjach, tematyka 0 TC B & % ` % F T 2 ! ` B T% % 2 ! 2 2 T % %! T F !2 C B ! T 0 T % % 0 B !2 2 ! ] ^ ` !2P L 1% # 0 0 B
% ! ` % T (mK %
` 0% T B ' 2 ! % C% ` B KT C ` ! 0 ` F T% 2 ` ! % 0 T 0 % f/% &'(&+ C 0 0 T T ` !0 B L 0 T C T % T ` ` 0% B # ! ` % ` T 1 VBOB F + Q F 1 - & 1 T 1-&1 F ` % numeru.
Redaktor naczelny kwartalnika Pomiary Automatyka Robotyka B 0B CB # $ %
3
V
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 5–18, DOI: 10.14313/PAR_234/5
-. % . / % 0 % 6 / 7 7 " # 8 ) () ' * + ( , + - , . + ( / + - ' 0 1 + - (21 + / , + 3 4 6 ; # ; % < = > / # > - > / # 0 &'?&*# !!@++' ;
, 5 Ten dwuczęściowy artykuł przedstawia interfejs do Narodowej Platformy Cyberbezpieczeństwa (NPC). Wykorzystuje on gesty i komendy wydawane głosem do sterowania pracą platformy. Ta część artykułu przedstawia strukturę interfejsu oraz sposób jego działania, ponadto prezentuje zagadnienia związane z jego implementacją. Do specyfikacji interfejsu wykorzystano podejście oparte na agentach upostaciowionych, wykazując şe podejście to moşe być stosowane do tworzenia nie tylko systemów robotycznych, do czego było wykorzystywane wielokrotnie uprzednio. Aby dostosować to podejście do agentów, które działają na pograniczu środowiska fizycznego i cyberprzestrzeni, naleşało ekran monitora potraktować jako część środowiska, natomiast okienka i kursory potraktować jako elementy agentów. W konsekwencji uzyskano bardzo przejrzystą strukturę projektowanego systemu. Część druga tego artykułu przedstawia algorytmy wykorzystane do rozpoznawania mowy i mówców oraz gestów, a takşe rezultaty testów tych algorytmów. &' % 0 % 6 / 7 7 " # 7 # . A # # A
1. Wprowadzenie h h ? % % , ' $ Prace badawcze poĹ›wiÄ™cone wielomodalnym interfejsom czĹ‚owiek-komputer sÄ… prowadzone od ponad 40 lat [37]. Celem tych badaĹ„ jest opracowanie metod i technik interakcji ludzi z komputerem w peĹ‚ni wykorzystujÄ…cych sposoby naturalnej komunikacji i interakcji czĹ‚owieka z otoczeniem. Interfejsy wielomodalne charakteryzujÄ… siÄ™ dwiema podstawowymi cechami: Ĺ‚Ä…czÄ… wiele typĂłw danych oraz przetwarzajÄ… te dane w czasie rzeczywistym przy okreĹ›lonych ograniczeniach czasowych [10]. System “Put-That-Thereâ€? [3] opracowany w MIT (USA) jest powszechnie uwaĹźany za pierwszy praktyczny pokaz moĹźliwoĹ›ci, jakie daje wielomodalny interfejs. W systemie tym byĹ‚y Ĺ‚Ä…czone dwa rodzaje wejść: gĹ‚osowe oraz gesty, ktĂłre umoĹźliwiaĹ‚y uĹźytkownikowi siedzÄ…cemu na krzeĹ›le naturalnÄ…
. ( " # $ % . ' % &' !( )!&* # % % &+ !* )!&*
!
i efektywną interakcję z systemem wizualizacji danych przestrzennych. System akceptował polecenia typu „utwórz tutaj zielony kwadrat�, „zmniejsz to� lub „umieść to tam�. ŝadne z tych poleceń nie moşe być poprawnie zinterpretowane, gdy głos i gesty będą rozwaşane niezaleşnie, dopiero ich poprawnie zinterpretowana wielomodalna kombinacja tworzy proste i ekspresywne polecenie, które jest naturalne dla uşytkownika. W latach 80. i 90. ubiegłego wieku powstało wiele prototypowych systemów z wielomodalnymi interfejsami wykorzystujących zarówno wejścia audio (rozpoznawanie mowy), jak i wizyjne (rozpoznawanie gestów rąk, głowy, ciała, ruchu warg, wyrazu twarzy) [10, 17, 36, 49]. Obecnie rozwijane są nowe rodzaje wielomodalnych interfejsów człowiek-komputer, które są określane jako „Cognitive Immersive Rooms� [9, 57]. Są to pomieszczenia, które „słyszą�, „widzą�, interpretują polecenia i ruchy uşytkownika lub grupy uşytkowników i odpowiednio na nie reagują. Wielomodalność interfejsu zapewnia dogodniejszy dla człowieka sposób komunikacji z maszyną i powinna teş zwiększać skuteczność i poprawność takiej komunikacji. Posługiwanie się takimi formami przekazu jak gesty i mowa jest naturalnym dla człowieka sposobem przekazywania swoich zamiarów i poleceń. Druga zaleta wielomodalności wynika z faktu, şe şadna automatyczna analiza danych pochodzących z czujników nie zapewnia poprawności rozpoznania przekazu człowieka w 100%. Poprawnie wykonana kombinacja danych pocho-
5
& % % L 1% # 0 0 !2P UB ciu cech tekstury kolorowej. Do rozpoznawania znaków języka migowego moşna wykorzystać równieş DeepHand [24] – rozwiązanie oparte na sieciach splotowych, wytrenowanych w oparciu o około milion obrazów kolorowych z róşnymi gestami. Prototyp interaktywnego narzędzia InterSec [34] do trójwymiarowej wizualizacji zawiera „naturalny� interfejs uşytkownika, umoşliwiający sterowanie wizualizacją za pomocą gestów. Danymi wejściowymi dla systemu rozpoznawania gestów są odczyty z czujników Kinect i LEAP Motion oraz ekranu wielodotykowego. Dzięki temu moşliwe jest jednoczesne wykonanie kilku gestów za pomocą dłoni i ciała w celu realizacji róşnych zadań.
dzących z róşnych modalności interfejsu powinna zwiększyć poprawność rozpoznania poleceń w porównaniu do kaşdej pojedynczej modalności. W proponowanym rozwiązaniu realizujemy trzy modalności: rozpoznawanie gestów, rozpoznawanie mowy i rozpoznawanie mówcy.
1.2. Rozpoznawanie gestów Na potrzeby interakcji z komputerem człowiek moşe wykonywać gesty róşnymi częściami ciała – dając znaki ręką [22], ruchem głowy lub całym ciałem [35] lub mimiką twarzy [56]. Zasadniczo przez gest rozumie się akcję wykonywaną przez człowieka charakteryzującą się ruchem. W niniejszej pracy nazwiemy to gestem dynamicznym [39]. Do rozpoznawania gestu potrzebna jest analiza sekwencji czasowej obrazów. W odróşnieniu, przez gest statyczny rozumieć będziemy określony układ elementu ciała człowieka, pozostający w niezmienionym stanie podczas procesu akwizycji obrazu. Zasadniczo do rozpoznania takiej pozy wystarczy pojedynczy obraz. Procedura rozpoznawania gestu obejmuje akwizycję danych (obraz lub sekwencja obrazów), detekcję istotnych cech w obrazie/obrazach i zastosowanie technik uczenia maszynowego do wytrenowania klasyfikatora do rozpoznawania zadanych gestów [53]. Klasyczne rozwiązania w zakresie detekcji cech w pojedynczych obrazach polegają na wykrywaniu lokalnych charakterystyk takich, jak: cechy Haara, cechy HoG i deskryptory punktów kluczowych [27]. Typowo stosowane klasyfikatory cech numerycznych to LDA (liniowa analiza dyskryminacyjna), klasyfikator kaskadowy, SVM (maszyna wektorów nośnych) i MLP (wielowarstwowy perceptron) [20]. W analizie sekwencji obrazów stosuje się dodatkowo informację o ruchu (wyznaczając tzw. optyczny potok lub wektory ruchu dyskretnych elementów obrazu), a typowym klasyfikatorem sekwencji obserwacji w czasie są modele HMM (Ukryte Modele Markowa) [19]. W ostatnich latach na popularności zyskały rozwiązania oparte na technice głębokich sieci neuronowych. Sieć splotowa CNN wyznacza nieliniowe przekształcenie zadanego obszaru obrazu do wektora cech a warstwy wyjściowe realizują klasyfikację [15, 25]. Na potrzeby rozpoznawania gestów dynamicznych, typowy dotąd model HMM moşe być zastąpiony siecią rekurencyjną LSTM (ang. long short-term memory), specjalnie zaprojektowaną do rozpoznawania sekwencji obserwacji w czasie [50]. Przegląd metod rozpoznawania gestów w obrazach RGB moşna znaleźć w szeregu pracach, np. [4, 15, 39], natomiast przegląd metod rozpoznawania gestów w obrazach RGB-D zawarty jest m.in. w pracach [6, 40]. Praktycznie wszystkie z przedstawionych metod zostały juş w mniejszym lub większym stopniu zaimplementowane w róşnych bibliotekach bądź pakietach programistycznych. Zaleşnie od tego, który fragment systemu ma zostać zaimplementowany, wykorzystać moşna róşne ich zestawienia. Przy pomocy biblioteki OpenPose [5] moşliwe jest wykrycie sylwetki człowieka w obrazie oraz dopasowanie do niej charakterystycznych punktów węzłowych (stawów), takich jak nadgarstki, łokcie, ramiona itp., uzyskując w ten sposób szkieletową reprezentację operatora. Mając dane o połoşeniu poszczególnych punktów w czasie (ich trajektorie), moşna wykorzystać metody dostępne w bibliotece Gesture Recognition Toolkit [11] do klasyfikacji sekwencji gestów. Biblioteka ta zawiera implementacje metod klasyfikacji gestów opisanych wcześniej, wymaga jednak podania wyznaczonych zestawów cech. Oprócz połoşeń punktów charakterystycznych sylwetki moşna wykorzystać dokładny model samej dłoni, o ile dostępny jest dla niej obraz z głębią w wysokiej rozdzielczości [48]. XKin [38] uşywa ukrytych modeli Markowa (HMM) oraz obrazu głębi w celu wyznaczenia pozycji operatora oraz klasyfikacji 16 gestów dynamicznych, natomiast gesty statyczne (znaki amerykańskiego języka migowego) rozpoznawane są przy uşy-
6
P
O
M
I
A
R
Y
•
A
U
T
O
M
1.3. Rozpoznawanie mowy Automatyczne rozpoznawanie mowy (ang. Automatic Speech Recognition) jest przedmiotem badan od około 60 lat. Na obecny stan rozwoju metod rozpoznawania mowy zasadniczy wpływ miało wprowadzenie modeli stochastycznych HMM (ang. Hidden Markov Models) pod koniec lat 80. XX wieku [2, 42] i zastosowanie głębokich sieci neuronowych DNN, począwszy od około 2005 r. [41]. Początkowo sieci te stosowano do klasyfikacji pojedynczych ramek sygnału w terminach podfonemów, pozostawiając modelom HMM zadanie rozpoznawania sekwencji obserwacji, co przyjmowało postać hybrydowego rozwiązania DNN-HMM. Jednak wraz z rozwojem specjalizowanych głębokich sieci rekurencyjnych zapewniających modelowanie opóźnień czasowych, w ostatnich kilku latach sieci neuronowe stopniowo przejmują takşe rolę pełnioną dotąd przez HMM. Skutkuje to tzw. systemami „end-to-end� bezpośrednio odwzorowującymi akustyczną sekwencję wejściową w symboliczną sekwencję wyjściową [13, 7]. Moşna wymienić kilka implementacji systemu rozpoznawania mowy publicznie dostępnych o otwartym kodzie źródłowym [31]. W początkach XXI wieku powstał modułowy system Sphinx-4 (Sun Microsystems, 2004) [52]. Wyznacza on pewien standard implementacji podstawowych algorytmów do analizy mowy i jednocześnie zapewnia strukturę szkieletową („framework�) do tworzenia systemów analizy mowy w języku Java. Dostępne teş było popularne narzędzie HTK do symbolicznej analizy sygnału mowy z wykorzystaniem modelu HMM [54]. Nowszym projektem z tej dziedziny jest KALDI [18], biblioteka o charakterze badawczym w języku C++ obejmująca nowo proponowane rozwiązania. Były lub są dostępne „mniejsze� rozwiązania obejmujące wybrane zakresy funkcji analizy mowy. MARF (ang. Modular Audio Recognition Framework) [30] to biblioteka w języku Java, dość dobrze udokumentowana. Ostatnia stabilna wersja pochodzi z 2007 r. – nie jest juş rozwijana. Do wyznaczania cech LPC lub MFCC dla ramek sygnału mowy istnieje szereg bibliotek. Biblioteka Loudia7 [26] ma otwarty i dobrze udokumentowany kod (licencja GPLv3). Biblioteka FFTW8 [8] (licencja GPL) przeznaczona jest do obliczeń szybkiej transformaty Fouriera. Dostępna jest implementacja funkcji marszczenia czasu FastDTW [46] (w języku Java), słuşąca do dopasowania dwóch sekwencji wektorów cech o róşnej długości. Autorzy niniejszej pracy zrealizowali teş w przeszłości własne implementacje wybranych funkcji w języku C++ lub Java: VAD, wyznaczanie cech MFCC, klasyfikator DTW, klasteryzacja cech, rozpoznawania z uşyciem modeli HMM [20, 21]. W zakresie analizy akustycznej warto teş sięgnąć do rozwiązań sprawdzonych w obu zagadnieniach analizy mowy – rozpoznawania komend, jak i mówców. Takim rozwiązaniem jest biblioteka SPro (Speech Signal Processing Toolkit) [14] z licencją „MIT License�.
1.4. Rozpoznawanie mówcy Przez rozpoznawanie mówcy rozumie się zazwyczaj dwa sposoby analizy sygnału mowy [29]: A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ % − Identyfikacja mĂłwcy – uĹźytkownik nie musi udowadniać toĹźsamoĹ›ci; system decyduje, ktĂłry model mĂłwcy jest najbardziej zbliĹźony do mowy wejĹ›ciowej → wymaga N porĂłwnaĹ„ aktualnej obserwacji z modelem; − Weryfikacja mĂłwcy – uĹźytkownik musi najpierw podać swojÄ… toĹźsamość, a nastÄ™pnie system sprawdza, czy jest ona prawidĹ‚owo rozpoznana → wymagane jest jedno porĂłwnanie obserwacji z modelem. Systemy rozpoznawania mĂłwcy obejmujÄ… nastÄ™pujÄ…ce rozwiÄ…zania: − Podstawowy sposĂłb nazywany jest UBM-GMM [44, 45]. Polega on na utworzeniu stochastycznych modeli dla kaĹźdego rejestrowanego mĂłwcy i dla mĂłwcy „średniegoâ€?, majÄ…cych postać mieszanin rozkĹ‚adĂłw Gaussa. Rozpoznawanie polega na okreĹ›leniu odstÄ™pu miar wiarygodnoĹ›ci dopasowania obserwacji do modelu mĂłwcy i modelu Ĺ›redniego. − RozwiÄ…zanie nazywane GMM-SVM polega na utworzeniu modelu mĂłwcy w postaci superwektorĂłw cech przez zĹ‚oĹźenie reprezentantĂłw wszystkich klastrĂłw Gaussa danego mĂłwcy. Superwektory sÄ… nastÄ™pnie rzutowane na podprzestrzeĹ„ w celu redukcji wymiaru, a do rozpoznawania stosowane sÄ… klasyfikatory SVM. − RozwiÄ…zanie o nazwie „Joint Factor Analysisâ€? polega na zastosowaniu analizy czynnikowej w przestrzeni superwektorĂłw cech [29]. Wyznaczane sÄ… jednoczeĹ›nie czynniki i podprzestrzenie zaleĹźne od mĂłwcĂłw oraz czynniki zakĹ‚ĂłceĹ„ – zaleĹźne od kanaĹ‚u wejĹ›ciowego i szumu Ĺ›rodowiska. W praktyce proces uczenia przebiega sekwencyjnie – najpierw wyznacza siÄ™ dominujÄ…ce kierunki zmiennoĹ›ci odpowiadajÄ…ce czynnikom zaleĹźnym od mĂłwcĂłw, nastÄ™pnie po „zamroĹźeniuâ€? tych czynnikĂłw znajduje siÄ™ czynniki modelujÄ…ce zmienność kanaĹ‚u nagrywajÄ…cego, a na koniec znajduje czynniki modelujÄ…ce szum Ĺ›rodowiska. − PodejĹ›cia oparte na wyznaczaniu tzw. I-wektorĂłw polegajÄ… na zastosowaniu liniowej analizy dyskryminacyjnej (LDA) lub tzw. „probabilistycznego LDAâ€? (PLDA) jako klasyfikatorĂłw [33]. I-wektory sÄ… wyznaczane w wyniku analizy czynnikowej wykonywanej w przestrzeni superwektorĂłw. W pierwszym rozwiÄ…zaniu nastÄ™puje potem redukcja wymiaru nowej przestrzeni i klasyfikacja za pomocÄ… LDA. W drugiej metodzie prowadzona jest najpierw kolejna dekompozycja na czynniki, tym razem przestrzeni i-wektorĂłw, modelujÄ…ca zakĹ‚Ăłcenia i klasyfikacja stosujÄ…ca zaawansowane stochastyczne miary odlegĹ‚oĹ›ci. − GĹ‚Ä™bokie sieci neuronowe znalazĹ‚y rĂłwnieĹź zastosowanie do rozpoznawania mĂłwcĂłw [8, 41]. Prace badawcze dotyczÄ… wykorzystania tych sieci do modelowania mĂłwcy – znajdywania w procesie uczenia nieliniowego przeksztaĹ‚cenia cech zastÄ™pujÄ…cego model mieszanin Gaussa – a takĹźe na etapie dopasowania obserwacji z modelem [28]. W zakresie technik modelowania i rozpoznawania mĂłwcy dostÄ™pna jest biblioteka „open sourceâ€? projektu ALIZE [1] (Uniwersytet w Avignon) na licencji GNU Lesser General Public License (LGPL). Korzysta ona z wyĹźej wymienionej biblioteki SPro [14] do analizy akustycznej sygnaĹ‚u mowy i implementuje podstawowe rozwiÄ…zanie UBM-GMM. Jej rozszerzeniem jest platforma biometryczna Mistral [32], ktĂłra oprĂłcz ALIZE zawiera teĹź szereg nowszych technik stosowanych w rozpoznawaniu mĂłwcĂłw (np. metodÄ™ GMMSVM i analizÄ™ czynnikowa przestrzeni superwektorĂłw).
.%! ' Zasadniczo jedynym agentem zajmującym się przetwarzaniem sygnałów mowy jest aaudio, w którego skład wchodzą: podsystem sterowania caudio, wirtualny receptor raudio,mic, wirtualny efektor eaudio,ui, receptor rzeczywisty Raudio,mic oraz efektor rzeczywisty
Eaudio,ui. Wirtualny receptor jest odpowiedzialny za przetworzenie sygnału głosowego w celu rozpoznania zarówno mówcy, jak i wydanej komendy. Sposób przetwarzania sygnału głosowego przez receptor wirtualny raudio,mic opisano w podsekcjach 2.1, 2.2, 2.3 i 2.4.
h < Pierwsze kroki przetwarzania komendy głosowej wykonywane są w dziedzinie czasu i obejmują (rys. 1): detekcję głosu VAD (ang. Voice Activity Detection), a konkretnie odróşnienie chwil, w których uşytkownik mówi od tych, kiedy wykrywany jest jedynie szum, filtrację prowadzącą do wzmocnienia wysokich częstotliwości sygnału (filtr preemfazy) w celu redukcji stosunku szumu do sygnału uşytecznego, normalizację jego amplitudy, segmentację sygnału na ramki, a następnie pomnoşenie zawartości tych ramek przez okna Hamminga w celu zredukowania wpływu skończonego czasu trwania sygnału w ramce na jego spektrogram [43]. Sygna audio
VR_przetwarzanie_wst pne VAD
Filtr preemfazy
Normalizacja
Wirtualny receptor
Ramki i okno Hamminga
Analiza spektralna VR_parametryzacja_mowy
Log
DCT
Filtry Mel
FFT
Postproc. MFCC
Cechy
Wektor cech i
Wyznaczanie cech Rys. 1. Funkcje wirtualnego receptora raudio, mic agenta audio aaudio: przetwarzanie wstępne i parametryzacja pojedynczych (krótkookresowych) ramek sygnału mowy Fig. 1. Audio agent virtual receptor functions: preprocessing and parametrization of single (short-time) speech frames
2.2. Parametryzacja mowy Kolejny etap przetwarzania odbywa się w dziedzinie częstotliwości. Rozpoczyna się od wykonania szybkiej transformaty Fouriera (FFT) sygnału w ramce, a następnie stosuje się szereg filtrów pasmowych. Pierwsza czynność określa spektrum sygnału w kaşdej ramce, na podstawie którego wyznaczane są współczynniki Fouriera, a druga wyznacza cechy melspektralne dla ramki sygnału mowy MFC (ang. Mel-Frequency Coefficients) i polega na przekształceniu amplitudy współczynników Fouriera za pomocą trójkątnych filtrów pasmowych rozmieszczonych równomiernie na skali mel, z końcowym zlogarytmowaniem wyników takich filtracji [47]. Skala mel określa zaleşność subiektywnie odbieranej wysokości dźwięku od rzeczywistej częstotliwości tego dźwięku. Wykonanie przekształcenia kosinusowego powoduje transformację współczynników do dziedziny cepstralnej. Cepstrum to odwrotna transformata Fouriera widma sygnału wyraşonego w skali logarytmicznej. Przekształcenia w tej dziedzinie polegają na odjęciu wektora wartości średnich i na filtracji w dziedzinie cepstralnej (ang. liftering), w ten sposób tworząc znormalizowane współczynniki melcepstralne MFCC (ang. ). Wektor cech uzupełniony zostaje o gradienty tych współczynników względem czasu i wartość energii sygnału w ramce [47].
7
& % % L 1% # 0 0 !2P UB
| / %
modele dla indywidualnych mówców, gdy rozpatruje się jedynie próbki wypowiedzi kaşdego mówcy z osobna. Na koniec modelowania dodatkowo przesuwa się klastry modeli mówców w kierunku odpowiadających im klastrom modelu UBM w sytuacji, gdy zbiór próbek dla mówcy jest mało liczny. Niech Xt(s) oznacza wektor cech dla ramki t sygnału mowy danego mówcy s. Niech mhubm oznacza środek klastra cech o indeksie h w modelu UBM, a mh(s) = eh{Xt(s)} jest środkiem najblişszym mu klastra cech dla nagrań mówcy s. Dla wyznaczenia nowego środka klastra w modelu mówcy mh(s) stosujemy współczynnik ah, który jest bliski 1 wtedy, gdy zawiera duşo danych, albo zdąşa do zera wtedy, gdy liczba danych dla mówcy jest mała:
ModuĹ‚ audio umoĹźliwia tworzenie modeli akustycznych dwĂłch typĂłw: − modeli poszczegĂłlnych komend gĹ‚osowych; − modeli gĹ‚osu poszczegĂłlnych mĂłwcĂłw. WspółwystÄ™powanie obu typĂłw modeli w jednym systemie rozpoznawania komend i identyfikacji mĂłwcĂłw pozwala na specyficzne rozwiÄ…zanie problemu modelowania i rozpoznawania komend gĹ‚osowych. Istnieje bowiem moĹźliwość korzystania z tej samej bazy prĂłbek mowy dla utworzenia modeli obu typĂłw. DodatkowÄ… okolicznoĹ›ciÄ… jest ograniczona liczba komend gĹ‚osowych, ktĂłre mogÄ… być reprezentowane w pojedynczej instalacji interfejsu. W takiej sytuacji przyjÄ™to zaĹ‚oĹźenie upraszczajÄ…ce polegajÄ…ce na tym, Ĺźe sĹ‚ownik komend ma charakter „zamkniÄ™tyâ€? – rozpoznawane sÄ… jedynie te komendy, dla ktĂłrych istniejÄ… prĂłbki gĹ‚osowe, pobrane od zarejestrowanych mĂłwcĂłw. Oczywistym faktem jest, Ĺźe dla zbudowania modeli mĂłwcĂłw potrzebne sÄ… ich rzeczywiste prĂłbki gĹ‚osowe. PrzyjÄ™to, Ĺźe bÄ™dÄ… nimi wypowiedzi zawierajÄ…ce reprezentowane w systemie komendy gĹ‚osowe. To zaĹ‚oĹźenie motywowane jest obserwacjÄ…, Ĺźe identyfikacja mĂłwcy jest skuteczniejsza, gdy rozpoznawanie jego gĹ‚osu odbywa siÄ™ w oparciu o te same komendy, co uzyskane uprzednio w procesie tworzenia modeli mĂłwcĂłw. PowyĹźsze zaĹ‚oĹźenie odnoĹ›nie modeli mĂłwcĂłw pozwala z kolei na przyjÄ™cie zaĹ‚oĹźenia o zamkniÄ™tym sĹ‚owniku dla procesu uczenia modeli komend gĹ‚osowych. Model kaĹźdej komendy ma postać macierzy cech (sekwencji wektorĂłw cech dla kolejnych ramek sygnaĹ‚u w czasie) – kaĹźda kolumna takiej macierzy jest jednym wektorem cech. Liczba wektorĂłw cech jest zmienna i zaleĹźy od dĹ‚ugoĹ›ci wypowiedzianej komendy. Model jednej komendy powstaje w wyniku dopasowania do siebie i uĹ›rednienia indywidualnych macierzy cech tworzonych dla prĂłbek uczÄ…cych zawierajÄ…cych danÄ… komendÄ™ (rys. 2). Rozpoznawanie komendy polega na porĂłwnaniu macierzy cech pozyskanej z aktualnie analizowanego fragmentu sygnaĹ‚u z modelami komend. Kluczowym algorytmem w procesie dopasowania w obu fazach pracy – modelowania i rozpoznawania – jest wĹ‚asna wersja algorytmu „dynamicznego marszczenia czasuâ€? (ang. Dynamic Time Warping) [55].
PowyĹźsza modyfikacja dotyczy jedynie Ĺ›rodkĂłw klastrĂłw. Macierze kowariancji dla klastrĂłw wyznaczonych dla prĂłbek danego mĂłwcy pozostajÄ… bez zmian. W powyĹźszym wzorze macierze kowariancji nie wystÄ™pujÄ… w sposĂłb bezpoĹ›redni, gdyĹź sÄ… niezmienne, a wzĂłr ten podaje jedynie modyfikacjÄ™ wektora Ĺ›rednich. Ocena dopasowania modelu danego mĂłwcy ze zbiorem cech dla ramek aktualnego sygnaĹ‚u ma charakter wzglÄ™dny, gdyĹź porĂłwnuje siÄ™ ze sobÄ… dwa wyniki dopasowania aktualnej prĂłbki mowy – raz, z modelem mĂłwcy, a dwa – z modelem uniwersalnym UBM. Dopiero róşnicÄ™ tych ocen, wyraĹźonych w skali logarytmicznej, porĂłwnuje siÄ™ z zadanym progiem. Niech Xt bÄ™dzie zbiorem wektorĂłw cech pozyskanych z aktualnej wypowiedzi, s – identyfikatorem mĂłwcy, Λs – modelem mĂłwcy s, Λubm – uniwersalnym modelem wszystkich mĂłwcĂłw. Identyfikacja opiera siÄ™ na mierze dopasowania obserwacji z modelem mĂłwcy (ang. score), bÄ™dÄ…cej róşnicÄ… dwĂłch wartoĹ›ci (logarytmĂłw) wiarygodnoĹ›ci: S(Xt | Λs, Λubm) = log p(Xt | Λs) − log p(Xt | Λubm)
| .%! ' Za przetwarzanie obrazów odpowiedzialny jest agent avision. Wirtualny receptor rvision agreguje obrazy uzyskane ze stereopary kamer oraz przetwarza je w opisany w podsekcjach 3.1, 3.2, 3.3 i 3.4 sposób. Następnie wirtualny receptor rvision przekazuje podsystemowi sterowania cvision pozycje dłoni, aby ten po przekształceniu opisanym w podsekcjach 3.5 i 3.6 Przesłał wyniki analizy modułowi prezentacji, by ten w końcu odwzorował je na pozycje kursorów na ekranie. W tym celu rozpoznawane są zarówno gesty statyczne jak i dynamiczne.
2.4. Modelowanie i rozpoznawanie mówców Funkcje modelowania i rozpoznawania mówcy są odmianą typowego rozwiązania zwanego UBM-GMM (ang. Universal Background Model – Gaussian Mixture Model). Wektory cech Xt wyznaczone dla kolejnych ramek t sygnału mowy tworzą punkty w wielowymiarowej przestrzeni. W wyniku klasteryzacji (grupowania) wektorów cech uzyskanych dla wszystkich mówców powstaje uniwersalny model UBM Λubm o postaci N mieszanin funkcji Gaussa. Zasadniczo podobnie tworzone są
| h > , Wirtualny receptor rvision wykorzystujÄ…c parametry kalibracyjne ukĹ‚adu kamer (zarĂłwno dotyczÄ…ce pojedynczych kamer jak i relacji miÄ™dzy nimi) poddaje obrazy przeksztaĹ‚ceniu prostujÄ…cemu. Parametry pozyskiwane sÄ… z podsystemu sterowania, ktĂłry z kolei pobiera je z agenta avision−database. W wyniku z obrazu usuwane sÄ… znieksztaĹ‚cenia wprowadzane przez ukĹ‚ad optyczny, a pozycja obu obrazĂłw normalizowana jest w taki sposĂłb, Ĺźe poszczegĂłlne linie poziome na obu obrazach odpowiadajÄ… sobie. Tak przygotowana para obrazĂłw jest wykorzystana do wyznaczenia mapy gĹ‚Ä™bi.
| ? !' Oba obrazy uzyskane ze stereopary poddawane są operacji wyznaczenia mapy niezgodności (ang. disparity map), na której określane jest względne przesunięcie między widokiem lewym a prawym tego samego obiektu w przestrzeni. Wykorzystywany jest w tym celu algorytm SGBM (ang. Semi-Global Block
Rys. 2. Funkcje wirtualnego receptora agenta audio: modelowanie i rozpoznawanie komend głosowych Fig. 2. Audio agent virtual receptor functions: modelling and recognition of spoken commands
8
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ %
Matching) [16]. Uzyskane róşnice połoşeń (wyraşone w pikselach obrazu) mogą być następnie bezpośrednio przeliczone na odległość danego punktu od kamery (wyraşoną w metrach), a z niej wyznaczyć moşna juş pozostałe dwie współrzędne kartezjańskie.
| | 0 " ' Obliczanie mapy niezgodności jest w ogólności zadaniem dość czasochłonnym, a jego złoşoność zaleşna jest od rozmiaru obrazu wejściowego. W celu minimalizacji czasu przetwarzania do wyznaczania głębi przekazywane są jedynie obszary zainteresowania. Dla interfejsu NPC są nimi dłonie oraz twarz operatora. Ich wykrycie w obrazie RGB jest realizowane przez operacje segmentacji danych. Pierwszym krokiem jest wykrycie w obrazie twarzy operatora. Stosowany do tego jest klasyczny detektor kaskadowy wykorzystujący cechy Haara [51]. Jeśli twarz była poprawnie wykryta w poprzednich obrazach, w kolejnych jej pozycja jest jedynie śledzona. W wykrytym obszarze wykonywane jest dopasowanie cech twarzy: oczu, nosa, ust oraz linii podbródka [23]. Na ich podstawie wyznaczany jest jej owal, a z niego określana jest barwa skóry operatora. W kolejnym kroku, znając rozkład barwy skóry operatora, dokonywana jest segmentacja obrazu w celu znalezienia dłoni. Podobnie jak w przypadku twarzy, po ich wstępnym wykryciu w następnych obrazach są one jedynie śledzone w celu przyspieszenia obliczeń.
| } ; % ' ' odniesienia Mając wyznaczone obszary zainteresowania, tj. twarz i obie dłonie, są one przekazywane do algorytmów wyznaczania głębi, które w tym przypadku działają znacząco szybciej. Ostatecznie wirtualny receptor rvision przekazuje do podsystemu sterowania cvision pozycje punktów charakterystycznych dłoni wyznaczonych względem układu odniesienia związanego ze stereoparą.
3.5. Gesty statyczne Gesty statyczne to takie, których znaczenie związane jest z pozycją nieruchomych dłoni operatora. Są one przekształcane przez podsystem sterowania cvision na kody zwyczajowo generowane przez urządzenia wejściowe, takie jak np. mysz komputowa. Przykładowo, wykrywane są następujące gesty: dłoń otwarta to gest neutralny, zaciśnięta pięść oznacza kliknięcie, natomiast palec wyciągnięty do góry lub w dół powoduje przewijanie ekranu. Wynik rozpoznawania gestu statycznego jest przesyłany do modułu prezentacji wraz z pozycją dłoni. Do rozpoznawania gestów statycznych pierwotnie wykorzystany został detektor kaskadowy uşywający cech Haara. Został on wytrenowany na sześciu gestach (dłoń otwarta, pięść, wskazywanie, kciuk w górę, kciuk w dół oraz palce ułoşone w literę „V�). Do uczenia wykorzystano zbiór zawierający w sumie 3331 obrazów. Wyniki tego klasyfikatora nie były jednak na odpowiednio wysokim poziomie, dlatego przygotowany został klasyfikator wykorzystujący splotowe sieci neuronowe (CNN). Architektura sieci składa się z siedmiu warstw splotowych, zgrupowanych w trzy bloki, między którymi wykonywana jest operacja redukcji za pomocą funkcji maksimum (ang. max pooling). Sieć redukuje kolejno obraz wejściowy o wielkości 32 px × 32 px aş do uzyskania sześciu macierzy wyjściowych w ostatniej warstwie splotowej. Na wyjściu znajduje się sześć neuronów odpowiadających sześciu nauczonym gestom, z których wartość kaşdego z nich wyznaczana jest przez operację uśrednienia odpowiedniej płaszczyzny z ostatniej warstwy splotowej. Ostatnim elementem sieci jest softmax, normalizujący
wyjścia do prawidłowego rozkładu prawdopodobieństwa (rys. 3). Klasyfikator ten daje zdecydowanie lepsze wyniki, więc zdecydowano się ostatecznie na jego wykorzystanie.
3.6. Gesty dynamiczne Gesty dynamiczne to takie, dla których istotna jest trajektoria ruchu dłoni, a więc takie jak machnięcia w lewo bądź prawo. W tym celu podsystem sterowania cvision wykorzystuje algorytm dynamicznego marszczenia czasu [12]. Uczenie gestów wymaga zebrania odpowiedniej liczby danych wzorcowych. Ze względu na znacznie mniejszą wymiarowość problemu dopasowania trajektorii (w porównaniu do zadania rozpoznawania obrazów), wystarcza niewielka liczba (ponişej 10) pomiarów referencyjnych. Rozpoznane gesty dynamiczne przekazywane są do modułu prezentacji, jako identyfikator gestu. Identyfikatory następnie tłumaczone są na skróty klawiaturowe przez moduł prezentacji. Gesty dynamiczne interpretowane są tylko wtedy, kiedy uşytkownik uşywa lewej ręki, tj. prawa dłoń znajduje się poza obszarem roboczym. Od tego momentu kolejne pozycje lewej dłoni są zapisywane w pamięci wewnętrznej do bufora o pojemności 50 pozycji. Po kaşdej zapisanej pozycji cały bufor jest interpretowany jako trajektoria i dopasowywany do niego jest jeden z nauczonych gestów dynamicznych. Po rozpoznaniu gestu o odpowiednio wysokim współczynniki podobieństwa jego identyfikator przesyłany jest do agenta odpowiedzialnego za sterowanie wizualizacją, czyli do aprez. W celu uniknięcia wielokrotnego wywołania tego samego gestu w krótkim okresie (w kilku następujących po sobie obrazach) po poprawnym rozpoznaniu gestu dynamicznego przez kolejną sekundę rozpoznawanie jest zawieszone – następuje akwizycja pozycji dłoni, ale gesty nie są interpretowane.
4. Testy rozpoznawania mowy i mówców } h " Wykonano dwie sesje nagrań, w dwóch róşnych miejscach, w duşym odstępie czasu. Do nagrań w pierwszej sesji wykorzystano następujące trzy mikrofony stacjonarne: Sennheiser MKE 600 (zamontowany na statywie), the t.bone EM 9600 (trzymany w ręku) i Shure SM58 LE (zamontowany na statywie) oraz moduł bezprzewodowy AKG WMS 40 Mini Sport ISM3 z mikrofonem nagłownym Samson DE10. Do nagrań w czasie drugiej sesji korzystano z czterech mikrofonów: Sennheiser MKE 600, Shure SM58, mikrofonu konferencyjnego AKG CGN321 STS (nowy, niewystępujący w pierwszej sesji) i nagłownego AKG Samson DE10. W pierwszej sesji zebrano nagrania próbek mowy dla 11 mówców – dla kaşdego mówcy zebrano minimum po dziewięć próbek stacjonarnymi mikrofonami i po sześć próbek mikrofonem nagłownym, dla kaşdej z 10 komend głosowych. Komendy nagrywano po kolei, do pojedynczego pliku, a następnie dokonano podziału na poszczególne komendy. Kaşdą komendę nagrano przynajmniej trzykrotnie, kaşdym z trzech mikrofonów stacjonarnych. Dla mikrofonu nagłownego komendy nagrano co najmniej sześciokrotnie dla kaşdego mówcy. W grupie 11 mówców było ośmiu męşczyzn i trzy kobiety. W drugiej sesji nagrań zebrano próbki nagrań tych samych 10 komend głosowych od siedmiu mówców (sami męşczyźni), z których dwóch juş występowało w pierwszej sesji, a pozostałych pięciu – nie. Dla kaşdego mówcy nagrano przynajmniej sześć próbek kaşdej komendy trzema mikrofonami stacjonarnymi i sześć próbek mikrofonem nagłownym. Lista komend głosowych, dla których zostały zebrane próbki mowy, to: obraz ogólny, -
9
& % % L 1% # 0 0 !2P UB
Rys. 3. Struktura sieci neuronowej odpowiedzialnej za klasyfikacjÄ™ gestĂłw statycznych Fig. 3. Structure of the neural network for static gesture classification
głosowy mówcy ani teş jej specjalizowany model komend. Dlatego testy rozpoznawania w tym trybie wykonano jedynie z wykorzystaniem ogólnego modelu komend. Podczas rozpoznawania tego mówcy właściwym wynikiem powinien być zawsze identyfikator „0�, co oznacza „brak identyfikacji� zarejestrowanego mówcy. Testy on-line polegały na wypowiedzeniu przez uşytkownika wszystkich 10 poleceń. Kaşde polecenie wypowiadane było po 10 razy. Testy zostały powtórzone dla kaşdego z czterech mikrofonów wybranych do testów (podanych wyşej). Mówca znajdował się w odległości od kilku do 20 cm od mikrofonów.
, , ,
, , , , i . Tym samym utworzono cztery bazy próbek: Baza 1A – pierwsza sesja, mikrofony stacjonarne zawiera próbki pochodzące z trzech mikrofonów stacjonarnych – przynajmniej po sześć próbek na komendę i mówcę, w tym po dwie z kaşdego mikrofonu. Wybrano do testów próbki dla 11 mówców × 10 komend × 6 próbek, czyli 660 próbek; Baza 1B – druga sesja, mikrofony stacjonarne próbki mowy siedmiu mówców – po sześć próbek dla kaşdej z 10 komend; Baza 2A – pierwsza sesja, mikrofon nagłowny zawiera próbki pochodzące z mikrofonu nagłownego – 11 mówców × 10 komend × 6 próbek. W sumie takşe zebrano 660 próbek; Baza 2B – druga sesja, mikrofon nagłowny próbki mowy siedmiu mówców – po sześć próbek dla kaşdej z 10 komend nagranych mikrofonem nagłownym. Procesem nagrań kierował serwisant działający w roli administratora systemu, a uczestniczyli w nim kolejno rejestrowani bezpośredni uşytkownicy. Do zebrania próbek korzystano jedynie z modułu audio.
} | ? ,,$% Procesem tworzenia modeli komend i rozpoznawania komend kierował serwisant, działając w roli administratora, a realizował go agent audio aaudio. W bazie 1A dla kaşdego z 11 mówców i kaşdej z 10 komend zebrano przynajmniej 9 próbek wypowiedzi. Kaşdy zbiór 9 próbek tej samej wypowiedzi, tego samego mówcy, został podzielony na część treningową (próbki 1–3) i część testową (próbki 4–9). Stworzono model komend i modele mówców w oparciu o zbiór próbek treningowych. Przetestowano skuteczność rozpoznawania komend i mówców w oparciu o zbiór testowych próbek. Kaşda próbka była rozpoznawana niezaleşnie od pozostałych. Bezwzględna skuteczność rozpoznawania komend (tzn. przy braku warunku spełniania określonego progu jakości) przy jednym zbiorczym modelu dla wszystkich mówców wyniosła, zaleşnie od podziału zbioru na próbki uczące i testowe, 92,4% – 93,9% (dla próbek z bazy 1A) i 89,4% – 90,1% (dla próbek z bazy 1B). Kolejny test polegał na dołączeniu próbek testowych z bazy 1B do 1A. W większości (pięciu z siedmiu) byli to inni mówcy niş rejestrowani w pierwszej sesji, dla których utworzono modele komend i mówców. Wyniki zbiorcze rozpoznawania komend nieznacznie pogorszyły się. Dla połączonych baz 1A i 1B odnotowano bezwzględną skuteczność 90,1% – 90,4%. Charakterystyka systemu za pomocą kryteriów biometrycznych podana jest na rysunku 4 (dla bazy 1A) i na rysunku 5 (dla połączonych baz 1A i 1B). Punkt EER – punkt równowagi częstości błędnej akceptacji FAR (ang. false acceptance rate) i częstości błędnego odrzucenia FRR (ang. false rejection rate) – wyniósł odpowiednio 0,108 (dla bazy 1A) i 0,159 (dla połączonych baz 1A i 1B). Podobnie zrealizowano testy dla baz próbek 2A i 2B pochodzących z mikrofonu nagłownego, z tym şe tu część treningowa i część testowa zawierały obie po trzy próbki dla kaşdej komendy kaşdego mówcy. Wyniki rozpoznawania komend były o około 5% gorsze niş dla baz 1A i 1B. Dla obu baz 2A i 2B odnotowano podobną bezwzględną skuteczność rozpoznawania komend wynoszącą około 87%, a punkt EER wyniósł 0,154 (dla bazy 2A) i 0,216 (dla połączonych baz 2A i 2B) (rys. 6, rys. 7). Jeşeli załoşymy teraz, şe mówca kaşdej próbki testowej został prawidłowo zidentyfikowany, moşna wtedy stosować
} & " " System rozpoznawania komend wykorzystuje nauczony wcześniej model. Danymi słuşącymi uczeniu modelu były próbki głosu grupy 11 osób, nagranych w pierwszej sesji. Moduł audio wyposaşono w kilkanaście modeli komend – po jednym specjalizowanym dla indywidualnego mówcy, po jednym modelu dla kobiet i jednym dla męşczyzn oraz jednym ogólnym. Model ogólny powstaje na podstawie próbek nagrań głosu wszystkich osób z uczestniczących w nagraniach. Modele specjalizowane oparte są na próbkach nagrań kolejnych pojedynczych mówców. Testy modułu audio przeprowadzone były na ogólnym modelu mówcy i na modelach pojedynczych mówców.
4.2.1. Testy off-line Wyróşniamy dwa rodzaje testĂłw – wykonane w warunkach off-line i on-line. Pierwsze z nich wykonano na zbiorze wczeĹ›niej nagranych prĂłbek uczÄ…cych i testowych skĹ‚adajÄ…cych siÄ™ na cztery bazy nagraĹ„, okreĹ›lonych powyĹźej jako „1A, 2Aâ€? i „1B, 2Bâ€?. − Dla baz 1A i 2A przyjÄ™to podziaĹ‚ kaĹźdego zbioru prĂłbek na dwa podzbiory – trzy prĂłbki komendy kaĹźdego mĂłwcy braĹ‚y udziaĹ‚ w procesie uczenia (tworzenia) modeli, a pozostaĹ‚e sześć wchodziĹ‚o w skĹ‚ad podzbioru testowego. PrĂłbki baz 1B i 2B przeznaczono jedynie do testowania z modelami utworzonymi dla 1A i 2A.
4.2.2. Testy on-line Drugi typ testów (on-line) prowadziła osoba, która nie była zarejestrowana w pierwszej sesji, tzn. nie istniał dla niej model
10
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ %
1
Komendy: FAR, FRR, EER=0.108 (test 1A)
1 FAR FRR
0.9
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1 0.12
0.14
0.16
0.18
0.2
0.22
Rys. 4. Wykres krzywych FAR i FRR dla procesu rozpoznawania komend dla prĂłbek w bazie 1A Fig. 4. FAR and FRR plots for spoken command recognition for samples from database 1A
1
0 0.08
1 FAR FRR
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1 0.1
0.12
0.14
0.16
0.18
0.2
0.12
0.14
0.16
0.18
0.2
0.22
Komendy: FAR, FRR, EER=0.2159 (test 2A+2B) FAR FRR
0.9
0.8
0 0.08
0.1
Rys. 6. Wykres krzywych FAR i FRR dla procesu rozpoznawania komend dla prĂłbek w bazie 2A Fig. 6. FAR and FRR plots for spoken command recognition for samples from database 2A
Komendy: FAR, FRR, EER=0.159 (test 1A+1B)
0.9
FAR FRR
0.9
0.8
0 0.1
Komendy: FAR, FRR, EER=0.1534 (test 2A)
0.22
0 0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
Rys. 5. Wykres krzywych FAR i FRR dla procesu rozpoznawania komend Ĺ‚Ä…cznie dla prĂłbek w bazach 1A i 1B Fig. 5. FAR and FRR plots for spoken command recognition for samples from joined databases 1A and 1B
Rys. 7. Wykres krzywych FAR i FRR dla procesu rozpoznawania komend Ĺ‚Ä…cznie dla prĂłbek w bazach 2A i 2B Fig. 7. FAR and FRR plots for spoken command recognition for samples from joined databases 2A and 2B
własny model komend danego mówcy. Przy takim postepowaniu skuteczność rozpoznawania zwiększyła się średnio do 91,2% (dla połączonych baz 1A i 1B) i 87,8% (dla połączonych baz 2A i 2B). Przy ocenie skuteczności rozpoznawania komend naleşy uwzględnić, şe zbiór uczący był stosunkowo nieliczny, a jakość próbek nagrywanych róşnymi kanałami akwizycji (o zmiennych ustawieniach czułości) była bardzo zróşnicowana.
şe nie kaşda próba wydania komendy kończyła się rozpoznaniem jednej z 10 komend. Nie przyjęto jednak şadnych dalszych ograniczeń dla samego nagrania, np. spełniania przez nagranie wymogu minimalnej i maksymalnej średniej energii. Tym samym zbyt ciche lub zbyt głośne nagrania w praktyce zdarzały się, co wpływało negatywnie na proces ich rozpoznawania. Moşna uznać, şe testowano działanie systemu w wersji on-line, pracującego w symulowanych warunkach rzeczywistych. Wykresy (a)–(c) na rys. 8 obrazują prawidłowość rozpoznania poszczególnych komend przy stosowaniu kaşdego z trzech dostępnych mikrofonów. Najwięcej poprawnych rozpoznań uzyskano dla mikrofonów Sennheiser MKE 600 i Shure SM58. Najmniej rozpoznań stwierdzono dla mikrofonu nagłownego AKG Samson. Stwierdzono następujące częstości prawidłowej akceptacji GAR (ang. genuine acceptance rate): 82% (Sennheiser MKE 600), 82% (Shure SM58) i 73% (nagłowny AKG Samson). Dla porównania, przy progu 0,12 w testach on-line uzyskano dla
} } ? $% Do testów on-line dysponowano dwoma mikrofonami stacjonarnymi – Sennheiser MKE 600 i Shure SM58 – oraz mikrofonem nagłownym AKG LE Samson DE10. Kaşda z 10 komend była powtarzana 10-krotnie dla kaşdego z mikrofonów. Próg decyzyjny ustawiony był na wartość miary jakości wynosząca 0,12, czyli w okolicy punktu EER (odczytanego z wykresów skuteczności biometrycznej w testach off-line). To oznacza,
11
& % % L 1% # 0 0 !2P UB obu połączonych baz 1A i 1B (mikrofony stacjonarne) średnią skuteczność 84,1% a dla połączonych baz 2A i 2B (mikrofony nagłowne) – około 78%. Róşnica skuteczności rozpoznania w spodziewanym punkcie EER między testem off-line a on-line wyniosła około 3–5% na korzyść testu off-line. Wykresy (a)–(b) na rys. 9 są macierzami pomyłek (ang. confusion matrix). Jako „dane� oznaczono komendy, które były wypowiadane przez mówcę, zaś jako „rozpoznanie� oznaczono komendy, które były rozpoznane przez moduł audio. Jak moşna było oczekiwać, większość pomyłek dotyczy komendy nr 7, która jest zblişona do komend nr 8–10.
(a) Sennheiser MKE 600
(a) Sennheiser MKE 600 – 82 rozpoznań na 100 prób
(b) Shure SM58
(b) Shure SM58 – 82 rozpoznań na 100 prób
Rys. 9. Macierze pomyłek dla testu rozpoznawania 10 komend Fig. 9. Confusion matrices from the recognition test of 10 commands
} ? " " ,,$% Identyfikacja mówcy na podstawie pojedynczych słów zasadniczo nie jest nigdy wystarczająco skuteczna. Dlatego zastosowano procedurę identyfikacji mówcy wykonywaną wtedy, gdy znane są wypowiedzi co najmniej trzech mówców. Decyzję podejmowano po akumulacji wyniku rozpoznania dla minimum trzech kolejnych próbek, ale maksymalnie dziesięciu kolejnych próbek. Proces testowania był podzielony na niezaleşnie od siebie wykonywane rozpoznawanie próbek kaşdego mówcy z osobna. Dla jednego mówcy dysponowano 30 próbkami (komendami). Wyniki rozpoznania dwóch pierwszych próbek nie prowadzą do decyzji o identyfikacji, lecz są wewnętrznie akumulowane. Po dodaniu wyniku rozpoznania trzeciej próbki następuje pierwsza decyzja o identyfikacji mówcy. Teraz dodanie wyniku kaşdej kolejnej próbki prowadzi do kolejnych decyzji, a liczba akumulowanych wyników rośnie aş osiągnie liczbę dziesięciu próbek, czyli do wyczerpania maksymalnej pojemności pamięci pojedynczych wyników. Wtedy najnowszy wynik zastępuje w tej pamięci wynik najstarszy – innymi słowy stworzono bufor cykliczny. Kaşda kolejna decyzja podejmowana jest na podstawie akumulacji wyników rozpoznania 10 pojedynczych próbek. Podsumowując, liczba próbek jednego mówcy, wynosząca 30, prowadzi do 28 decyzji o identyfikacji mówcy.
(c) AKG (nagłowny) – 73 rozpoznań na 100 prób
Rys. 8. Suma rozpoznań prawidłowych i nieprawidłowych (kaşda komenda wypowiedziana została 10 razy) Fig. 8. Sum of proper and improper recognitions (each command repeated 10 times)
12
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ % Jako sukces uznano sytuację, gdy próbka danego mówcy została przypisana poprawnie do mówcy nazwanego genuine (autentyczny), czyli nie została przypisana do şadnego z pozostałych znanych mówców pełniących wtedy rolę imposter (podszywającego się). Jednak warunkiem poprawnej identyfikacji jest takşe, aby odstęp próbki od modelu mówcy genuine był nişszy (o zadaną względną odległość 2%, czyli zastosowano próg odległości 0,98) od odległości do modelu UBM, reprezentującego „wszystkich mówców�. Jako „brak decyzji� zaznaczono sytuację, gdy wynik dla mówcy genuine jest najlepszy spośród zarejestrowanych mówców, ale pozostaje zbyt bliski wynikowi dla modelu UBM, lub teş, gdy „wygrywa� model UBM. Charakterystyka systemu za pomocą kryteriów biometrycznych podana jest na rys. 10 i 11. W podanych warunkach (dla progu względnego odstępu 0,98) stopa poprawnej identyfikacji mówcy wynosiła około 97% dla bazy 1A i około 89% dla bazy 2A, w obu przypadkach przy zerowej stopie błędnej
akceptacji. Naleşy zauwaşyć, şe uzyskano wysoką skuteczność identyfikacji, mimo iş typowe wyniki odległości dla mówców genuine były jedynie o kilka procent lepsze (średnio 5,9–6,4%) od wyników odległości dla modelu uniwersalnego mówcy UBM. Odstęp wyników dla mówców imposter od mówców genuine był zawsze większy o kilka procent od odstępu dla modelu UBM, a to oznacza, şe moşliwe było nawet zastosowanie progu 1,0, co zwiększyłoby stopę poprawnej identyfikacji do niemal 100%. Po dołączeniu baz próbek 1B (do 1A) i 2B (do 2A) obserwujemy (spodziewane) pogorszenie się wyników rozpoznawania mówców wyraşające się wzrostem wartości EER i przesunięciem się centrów klastrów (głównie dotyczy to próbek z bazy 2B względem próbek z bazy 2A). Charakterystyka systemu testowanego łącznie na bazach 1A i 1B za pomocą kryteriów biometrycznych podana jest na rys. 12, a testowanego na bazach 2A i 2B – na rys. 13.
MĂłwcy: FAR, FRR, EER=0.0027 (test 1A)
1
1
FAR FRR
0.9
0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
FAR FRR
0.1
0.1 0 0.8
0.85
0.9
0.95
1
0 0.85
1.05
Rys. 10. Wykres krzywych FAR i FRR dla procesu rozpoznawania mĂłwcy dla prĂłbek w bazie 1A Fig. 10. FAR and FRR plots for speaker recognition for samples from database 1A
1 FAR FRR
0.9
0.8
0.7
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1 0.94
0.96
0.98
1
1.02
1.04
Rys. 11. Wykres krzywych FAR i FRR dla procesu rozpoznawania mĂłwcy dla prĂłbek w bazie 2A Fig. 11. FAR and FRR plots for speaker recognition for samples from database 2A
0.95
1
1.05
1.1
MĂłwcy: FAR, FRR, EER=0.0184 (test 2A+2B)
0.9
0.8
0.92
0.9
Rys. 12. Wykres krzywych FAR i FRR dla procesu rozpoznawania mĂłwcy Ĺ‚Ä…cznie dla prĂłbek w bazach 1A i 1B Fig. 12. FAR and FRR plots for speaker recognition for samples from joined databases 1A and 1B
MĂłwcy: FAR, FRR, EER=0.0059 (test 2A)
1
0 0.9
MĂłwcy: FAR, FRR, EER=0.0253 (test 1A+1B)
1.06
0 0.85
FAR FRR
0.9
0.95
1
1.05
1.1
Rys. 13. Wykres krzywych FAR i FRR dla procesu rozpoznawania mĂłwcy Ĺ‚Ä…cznie dla prĂłbek w bazach 2A i 2B Fig. 13. FAR and FRR plots for speaker recognition for samples from joined databases 2A and 2B
13
& % % L 1% # 0 0 !2P UB
Cześć systemu odpowiedzialna za rozpoznawanie gestów dynamicznych wykorzystuje bezpośrednio dobrze przetestowane moduły z biblioteki GRT [12]. Z tego względu w tej sekcji przedstawione zostaną jedynie testy części odpowiedzialnej za rozpoznawanie statycznych gestów dłoni (ich przykłady przedstawiono na rys. 14).
? ! "
Rys. 15. Proces trenowania sieci CNN do rozpoznawania gestĂłw statycznych Fig. 15. Training of the static gesture classifier CNN
Rys. 14. Przykłady gestów statycznych Fig. 14. Sample static gestures
5.1. Uczenie gestĂłw statycznych
Sieć neuronowa, przygotowana do rozpoznawania gestów statycznych, została wytrenowana na zbiorze ponad 3 tysięcy zdjęć. Do testowania przygotowano zbiór dodatkowych 2 tysięcy obrazów, których sieć nie widziała w trakcie uczenia. Obrazy zbierano w dwóch sesjach czasowych od 3 róşnych operatorów.
? ] ' Proces uczenia sieci został przedstawiony na rys. 15. Po 15 epokach sieć osiągnęła skuteczność powyşej 95% (na zbiorze testowym), dalsze uczenie prowadziło do przeuczenia i spadku jakości rozpoznawania. Analiza macierzy pomyłek (rys. 16) pokazuje, şe występują pewne niedoskonałości, natomiast ogólna jakość rozpoznawania jest na akceptowalnym poziomie. Dodatkowa poprawa jakości rozpoznawania jest moşliwa do osiągniecia w przyszłości przez analizę czasową gestów i akceptację ich dopiero wtedy, gdy wystąpią przez kilka klatek pod rząd.
Rys. 16. Macierz pomyłek dla zbioru testowego gestów statycznych Fig. 16. Confusion matrix for the static gesture classifier
| 1 ^ '
€ <
Oprócz ilościowych testów jakości rozpoznawania przeprowadzono takşe testy jakościowe pracy z systemem. Podczas testów uşytkownik został poproszony o wykonanie róşnych operacji, pokrywających moşliwości modułu rozpoznawania gestów oraz podobnych do tych wykonywanych podczas codziennej pracy przy uşyciu myszy. Operacje te zawierały m.in. nawigowanie na mapie (gesty dwuręczne), przeglądanie stron internetowych na wielu kartach (generujące kody skrótów klawiaturowych), nawigowanie w systemie (gesty jednoręczne) itp. Wszystkie zaimplementowane funkcje działały poprawnie i pozwalały na skuteczne wykonanie zadań. Uşytkownicy jednak zauwaşyli, şe interakcja z systemem była mecząca. Po pierwsze, zaobserwowano trudności z precyzyjnym trafieniem w obiekty. W związku z tym wprowadzono osobny gest do aktywnego wskazywania obiektu, który rozwiązał ten problem. Po drugie, uşytkownik odczuwał dyskomfort przy długotrwałym trzymaniu rąk w górze. W celu rozwiązania tego problemu zaproponowano dwa usprawnienia. Pierwsze z nich wprowadziło strefę aktywną sterowania. Jeśli operator przeniesie ręce poza nią, moşe je swobodnie opuścić, bez ryzyka wykonania niechcianej akcji na ekranie. Drugim usprawnieniem jest moşliwość zdefiniowania przestrzeni roboczej w taki sposób, aby podnoszenie rąk nie było konieczne. To jednak moşe skutkować zmniejszeniem efektywnej rozdzielczości przy sterowaniu kursorami.
Zaprezentowano wielomodalny interfejs do sterowania prezentacją wyników pracy Narodowej Platformy Cyberbezpieczeństwa. Do jego specyfikacji wykorzystano metodykę opartą na agentach upostaciowionych, jednocześnie wykazując, şe jest ona przydatna nie tylko do realizacji systemów robotycznych. Dzięki zastosowaniu sieci współpracujących agentów struktura powstałego interfejsu ma naturę otwartą. To umoşliwia względnie proste rozszerzenie struktury, a przez to zwiększenie jej moşliwości – nowych trybów porozumiewania się z interfejsem. Ponadto obecne tryby mogą być rozszerzane przez dodawanie nowych komend głosowych oraz gestów sterujących, w tym wykonywanych głową oraz sterowanie wyrazem twarzy. Podstawowymi sposobami komunikacji uşytkownika z interfejsem są polecenia wydawane albo głosem albo gestem. Wprowadzono teş bezpieczny tryb dostępu do platformy wykorzystujący identyfikację mówcy. Obecnie interfejs przechodzi fazę testowania. Wstępne testy wykazały wysoką skuteczność rozpoznawania gestów. Nowatorskim elementem modułu audio jest połączenie rozpoznawania komend z identyfikacją mówcy w jednym module. Pozwala to najpierw zidentyfikować mówcę, lub nawet tylko określić, czy mówca jest kobietą czy męşczyzną, aby następnie w procesie rozpoznawania komend korzystać z dedykowanego modelu komend dla danego mówcy lub odrębnego modelu
14
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ %
Rys. 17. UĹźytkownik wykonujÄ…cy testy funkcjonalne Fig. 17. User performing functional tests
dla kobiet/męşczyzn. Wyniki testów jednoznacznie wskazują, şe skuteczność rozpoznania komend rośnie przy stosowaniu dedykowanego modelu mówcy lub modelu przypisanego płci. Poniewaş trudno jest spodziewać się, şe będziemy dysponowali duşymi zbiorami próbek pozyskanymi od mówców, aby polepszyć skuteczność rozpoznawania komend głosowych oraz mówców, wartości i liczba parametrów dobierane są eksperymentalnie. Rozpoznawanie gestów statycznych zostało zrealizowane za pomocą stosunkowo niewielkiej sieci neuronowej. Eksperymenty z uczeniem zostały przeprowadzone na wielu sieciach róşniących się między sobą m.in. strukturą. Spośród nauczonych sieci wybrano te o najwyşszej skuteczności, jednakşe uzyskane wyniki nieznacznie róşniły się między poszczególnymi sieciami. Istotny wpływ na rezultaty uczenia miał zbiór trenujący, dlatego dalsze prace skoncentrują się na przygotowaniu większego i bardziej róşnorodnego zbioru trenującego. Naleşy podkreślić, şe przedstawiono wyniki rozpoznawania gestów statycznych bez ich analizy czasowej. Oznacza to, şe gesty są rozpoznawane w pojedynczych obrazach w sekwencji, niezaleşnie od innych. Dodanie zaleşności czasowej między obrazami w sekwencji powinno podnieść skuteczność rozpoznawania gestów statycznych. W ramach przeprowadzonych badań nad dwoma metodami uczenia, uzyskaliśmy lepsze rezultaty dla współczesnych splotowych sieci neuronowych niş dla detektora kaskadowego. Z punktu widzenia inşyniera, przygotowanie danych trenujących oraz przeprowadzenie procedury uczenia wymaga podobnego wysiłku dla obu metod, stąd zalecamy uşywanie sieci neuronowych do zadań podobnych do opisanych w niniejszej pracy.
< Praca wykonana w ramach projektu CYBERSECIDENT/369195/I/NCBR/2017, współfinansowanego przez Narodowe Centrum Badań i Rozwoju w ramach programu CyberSecIdent.
% ! , 1. AlizĂŠ, opensource speaker recognition. [http://alize. univ-avignon.fr]. 2. Benzeghiba M., De Mori R., Deroo O., Dupont S., Erbes T., Jouvet D., Fissore L., Laface P., Mertins A., Ris C., Rose R., Tyagi V., Wellekens C., Automatic speech recognition and speech variability: A review. “Speech Communicationâ€?, Vol. 49, No. 10–11, 763–786, 2007, DOI: 10.1016/j. specom.2007.02.006. 3. Bolt R.A., “Put-that-thereâ€?: Voice and gesture at the graphics interface. ACM SIGGRAPH Computer Graphics, Vol. 14, No. 3, 1980, 262–270, DOI: 10.1145/800250.807503. 4. Borges P.V.K., Conci N., Cavallaro A., Video-based human behavior understanding: A survey. “IEEE Transactions on Circuits and Systems for Video Technologyâ€?, Vol. 23, No. 11, 1993–2008, 2013, DOI: 10.1109/TCSVT.2013.2270402. 5. Cao Z., Simon T., Wei S., Sheikh Y., Realtime Multi-Persson 2D Pose Estimation using Part Affinity Fields , IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1302–1310, 2017. 6. Chen L., Wei H., Ferryman J., A survey of human motion analysis using depth imagery. “Pattern Recognition Lettersâ€?, Vol. 34, No. 15, 1995–2006, 2013, DOI: 10.1016/j. patrec.2013.02.006. 7. Chiu C., Sainath T.N., Wu Y., Prabhavalkar R., Nguyen P., Chen Z., Kannan A., Weiss R.J., Rao K., Gonina E., Jaitly N., Li B., Chorowski J., Bacchiani M., State-ofthe-art speech recognition with sequence-to-sequence models. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 4774–4778, 2018, DOI: 10.1109/ICASSP.2018.8462105. 8. Chung J., Nagrani A., Zisserman A., Voxceleb2: Deep speaker recognition. INTERSPEECH 2018. 9. Divekar R.R., et al. CIRA: An architecture for building configurable immersive smart-rooms. K. Arai, S. Kapoor,
15
& % % L 1% # 0 0 !2P UB R. Bhatia (eds.), Intelligent Systems and Applications. IntelliSys 2018, Vol. 869 serii Advances in Intelligent Systems and Computing, 76–95, Springer, 2019. 10. Dumas B., Lalanne D., Oviatt S.. Human Machine Interaction, Vol. 5440 serii Lecture Notes in Computer Science, rozdz. Multimodal Interfaces: A Survey of Principles, Models and Frameworks, 3–26. Springer, 2009. 11. Gillian N., Paradiso J.A., The gesture recognition toolkit. “Journal of Machine Learning Researchâ€?, Vol. 15, No. 1, 3483–3487, 2014. 12. Gillian N.E., Knapp R.B., O’Modhrain M.S., Recognition of multivariate temporal musical gestures using n-dimensional dynamic time warping. NIME, 2011. 13. Graves A., Jaitly N.. Towards end-to-end speech recognition with recurrent neural networks. ICML’14 Proceedings of the 31st International Conference on International Conference on Machine Learning, Vol. 32, II-1764–II-1772. 14. Gravier G., SPro: Speech Signal Processing Toolkit, 2010. 15. Herath S., Harandi M., Porikli F., Going deeper into action recognition: A survey. “Image and Vision Computingâ€?, Vol. 60, 4–21, 2017, DOI: 10.1016/j.imavis.2017.01.010. 16. Hirschmuller H., Stereo processing by semiglobal matching and mutual information. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 30, No. 2, 328–341, 2008, DOI: 10.1109/TPAMI.2007.1166. 17. Jaimes A., Sebe N.. Multimodal human–computer interaction: A survey. “Computer Vision and Image Understandingâ€?, Vol. 108, No. 1, 116–134, 2007, DOI: 10.1016/j. cviu.2006.10.019. 18. Kaldi. The kaldi project. [http://kaldi.sourceforge.net/ index.html]. 19. Kapuscinski T., Oszust M., Wysocki M., Warchol D., Recognition of hand gestures observed by depth cameras. “International Journal of Advanced Robotic Systemsâ€?, Vol. 12, No. 4, 2015, DOI: 10.5772/60091. 20. Kasprzak W., Rozpoznawanie obrazĂłw i sygnaĹ‚Ăłw mowy. Oficyna Wydawnicza Politechniki Warszawskiej, 2009. 21. Kasprzak W., Przybysz P., Stochastic modelling of sentence semantics in speech recognition. Computer Recognition Systems 4, Vol. 95 serii Advances in Intelligent and Soft Computing, 737–746, Berlin, Heidelberg, 2011, Springer-Verlag, DOI: 10.1007/978-3-642-20320-6_75. 22. Kasprzak W., Wilkowski A., Czapnik K., Hand gesture recognition based on free-form contours and probabilistic inference. “International Journal of Applied Mathematics and Computer Scienceâ€?, Vol. 22, No. 2, 437–448, 2012, DOI: 10.2478/v10006-012-0033-6. 23. Kazemi V., Sullivan J., One millisecond face alignment with an ensemble of regression trees. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 1867–1874, 2014, DOI: 10.1109/CVPR.2014.241. 24. Koller O., Ney H., Bowden R., Deep Hand: How to Train a CNN on 1 Million Hand Images When Your Data is Continuous and Weakly Labelled. IEEE Conference on Computer Vision and Pattern Recognition, 3793–3802, 2016, DOI: 10.1109/CVPR.2016.412. 25. Krizhevsky A., Sutskever I., Hinton G.E., ImageNet classification with deep convolutional neural networks. NIPS’12 Proceedings of the 25th International Conference on Neural Information Processing Systems, Vol. 1, 1097–1105, 2012. 26. Loudia. The loudia library. [https://github.com/rikrd/ loudia]. 27. Lowe D.G., Distinctive image features from scale-invariant keypoints. “International Journal of Computer Vision, Vol. 60, No. 2, 91–110, 2004, DOI: 10.1023/B:V ISI.0000029664.99615.94. 28. Lukic Y., Vogt C., DĂźrr O., Stadelmann T., Speaker identification and clustering using convolutional neural networks.
16
P
O
M
I
A
R
Y
•
A
U
T
O
M
IEEE 26th InternationalWorkshop on Machine Learning for Signal Processing (MLSP), 2016, DOI: 10.1109/ MLSP.2016.7738816. 29. Mak M.-W., Chien J.-T., Machine learning for speaker recognition. INTERSPEECH 2016 Tutorial, [www.eie.polyu. edu.hk/mwmak/papers/IS2016-tutorial.pdf], 2016. 30. MARF, [marf.sourceforge.net]. 31. Matarneh R., Maksymova S., Lyashenko V., Belova N.V., Speech recognition systems: A comparative review. “Journal of Computer Engineeringâ€?, Vol. 19, No. 5, 71–79, 2017. 32. Mistral. The mistral biometric platform. [http://mistral. univ-avignon.fr]. 33. Nayana P., Mathew D., Thomas A., Comparison of Text Independent Speaker Identification Systems using GMM and i-Vector Methods. “Procedia Computer Scienceâ€?, Vol. 115, 47–54, 2017, DOI: 10.1016/j.procs.2017.09.075. 34. Nunnally T., Uluagac A.S., Beyah R., InterSec: An interaction system for network security applications. IEEE International Conference on Communications (ICC), 7132–7138, 2015, DOI: 10.1109/ICC.2015.7249464. 35. Oikonomopoulos A., Patras I., Pantic M., Spatiotemporal localization and categorization of human actions in unsegmented image sequences, “IEEE Transactions on Image Processingâ€?, Vol. 20, No. 4, 1126–1140, 2010, DOI: 10.1109/ TIP.2010.2076821. 36. Oviatt S., Ten myths of multimodal interaction. Communications of the ACM, Vol. 42, No. 11, 74–81, 1999, DOI: 10.1145/319382.319398. 37. Oviatt S., Schuller B., Cohen P., Sonntag D., Potamianos G., Kruger A. (eds.), The Handbook of Multimodal-Multisensor Interfaces, Vol. 1: Foundations, User Modeling, and Common Modality Combinations. ACM Books Series. Association for Computing Machinery (ACM), 2017. 38. Pedersoli F., Benini S., Adami N., Leonardi R., XKin: an open source framework for hand pose and gesture recognition using kinect. “The Visual Computerâ€?, Vol. 30, No. 10, 1107–1122, 2014, DOI: 10.1007/s00371-014-0921-x. 39. Poppe R., A survey on vision-based human action recognition. “Image and Vision Computingâ€?, Vol. 28, No. 6, 976– 990, 2010, DOI: 10.1016/j.imavis.2009.11.014. 40. Presti L.L., La Cascia M., 3D skeleton-based human action classification: A survey. “Pattern Recognitionâ€?, Vol. 53, 130–147, 2016, DOI: 10.1016/j.patcog.2015.11.019. 41. Purwins H., Li B., Virtanen T., SchlĂźter J., Chang S., Sainath T., Deep learning for audio signal processing. “IEEE Journal of Selected Topics in Signal Processingâ€?, Vol. 13, No. 2, 206–219, 2019, DOI: 10.1109/JSTSP.2019.2908700. 42. Rabiner L.R., Juang B.-H., Historical Perspective of the Field of ASR/NLU, 521–538. Springer, Berlin, Heidelberg, 2008. 43. Rabiner L.R., Schafer R.W., Introduction to digital speech processing. Foundations and Trends in Signal Processing, 1(1):1–194, 2007. 44. Reynolds D., Quatieri T.F., Dunn R.B., Speaker verification using adapted Gaussian mixture models. “Digital Signal Processingâ€?, Vol. 10, No. 1–3, 19–41, 2000, DOI: 10.1006/ dspr.1999.0361. 45. Reynolds D., Rose R.C., Dunn R.B., Robust text-independent speaker identification using Gaussian mixture speaker models. “IEEE Transactions on Speech and Audio Processingâ€?, Vol. 3, No. 1, 72–83, 1995, DOI: 10.1109/89.365379. 46. Salvador S., Chan P., FastDTW: Toward accurate dynamic time warping in linear time and space. 47. Schafer R.W., Homomorphic Systems and Cepstrum Analysis of Speech, 161–180. Springer, Berlin, Heidelberg, 2008. 48. Sinha A., Choi C., Ramani K., DeepHand: Robust hand pose estimation by completing a matrix imputed with deep features. Proceedings of the IEEE Conference on Computer A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
B B B B B B ! B #B $ %
49.
50.
51.
52.
Vision and Pattern Recognition, 4150–4158, 2016, DOI: 10.1109/CVPR.2016.450. Turk M., Multimodal interaction: A review. “Pattern Recognition Letters�, Vol. 36, 189–195, 2014, DOI: 10.1016/j. patrec.2013.07.003. Ullah A., Ahmad J., Muhammad K., Sajjad M., Baik S.W., Action recognition in video sequences using deep bi-directional LSTM with CNN features. “IEEE Access�, Vol. 6, 1155–1166, 2017, DOI: 10.1109/ACCESS.2017.2778011. Viola P., Jones M., Rapid object detection using boosted cascade of simple features. IEEE Conference on Computer Vision and Pattern Recognition, 2001, DOI: 10.1109/ CVPR.2001.990517. Walker W., Lamere P., Kwok P., Raj B., Singh R., Gouvea E., Wolf P., Woelfel J., Sphinx-4: A flexible open source framework for speech recognition. SMLI TR2004-0811, SUN Microsystems Inc., 2004, [http://cmusphinx.sourceforge. net/sphinx4].
53. Weinland D., Ronfard R., Boyer E., A survey of vision-based methods for action representation, segmentation and recognition. “Computer Vision and Image Understanding�, Vol. 115, No. 2, 224–241, 2011, DOI: 10.1016/j.cviu.2010.10.002. 54. Woodland P., Evermann G., Gales M., HTK book. Cambridge University Engineering Department (CUED). 2000– 2006. 55. Young S., HMMs and Related Speech Recognition Technologies, 539–558. Springer, Berlin, Heidelberg, 2008. 56. Yu Z., Zhang C., Image based static facial expression recognition with multiple deep network learning. Proceedings of the 2015 ACM on International Conference on Multimodal Interaction, 435–442, ACM, 2015, DOI: 10.1145/2818346.2830595. 57. Zhao R., Wang K., Divekar R., Rouhani R., Su H., Ji Q., An immersive system with multi-modal human-computer interaction. 13th IEEE International Conference on Automatic Face Gesture Recognition (FG 2018), 517–524, 2018, DOI: 10.1109/FG.2018.00083.
-. / B % > / 0 7 6 / E 6 ) 5 This two part paper presents an interface to the National Cybersecurity Platform utilising gestures and voice commands as the means of interaction between the operator and the platform. Cyberspace and its underlying infrastructure are vulnerable to a broad range of risk stemming from diverse cyber-threats. The main role of this interface is to support security analysts and operators controlling visualisation of cyberspace events like incidents or cyber-attacks especially when manipulating graphical information. Main visualization control modalities are gesture- and voice-based commands. Thus the design of gesture recognition and speech-recognition modules is provided. The speech module is also responsible for speaker identification in order to limit the access to trusted users only, registered with the visualisation control system. This part of the paper focuses on the structure and the activities of the interface, while the second part concentrates on the algorithms employed for the recognition of: gestures, voice commands and speakers. Keywords 0 7 6 / # . . # . . # . # .
. () ' *
( ,
; F $ % ORCID: 0000-0002-4840-8860
; $ % ORCID: 0000-0001-6348-1129
G / ; % < = > / H;< =>I 6 @ ; H6;I ; 6; % &**( J7 6 B >- > G . @ 7 % 7 K . 7 A . % @ A . G ? A % &+! 7 ><<<# ><<< > # ><<< B # =6J H>-6LI# M-NB
-% > - > / @ ; % < @ = > / 6 ; . % . 7 A # . # % " 7 7 " 7 A - A % *! 7 7 7 %
17
& % % L 1% # 0 0 !2P UB
'1 - , .
'1 ( /
/ $ % ORCID: 0000-0001-9948-6319
% % $ % ORCID: 0000-0001-5326-1034
-7 ; % < = > / 6 ; ; )!&! R # )!&& . R # 7 AR @ ; )!&& K % % @ % K 7 % 7 A J% )!&) 6 ; @ # K % A # 7 N A 7 K / A 7 #
G % 6 ; > - > / 6 % % . @ 7 % # L-66 H(6L F < I >0 -L< H- % - % O . G6 F < I G . @ 7 K . 7 7 @ # # . @ % "
'1 - ' 0 1
'1 - (21
T/ . $ % ORCID: 0000-0002-1898-0540
. $. ORCID: 0000-0003-0779-255X
-7 ; % B 0 > / ; )!&) R @ # )!& . H AR@ I U6 A -M? -BV G % ; % < = > / @ 6 ; H6;I ; 6; % )!&X 7 % % % # % )!&Q 7 % @% % @ . G . 7 % K . % K % % # / A 7 @ # . % A 7 A % / /
G % 6 ; @ > - > / @ 6 % @ % . 7 % >0 -L< H- % - % O . G6 F < @ I G . 7 K P . "# @ % % A 7 A
'1 / ,
. 3 4
% % % $ % ORCID: 0000-0003-2528-6335
$ % ORCID: 0000-0001-7604-8834
G % ; % < = > / H;< =>I 6 ; H6;I ; 6; % )!& 7 % @ % % # % )!&Q @% % . G . 7 % 7 K . %@ K R % " 7 .
G / ; % < = > / H;< =>I 6 ; H6;I ; 6; % &*Q' # % )!!Q A R 6 > - 6 A 6>-6 ; 6; / S % % A % @ % ;< => H)!!)E)!!'I# % % > - @ > / H>- > I H)!!'E)!!QI# % >-> H)!!QE)!&+I % % .A ;< => H)!&+EI J% &**+ L 7 >- > J% )!!( F - L 7 6 - % 0 G . @ 7 % K . % K . @ 7 A
18
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 19–24, DOI: 10.14313/PAR_234/19
= % - M .S M . / M E < . \ / + ! 6 + - - 7 8 + 9 : 8 + ; 1 - 7< <=9 8 < Y N % = # G Z )Q# Y # O
Abstract: Majority of modern cars are equipped with standard suspension systems with hydraulic shock absorbers. They are reliable elements, but came to the limit of their possibilities to ensure reasonable level of vibration accelerations, when cars became lighter and diameters of the wheel rim and tires has big diameter. This paper provides possible solution for the modern car suspension systems with controlled damping and self-powering service and data transmission. Such dampers implements smart liquid and electrically realized damping force control. This paper focused on electrical properties of this type of shock absorbers. Provided experimental research use shock absorber – energy harvester of new design. All experiments performed on shock machine using produced by authors prototype of original design. Energy gaining performed using three similar prototypes with ferro-nanomagnetic liquid, permanent magnet core and ferromagnetic steel core. Obtained results provided in the graphical form as electric gain with open circuit and loaded by electric load. 9 % .# 7 # . .#
1. Introduction Recent development process of the automotive vehicles covers all areas of the technology – from powertrain to materials and body design. Decreasing weight of the car and increasing diameters of tires and wheel rims contradicts to requirement of vibration level diminishing in the car body due to worsening coefficient of weighted mass. Solution of these problems lays in increasing quality of suspension of the vehicle, which is related to the vibration damping process. Classical design of shock absorbers faces modernization, which includes all kind of damping force correction from vibration velocity and acceleration values. Usually such modernization leads to the increase of components, which makes these solutions expensive and increase failure probability. Mostly known modernization methods uses electrically or mechanically driven pass valves in the hydraulic system of shock absorber [1]. Number, position and design of these valves in hydraulic systems affects damping law and therefore continues to implement [2, 3]. Alternative
. ( Y Z [ # 7 $ . . ' % &X &! )!&* # % % )+ && )!&*
!
efficient solutions in high comfort car are active damping systems [4], which ensures high comfort, but consumes external energy and causes frequent technological faults [5]. Development of suspension systems leaded by high number of scientific researches focused on improvements of damping characteristics, selection of used materials, creation of dampers with controllable damping characteristics [6] in real time and design of dampers with mechanical energy convert to electrical [7–10]. These entire improvements suit well for traditional cars but not sufficient for autonomous driving. In case of autonomous driving, not only to desire level of driving comfort has to be ensured but it also requires evaluation of some safety features, for example, vibration level when car moves on road surfaces with various roughness. Road surface roughness could be evaluated by implementing cameras or force/acceleration sensors in the vehicle suspension. The weakness of this approach covert by need of huge data processing power and remains dependent on road/weather conditions due to pollution of optical system of the cameras [11]. Another approach to solve this technical issue is to develop dampers, which can perform two functions simultaneously: a damper with controllable characteristics and road surface roughness sensor. All roads can be characterized according ISO 8608 (Mechanical vibration – Road surface profiles – reporting of measured data), that categorize road roughness to classes from A to H. Road roughness define driving speed as well as comfort level inside vehicle, which requires to react suspension dampers by changing damping characteristics.
19
Towards autonomous driving: design of smart damper – energy harvester This idea can be implemented using mechatronic damping system with ability to recognize road category and set required damping characteristics and to inform driving computer or human driver about velocity regime [12, 13]. Proposed damper – energy harvester with ferro-nanomagnetic fluid will have possibility to control its damping characteristics and at same time it will work as a sensor, which provides information about roughness off road surface. Moreover, this approach will allow to harvest electrical energy from vibrations and convert it to electrical energy. Mathematical evaluation of this approach and evaluation of mechanical energy which be harvested from suspension system is provided in our previous report [14]. This paper intended to present results of experimental research of our damper prototype focused on its energy harvesting.
therefore, we build three prototypes of such shock absorber with different inner piston materials as core of generator. There were used as test core: i) permanent magnets with known magnetic flux value; ii) magnetically soft steel core with negative pattern of metal/gaps, in order to model used liquid configuration; iii) liquid core with ferro-nanomagnetic fluid. In all cases piston was designed as cylinder from parallel plastic cylinders with different material inserts between them. In case when permanent magnets were used, fluctuations of magnetic field were caused by oscillations of permanent magnets in respect of stationary coils. In case when magnetic steel, only two permanent magnets were used, they were placed on the top and bottom of piston and inserts of steel were used to transmit electromagnetic flux. Piston with ferromagnetic fluid had same configuration but instead of steel, fluid was used as media to transmit magnetic flux. These different designs allow us to create different distributions and concentrations of magnetic flux in respect of stationary mounted coils. These three prototypes let us decide about efficiency of our prototypes for energy harvesting and determine liquid magnetic properties in the range of implemented frequencies. These results further will be used for magnetic chain optimization of the damper – energy harvester.
3ƒ % + h 0 ! , ] ! + 4 New designed smart damper – energy harvester realizes three main functions: (a) controlling of damping ratio; (b) measuring of road surface roughness; (c) harvesting vibration energy. The structure of the smart damper presented in the Figure 1. This prototype is designed to operate in environment, where vibrations are relative and there are two bodies with relative displacements. It consists from frame 1, which is made of magnetic-neutral material and can be attached to the moving body by a fixing eye 6. Frame 1 is a tube which acts as cylinder and contains ferromagnetic liquid 5. Piston stem 3 is attached to the piston 4. Piston stem 3 can move along its axis and therefore can be attached to car body similar as traditional shock absorber. In order to keep proper liquid position within piston, in the other end of cylinder there are installed piston 8 and compensating spring 7. Two magnetic sources attached to the top and bottom of piston 4 could be realized as permanent magnets or electromagnets. These magnets create magnetic field media, which shaped by magnetic liquid placed in the gaps of the piston 4. When force applied to the piston stem 3, piston 4 moves along frame 1 and thus alternate magnetic field passes through the solenoid coils 2, where electric current generated. Behavior of ferro-nanomagnetic fluid as magnetic core in the linear generator, by our best knowledge, not researched widely;
3ƒ % Experimental research built in the laboratory of Department of Mechatronics, robotics and digital manufacturing and tested in the laboratory of Automotive transport, using our produced test rig, which is shown in Fig. 2.
Fig. 2. Experiment stand: 1 – frame; 2 – damper; 3 – solenoid coil; 4 – down transverse beam; 5 – top transverse beam; 6 and 7 – accelerometers; 8 – oscilloscope; 9 – shaker of automotive suspension; 10 – data storage device; 11 – computer Rys. 2. Stanowisko eksperymentalne: 1 – ramka; 2 – przepustnica; 3 – cewka elektromagnesu; 4 – belka poprzeczna skierowana w dół; 5 – górna belka poprzeczna; 6 i 7 – akcelerometry; 8 – oscyloskop; 9 – wytrząsarka zawieszenia samochodowego; 10 – urządzenie do przechowywania danych; 11 – komputer
Test rig consist of the frame (1) which was tightly attached to the firm ground. Prototype of the damper – energy harvester (2) was fixed to the upper (4) and lower (5) traverse beams. Upper beam (5) tightly attached to the frame (1), lower beam (4) installed on the shaker of automotive suspension (9). When shaker is activated, lower transverse beam to which damper is attached performs reciprocating movement. Same movement is transmitted to the piston which together with ferro-nanomagnetic fluid passes through the coils (3) where electric power is generated. Output terminals of the coils are connected to the oscilloscope (8), which provides measurements of generated voltage. A hydraulic shaker was used as generator of oscillations, which can generate oscillations with stroke up to 6 mm under the frequency 24 Hz and payload up to 800 kg. Vibration level
Fig. 1. Structure of shock absorber: a) 3D model cross-section view, b) view of produced prototype: 1 – frame; 2 – solenoid coil; 3 – piston stem for force application; 4 – piston; 5 – Ferro-nanomagnetic fluid; 6 – fixing eye; 7 – compensating spring; 8 – air piston Rys. 1. Struktura amortyzatora: a) widok przekroju modelu 3D, b) widok wyprodukowanego prototypu: 1 – rama; 2 – cewka elektromagnesu; 3 – trzon tłoka do przyłoşenia siły; 4 – tłok; 5 – płyn ferro-nanomagnetyczny; 6 – mocowanie oka; 7 – spręşyna kompensacyjna; 8 – tłok pneumatyczny
20
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
& ' ( % ) , * + , - )Â’ Â’/* % , Â’ of lower and upper transverse beams measured by two accelerometers (6, 7) Ini 603C01 (PCB Piezotronics, Depew, USA). Signals from accelerometers registered using data acquisition system USB-4432 (10) (National instruments, Austin, USA) and personal computer (11). All data analysis performed using NI software LabVIEW. Using described setup, the possibilities of energy harvesting and road roughness sensing were evaluated, using all three prototypes of smart dampers.
| > + + % ! Experimental research performed measuring voltage generated by the prototype then lower transverse beam (Fig. 2) oscillates with 6 mm stroke on the frequency of 24 Hz simulating harmonic kinematic excitation from the road roughness. Firstly, the efficiency of separate coils of all three prototypes were evaluated. For this purpose, induced voltage on open circuit conditions in each coil was measured using multimeter DT30B. Secondly, on the same excitation conditions time – voltage dependencies were registered when 100 Ί electrical load is applied to the circuit. These dependencies allowed to evaluate amount of harvested energy and at the same time shows possibilities to use damper – energy harvester as a road roughness sensor. Final experiments were performed using prototype with ferro-nanomagnetic fluid. In this case were performed voltage measurements on the open circuit and on the circuit with 10 Ί electrical load. Simultaneously vibration level was measured on the input (piston stem Fig. 1) and output (fixing eye Fig. 1) of the damper. All obtained and processed results presented in the following part of the report.
} > %
In the beginning, induced voltage on the coil measured on open circuit conditions. This measure shows RMS of the voltage on the separate coils (Fig. 3).
Fig. 4. Induced voltage on the coil with different material in the piston under electric load Rys. 4. Napięcie indukowane na cewce z róşnym materiałem w tłoku pod obciąşeniem elektrycznym
Fig. 5. Characteristics of prototype of smart damper – energy harvester: a) Amplitude-frequency characteristics measured on damper holder’s (Fig. 2) at open electrical circuit. 1) vibrations on down transverse beam; 2) vibrations on top transverse beam, b) The voltage generated by the damper at an open electrical circuit in adjacent coils (Fig. 3), 1) second coil 2) third coil Rys. 5. Charakterystyka prototypu inteligentnego tłumika: a) Charakterystyka amplituda-częstotliwość zmierzona na uchwycie amortyzatora (rys. 2) przy otwartym obwodzie elektrycznym. 1) drgania dolnej belki poprzecznej; 2) drgania górnej belki poprzecznej. b) Napięcie wytwarzane przez przepustnicę w otwartym obwodzie elektrycznym w sąsiednich cewkach (rys. 3), 1) druga cewka 2) trzecia cewka
The results of measuring vibration level and induced voltage in adjacent coils then electric circuit is loaded by 10 Ί electrical load is provided in Fig. 6.
Fig. 3. Generated voltage on the coil (open circuit) with three prototypes Rys. 3. Generowane napięcie na cewce (obwód otwarty) z trzema prototypami
From (Fig. 3) it is seen that on open circuit conditions highest voltage is generated using permanent magnets, but damper with ferro-nanomagnetic fluid also shows sufficient results to use damper as road roughness sensor. Time vs. induced voltage dependence on one coil using all prototypes provided in the Fig. 4. From time vs. voltage curves, it is seen that highest amount of energy is generated using piston with permanent magnets; prototype with ferro-nanomagnetic fluid generates approximately 30% less power. Further the results of vibration level and induced voltage measured in adjacent coils at open circuit conditions is provided (Fig 5).
Fig. 6.Characteristics of prototype of smart damper – energy harvester when electric circuit loaded by 10 Ί electric load: a) Amplitude-frequency characteristics measured on damper holder’s (Fig. 2) at open electrical circuit. 1) vibrations on down transverse beam; 2) vibrations on top transverse beam. b) The voltage generated by the damper at an open electrical circuit in adjacent coils (Fig. 3). 1) second coil 2); third coil Rys. 6. Charakterystyka prototypu inteligentnego amortyzatora przy obciąşeniu elektrycznym 10 Ί: a) Charakterystyka amplituda-częstotliwość zmierzona na uchwycie przepustnicy (rys. 2) przy otwartym obwodzie elektrycznym: 1) drgania dolnej belki poprzecznej; 2) drgania górnej belki poprzecznej; b) Napięcie generowane przez przepustnicę w otwartym obwodzie elektrycznym w sąsiednich cewkach (rys. 3). 1) druga cewka 2); trzecia cewka
21
Towards autonomous driving: design of smart damper – energy harvester
7. Siczek K., Kuchar M. The Concept of a New Car Shock Absorber with Energy Recuperation. Journal the archives of automotive engineering, Vol. 56, pp. 49–61. (2012). 8. Li, Z., Zuo, L., Luhrs, G., Lin, L., & Qin, Y. X. Electromagnetic energy-harvesting shock absorbers: design, modeling, and road tests. IEEE Transactions on vehicular technology, 62(3), 1065-1074. (2012). 9. Lam, A. H. F., & Liao, W. H. Semi-active control of automotive suspension systems with magneto-rheological dampers. International Journal of Vehicle Design, 33(1-3), 50-75. (2003). 10. Aldair, A. A., & Wang, W. J. The energy regeneration of Electromagnetic energy saving active Suspension in full vehicle with Neurofuzzy controller. International Journal of Artificial Intelligence & Applications, 2(2), 32-43. (2011). 11. Kertesz, I., Lovas, T., & Barsi, A. Measurement of road roughness by low-cost photogrammetric system. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 36(5/C55), 4. (2007). 12. Gonzålez, A., O’brien, E. J., Li, Y. Y., & Cashell, K. The use of vehicle acceleration measurements to estimate road roughness. Vehicle System Dynamics, 46(6), 483-499. (2008). 13. Ngwangwa, H. M., Heyns, P. S., Labuschagne, F. J. J., & Kululanga, G. K. Reconstruction of road defects and road roughness classification using vehicle responses with artificial neural networks simulation. Journal of Terramechanics, 47(2), 97-111. (2010). 14. Bucinskas, V., Mitrouchev, P., Sutinys, E., Sesok, N., Iljin, I., & Morkvenaite-Vilkonciene, I. Evaluation of comfort level and harvested energy in the vehicle using controlled damping. Energies, 10(11), 1742 (2017). 15. Bucinskas, V. U.S. Patent Application No. 13/560,985 (2014).
Comparing Fig. 5 and Fig 6 it is noticeable that damping characteristics depends on the load of electric circuit. In case then circuit was loaded (Fig. 6.a), damping force was increased and more power of vibrations were transmitted from lower transverse beam to the upper one (Fig. 2). Also, from figures 5 and 6 it is seen that curve shape of measured voltage corresponds to the parameters of the harmonic excitation. Even taking into account that in this case generated voltages were quite low (1V on open circuit, 0.15 V on 10 Ί loaded circuit) obtained results confirms the initial idea that damper with ferro-nanomagnetic fluid can operate as damper-energy harvester and road roughness sensor simultaneously.
| %
Performed experimental research of prototypes evidently showed possibility to use ferro-nanomagnetic fluid as magnetic core of the shock absorber – energy harvester with lower efficiency than permanent magnets, but higher than magnetically soft steel. Loss of efficiency of fluid system due to material change using 6 mm stroke and 24 Hz frequency was about 20% comparing to the case with permanent magnets. Even if testing program is ongoing, optimization of magnetic circuit is possible. Damping force for this prototype is far not enough for real damping due to not sufficient electric efficiency, but force is noticeable even now and decrease of 0.1 mm/s2 is recorded at 20 Hz mode. This design of prototype [15] is suitable to use in hydraulic damping, it means that it is possible to use this prototype inside shock absorber in the low frequency ranges even with inefficient electric power generation and therefore low damping efficiency from power harvesting.
. % ! The research was supported by ECSEL Joint Undertaking under the project No T0709T627 Autodrive (Advancing fail-aware, fail-safe, and fail-operational electronic components, systems, and architectures for fully automated driving to make future mobility safer, affordable, and end-user acceptable).
% ! + 1. Ahmed, M. R., Yusoff, A. R., & Romlay, F. R. M. Adjustable Valve Semi-Active Suspension System for Passenger Car. International Journal of Automotive and Mechanical Engineering, 16(2), 6470-6481. (2019). 2. ChacĂłn, J. L., Boada, B. L., Boada, M. J. L., & DĂaz, V. Experimental study and analytical model of bleed valve orifice influence of a high-performance shock absorber on vehicle dynamics. Advances in Mechanical Engineering, 9(9), (2017). 3. Bhuyan, D., & Kumar, K. 3D CAD modelling and computational fluid analysis of piston valve of twin tube shock absorbers. Materials Today: Proceedings, 4(8), 7420-7425. (2017). 4. Collette, C., & Preumont, A. High frequency energy transfer in semi-active suspension. Journal of Sound and Vibration, 329(22), 4604-4616. (2010) 5. Fischer, D., & Isermann, R. Mechatronic semi-active and active vehicle suspensions. Control engineering practice, 12(11), 1353-1367. (2004). 6. Lajqi, Sh., Pehan, S. Designs and Optimizations of Active and Semi-Active Non-linear Suspension Systems for a Terrain Vehicle. Journal of Mechanical Engineering, 12(58), 732–743 (2012).
22
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
& ' ( % ) , * + , - )Â’ Â’/* % , Â’
; % S . . Streszczenie: Większość nowoczesnych samochodów jest wyposaşona w standardowe układy zawieszenia z hydraulicznymi amortyzatorami. Aktualnie stosowane amortyzatory są niezawodne, jednak nie umoşliwiają dalszego rozwoju w odniesieniu do znacznych wartości przyśpieszeń drgań w lekkich samochodach o duşych średnicach felg i opon. Artykuł przedstawia nowe moşliwości rozwiązań w nowoczesnych układach zawieszenia z kontrolowanym tłumieniem, autonomicznym zasilaniem oraz monitoringiem. Zaproponowane tłumiki zapewniają inteligentne, elektrycznie sterowaną siłę tłumienia. W pracy skupiono się na właściwościach elektrycznych zaproponowanych amortyzatorów cieczowych. Do badań eksperymentalnych wykorzystano opracowany przez autorów prototyp amortyzatora, a eksperymenty przeprowadzono na maszynie uderzeniowej. Pozyskiwanie energii z amortyzatora zrealizowano przy uşyciu trzech podobnych prototypów z cieczą z nanocząstkami magnetycznymi na bazie şelaza, rdzeniem z magnesem trwałym i rdzeniem ze stali ferromagnetycznej. Uzyskane wyniki przedstawiono jako uzyskaną energię elektryczną zarówno w układzie z otwartym obwodem, jak i obciąşeniem elektrycznym. " $ " # 7 # . # #
Andrius Dzedzickis, PhD student
Tadas Lenkutis, PhD student
% % % $ . ORCID: 0000-0002-2665-8829
% $ . ORCID: 0000-0001-8642-4039
\ 7 ._# O &*Q* \ % Z % . . . / B @ / / Y N % @ )!&X > )!&* % 6 M % . @ . . / Y N % @ @ 0 % / % / Y N % = # M / B @ # 7 % % . / . \ % % / % # 7 # % % % / 7 % # % . / .
\ 7 - ][ # O &**! \ % B % . B / B / / Y N % @ )!&' > )!&&E)!&Q . % . / @ @ ^ )!&Q % % . 6 M B . @ . 0 Y N % @ = # M @ / B # 7 % % . / . \ % / % # . . / 7 % / .
- - 7 8 + :, $ . ORCID: 0000-0003-0970-1762 \ 7 - &**+ \ 7 @ % Z B Y N % = HYN= I \ @ % . B B @ \ 7 . YN= M / B # 7 % % . / @ . )!&Q# . 7 @ / M . % % . / @ . \ / @ 7 # . . @ # % . / %
23
Towards autonomous driving: design of smart damper – energy harvester
. 9 : 8 + /
; 1 - 7< <=9 8 <+ /
7 $ . ORCID: 0000-0002-2458-7243
. @ $ . ORCID: 0000-0001-5936-9900
\ 7 b # O H/ LI# &*+) \ % < . % . . . / Y @ < . . > # > % # &*Q' > &*Q' % < . / / Y> ># O % &*Q( = % 6 M % / > &*Q* > / 7 % )!!! ^ / B # % / B < . . > )!!) % % / % % 6 M / % / = / B % 7 % / M / B < . .# Y = M 7 )!!)# % / )!&)# . 6 / 6 @ M > )!& M / B % 7 7 % % . -/ . . / M @ # % M / B # 7 % % . / @ . \ @ % % . / # % / # . . / 7 @ 6 / % Z [ ^ / O - / < . @ . >0 % HO>06L-I# O / L 7 > @ . / % # % O # < @ # % G 0 . . % \)!)! <f G g V % g- % V# 7 % 7 / 7 - @ 7 . . % / / % %
7 6 # O # &*(* % Z < % . @ . . / F @ / = . # 6 _` # O @ # )!!*# % B % . . . / F @ / = . # 6 _` # O @ # )!&& % 6 M % . / Y # Y @ # O # )!&+ / )!!Q# % . - ^ B # % B<B 7 % % ^ )!&) % 7 . % / % / # % . # . - ^ B % . < B > )!& # % M / < < . .# / - % # O / 7 )!&+# - 6 / M / B % L 7 # Y @ N % = @ \ % % // % @ . a 7 7 % / # % % // % / / % . / % / % 7 7 . % . . /
24
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 25–30, DOI: 10.14313/PAR_234/25
B 7 L 7 ^ Maciej Ciurej -N\ - % NA @\ # ; % < # - # > / > R Z % # - - B !# !@!'* F A
Abstract: This paper presents a programming framework for simulation of the mobile robot. Model of Khepera III robot with IR proximity sensors was considered as a base model for tests of proposed system. Architecture of designed software was presented with the use of UML class diagram. 9 7 7 # # # . 7 %# . . /
1. Introduction Simulation of the mobile robot trajectory can be performed with the use of several specialized and dedicated robot simulation platforms. Among a vast of possibilities, one of the most known is Visual Robot Experimentation Platform (V-REP) [13]. It includes significant number of useful modules, as well as its own simulation framework. Process of modelling and further simulation with the use of V-REP environment was presented in [8]. Same software bundle, but used to propose conditioned anxiety mechanism in mobile robotics, can be found in [7]. Overview of path planning using V-REP was presented in [10]. Another example is ARGoS environment, which allows user to perform robot simulation, however it lacks several features which can be found in V-REP package. It was designed to cover the area of large-scale heterogeneous robot swarms simulation which was not provided by already existed simulators [2]. ARGoS simulation of 10 marXbot robots performing a dispersion behavior can be found in [12]. Gazebo is yet another simulation framework used e.g. in mobile robotics. It is still actively developed since 2002. Among large set of features, Gazebo introduces components such as Dynamics Simulation, Advanced 3D Graphics and Cloud Simulation – which allows user to run simulation on Amazon AWS and GzWeb. Example of simulation system based on ROS and Gazebo for RoboCup Middle Size League is described in [3]. More insight on differences between V-REP and Gazebo, can be found in [6]. To contrast an approach of great and powerful simulations packages (and its variety of possible usage), this paper is intended to propose minimalistic version of simulation framework. Author took an effort to create a proposal of the software framework architecture, which can be easily implemented. Main motivation of this paper is to present flexible structure of the simulation framework, which can be implemented inde-
. ( B # $ . % . ' % &* !+ )!&* # % % )+ && )!&*
!
pendently with the use of open source components, by anyone interested in such an area of study. Architecture of proposed solution was introduced with the use of UML notation, which has numerous examples of usage across several fields of study. Proposal of robot behavior modelling with the use of UML notation was presented in [1]. Use of UML in modelling of multi-agent system (MAS) was presented in [9]. Additionally to the UML usage, proposed solution is based on agent, state-space model of mobile robot. Agent approach presented in [11], which incorporated elements from systematic way of designing control systems for fields robot [4] was used. Simulations presented in this paper employed Braitenberg algorithm to control the robot during movement to the target. Additionally, discrete model of kinematics presented in [11] was used.
< %
h & $ ! % Adjusted agent model for Khepera III robot proposed in [11] is presented below: A = {pn, em, c, f}, (1) where p and e are sets of virtual receptors and effectors, c is a control system and f is a nonlinear transition function. In a simulation of robot movement, virtual receptors and virtual effectors can be treated as equal to its real equivalents. In real, physical systems it is needed to make clear distinction between real and virtual pairs of effectors and receptors. It is essential to organize data transfer and responsibilities between abstraction layers: real and virtual one. More insight on this approach can be found in universal model of robotic system [4]. During software simulation this case is not valid. Lack of additional system physical layer of the system concludes no distinction between virtual and real receptors and effectors (issue of e.g. data transfer and its pre and post-processing is not applicable). Accordingly, three basic transition functions needs to be defined. For the considered model of the robot, goal of the simulation is to reach final destination (defined as two-dimensional restricted area). In each step on its way to the target, one of the three function is executed: transition function (f), arrival to target function (f Ď„) or error function (f err). Possible transitions between those functions are presented in figure 1.
25
Mobile Robot Simulation Framework
(OOP) [5]. Beside relations inside of an agent, simulations object needs to be defined in order to constraint all elements and actions required during single trial.
| h , + % UML class diagram is presented in figure 2. Class Model provides a concept of the robot representation. Class Robot extends base class with robot dependent variables declarations. Definitions of Receptor and Effector were separated from Model in order to provide atomization of each component. This approach allows the user to enhance code with the new solutions, e.g. definition of a class extends Receptor or Effector. Model is composed with the use of Effector and Receptor instances. Key functions aforementioned in 2.1 were defined as methods of Model class and can be extended with the use of Robot methods definition. Object of class Simulation itself is setting up preliminary values for desired simulation, such as: start position of the mobile robot, position of the target, maximum number of iterations (steps) to be performed. It is composed with the use of Robot class instance and Obstacle class instance. According to figure 2, Obstacle object instance is not mandatory to perform the simulation.
Fig. 1. Transitions between simulation functions Rys. 1. Diagram tranzycji pomiędzy funkcjami symulacji
| „ Internal structure of an embodied agent presented in [4] can be taken as an aggregation of control subsystem, virtual/real receptors and effectors. Selection of current behavior of the agent, implies data exchange between each of the internal modules. Simulation of a mobile robot based on such an approach required architecture based on object oriented programming
Fig. 2. UML class diagram of proposed framework Rys. 2. Diagram klas proponowanego szkieletu w notacji UML
26
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Maciej Ciurej
| & % %! + In order to perform a single simulation, there is a need to create an instance of class Simulation with desired parameters. Starting and target points coordinates as well as maximum number of iterations (allowed number of steps) must be defined. Schema of the simulation algorithm is presented in figure 3.
} & %
Implementation of the simulation framework, beside the source code which incorporate hierarchy from figure 2, requires additional components. What can be observe in figure 3, application executes framework logic and stores all of the results values such as current state or placement of the obstacles presented across the simulation environment. Graphical User Interface (GUI) should be in place as it takes part in evaluation of the results correctness. Example of components types and relations is shown in figure 4.
Fig. 3. Proposed algorithm of a simulation Rys. 3. Proponowany algorytm symulacji
Fig. 4. General components diagram Rys. 4. Diagram komponentów wchodzących w skład rozwiązania
27
Mobile Robot Simulation Framework
Fig. 5. Trajectory simulation with obstacle as oblong shape Rys. 5. Symulacja trajektorii z przeszkodą o podłużnym kształcie
Fig. 8. Trajectory simulation with obstacle as oblong shape with defect of frontal sensors Rys. 8. Symulacja trajektorii z przeszkodą o podłużnym kształcie oraz defektem przednich sensorów
Fig. 6. Trajectory simulation with obstacle as circle Rys. 6. Symulacja trajektorii z przeszkodą o okrągłym kształcie
Fig. 9. Trajectory simulation with obstacle as circle with defect of rightside sensors Rys. 9. Symulacja trajektorii z przeszkodą o okrągłym kształcie oraz defektem prawostronnych sensorów
Fig. 7. Trajectory simulation with obstacle as oblong shape with defect of right-side sensors Rys. 7. Symulacja trajektorii z przeszkodą o podłużnym kształcie oraz defektem prawostronnych sensorów
Fig. 10. Trajectory simulation with obstacle as circle with defect of frontal sensors Rys. 10. Symulacja trajektorii z przeszkodą o okrągłym kształcie oraz defektem przednich sensorów
28
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Maciej Ciurej
To verify correctness of the proposed solution, several tests (related to those presented in [11]) has been performed. Khepera mobile robot model was used. In figure 5 simulation with single obstacle defined as oblong shape has been presented. In figure 6 simulation with single obstacle defined as circle has been presented. For the test purposes, number of receptors and its weights were defined same way as in [11]. Additionally, two more test scenarios for each of those two types of obstacle shapes (oblong and circle) were defined: first one with the defect of left-side sensors, second one with the defect of frontal set of sensors. What can be observed in each of the proposed test schemas, robot behaved as it was expected, especially in scenarios, when particular group of sensors were not used by the simulations. While right-side sensors were deactivated, left side sensors provided data, which was enough to conduct robot trajectory in the right side of the obstacle. Figure 10 presents the vulnerability of simulation algorithm. Error function (ferr) implementation and enhancement of the mechanism responsible for the recovery from the error state needs an improvement in order to avoid such cases in the future simulations. The goal of described simulations was to verify correctness of simple behaviors of framework as a whole. Feasibility of applying changes inside of its definition was crucial to achieve. Framework can be easily modified across all of the modules defined in entire solution. Separation of receptors and effectors modules from control module, allows user to introduce specific changes only in the scope of particular single responsibility of each module.
„ % %
In this paper, simulation framework for mobile robot based on agent approach was presented. Simulation tests with Khepera III model applied were successfully conducted with the use of Braitenberg algorithm. Architecture of proposed solution can be generalized onto several classes of mobile robots – availability to specify core modules of described framework is required. It can be enhanced with custom, specialized elements (objects) of simulation in order to provide more detailed scenarios of use. Modules separation is the very first step on the way to customize simulation in order to fulfil all of the users’ requirements. Built solution will help the author in research of several mobile robots movements in bounded environment. It can also help in investigation of e.g. conditioned anxiety of mobile robots. Further improvements of proposed system can be performed by implementing all of the steps of systematic method of designing control systems presented in [4]. For example extraction of behavior selection automaton into separate class can be performed in order to provide more flexibility inside framework architecture.
League. 2015 IEEE International Conference on Robotics and Biomimetics (ROBIO), 2015, DOI: 10.1109/ROBIO.2015.7414623. 4. ZieliĹ„ski C., Kornuta T., Winiarski T., A systematic method of designing control systems for service and field robots. 19th International Conference on Methods and Models in Automation and Robotics (MMAR), 2014, DOI: 10.1109/MMAR.2014.6957317. 5. Mitchell J., Concepts in programming languages. Cambridge, UK New York: Cambridge University Press, 2003. 6. Nogueira L., Comparative Analysis between Gazebo and V-REP Robotic Simulators. Unpublished, 2014. 7. Bielecki A., Bielecka M., Bielecki P., Conditioned Anxiety Mechanism as a Basis for a Procedure of Control Module of an Autonomous Robot. Artificial Intelligence and Soft Computing, Springer International Publishing. 2017, 390–398, DOI: 10.1007/978-3-319-59060-8_35. 8. Ciszewski M., Mitka Ĺ ., Buratowski T., Giergiel M., Modeling and Simulation of a Tracked Mobile Inspection Robot in Matlab and V-Rep Software, “Journal of Automation, Mobile Robotics and Intelligent Systemsâ€?, Vol. 11, No. 2, 2017, 5–11, DOI: 10.14313/JAMRIS_2-2017/11. 9. Xiong L., Wei C., Zhenkun Z., Zekai H., Jing G., Modeling for Robotic Soccer Simulation Team Based on UML. 2008 International Conference on Computer Science and Software Engineering. IEEE, DOI: 10.1109/CSSE.2008.1462. 10. Reddy K.K., Praveen K., Path Planning Using VREP, “International Journal of Research in Engineering and Technologyâ€?, Vol. 2, No. 9, 2013, 94–97. 11. OprzÄ™dkiewicz K., Ciurej M., Garbacz M. The agent, state-space model of the mobile robot. „Pomiary Automatyka Robotykaâ€?, Vol. 22, No. 3, 2018, 41–50, DOI: 10.14313/PAR_229/41. 12. O’Keeffe J., Tarapore D., Millard A.G., Timmis J., Towards Fault Diagnosis in Robot Swarms: An Online Behaviour Characterisation Approach. Towards Autonomous Robotic Systems, 2017, 393–407, Springer International, DOI: 10.1007/978-3-319-64107-2_31. 13. Rohmer E., Singh S.P.N., Freese M., V-REP: A versatile and scalable robot simulation framework. 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, DOI: 10.1109/IROS.2013.6696520.
References 1. Gogolla M., Vallecillo A., (An Example for) Formally Modeling Robot Behavior with UML and OCL. Software Technologies: Applications and Foundations 2018, 232–246. Springer International Publishing. 2. Pinciroli C., Trianni V., O’Grady R., Pini G., Brutschy A., Brambilla M., Dorigo M., ARGoS: A modular, multi-engine simulator for heterogeneous swarm robotics. IEEE/ RSJ International Conference on Intelligent Robots and Systems. IEEE, 2011, DOI: 10.1109/IROS.2011.6094829. 3. Yao W., Dai W., Xiao J., Lu H., Zheng Z., A simulation system based on ROS and Gazebo for RoboCup Middle Size
29
Mobile Robot Simulation Framework
. % 7 7 . Streszczenie: W artykule zaprezentowano szkielet oprogramowania do symulacji kołowego robota mobilnego. Jako przykład rzeczywistego robota przedstawiono robot Khepera III z czujnikami IR do wykrywania i omijania przeszkód. Zaprezentowany szkielet jest niezaleşny od fizycznej reprezentacji robota mobilnego. " $ " 7 7 # # .
Maciej Ciurej, MSc Eng. $ . % ORCID: 0000-0001-8714-3255 N % % H)!&'I / -N\ / % = . \ 6 M % ^ / < < . .# - @ # % Z % < . @ . / -N\ = \ % S 7 7 # / . % .
30
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 31–40, DOI: 10.14313/PAR_234/31
Z % S . 7 A h@ E B-=O-Z - 1 - + / , + B 6 L >. . j # F % B L 7 # 6 " A ; &)# '@*'* L A
, 5 Projektując i budując fabryki zgodnie z ideą Przemysłu 4.0 powszechne jest stosowanie systemów zrobotyzowanych. Wówczas istotne jest monitorowanie oraz analiza parametrów pracy tych systemów, co umoşliwia zwiększenie wydajności, bezpieczeństwa pracy, wydajniejsze zarządzanie produkcją. W systemach zrobotyzowanych wymiana danych między urządzeniami odbywa się za pomocą standardów komunikacyjnych, np.: Profibus, DeviceNet, RS-485, OPC. W ramach pracy zaprezentowano własne rozwiązanie na bazie standardu OPC do wymiany danych między systemem zrobotyzowanym a środowiskiem MATLAB. Zaprezentowano aplikację wykorzystującą GUI, gromadzącą i przetwarzającą dane procesowe ze zrobotyzowanego stanowiska wyposaşonego w manipulatory firmy ABB. &' % J6 # B-=O-Z? # 7
1. Wprowadzenie Firmy zajmujące się produkcją robotów przemysłowych oferują narzędzia do projektowania i planowania w pełni spersonalizowanych zrobotyzowanych stacji. Przykładem środowiska do projektowania, programowania oraz symulowania stacji jest RobotStudio firmy ABB. Pozwala ono na pełną personalizację stanowisk, kompatybilność z systemami CAD, analizę procesów oraz sygnałów podczas działania symulacji. Wraz z rozwojem idei Czwartej Rewolucji Przemysłowej (in. Przemysł 4.0) [1, 6, 7] wdraşa się rozwiązania pozwalające na swobodny przepływ informacji między systemami w przedsiębiorstwie przemysłowym. Coraz częściej wprowadza się automatyzację procesów produkcyjnych, mającą na celu zwiększenie wydajności wytwarzania i moşliwość wprowadzania zmian asortymentu [8, 9, 2]. Dla łatwiejszego dostępu do danych, np. dla operatorów maszyn, stosuję się panele operatorskie HMI (ang. Human Machine Interface). Są to urządzenia słuşące do kontrolowania i wymiany danych z innymi urządzeniami, stanowiskami zrobotyzowanymi, realizującymi procesy technologiczne i produkcyjne. W celu pozyskiwania i przetwarzania danych ze zrobotyzowanych stanowisk moşna wykorzystać oprogramowanie zewnętrzne – pakiet MATLAB/Simulink. Jest to platforma do programowania, która umoşliwia analizowanie danych, opracowywanie algo-
. ( 6 6 # $ % . ' % &X &! )!&* # % % )+ && )!&*
!
rytmów oraz budowanie aplikacji. Najnowsze wersje programu MATLAB gwarantują komunikację z systemami za pomocą serwerów OPC. Dane pozyskane z serwera moşna dzięki prostemu modelowi w Simulinku przenieść na panel kontrolny zaprojektowany w GUI pakietu MATLAB. Rozszerzenie Real-time pozwala równieş na monitorowanie systemów w czasie rzeczywistym [10].
. % ( + ( Identyfikacja parametrów jest jednym z waşniejszych etapów podczas projektowania sterowania manipulatorem. Podąşanie za załoşoną ścieşką przez narzędzie robocze jest ściśle powiązane z jakością i dokładnością dynamicznego modelu uşytego w kontrolerze czasu rzeczywistego robota. W pracy [5] przedstawiono metodę identyfikacji parametrów sześcioosiowego manipulatora ABB IRB 6400, stosującą aplikację graficzną napisaną w pakiecie MATLAB. Aplikacja do automatycznej identyfikacji moşe rozpoznać parametry opisujące bezwładność, siłę cięşkości czy tłumienie w napędach manipulatora. Komponentami systemu uşytego do badań symulacyjnych jest robot ABB, kontroler S4C oraz komputer ze środowiskiem MATLAB. Komunikacja między kontrolerem a aplikacją odbywa się przez Ethernet. Sterowanie aplikacją zostało oparte na graficznym interfejsie uşytkownika. Dane z symulacji są przedstawiane na wykresach, mogą zostać poddane analizie. Po zakończeniu działania programu, otrzymane wyniki są zapisywane [5]. Na rys. 1 zaprezentowano wykres przedstawiający identyfikację spręşystości, bezwładności napędu i ramienia oraz parametrów związanych z bryłą sztywną robota [5]. Kolejnym przykładem jest wykorzystanie pakietu MATLAB/ Simulink do sterowania pracą manipulatora. W pracy [3] przedstawiono aplikację wykonaną przy uşyciu pakietu MATLAB – GUIDE, który umoşliwia tworzenie graficznych interfejsów
31
+ 3 0 T f/% F &'(&+
| 9 ( ( OPC (ang. OLE for Proces Control) jest to otwarty standard komunikacyjny rozwijany przez OPC Foundation, umoşliwiający przepływ danych między urządzeniami przemysłowymi a stacjami operatorskimi wchodzącymi w skład systemów informatycznych zarządzania przedsiębiorstwem. Standard OPC definiuje sposoby komunikacji między urządzeniami przemysłowymi, przez co pozwala uniezaleşnić oprogramowanie monitorujące i sterujące od producentów sprzętu. Standard ten wykorzystuje strukturę klient-serwer (rys. 4) [11]. Najczęściej serwerem OPC jest komputer PC z odpowiednim oprogramowaniem zgodnym ze standardem. Rolą serwera jest pobieranie danych procesowych z urządzeń, które następnie są przetwarzane i udostępniane poszczególnym zewnętrznym systemom, czyli klientom OPC. Odebrane dane serwer OPC zapisuje w postaci kolejnych rekordów bazy danych, która staje się źródłem informacji dla klientów i moşe zostać przetworzona przez ich oprogramowanie. Urządzenie komunikuje się z serwerem za pomocą dedykowanego typu protokołu komunikacyjnego, którym moşe być Modbus, Profibus, Profinet lub Ethernet. Serwer moşe nie tylko odbierać dane, ale równieş przesyłać je do połączonych z nim urządzeń, sterując ich pracą.
Rys. 1. Wykresy przedstawiające przykłady identyfikacji parametrów manipulatora [5] Fig. 1. Graphs showing examples of keypad parameter identification [5]
Rys. 2. Widok stanowiska spawalniczego Fig. 2. View of the welding station
Rys. 4. Struktura komunikacji klient-serwer OPC [12] Fig. 4. OPC client-server communication structure [12]
Rolę klienta OPC pełni oprogramowanie – aplikacja odpowiedzialna za odbieranie danych z serwera lub przesyłanie ich do kolejnych systemów. Przykładami takiego oprogramowania są systemy SCADA, HMI oraz autorskie aplikacje wykonane z wykorzystaniem pakietu MATLAB/Simulnik. W artykule zdecydowano się zastosować specyfikację OPC DA ze względu na to, iş zarówno ABB, jak i MathWorks oferują narzędzia do obsługi i konfiguracji tego typu serwera.
Rys. 3. Widok aplikacji GUI [3] Fig. 3. GUI application view [3]
| h 9 , ! . 7< 8> & 0. Kontroler IRC5 jest jednostką odpowiedzialną za sterowanie, komunikację oraz zarządzanie pracą zrobotyzowanego stanowiska. ABB OPC IRC5 Server DA jest to oprogramowanie, które zostało uşyte w zaprezentowanym rozwiązaniu w roli serwera OPC. Umoşliwia ono komunikację kontrolera IRC5 z zewnętrznym oprogramowaniem. Komunikacja między kontrolerem a serwerem następuje przy uşyciu standardu TCP/IP. Rodzina protokołów TCP zapewnia prawidłowe przesyłanie danych w odpowiedniej kolejności, stosując właściwości IP do nadawania i odbioru. Kaşdy segment, czyli jednostka czasu, którą wykorzystują przy komunikacji moduły TCP, ma sumę kontrolną, która po stronie odbiorcy podlega weryfikacji. Pozwala to na sprawdzenie poprawności odebranych danych. TCI/IP umoşliwia komunikację wielu aplikacji w tym samym czasie, kierowanie przekazywaniem danych, rozpoznawanie jednostki komputerowej po indywidualnych adresach IP oraz portach TCP [4].
uşytkownika. Weryfikację zbudowanej aplikacji przeprowadzono dla stanowiska spawalniczego. Stację wyposaşono w manipulator IRB 1600, narzędzie spawalnicze, spawarki, pozycjoner, kontroler IRC 5 oraz komputer (rys. 2). Komunikacja między kontrolerem ICR5 a aplikacją została nawiązana za pomocą protokołu TCP/IP. W zaprezentowanym przykładzie program Hercules spełnia funkcję serwera, z którego pobierane są dane procesowe wykorzystywane przez aplikację graficzną. Na rys. 3 przedstawiono główne okno aplikacji GUI. Po wpisaniu adresu IP oraz numeru portu wystarczy wcisnąć przycisk Połącz w celu nawiązania połączenia ze stacją. Przycisk Pobierz pozycję odpowiada za pobieranie danych dotyczących aktualizacji wartości kątowych oraz pozycji TCP (ang. Tool Center Point) manipulatora. Dane są odświeşane co 0,1 sekundy. W zaprezentowanym rozwiązaniu moşliwe jest zadanie wartości kątowych, które manipulator ma osiągnąć.
32
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
% 0 1 % 1 2
Konfiguracja sposobu komunikacji kontrolera sprowadza się do wybrania interfejsu, z którego będzie korzystał, nadania mu adresu IP oraz maski podsieci. W celu skonfigurowania serwera naleşy uruchomić aplikację ABB OPC IRC5 Configuration (rys. 5). Definiowanie nowego aliasu odbywa się przez wybór polecenia Add (rys. 6) New Alias, a następnie określenie połączenia. Utworzenie nowego połączenia wymaga wprowadzenia określonych danych: Alias Name, Controller Name, Address, System ID, System Name. Wszystkie dane mogą zostać automatycznie uzupełnione po wybraniu polecenia Scan. W tym przypadku wyświetla się lista dostępnych kontrolerów. Wybranie jednego skutkuje automatycznym uzupełnieniem wszystkich pól. Po utworzeniu aliasu dane dotyczące IO Subscriptions i RAPID Subscriptions zostaną przypisane na podstawie wybranego kontrolera. IO Subcriptions informuje o liczbie wykorzystanych, jak i dostępnych maksymalnie sygnałów wejścia/wyjścia, które zostały utworzone w kontrolerze, natomiast RAPID Subscription odpowiada za liczbę zadeklarowanych zmiennych. Po skonfigurowaniu oraz utworzeniu nowego aliasu naleşy w polu Set IP Address dodać adres IP kontrolera (rys. 6), z którym będzie następowała komunikacja, przez standard TCP/IP. Ostatnim etapem jest restart serwera, polega on na wciśnięciu po sobie przycisków Stop oraz Start oraz zapisaniu stanu. Tak przeprowadzona konfiguracja gwarantuje komunikację z wybranym, w tym przypadku wirtualnym kontrolerem IRC5.
| 9 7< ( /.1;. 7< 1 % ƒ Nowsze wersje pakietu MATLAB/Simulink majÄ… dodatek OPC Toolbox, ktĂłry umoĹźliwia komunikacjÄ™ z wykorzystaniem standardu OPC. MoĹźna teĹź korzystać zarĂłwno ze standardu DA, jak i HDA. Pozwala na odczytywanie, zapisywanie informacji od serwera i wysyĹ‚anie danych do serwera z róşnych urzÄ…dzeĹ„, systemĂłw kontrolnych/nadzorczych, zbierajÄ…cych dane czy programowalnych kontrolerĂłw. OPC Toolbox zawiera aplikacjÄ™ OPC Data Access Explorer, dziÄ™ki ktĂłrej moĹźemy poĹ‚Ä…czyć siÄ™ z serwerem OPC. W artykule zdecydowano siÄ™ zastosować bibliotekÄ™ Simulink – OPC Toolbox, ktĂłra umoĹźliwia obsĹ‚ugÄ™ OPC Data Access (rys. 7). Podstawowymi blokami tej biblioteki sÄ…: OPC Configuration, OPC Read, OPC Write. W pierwszym bloku konfiguruje siÄ™ poĹ‚Ä…czenie z serwerem, kontrolÄ™ bĹ‚Ä™dĂłw oraz ustawienia zwiÄ…zane z dziaĹ‚aniem symulacji w czasie rzeczywistym. NastÄ™pnie wybiera siÄ™ lub tworzy OPC Client (rys. 8). Kolejny blok OPC Write umoĹźliwia konfiguracjÄ™ serwera/ klienta oraz danych, jakie bÄ™dÄ… do niego przesyĹ‚ane. W tym bloku moĹźna wybrać sposĂłb wysyĹ‚ania danych – synchroniczny, asynchroniczny oraz czas prĂłbkowania. DziÄ™ki temu, iĹź Simulink pozwala na zapis danych w trakcie dziaĹ‚ania symulacji, wykorzystujÄ…c specjalne komendy oraz obiekty typu RunTime Object, jest moĹźliwe zbudowanie modelu, ktĂłry umoĹźliwi dziaĹ‚anie aplikacji w czasie rzeczywistym.
Rys. 5. Okno startowe narzędzi konfiguracyjnych serwera Fig. 5. Start window of server configuration tools
Rys. 6. Definiowanie aliasu Fig. 6. Defining an alias
Rys. 7. Biblioteka OPC Toolbox w Simulinku Fig. 7. OPC Toolbox library in Simulink
} < Weryfikację opracowanej aplikacji zrealizowano na specjalnie zaprojektowanym oraz zbudowanym w środowisku RobotStudio zrobotyzowanym stanowisku. Ma ona postać stacji przeznaczonej do obróbki wstępnej odlewanych ze stali korpusów reduktorów (rys. 9). Stanowisko zostało wyposaşone w manipulatory ABB IRB 2600, kontrolery IRC5, podajniki taśmowe, skaner 3D, stojak na narzędzia, elektromagnes, frezy, maty bezpieczeństwa oraz barierę z tworzywa sztucznego wyposaşoną w czujniki nacisku (rys. 10). Za sterowanie stacją odpowiada wirtualny
Rys. 8. Ustawienia bloku OPC Configuration Fig. 8. OPC Configuration block settings
33
+ 3 0 T f/% F &'(&+
Rys. 10. Bariera laserowa (1), mata bezpieczeństwa (2), bariera z czujnikami nacisku (3) Fig. 10. Laser barrier (1), safety mat (2), barrier with pressure sensors (3)
Rys. 9. Widok zrobotyzowanego stanowiska w środowisku RobotStudio Fig. 9. View of the robotic station in the RobotStudio environment
kontroler IRC5, który dzięki moşliwości generowania sygnałów cyfrowych i analogowych będzie źródłem danych dla aplikacji napisanej w środowisku MATLAB.
} h
Do poprawnego działania stanowiska, wymagany jest odpowiednio skonfigurowany system robotów. W przypadku rozpatrywanej stacji, w której występuje współpraca dwóch manipulatorów, zaimplementowany musi zostać moduł MultiMove. W trakcie tworzenia systemu kreator automatycznie dodaje daną funkcję. Warunkiem, który musi zostać spełniony, aby zrobotyzowana stacja mogła komunikować się z systemami zewnętrznymi, jest dodanie opcji PC Interface w trakcie tworzenia systemu robota (rys. 11). Moduł PC Interface pozwala na komunikację za pomocą standardu TCP/IP z panelami Flex Pendant czy serwer OPC. W projekcie zrobotyzowanego stanowiska zostały uşyte obiekty typu Smart Component. Ułatwiają one tworzenie logiki i algorytmów odpowiadających m.in. za pracę chwytaków oraz podajników. Umoşliwiają generowanie oraz usuwanie obiektów w czasie symulacji. Do sterowania nimi wystarczą proste sygnały cyfrowe DI/DO. Aby utworzyć tego typu obiekty naleşy z głównego paska wybrać
34
P
O
M
Rys. 11. Dodanie opcji PC Interface Fig. 11. Adding the PC Interface option
Rys. 12. Główne okno konfiguracji komponentów w środowisku RobotStudio Fig. 12. The main component configuration window in the RobotStudio environment
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
% 0 1 % 1 2
Rys. 13. Schemat działania zbudowanego SmartComponentu w środowisku RobotStudio Fig. 13. The main component configuration window in the RobotStudio environment
zakładkę Modelling → Smart Component. Otworzy się wówczas okno odpowiedzialne za dodawanie oraz modyfikację komponentów. W zakładce Compose (rys. 12) moşna dodawać obiekty typu Attacher, Detacher, LineSensor, Plane Sensor, Logic Gate, JointMover oraz wiele innych. Po wybraniu dodanego elementu wyświetli się okno konfiguracji (rys. 13), gdzie moşna sprecyzować jego pozycję oraz działanie. Przechodząc do zakładki Design, naleşy rozstawić wstawione elementy oraz utworzyć logikę, która będzie odpowiedzialna za sterowanie. Przedstawiony przykład (rys. 13) prezentuje komponent odpowiedzialny za sterowanie pracą elektromagnesu. Gdy sygnał wejściowy zmieni wartość na 1, uruchomiony zostanie sensor odpowiedzialny za wykrycie przedmiotu. Po udanym wykryciu sygnał od sensora zostaje przesłany do elementu Attacher, który odpowiada za podłączenie wykrytego przez sensor przedmiotu dla wybranego narzędzia. Podłączenie przedmiotu generuję zmianę sygnału wyjściowego komponentu na 1. Po zresetowaniu sygnału wejściowego sensor zostaje wyłączony, uruchomiony zostaje element Detacher, który odłącza przenoszony przez elektromagnes przedmiot i ustawia sygnał wyjściowy na 0.
nej stacji do kontrolowania obiektów typu Smart Component, które odpowiadają za elektromagnes, zmiany narzędzia oraz podajniki taśmowe, wykorzystane zostały sygnały cyfrowe. Do monitorowania pozycji oraz prędkości TCP manipulatorów uşyto sygnałów analogowych. Na potrzeby pracy zostało utworzone urządzenie do komunikacji z wykorzystaniem sieci Profinet, o nazwie bord. Nowemu sygnałowi naleşało przypisać bity oraz zmienić jego poziom dostępu na All – umoşliwiający odczyt oraz zapis informacji (rys. 14). W przypadku sygnałów analogowych naleşy określić ich dopuszczalne wartości. Po poprawnym skonfigurowaniu sygnału naleşy zapisać zmiany i zrestartować kontroler. Utworzenie sygnałów cyfrowych oraz analogowych umoşliwiło napisanie programu sterującego. Program sterujący zrobotyzowaną stacją został utworzony w języku programowania RAPID wykorzystując metody programowania w widoku graficznym, jak i programowania tekstowego w edytorze języka RAPID. Do sterowania stacją zostały wykorzystane podstawowe komendy ruchu, oczekiwania czy zmiany wartości sygnału. Uşyto równieş poleceń związanych z wykonywaniem operacji MultiMove. Utworzono dwa dodatkowe zadania (ang. task) przeznaczone do wykonywania obliczeń. Ponişej przedstawiono kod jednego z nich: MODULE modul1 VAR pos elek; VAR num elekx; VAR num eleky; VAR num elekz; PROC main() WHILE startcc0=1 DO WaitTime 0.05; elek:=CPos(\Tool:=elektromagnes\ WObj:=Workobject_1); elekx := elek.x; eleky := elek.y;
} < ! ( Środowisko RobotStudio umoşliwia dodawanie, symulację oraz monitorowanie sygnałów wejść/wyjść, które są obsługiwane przez układ wejść/wyjść kontrolera. W zaprojektowa-
elekz := elek.z; SetAO rob1tx,elekx; SetAO rob1ty,eleky; SetAO rob1tz,elekz; ENDWHILE ENDPROC ENDMODULE
Rys. 14. Okno dodawania nowego sygnału do kontrolera Fig. 14. Window for adding a new signal to the controller
Procedura zawarta w modul1 słuşy do iteracyjnego odczytywania co 0,05 sekundy pozycji TCP manipulatora wyposaşonego w elektromagnes. Dzięki zastosowaniu komendy WaitTime program nadal pozostaje responsywny w trakcie jego działania. Do zmiennej typu pos w pętli przypisywana jest pozycja narzędzia elektromagnes dla wybranego elementu WObj, w tym przypadku Workobject_1. Następnie do zmiennych zostają przypisane poszczególne współrzędne X, Y, Z, które w kolejnym kroku są przypisywane sygnałom analogowym. W sposób analogiczny odczytywane są dane dotyczące pozycji TCP drugiego manipulatora w osobnym tasku, poniewaş kaşdy task przypisany jest do określonej jednostki mechanicznej. Wykonywanie obliczeń w jednym tasku skutkowałoby poprawnością tylko dla tego manipulatora, do którego jest przypisany dany task.
35
+ 3 0 T f/% F &'(&+
< % 2†8 /.1;. ‡& %
− przeĹ‚Ä…cznik Stan Symulacji odpowiada za wĹ‚Ä…czanie i wyĹ‚Ä…czanie symulacji w Simulinku, ktĂłra sĹ‚uĹźy do komunikowania siÄ™ z serwerem OPC; − przeĹ‚Ä…cznik Stan Stacji wĹ‚Ä…cza lub wyĹ‚Ä…cza pracÄ™ zrobotyzowanej stacji w Ĺ›rodowisku RobotStudio, zmieniajÄ…c stan sygnaĹ‚u sterujÄ…cego; − kontrolka Emergency Stop monitoruje sygnaĹ‚ awaryjnego postoju w systemie RobotWare zaprojektowanej stacji; − przycisk Reset Emergency Stop odpowiada za przywracanie stacji do normlanego trybu po wystÄ…pieniu awaryjnego postoju; − kontrolki Motors OFF state/Motors ON state pokazujÄ… stan napÄ™dĂłw manipulatorĂłw stanowiska – gdy sÄ… nieaktywne, podĹ›wietlenie jest koloru czarnego, natomiast przy uaktywnieniu zmienia siÄ™ na kolor zielony; − przeĹ‚Ä…cznik Pobieranie danych procesu ma trzy stany: Start, Pobieranie Danych, Reset Danych. Opcja Pobieranie Danych uruchamia timer, ktĂłry odĹ›wieĹźa komendy zwiÄ…zane z pobieraniem danych procesĂłw obrĂłbki z serwera OPC. Stop zatrzymuje timer natomiast Reset Danych zeruje wskazania kontrolek oraz pĂłl powiÄ…zanych z timerem; − przeĹ‚Ä…cznik Pobieranie pozycji TCP speĹ‚nia tÄ™ samÄ… funkcjÄ™, co przeĹ‚Ä…cznik Pobieranie danych procesu z tÄ… róşnicÄ…, iĹź operuje timerem oraz polami zwiÄ…zanymi z wyĹ›wietlaniem pozycji TCP manipulatorĂłw. Do przeĹ‚Ä…cznikĂłw zostaĹ‚y dodane kontrolki w celu lepszej sygnalizacji zmiany stanĂłw. Panel Stan Procesu (rys. 18) zawiera cztery kontrolki odpowiedzialne za monitorowanie procesu obrĂłbki wstÄ™pnej odlewanych korpusĂłw: − Frezowanie powierzchni Ĺ‚Ä…czenia korpusu, − Frezowanie powierzchni koĹ‚nierza pod Ĺ‚oĹźyska, − Frezowanie bocznych krawÄ™dzi koĹ‚nierza, − Skanowanie 3D powierzchni obrobionych korpusu. W panelach Manipulator 1 (rys. 19) oraz Manipulator 2 (rys. 20) znajdujÄ… siÄ™ pola, w ktĂłrych wyĹ›wietlane bÄ™dÄ… w czasie rzeczywistym współrzÄ™dne X, Y, Z pozycji TCP manipulato-
Pakiet MATLAB w wersji R2016a umoşliwia zastosowanie nowego narzędzia App Designer do budowy graficznego interfejsu uşytkownika GUI. App Designer ma więcej funkcji oraz obiektów, które moşna wykorzystać podczas budowy aplikacji. Na rys. 15 porównano budowę głównego okna aplikacji GUIDE oraz App Designer. Interfejs GUI zawiera następujące elementy – menu, paski narzędzi, przyciski oraz suwaki. Dodatek GUI w środowisku MATLAB umoşliwia budowę niestandardowych aplikacji.
Rys. 15. PorĂłwnanie budowania aplikacji w GUIDE oraz w App Desinger [13] Fig. 15. Comparison of building applications in GUIDE and in App Designer
h 7 % W ramach prac zbudowano aplikację GUI z wykorzystaniem narzędzia App Designer. Zadaniem aplikacji jest monitorowanie procesów oraz odczyt określonych parametrów pracy zbudowanej stacji. Graficzny interfejs uşytkownika zaprojektowanej aplikacji przedstawiono na rys. 16. Główny ekran został podzielony na cztery panele. Pierwszy panel – (Główny panel) jest złoşony z następujących elementów (rys. 17):
Rys. 18. Widok panelu Stan procesu aplikacji GUI Fig. 18. View of the GUI Application Process Status panel
Rys. 16. GĹ‚Ăłwne okno zbudowanego graficznego interfejsu uĹźytkownika Fig. 16. The main window of the built-in graphical user interface [13]
Rys. 17. GĹ‚Ăłwny panel aplikacji GUI Fig. 17. The main GUI application panel
36
P
O
M
I
Rys. 19. Panel Manipulator 1 IRB2600 Fig. 19. Panel IRB2600 Manipulator 1
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
% 0 1 % 1 2
Rys. 20. Panel Manipulator 2 IRB2600 Fig. 20. Panel IRB2600 Manipulator 2
W modelu dla kaşdego sygnału przypisano osobny blok odpowiedzialny za odbieranie danych z serwera. Jest to związane ze sposobem odczytywania danych w trakcie działania symulacji, a mianowicie zastosowaniem obiektów typu Runtime. Obiekt tego typu przechowuje tylko aktualne dane i zapisuje je w formie wektora. Zmienne, do których zapisują wartości sygnałów są jednoelementowymi tablicami. Dzięki temu moşna zmniejszyć opóźnienia związane z aktualizowaniem danych. W celu wyświetlania wykresów w aplikacji dane zostają zapisane za pomocą bloków typu Scope do głównego obszaru roboczego w postaci tablic (rys. 22). W zakładce Logging zastała wybrana opcja Log data to workspace, by zapisywać dane do obszaru roboczego, gdzie ich liczba została ograniczona do 500 a po upływie 5 sekund symulacji wykresy będą się resetowały. Celem jest poprawienie czytelności wykresów ze względu na to, iş stacja działa w pętli, więc dane będą aktualizowane po kaşdym cyklu.
& % , ! oprogramowania
Rys. 21. Model komunikacji w Simulinku Fig. 21. Model of communication in Simulink
Weryfikacja uzyskanych wyników oraz testowanie napisanego oprogramowania jest jednym z istotnych etapów projektowania zrobotyzowanego stanowiska. Symulacja komputerowa w sposób przyblişony pozwala odtworzyć zachowanie zaprojektowanego modelu oraz umoşliwia wykrycie błędów na etapie projektowym. Środowisko RobotStudio umoşliwia weryfikację napisanego oprogramowania dla zaprojektowanej stacji zrobotyzowanej. Sygnały generowane podczas symulacji są przesyłane za pośrednictwem serwera OPC do aplikacji napisanej w pakiecie MATLAB/Simulink, która odpowiada za monitorowanie parametrów, procesów. Przed przystąpieniem do weryfikacji zaprojektowanego oprogramowania naleşy sprawdzić, czy wirtualny kontroler w RobotStudio oraz serwer OPC mają ten sam numer IP. Aby komunikacja została nawiązana naleşy otworzyć model w Simulinku, który będzie wymieniał dane z serwerem OPC. Stacja jest tak skonfigurowana, iş czeka na sygnał wejściowy z aplikacji, aby rozpocząć pracę. Po uruchomieniu aplikacji wykonanej w App Designer pojawia się główne okno programu. Symulacja modelu w Simulink zostanie uruchomiona po wybraniu pozycji On przy poleceniu Stan Symulacji (rys. 23).
Rys. 22. Okno konfiguracyjne bloku Scope w Simulink Fig. 22. Scope block configuration window in Simulink
rów z pewnym opóźnieniem. W celu wizualizacji trasy pokonanej przez końcówkę roboczą uşyto wykresu 3D z moşliwością obracania – Pozycja TCP. W panelach manipulatorów zawarto wykresy odpowiedzialne za przedstawianie zmian prędkości TCP. Czas, który jest zaprezentowany na wykresach, nie odpowiada czasowi symulacji ze środowiska RobotStudio. Związane jest to z częstym odświeşaniem symulacji w Simulink celem odczytu jak największej liczby zmian sygnałów. W obydwu panelach pod wykresami znajdują się przyciski Aktualizuj Wykres, których celem jest dodawanie danych do wykresów, gdyş samoczynna aktualizacja tych wykresów znacząco ogranicza częstotliwość odświeşania okna aplikacji. W panelu Manipulator 1 (rys. 19) znajduje się pole wyświetlające stan narzędzia manipulatora. Panel Manipulator 2 (rys. 20) zawiera trzy kontrolki Frez 1, Frez 2 oraz Zmiana narzędzia, które wskazują aktualnie uşywane narzędzie oraz proces wymiany końcówki roboczej. Za komunikację z serwerem IRC5 OPC odpowiada model komunikacji zbudowany w Simulinku (rys. 21). Do jego budowy zastosowano bibliotekę OPC Toolbox.
Rys. 23. Weryfikacja połączenia aplikacji ze stacją Fig. 23. Verification of the application connection to the station
Kolejnym krokiem jest wybór polecenia On przy poleceniu Start Stacji w celu sprawdzenia, czy dane są przesyłane od aplikacji do stanowiska (rys. 23). Zmiana koloru kontrolki na kolor zielony przy poleceniu Start Stacji oznacza, şe w RobotStudio zarejestrowano zmianę sygnału startcc0 (rys. 23) na 1, co świadczy o poprawnym nawiązaniu komunikacji. Wybór polecenia Pobór danych procesu uruchamia timer. Opóźnienie związane z odświeşaniem prezentowanych danych waha się w granicach 0,2–0,3 sekundy, co pozwala na dokładne śledzenie procesu. Po rozpoczęciu pobierania danych kontrolki Motor ON state, Frezowanie powierzchni łączenia korpusu i Frez1 zmieniły kolor na zielony. W oknie RobotStudio moşna obserwować pracę stanowiska, jest wykonywany pierwszy etap obróbki za pomocą frezu oznaczonego Frez1. Obrabiany przedmiot jest pobrany
37
+ 3 0 T f/% F &'(&+ a)
Rys. 25. Pozycje TCP narzędzia w przestrzeni dla manipulatorów 1 oraz 2 Fig 25. TCP tool positions in the space for manipulators 1 and 2
b)
Rys. 26. Wykres pozycji i prędkości końcówki roboczej manipulatora 1 oraz 2 Fig 26. Graph of position and speed of the working tip of manipulators 1 and 2
c)
Rys. 27. Test awaryjnego zatrzymania Fig. 27. Emergency stop test
przez pierwszy manipulator (rys. 24a) za pomocą elektromagnesu, co jest zgodne ze wskazaniem w etykiecie Stan narzędzia w aplikacji. Dalej następują kolejne etapy obróbki oraz zmiany narzędzia (rys. 24). Kolejnym etapem jest wybór polecenia Pobieranie pozycji TCP, który przedstawia współrzędne TCP narzędzia (rys. 25) oraz wykresy odpowiadające za ścieşkę pokonaną przez końcówkę roboczą oraz zmiany prędkości w czasie symulacji w Simulink (rys. 26). Na końcu przedstawiono weryfikację funkcji alarmowania dla opracowanej aplikacji. Po wybraniu polecenia Emergency Stop symulacja w RobotStudio zatrzymuje się, na panelu głównym aplikacji kontrolki, które są odpowiedzialne za monitorowanie sygnału zatrzymania, zmieniają kolor na czerwony (rys. 27).
d)
Rys. 24. a) obrĂłbka korpusu, b) zmiana frezĂłw, c) kolejny etap obrĂłbki korpusu, d) skanowanie 3D obrobionego korpusu Fig. 24. a) machining the body, b) changing the cutters, c) the next stage of machining the body, d) 3D scanning of the machined body
38
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
% 0 1 % 1 2 Po wyłączeniu polecenia Emergency Stop na kontrolerze oraz wybraniu polecenia Reset Emergency Stop napędy przechodzą w stan Motors OFF state (rys. 27). Podczas weryfikacji zauwaşono, iş w trakcie włączania kolejnych timerów pojawiało się opóźnienie. Timer monitorujący przebieg procesów odczytywał dane z opóźnieniem około 0,2–0,3 sekundy. Podobną tendencję wykazywał timer odpowiedzialny za pobieranie pozycji TCP narzędzia przy samodzielnym działaniu. Przy jednoczesnym włączeniu dwóch timerów opóźnienie zwiększało się do około 0,5–0,8 sekundy. Ma to związek z tym, şe do timerów odpowiadających za pobór danych przypisywane są złoşone funkcje, które w krótkim czasie są odświeşane. W związku z tym próba generowania nowych wykresów oraz włączenie kolejnego timera powoduje zatrzymanie prezentacji danych na głównym ekranie aplikacji. Duşe opóźnienie występowało w chwili przełączania pokręteł oraz wyboru przycisków odpowiedzialnych za aktualizację wykresów. Kolejność włączania obiektów miała wpływ na odświeşanie okna aplikacji oraz aktualizację etykiet czy kontrolek. Mimo występujących opóźnień, aplikacja umoşliwia sprawne monitorowanie zachowań zrobotyzowanego stanowiska.
€ < W artykule przedstawiono analizę istniejących rozwiązań. Zaprezentowano aplikacje zbudowane w środowisku MATLAB, których zadaniem jest monitorowanie i sterowanie stacjami oraz identyfikacja parametrów manipulatora. Zaprezentowano własne rozwiązanie złoşone z aplikacji GUI gromadzącej i przetwarzającej dane procesowe ze zrobotyzowanego środowiska wyposaşonego w manipulatory ABB. Przedstawiono sposób komunikacji zrobotyzowanej stacji z aplikacją zbudowaną w środowisku MATLAB. Zaprojektowano oraz zbudowano zrobotyzowaną stację w środowisku RobotStudio przeznaczoną do obróbki stalowych korpusów po odlewie. Stanowisko składa się z dwóch manipulatorów firmy ABB, skanera 3D, stojaka na narzędzia, taśmociągów, systemów zabezpieczeń, dedykowanego kontrolera i komputera. Stacja została zaprogramowana przy uşyciu języka wysokiego poziomu – RAPID. W artykule zaprezentowano równieş projekt aplikacji GUI, która umoşliwia monitorowanie stanów obróbki elementów na stanowisku zrobotyzowanym. Zbudowana aplikacja moşe zostać rozbudowana i udoskonalona. W zaleşności od złoşoności kontrolowanego przez aplikację stanowiska, moşliwe jest łatwe dodawanie nowych paneli z kolejnymi funkcjami. W prosty sposób moşna teş rozszerzyć moşliwości modelu odpowiadającego za komunikację z serwerem OPC, do którego podłączona jest monitorowana stacja. Ze względu na wystąpienie opóźnień w wersji testowej aplikacji, naleşy dokonać optymalizacji kodu sterującego aplikacją. Wykonana aplikacja oraz jej weryfikacja na stanowisku zbudowanym w środowisku RobotStudio wykazały celowość prowadzenia prac w tym zakresie.
4. Giergiel J., Giergiel M., Kurc K., Sieci komputerowe i bazy danych – WykĹ‚ady i laboratoria, Oficyna Wydawnicza Politechniki Rzeszowskiej, RzeszĂłw 2010. 5. Iori M., Martello S., Monaci M., Metaheuristic algorithms for the strip packing problem. [in:] Optimization and industry: new frontiers. Springer US, 2003. 159–179, DOI: 10.1007/978-1-4613-0233-9_7. 6. Szulewski P., Koncepcje automatyki przemysĹ‚owej w Ĺ›rodowisku Industry 4.0. „Mechanikâ€?, Nr 7, 2016, 574–578, DOI: 10.17814/mechanik.2016.7.221. 7. Wittbrodt P., Ĺ apuĹ„ka I., PrzemysĹ‚ 4.0 – Wyzwanie dla współczesnych przedsiÄ™biorstw produkcyjnych. „Innowacje w ZarzÄ…dzaniu i InĹźynierii Produkcjiâ€?, 2017, 793–799. 8. Szulewski P., UrzÄ…dzenia automatyki przemysĹ‚owej w Ĺ›rodowisku Industry 4.0. „Mechanikâ€?, R. 89, Nr 8–9, 2016, 926–933, DOI: 10.17814/mechanik.2016.8-9.329. 9. Tjahjono B., Esplugues C., Ares E., Pelaez G., What does Industry 4.0 mean to Supply Chain? “Procedia Manufacturingâ€?, Vol. 13, 2017, 1175–1182, DOI: 10.1016/j.promfg.2017.09.191. 10. PĹ‚atek R., MATLAB i Simulink w automatyce przemysĹ‚owej. „Automatykaâ€?, R. 1, Nr 3, 2015, 126–128. 11. Schwarz M.H.; Boercsoek J., Advances of OPC Client Server Architectures for Maintenance Strategies: a Research and Development Area not only for Industries. WSEAS Transactions on Systems and Control, Vol. 3, No. 3, 2008, 195–207. 12. Pendli P.K., Gorbatchev V., Schwarz M.H., BĂśrcsĂśk J., OPC and its Strategies for Redundancy. International Control Conference (ICC 2006-Control 2006). 13. Aguado J.V., Borzacchiello D., Ghnatios C., Lebel F., Upadhyay R., Binetruy C., Chinesta F., A Simulation App based on reduced order modeling for manufacturing optimization of composite outlet guide vanes. Advanced Modeling and Simulation in Engineering Sciences, 4(1), 2017, DOI: 10.1186/s40323-017-0087-y.
% ! , 1. Badurek J., System ERP dla wytwĂłrczoĹ›ci nowej generacji. „PrzedsiÄ™biorstwo we współczesnej gospodarce – teoria i praktykaâ€?, Nr 2, 2014, 79–90. 2. Burghardt A., Kurc K., Szybicki D., Robotic automation of the turbo-propeller engine blade grinding process. “Applied Mechanics & Materialsâ€?, Vol. 817, 2016, 206–213, DOI: 10.4028/www.scientific.net/AMM.817.206. 3. Burghardt A., Szybicki D., PietruĹ› P., Zastosowanie architektury klient–serwer oraz protokoĹ‚Ăłw TCP/IP do sterowania i monitorowania pracy manipulatorĂłw przemysĹ‚owych. „Modelowanie InĹźynierskieâ€?, Vol. 36, Nr 67, 2018, 16–22.
39
+ 3 0 T f/% F &'(&+
/ S 6 . . k / Jh@ L 7 E B-=O-Z 5 When designing and building factories in accordance with the idea of Industry 4.0, it is common to use robotic systems. Using such systems, it is important to monitor and analyze the operating parameters of these systems. In that it is possible to increase the efficiency, work safety, more efficient production management. For this type of systems, data exchange between devices are done using communication standards, e.g.: Profibus, DeviceNet, RS-485, OPC. Within the work, we presented our own solution using the OPC standard to exchange data between a robotic system and the MATLAB environment. An application using the GUI was presented, collecting and processing process data from a robotic station equipped with ABB manipulators. Keywords J6 # B-=O-Z? . # 7
- 1 -
/ ,
.% $ % ORCID: 0000-0002-0113-6159
% 7 $ % ORCID: 0000-0003-3648-9808
" % 6 L >. . j )!!' ; % )!!'?)!!+ % % % ; % Z % B O 6 @ L J% . R F % B @ L 7 # .% 7 % " % )!&) G % K . % " 7 . % % % @ . G A 7 @ % %
% 6 % R " 6 L >. . j ; )!!*E)!& 7 % A % B ; % Z % B O 6 L ; )!&X 7 % K % B J% )!&X % % F % B L 7 G . % K ; A 7 % 7 . 7 A
'1 B $ % ORCID: 0000-0002-6428-0959 % L % R " 6 L >. . j ; @ % )!&+?)!&( % % % ; % Z % B O 6 L @ ; @ F % B @ L 7 # .% 7 G E # . 7 A
40
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 41–46, DOI: 10.14313/PAR_234/41
7 " % A K . 7 . 7 . 7 / - ) 1+ - ) 3 1, 2 &
> # )' # Q!@('Q N% " 6 N% " # ; % < # = > / # N 7 0 &&?&)# Q!@*Q! N% "
)
, 5 W artykule zarysowano problematykę robotyzacji małych przedsiębiorstw, w szczególności aspekt robotyzacji z uwzględnieniem robotów współpracujących. Szeroko omówiono zagadnienie robotów współpracujących oraz bezpieczeństwa człowieka podczas takiej współpracy. Przedstawiono równieş najbardziej popularne systemy bezpieczeństwa w odniesieniu do obowiązujących norm. W głównej części artykułu przedstawiono Cooperating Automaton System with Stereovision Invigilating the Environment (CASSIE), system dedykowany do monitorowania bezpieczeństwa robotów kooperacyjnych za pomocą multimodalnych sensorów głębi. Ukazano równieş efekt działania takiego systemu. &' % # 7 % # 7 " # # \ >
1. Wprowadzenie ŝyjemy w dobie szybko starzejącego się społeczeństwa, w chwili obecnej na rynku pracy panuje wręcz olbrzymi niedobór pracowników. Cywilizacja europejska upatruje rozwiązanie tego problemu w imigracji zarobkowej z krajów mniej uprzemysłowionych. Mimo postępującej imigracji (w 2016 r. do UE imigrowało około 2 mln obywateli, zaś w 2017 r. – 2,4 mln) tendencja niedoboru pracowników ma się pogłębiać – wskaźnik wakatów (ang. job vacancy rate) wzrósł z 1,3% w 2013 r. do 2,3% w 2019 r. [1]. Według raportu Boston Consulting Group, w 2030 r. w Polsce będzie brakować 5 mln pracowników. Na stanowiskach pracy odznaczających się duşa monotonią robot współpracujący moşe idealnie zastąpić człowieka. Aktualnie w większości przedsiębiorstw moşna zaobserwować postępującą robotyzację. W Europie w 2017 r. na 10 000 pracowników przypadało 106 robotów, w ścisłej czołówce światowej znajdują się Niemcy (309 – trzecie miejsce), Szwecja (223 – piąte) i Dania (211 – szóste) [2]. Polska zajmuje dopiero trzydzieste miejsce (32 roboty na 10 000 pracowników), mimo budowy jednego z bardziej przyjaznych robotów humanoidalnych [3]. Oznacza to, şe istnieje olbrzymie zapotrzebowanie na robotyzację przedsiębiorstw. W większości przypadków stanowiska zrobotyzowane eliminują człowieka z procesu produkcyjnego. Roboty ogro-
. ( B 7 # 7 $ . ' % ! &! )!&* # % % )+ && )!&*
!
dzone są róşnego rodzaju barierami, ogrodzeniami czy wręcz są zamknięte w klatkach. Historycznie manipulatory miały za zadanie przenoszenie i układanie cięşkich elementów, uşywały do tego duşej siły i prędkości, przez co stawały się niebezpieczne dla człowieka. Aktualnie odchodzi się od tego trendu. Coraz częściej pojawiają się roboty współpracujące z człowiekiem, charakteryzujące się mniejszym udźwigiem i zredukowaną prędkością. Dzięki temu są bezpieczniejsze dla człowieka [4]. Coraz częściej równieş pojawiają się przyjazne, w aspekcie HSI (ang. Human System Interaction) roboty produkcyjne, czasem nawet są wyposaşone w dedykowany system emocjonalny, potrafią się uśmiechać, a nawet parzyć kawę [5].
> "' ( Robot współpracujÄ…cy, inaczej zwany cobotem (ang. Cooperative robot) zostaĹ‚ zdefiniowany jako „aparat i metoda umoĹźliwiajÄ…ca bezpoĹ›redniÄ… fizycznÄ… interakcjÄ™ miÄ™dzy czĹ‚owiekiem a manipulatoram (ogĂłlnego przeznaczenia) sterowanym przez komputerâ€? [6]. Jednak mimo zdefiniowania cobota w 1999 r., pierwsze modele weszĹ‚y na rynek dopiero w 2003 r. OgĂłlnie moĹźna zdefiniować cztery tryby współpracy czĹ‚owieka i robota [7]: − koegzystencja, − sekwencyjna kooperacja (praca sekwencyjna nad obiektem), − kooperacja (praca nad jednym obiektem, jednoczesny ruch robota i czĹ‚owieka), − kooperacja responsywna (praca nad jednym obiektem, reakcja bezpoĹ›rednio na ruch). Aktualnie wiÄ™kszość robotĂłw pracuje w trybie sekwencyjnej kooperacji – nie ma Ĺ›cisĹ‚ej kooperacji miÄ™dzy czĹ‚owiekiem a robotem. Aczkolwiek postÄ™pujÄ…ca robotyzacja sugeruje, Ĺźe
41
0 % T ` 0 0 !0 w niedalekiej przyszĹ‚oĹ›ci bÄ™dzie moĹźna spotkać roboty kooperujÄ…ce responsywnie z czĹ‚owiekiem. Aby roboty mogĹ‚y swobodnie współpracować z czĹ‚owiekiem muszÄ… speĹ‚niać szereg norm zwiÄ…zanych z bezpieczeĹ„stwem, w szczegĂłlnoĹ›ci ISO 10218-1, 10218-2 oraz specyfikacjÄ™ technicznÄ… ISO/TS 15066. W dokumentach tych moĹźna znaleźć nastÄ™pujÄ…ce strategie zachowania bezpieczeĹ„stwa [8]: − ograniczenie strefy ruchu robota – statyczne (zdefiniowanie strefy pracy) lub dynamiczne (np. przez zastosowanie kurtyn Ĺ›wietlnych), − wykrywanie odlegĹ‚oĹ›ci do potencjalnych obiektĂłw mogÄ…cych spowodować kolizjÄ™, − wykrywanie i unikanie kolizji – pre-collision – dynamiczna zmiana trajektorii manipulatora lub prÄ™dkoĹ›ci narzÄ™dzia, − wymagania ergonomiczne – unikanie ostrych krawÄ™dzi, okĹ‚adziny itp., − systemy zatrzymania robota – post-collision – odpowiednio umieszczone wyĹ‚Ä…czniki awaryjne, − wydajność systemu sterowania zwiÄ…zana z bezpieczeĹ„stwem, tolerancja pojedynczych usterek nie moĹźe naraĹźać czĹ‚owieka, − kontrola prÄ™dkoĹ›ci – prÄ™dkość narzÄ™dzia nie powinna przekroczyć 250 mm/s (przy współpracy). UszczegóławiajÄ…c przypadek tylko do współpracy z czĹ‚owiekiem, raport techniczny ISO/TS 15066 wyróşnia cztery tryby zwiÄ…zane z tym zagadnieniem: − monitoring otoczenia robota (safety-related monitored stop – SMS), − monitoring prÄ™dkoĹ›ci i odlegĹ‚oĹ›ci (speed and separation monitoring – SSM), − praca przy ograniczonej sile (power and force limiting – PFL), − praca z prowadzeniem rÄ™cznym (hand guiding – HG). Praca z prowadzeniem rÄ™cznym jest z reguĹ‚y trybem opcjonalnym, zaĹ› ograniczenie siĹ‚y robota jest z reguĹ‚y predefiniowane podczas okreĹ›lania ryzyka i instalacji. PozostaĹ‚e tryby wiąşą siÄ™ Ĺ›cisĹ‚e ze strategiami bezpieczeĹ„stwa: pre-collision i post-collision [9]. Strategia pre-collision powinna opisywać, co siÄ™ dzieje w przypadku dostania siÄ™ przeszkody w przestrzeĹ„ robota (SSM), z kolei strategia post-collision mĂłwi, jak siÄ™ powinien zachować manipulator w przypadku kolizji (SMS). NaleĹźy zauwaĹźyć, Ĺźe aspekt pre-collision jest Ĺ›cisĹ‚e zwiÄ…zany z zagadnieniem percepcji otoczenia, a stÄ…d juĹź krok do inteligentnych cobotĂłw [10]. StrategiÄ™ pre-collision moĹźna rĂłwnieĹź powiÄ…zać z wykrywaniem przeszkody/czĹ‚owieka w odpowiednich strefach. Klasycznie wyróşnia siÄ™ pięć róşnych stref robota: − przestrzeĹ„ maksymalna – zbiĂłr punktĂłw, w ktĂłrych moĹźe siÄ™ znaleźć jakakolwiek część robota, − przestrzeĹ„ ograniczona – przestrzeĹ„ maksymalna ograniczona przez elementy staĹ‚e (np. szafÄ™ sterowniczÄ…), − przestrzeĹ„ robocza – zbiĂłr punktĂłw, w ktĂłrych moĹźe siÄ™ znaleźć narzÄ™dzie robota, − przestrzeĹ„ chroniona – przestrzeĹ„, ktĂłra powinna zostać ograniczona przez odgrodzenie wg normy ISO 13857 (z reguĹ‚y wiÄ™ksza niĹź przestrzeĹ„ maksymalna), − przestrzeĹ„ kooperacji – wycinek przestrzeni roboczej, w ktĂłrej moĹźe siÄ™ pojawić czĹ‚owiek w celu współpracy. W celach bezpoĹ›rednio zwiÄ…zanych z systemem bezpieczeĹ„stwa wykorzystuje siÄ™ trzy ostatnie przestrzenie.
warunkĂłw pracy systemu bezpieczeĹ„stwa, przez co koszt takiego cobota moĹźe znaczÄ…co wzrosnąć. WĹ›rĂłd powszechnie stosowanych rozwiÄ…zaĹ„ sĹ‚uşących do monitorowania bezpieczeĹ„stwa strefy chronionej robota naleĹźy wyróşnić: − sygnalizacyjne i ostrzegawcze barwy elementĂłw stanowiska i samych robotĂłw, − fizyczne wygrodzenia i osĹ‚ony (częściowe) ograniczajÄ…ce strefÄ™ kooperacji, − optyczne bariery strefowe, − naciskowe maty i listwy, − klucze bezpieczeĹ„stwa, − sensory ruchu i odlegĹ‚oĹ›ci, − systemy wykrywania kolizji. PrzykĹ‚adowo Fanuc ma w swojej ofercie seriÄ™ robotĂłw CR (ang. Cooperative Robots) wyposaĹźonych domyĹ›lnie w system detekcji kolizji przy wykryciu siĹ‚y rzÄ™du 150 N (z moĹźliwoĹ›ciÄ… przeprogramowania progu), oparty na sensorach momentu siĹ‚y [12]. UmoĹźliwia wyposaĹźenie manipulatora w maty ochronne oraz system wodzenia manipulatorem. Pozwala takĹźe na uĹźycie systemu DCS (ang. Dual Check Safety), ktĂłry pozwala na monitorowanie stref robota pod kÄ…tem obecnoĹ›ci czĹ‚owieka (zarĂłwno przez kurtyny Ĺ›wietlne, skaner 3D czy maty naciskowe) oraz redukcjÄ™ prÄ™dkoĹ›ci i siĹ‚. Aby chronić narzÄ™dzie manipulator moĹźe być wyposaĹźony w czujnik momentĂłw siĹ‚ oraz kamery pozwalajÄ…ce na monitorowanie otoczenia robota. System ten jest rĂłwnieĹź odpowiednio redundantny. Podobne zastosowanie ma osprzÄ™t firmy Bosch – APAS assistant. System ten umoĹźliwia okrycie manipulatora sztucznÄ… matÄ… dotykowÄ… o gruboĹ›ci rzÄ™du 50 mm, dziÄ™ki czemu wykrywa on kolizje wczeĹ›niej niĹź robot uderzy w czĹ‚owieka. APAS pozwala rĂłwnieĹź na monitorowanie otoczenia robota przez uĹźycie dodatkowych sensorĂłw, takich jak skanery laserowe, bariery Ĺ›wietlne, maty dotykowe czy skaner 3D. RĂłwnieĹź robot iiwa LBR firmy KUKA zostaĹ‚ wyposaĹźony w system detekcji kolizji za pomocÄ… czujnika momentĂłw siĹ‚. NaleĹźy zaznaczyć, Ĺźe pod tym pojÄ™ciem kryjÄ… siÄ™ z reguĹ‚y osobne sensory dla kaĹźdego stopnia swobody [13]. Tym, co wyróşnia tego cobota, jest elastyczne narzÄ™dzie, ktĂłre umoĹźliwia dopasowanie skĹ‚adanych elementĂłw (a takĹźe umiejÄ™tność obsĹ‚ugi ekspresu do kawy – wedĹ‚ug filmu promujÄ…cego). MoĹźe być rĂłwnieĹź wyposaĹźony w sensory strefowe, ktĂłre definiujÄ… okreĹ›lone prÄ™dkoĹ›ci cobota, a takĹźe siĹ‚y, bÄ…dĹş sam sposĂłb dziaĹ‚ania algorytmĂłw bezpieczeĹ„stwa (inny do współpracy z czĹ‚owiekiem, inny do samodzielnej manipulacji). WĹ›rĂłd ciekawych koncepcji naleĹźy wyróşnić wirtualny sensor siĹ‚y – opracowany na podstawie peĹ‚nego modelu dynamiki robota. Pozwala on na wyliczenie momentu obrotowego dla kaĹźdego silnika (w kaĹźdym stopniu swobody), co jest proporcjonalne do poboru prÄ…du pomierzonego na silnikach. W przypadku kolizji róşnica miÄ™dzy wyznaczonym poborem prÄ…du a pomierzonym jest znaczÄ…ca, dziÄ™ki temu wirtualny czujnik moĹźe wykryć kolizjÄ™ [12, 14]. Sensor taki jest stosowany w cobotach Universal Robots. W podejĹ›ciu badawczym stosowane sÄ… bardziej wyrafinowane rozwiÄ…zania, jednak aktualnie sÄ… one jeszcze zbyt maĹ‚o odporne na warunki przemysĹ‚owe. Coraz częściej stosuje siÄ™ wizyjne systemy zabezpieczajÄ…ce przed kolizjÄ… – monitorowanie przestrzeni chronionej robota. WiodÄ…cym rozwiÄ…zaniem w tej dziedzinie sÄ… róşnego rodzaju skanery 3D, ktĂłre z reguĹ‚y naleşą do rozwiÄ…zaĹ„ z wyĹźszej półki cenowej. Z tego tytuĹ‚u coraz częściej stosowane sÄ… kamery gĹ‚Ä™bi, czy to bazujÄ…ce na ToF (ang. Time of Flight), czy na emiterach podczerwieni [15]. WĹ›rĂłd dominujÄ…cych rozwiÄ…zaĹ„ badawczych moĹźna wymienić nastÄ™pujÄ…ce gĹ‚Ăłwne aspekty: − wyznaczenie zajÄ™toĹ›ci strefy (odlegĹ‚oĹ›ci czĹ‚owieka/obiektu od robota) za pomocÄ… podejĹ›cia: − klasycznego – z uĹźyciem kamer RGB i algorytmĂłw przetwarzania obrazu [16],
| & " Istnieje stosunkowo niewiele producentów mających w swojej ofercie coboty, do najwaşniejszych z nich naleşą firmy: General Motors, Corobotics, KUKA, Universal Robots, Fanuc i ABB [11]. Jednak zakup samego cobota to nie wszystko. Producenci oferują moşliwość instalacji dostosowanego do
42
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
# 0 − 3D – z uĹźyciem LIDARĂłw, skanerĂłw 3D i tym podobnych [17], − hybrydowego, opartego na fuzji danych z wielu miltimodalnych ĹşrĂłdeĹ‚ [18]; − predykcja trajektorii ruchu czĹ‚owieka. Najnowsze podejĹ›cia oparte sÄ… na fuzji danych z wielu kamer RGB i sensorĂłw gĹ‚Ä™bi. PrzykĹ‚adowo, system z kamerÄ… RGBD [19] pozwala na dynamicznÄ… zmianÄ™ trajektorii robota KUKA przy ruchomych przeszkodach. Z kolei system z kamerÄ… ToF [20] skutecznie wykrywa zajÄ™tość strefy współpracy miÄ™dzy czĹ‚owiekiem i robotem.
4. CASSIE Cooperating Automaton System with Stereovision Invigilating the Environment, czyli CASSIE, jest systemem opracowanym w firmie Intema. Umoşliwia detekcję obiektów wkraczających do przestrzeni chronionej robota. CASSIE składa się z sześciu modułów o polu widzenia | 60°, co pozwala na skuteczne monitorowanie przestrzeni wokół robota. Pojedynczy moduł oparty jest na multiomodalnym sensorze Intel RealSense D435, w skład którego wchodzi procesor wizyjny Intel Vision D4, emiter podczerwieni, stereo-para kamer podczerwieni oraz kamera RGB. Warto wspomnieć, şe prace dotyczące bezpieczeństwa człowieka podczas współpracy z robotem z wykorzystaniem sensora RealSense toczą się praktycznie od debiutu tego czujnika [21]. CASSIE (rys. 1) jest systemem hybrydowym, którego pośrednim zadaniem jest fuzja danych z wielu źródeł. Schemat działania systemu CASSIE przedstawiony jest na rys. 2. Szczegóły teoretyczne akwizycji oraz algorytmów przetwarzania obrazu z kamery RGBD są opisane w publikacjach [22–26]. Procesor wizyjny kamery Intel RealSense pozwala na bezpośrednie pobranie danych o głębi wyznaczonych na podstawie zrektyfikowanych obrazów z kamer podczerwieni wraz z korektą o dane z aktywnej stereowizji (za pomocą emitera IR). Naleşy zaznaczyć, şe proces rektyfikacji polega na usunięciu zniekształceń wprowadzonych przez parametry sensora/sensorów i przekształceniu do układu kanonicznego kamer. Wśród algorytmów do uzyskania danych o głębi moşna wymienić m.in. stereo block matching lub stereo semi-global block matching, które polegają na dopasowaniu bloków punktów na obrazach. Biblioteka librealsense2 dostarczana przez firmę Intel umoşliwia mapowanie danych z płaskiego obrazu do przestrzeni trójwymiarowej oraz wyrównanie obrazów pobranych z kamery RGB i obrazu głębi (kanał D). Wyrównanie obrazów polega na znalezieniu zaleşności opisującej relacje między odpowiednimi pikselami (wskazującymi na ten sam punkt w przestrzeni) na obrazach. Dzięki temu, nakładając obrazy na siebie moşna mieć pewność,
Rys. 1. Wizualizacja systemu CASSIE Fig. 1. Visualization of CASSIE system
Rys. 2. Schemat działania CASSIE Fig. 2. CASSIE flow chart
!
şe punkt w przestrzeni będzie poprawnie scharakteryzowany zarówno przez dane o odległości od kamery, jaki i kolor. Wyrównane obrazy z pojedynczych kamer (RGB i D) przetwarza się do postaci chmury punktów 3D (ang. point cloud), co pozwala na szybkie określenie odległości od poszczególnych obiektów. Następnie chmura przetwarzana jest na widok z góry, odpowiednio przesunięty (kątowo) dla kaşdej z kamer. Do opracowania tego widoku nie są uwzględniane punkty leşące ponişej pewnego poziomu (np. składowej y środka obrazu). Punkty te mogą przynaleşeć do podłoşa platformy robota lub posadzki. Z kolei pozyskane obrazy RGB z kaşdego modułu są odpowiednio składane, aby uzyskać kolorowy widok panoramiczny. Naleşy zaznaczyć, şe poprawna rektyfikacja obrazu, bardzo trudna do wykonania w systemie wielokamerowym, nie jest wymagana do wykrycia obiektów w otoczeniu robota. Widok z góry jest podczas kalibracji zapamiętywany (gdy w şadnej z kamer nie znajdują się ruchome obiekty). Dzięki temu system jest w stanie określić granice pomieszczenia (ściany), w którym znajduje się robot. Docelowo umoşliwia to rozróşnienie między nowymi obiektami, poruszającymi się w otoczeniu, a obiektami stałymi (jak np. klatka robota). Dzięki temu staje się moşliwe wykrycie (arbitralnie) większych obiektów wkraczających lub zblişających się do przestrzeni chronionej robota. Widok panoramiczny (złoşenie obrazów RGB) pozwala na detekcję i identyfikację semantyczną obiektów (wśród których naleşy wyróşnić człowieka). Obiekty te są wykrywane i rozpoznawane za pomocą głębokiej sieci neuronowej YOLO [27]. Takie rozwiązanie pozwala np. na rozpoznanie wózka widłowego, palety lub człowieka wkraczającego w przestrzeń chronioną robota. Naleşy zauwaşyć, şe identyfikacja zblişającego
43
0 % T ` 0 0 !0 się człowieka za pomocą sieci YOLO nie jest w pełni dokładna. Działa ona skutecznie, gdy cały korpus człowieka jest dokładnie widoczny i nie zlewa się z innymi obiektami. Dlatego teş jako element uzupełniający sieć YOLO wykorzystano bibliotekę OpenPose, pozwalającą na określanie poseleta czyli szkieletu człowieka [28]. Poselet pozwala na skuteczne wykrycie nawet fragmentu korpusu człowieka, jednocześnie umoşliwiając określenie pikseli przynaleşnych do niego (na co sieć YOLO juş nie pozwala). Przetwarzając informacje z obu detektorów system CASSIE określa listę wykrytych obiektów w otoczeniu robota. Przykładową panoramę wraz z wykrytym człowiekiem za pomocą sieci YOLO (ang. bounding box) oraz OpenPose (poselet) przedstawiono na rys. 3. Znając połoşenie obiektów na obrazie panoramicznym oraz przynaleşność pikseli do obiektów, moşna określić ich odległość od robota (w oparciu o widok z góry). Dzięki temu moşliwe jest wykrycie wtargnięcia człowieka, bądź duşego obiektu w odpowiednią strefę robota. Jednocześnie widok z góry umoşliwia bezpośrednie wykrycie wtargnięcia za pomocą prostego algorytmu rozpoznającego ruch w obrębie zapamiętanego pomieszczenia. Tłumacząc koordynaty z obrazu z góry na obraz panoramiczny, moşliwe jest jednoznaczne rozpoznanie wkraczających w daną sferę obiektów.
Przykładowy zrzut ekranu prezentujący działanie systemu bezpieczeństwa przedstawiono na rys. 4. Obraz panoramiczny (górny) przedstawia złoşenie widoku z trzech kamer RGB patrzących na wprost od manipulatora, w odległości około 200 mm od środka ramienia, przesuniętych względem siebie o około 60°. Kaşdy kolorowy obraz pobrany z sensora, jest odpowiednio wyrównany do obrazu głębi, moşna więc zaobserwować niewielkie przestrzenie wypełnione nieznaną informacją (kolor czarny). Na widoku panoramicznym moşna znaleźć bounding box z wykrytym obiektem – człowiekiem – z pewnym prawdopodobieństwem (| 89%) ukazującym stopień trafności identyfikacji obiektu [27]. Jednocześnie zaobserwować moşna poselet – szkielet wykryty za pomocą algorytmów analizy obrazu oraz sieci neuronowych z biblioteki OpenPose [28]. Na widoku z góry (dolna cześć rys. 4) moşna zaobserwować mapę otoczenia robota (duşa czerwona kropka w poblişu centrum) wraz ze strefami bezpieczeństwa (okręgi: czerwony, pomarańczowy, şółty i zielony, odległe od siebie o 500 mm) oraz zakresem widoku z kamer (czerwone, zewnętrzne linie wychodzące z punktu, w którym znajduje się kamera pokazują zasięg głębi, zaś zielone, wewnętrzne linie – zasięg RGB). Na obu ilustracjach moşna znaleźć punkt róşowy (z literą H) – oznaczający wykrytego człowieka (umieszczony w punkcie przynaleşnym do szkieletu i jed-
Rys. 3. Widok panoramiczny z 3 kamer bez wyrĂłwnania Fig. 3. Panorama view without align
Rys. 4. Widok panoramiczny z trzech kamer wyrównany do kamer głębi (góra) oraz widok otoczenia z góry Fig. 4. Aligned panorama view (top image) and map of robot environment
44
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
# 0 nocześnie znajdującym się najblişej robota) oraz pomarańczowe (z literą O) – oznaczające wykryte duşe obiekty. Naleşy zwrócić uwagę, şe człowiek jest wykryty zarówno przez YOLO, OpenPose oraz jako duşy obiekt (wręcz w trzech róşnych miejscach) – system jest celowo redundantny. Dodatkowo obiekt znajdujący się w odległości około 1 m od robota, oznaczony, jako O1, równieş został wykryty (lecz nie rozpoznany). Aplikacja systemu bezpieczeństwa została zintegrowana z systemem sterowania manipulatorem za pomocą systemu ROS. W momencie połączenia ze sterownikiem robota widok z kamer jest uaktualniany na bieşąco, w zaleşności od pozycji manipulatora. Przeszukiwanie w czasie quasi-rzeczywistym całej przestrzeni chronionej robota jest zagadnieniem bardzo złoşonym obliczeniowo. Dlatego na bieşąco obserwowane jest zawsze 180° w kierunku, w którym jest skierowane ramię manipulatora (maksymalnie obraz z 4 kamer). Dzięki takiemu rozwiązaniu projekt autonomicznego robota współpracującego spełnia wymogi bezpieczeństwa opisane w ISO/TS 15066, w szczególności pozwala na spełnienie standardów pracy z zapewnieniem monitorowanej prędkości i odległości człowieka i robota SSM (ang. Speed and Separation Monitoring).
< W artykule przedstawiono koncepcję systemu bezpieczeństwa (CASSIE) opartą na kamerach RGBD pozwalających na analizę otoczenia robota w czasie quasi-rzeczywistym. Kamery RGBD mające zasięg w zakresie 0,15–4,5 m pozwalają jednoznacznie wyznaczyć mapę otoczenia robota, zarówno w 2D (widok z góry) jak i finalnie w trójwymiarze. Dzięki zastosowanym algorytmom widzenia maszynowego moşliwe jest monitorowanie stref bezpieczeństwa robota (zewnętrznej – bezpiecznej; środkowej – współpracy; wewnętrznej – niebezpiecznej) oraz sprawdzanie, jakie obiekty lub postacie się w nich znajdują. Naleşy zwrócić szczególną uwagę, şe kaşdy element wkraczający w strefę współpracy zmniejsza prędkość robota, zaś kaşdy w strefie wewnętrznej wywołuje alarm i finalnie zatrzymuje manipulator. System CASSIE dedykowany jest cobotom mogącym współpracować z człowiekiem, dlatego w dalszych pracach planowana jest predykcja zachowania człowieka. Przedstawiony system naleşy dodatkowo wyposaşyć w system pozwalający na detekcję kolizji, oparty np. na sensorach momentu siły. Dzięki temu zabiegowi, zarówno strategia pre-collision jak i post-collision zostanie wdroşona.
< Projekt współfinansowany przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego w ramach Programu Operacyjnego Inteligentny Rozwój. Projekt realizowany w ramach konkursu Narodowego Centrum Badań i Rozwoju: Szybka Ścieşka, Działania: Projekty B+R przedsiębiorstw, Poddziałanie: Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa; PO IR.01.01.01-00-0074/17.
% ! , 1. Eurostat (2019): Job vacancies between 2017 and 2019. 2. Dhiraj A.B., Countries with the Most Industrial Robots per 10,000 Employees, �Ceoworld Magazine�, 14. 03. 2018. 3. Kowalczuk Z., Czubenko M., Przegląd robotów humanoidalnych, �Pomiary Automatyka Robotyka�, R. 19, Nr 4, 2015, 33-42, DOI: 10.14313/PAR_218/33.
4. Kulik J., Wojtczak Š., Bezpieczna interakcja człowieka z robotem – realna potrzeba czy chwilowy trend wśród krajowych MSP, �Pomiary Automatyka Robotyka�, R. 22, Nr 1, 2018, 67–74, DOI: 10.14313/PAR_227/67. 5. Kowalczuk Z., Czubenko M., Computational approaches to modeling artificial emotion–an overview of the proposed solutions, �Frontiers in Robotics and AI, 21, 2016, DOI: 10.3389/frobt.2016.00021. 6. Colgate JE., Peshkin M.A., Cobots, US Patent 5,952,796, 1999. 7. IFR International Federation of Robotics, Demystifying Collaborative Industrial Robots, 2018. 8. Michalos G., Makris S., Tsarouchi P., Guasch T., Kontovrakis D., Chryssolouris G., Design Considerations for Safe Human-robot Collaborative Workplaces, �Procedia CIRP�, Vol. 37, 2015, 248–253, DOI: 10.1016/j.procir.2015.08.014. 9. Long P., Chevallereau C., Chablat D., Girin A., An industrial security system for human-robot coexistence, �Industrial Robot: An International Journal�, Vol. 45, No. 2, 2018, 220–226, DOI: 10.1108/IR-09-2017-0165. 10. Kowalczuk Z., Czubenko M., Intelligent decision-making system for autonomous robots, �International Journal of Applied Mathematics and Computer Science�, Vol. 21, No. 4, 2011, 671–684, DOI: 10.2478/v10006-011-0053-7. 11. Cobotsguide, Cobot Comparison Chart, 2019. 12. Yen S.-H., Tang P.-C., Lin Y.-C., Lin C.-Y., Development of a Virtual Force Sensor for a Low-Cost Collaborative Robot and Applications to Safety Control, �Sensors�, Vol. 19, No. 11, 2019, DOI: 10.3390/s19112603. 13. Albu-Schäffer A., Haddadin S., Ott C., Stemmer A., WimbÜck T., Hirzinger G., The DLR lightweight robot: design and control concepts for robots in human environments, �Industrial Robot: An International Journal�, Vol. 5, 2007, 376–385, DOI: 10.1108/01439910710774386. 14. Popov D., Klimchik A., Mavridis N., Collision detection, localization & classification for industrial robots with joint torque sensors, [in:] 26th IEEE International Symposium on Robot and Human Interactive Communication (RO-MAN), IEEE, 2017, 838–843, DOI: 10.1109/ROMAN.2017.8172400. 15. Halme R.-J., Lanz M., Kämäräinen J., Pieters R., Latokartano J., Hietanen A., Review of vision-based safety systems for human-robot collaboration, �Procedia CIRP�, Vol. 72, 2018, 111–116, DOI: 10.1016/j.procir.2018.03.043. 16. Winkler A., Suchý J., Vision based collision avoidance of industrial robots, �IFAC Proceedings Volumes�, Vol. 44, No. 1, 2011, 9452–9457, DOI: 10.3182/20110828-6-IT-1002.00472. 17. Kaldestad K.B., Haddadin S., Belder R., Hovland G., Anisi D.A., Collision avoidance with potential fields based on parallel processing of 3D-point cloud data on the GPU, [in:] International Conference on Robotics and Automation (ICRA), IEEE, 2014, 3250–3257, DOI: 10.1109/ICRA.2014.6907326. 18. Yang S., Xu W., Liu Z., Zhou Z., Pham D.T., Multi-source vision perception for human-robot collaboration in manufacturing, [in:] 15th International Conference on Networking, Sensing and Control (ICNSC), IEEE, 2018, 1–6, DOI: 10.1109/ICNSC.2018.8361333. 19. Saveriano M., Lee D., Distance based dynamical system modulation for reactive avoidance of moving obstacles, [in:] International Conference on Robotics and Automation (ICRA), IEEE, 2014, 5618–5623, DOI: 10.1109/ICRA.2014.6907685. 20. Ahmad R., Plapper P., Human-Robot Collaboration: Twofold strategy algorithm to avoid collisions using ToF sensor,
45
0 % T ` 0 0 !0
21.
22.
23.
24.
25. Kowalczuk Z., Merta T., Three-dimensional mapping for data collected using variable stereo baseline, [in:] 21st International Conference on Methods and Models in Automation and Robotics (MMAR), IEEE, 2016, 1082–1087, DOI: 10.1109/MMAR.2016.7575288. 26. Merta T., Odwzorowanie obiektĂłw ograniczonego Ĺ›rodowiska na trĂłjwymiarowej mapie cyfrowej z wykorzystaniem robotĂłw mobilnych zaopatrzonych w stereowizje, Praca doktorska, Politechnika GdaĹ„ska, GdaĹ„sk 2019. 27. Redmon J., Farhadi A., YOLOv3: An incremental improvement, â€?arXiv preprint arXiv:1804.02767â€?, 2018. 28. Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y., OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields, “arXiv preprint arXiv:1812.08008â€?, 2018.
�International Journal of Materials, Mechanics and Manufacturing�, Vol. 4, No. 2, 2015, 144–147, DOI: 10.7763/IJMMM.2016.V4.243. Varhegyi T., Melik-Merkumians M., Steinegger M., Halmetschlager-Funek G., Schitter G., A Visual Servoing Approach for a Six Degrees-of-Freedom Industrial Robot by RGB-D Sensing, �Automation and Robotics�, 2017, DOI: 10.3217/978-3-85125-524-9-14. Grunnet-Jepsen A., Winer P., Takagi A., Sweetser J., Zhao K., Khuong T., Nie D., Woodfill J., Using the Intel RealSense Depth cameras D4xx in Multi-Camera Configurations. Intel. Stefańczyk M., Kornuta T., Akwizycja obrazów RGBD: metody, �Pomiary Automatyka Robotyka�, R. 18, Nr 1, 2014, 82-90, DOI: 10.14313/PAR_203/82. Kowalczuk Z., Merta T., Wizualizacja obrazu stereowizyjnego w systemie VISROBOT, �Pomiary Automatyka Kontrola�, R. 60, Nr 10, 2014, 803–808.
/ / > % . L 7 Z % M 5 This article outlines the problems of robotization in small production enterprises, in particular the aspect of their robotization with colaborating robots. The issue of cobots, especially the human security aspect in such a cooperation has been presented. The most popular safety systems in relation to applicable standards has been also presented. The main part of the article shows the Cooperating Automaton System with Stereovision Invigilating the Environment (CASSIE), a system dedicated for safety monitoring of cobot environment using multimodal depth sensors. The effect of such a system has also been shown. Keywords # % 7 # # .# \ >
'1 / - )
- ) 3
$ ORCID: 0000-0003-3877-0070
7 $ ORCID: 0000-0002-9483-4983
R P > K 7 % K J% . R 7 A # A % A # A R P @ % &'! @ ; A A @ % R @ . . - - % % 7 % % P 0 Z LS 7 A K . 7 A7 ; A% . " R AR 8 . # # K%
-7 ; % < # = @ > / 6 N% "@ % 7 E )!!* J7 % % # K F % K @ A M L 7 G % P > ; )!&) %7 @ R F . O % Z % K F J . @ . &) B % % F / UM . 6 A A V )!&' ; )!&( 7 AR % K U- % B % > . . M . % G % - V - % % A J7 . " . # 7 . ; A% . A 7 R AR 8 % G L 8 % ; 7 / ; p " N . &'! G . 7 K # . . # . R .
46
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 47–54, DOI: 10.14313/PAR_234/47
= - / -% 7 % OsL / > % 6 % H J 1 -N\ - % NA @\ # ; % < # - # > / > R Z % # -% B !# !@!'* F A
Abstract: The inverted pendulum is an unstable system with nonlinear dynamics. The task of controlling the inverted pendulum is complex. Therefore, the inverted pendulum over the years has become one of the most important systems on which every controller is tested. Here the objective is to control the system in such a way that the inverted pendulum stabilizes in the upright position. This analysis proposes a non-linear Lyapunov-based controller. The controller at hand, only provides the pendulum’s stabilization, therefore an additional module is needed – in this case the LQR controller. Both modules are combined with each other by using a two-loop parallel design. The newly designed controller has been experimentally tested and compared to the single LQR controller. 9 % % # % # OsL
1. Introduction In control systems many controllers are implemented for managing various types of processes. The most popular are: the PID (proportional-integral-derivative) and the LQR (linear-quadratic regulator). Over many years computers gained much more computing power which allowed for more calculations to be done in a shorter period of time. As a result, scientists and engineers began to introduce more advanced variants of controllers. Examples include control algorithms based on the mathematical model of the Model-Based-Design [19], adaptive controllers using the Lyapunov theorem [8, 20] or neural networks [4, 5]. The inverted pendulum is an unstable system with nonlinear dynamics. It is an example of the under actuated system – there are less inputs than numbers of degrees of freedom [17]. This is the reason why the task of controlling the inverted pendulum is difficult. Therefore, the inverted pendulum over the years has become one of the most important systems on which every controller is tested. The extension of the inverted pendulum system is a double inverted pendulum system [16]. That system is even more unstable and more difficult to control. There are many articles presenting various implementations of controllers for the inverted pendulum. The most popular are the PID [11–13] and the LQR [13, 14, 23] controllers. There are also more articles with advanced functions like the Lyapunov the-
. ( G 7 q . "# . 7$. . ' % ! !( )!&* # % % )) && )!&*
!
Fig. 1. Block diagram of the system with two parallel controllers Rys. 1. Schemat blokowy systemu z dwoma równoległymi regulatorami
orem based controller [1, 2, 15, 26] and the fuzzy neural network controller [6, 14, 24, 25]. This paper proposes to combine the LQR controller with the more advanced adaptive controller based on Lyapunov theorem. This effect can be achieved by using a two-loop parallel design (fig. 1). One loop uses the standard LQR controller and the second one uses the adaptive controller. There is a need to construct a control function of Lyapunov to guarantee stability [3]. This article is organized in five chapters. Chapter 2 shows the equations used to describe the inverted pendulum system. Chapter 3 describes designing specific controller – combination of LQR and the adaptive controller. Chapter 4 presents experimental results of the proposed controller with quality indicators. Chapter 5 is a summary with conclusions.
1+ + % % , + 4 % Consider an inverted pendulum on a cart that can move only in one direction on rails with two rods attached to it. A typical inverted pendulum system is shown in figure 2 together with
47
The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum By calculating the derivative of time, the following equation can be obtained:
the forces and system variables (described at the end of the chapter). This system has infinite equilibrium points, but the two most important ones are: − the stable one – the pendulum is directed vertically downwards, − the unstable one – the pendulum is directed vertically upwards.
d ⎛ ∂L ⎞ 2 ⎜ ⎟ = mlx cos θ − mlx θ sin θ + ml θ dt ⎝ ∂θ ⎠
(
)
(10)
Therefore the Lagrangian equation of motion is:
(
)
ml x cos θ + lθ − g sin θ = 0
(11)
Finally, the general equations of the inverted pendulum system are [3]:
(M + m ) x + mlθ cos θ − mlθ
2
sin θ = F
(12)
x cos θ + lθ − g sin θ = 0 Fig. 2. Diagram of the inverted pendulum [17] Rys. 2. Schemat układu wahadła odwróconego [17]
(13)
The next step is to determine the F force in the system
( g cos θ − u ) + (M + m sin θ ) F = mg sin θ cos θ +
The goal is to stabilize the system in its unstable position, where pendulum is directed vertically upwards. The equations of motion can be derived using Lagrangian equation as follows [22]: L=K−U
2
cos θ
(1)
Additionally, the state vector is described as below: T x = ⎡⎣θ θ x x ⎤⎦
where: K – kinetic energy, U – potential energy.
(15)
This x can be extended to:
The x position of the pendulum is x + lsin and the y position is lcos , so the kinetic energy is:
x 1 = x 2 2
⎤ ⎤ 1 1 ⎡d 1 ⎡d Mx 2 + m ⎢ x + l sin θ ⎥ + m ⎢ l cos θ ⎥ 2 2 ⎣dt 2 ⎣dt ⎦ ⎦
(
K =
)
(
)
(
(16)
2
(2)
x 2 = ϕ4 +
By simplifying the above equation, the following formula for kinetic energy can be obtained:
K =
)
1 1 M + m x 2 + mlx θ cos θ + ml 2θ 2 2 2
u l
(17)
x 3 = x 4
(3)
x 4 = ϕ2 −
The potential energy is as follows:
(18)
u cos x1
where: U = mgl(1 − cos )
(4)
ϕ2 = g tan ( x1 ) +
Combining both equations, the Lagrangian equation of the system is:
L=
(
)
(
1 1 M + m x 2 + mlx θ cos θ + ml 2θ 2 − mgl 1 − cos θ 2 2
Clearly
)
ϕ4 = −
(5)
∂L = M + m x + mlθ cos θ ∂x
)
(6)
d ⎛ ∂L ⎞ 2 ⎜ ⎟ = M + m x + mlθ cos θ − mlθ sin θ = F dt ⎝ ∂x ⎠
(7)
F– x– m– M– – g– l– u–
so
(
)
∂L = −mlx θ sin θ + mglθ sin θ ∂θ
(8)
∂L = mlx cos θ + ml 2θ ∂θ
(9)
O
M
I
A
R
Y
•
A
U
T
( )
M + m sin 2 x1
( ) ( ) M + m sin ( x )
m sin x1 cos x1 x 22 2
(20)
(21)
O
force applied to the cart, cart position, mass of the pendulum, mass of the cart, pendulum angle, standard gravity, half the length of the pendulum, control signal.
The goal of the controller is to stabilize the rod of an inverted pendulum in vertically upwards position with the cart in the starting position. One of the easiest ways to accomplish that is to use the LQR algorithm. Since this controller is very basic, it can be enhanced – combined with another controller. In this paper the LQR is combined with an adaptive controller based
and
P
( )
ml sin x1 x 22
| %% !
The next step is to consider the direction and velocity:
48
(19)
1
∂L = 0 and ∂x
(
(14)
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
D 0 l % The final form of Lyapunov function is shown below: on Lyapunov theorem. This effect can be achieved by using a two-loop parallel design. Figure 3 shows the block diagram of the inverted pendulum control system. It can be seen that the PLC is connected to a power interface and a PC. The power interface provides the required power to a DC motor and adjusts the measuring signals from incremental encoders. The computer was used to monitor and acquire process variables and also to implement applications for the PLC.
(
)
( )
1 1 1 ˆ V ξ3 , ξ 4 , lˆ = ξ32 + ξ 42 + l −l 2 2 2ly
2
(30)
Everything above allows to introduce an adaptation: (31) where γ is an adaptive gain. Lyapunov function described above is negative, which means, that the whole system with the closed loop is globally asymptotically stable. The second part of this controller is LQR. Consider the state-space equation [7]:
where:
x = Ax + Bu
(32)
T x = ⎡⎣θ θ x x ⎤⎦
(33)
The state feedback control is u = −Kx. Additionally cost function is given:
Fig. 3. Block diagram of the inverted pendulum system Rys. 3. Schemat blokowy układu regulacji wahadłem odwróconym
J = In order to prepare an adaptive controller, there is a need to develop a control law without taking into consideration the position or velocity [3]. This system assumes that the rod’s length is unknown. Lyapunov law will guarantee the stability of the inverted pendulum. The first step to implement the controller is to define the position error of the pendulum:
∫ ( x Qx + u T
T
)
Ru dt
where: Q t 0, R > 0 and Q is semi-definite and R is a definite symmetric constant matrices. Vector K is computed from: K = R−1BTP
ξ3 = x3 − sp
( )
where P is a positive definite symmetric matrix that can be obtained from an algebraic Riccati equation:
1 2 ξ3 2
(23)
x 4d = −k3ξ3 + θ sp
The next step is to define the second error variable:
ξ4 = x 4 − x 4d = x 4 + k3ξ3 + θ sp
(25)
State variables (26) and (27) can be written in space (x3, x4) as: (26) ξ 3 = −k3ξ3 + ξ4
u l
)
1 2 1 2 ξ3 + ξ4 2 2
(
)
(
)
(37)
R = 56.25
(38)
Using the MATLAB, vector K was calculated as: K = [0.9428 5.0890 1.5597 1.0264]
(28)
But due to the fact that length l is not known, an estimate is needed. In that case, the control should be modified:
u = −lˆ ⎡ k3 + k4 ξ 4 + 1 − k32 ξ3 − θ sp + ϕ4 ⎤ ⎣ ⎦
⎡50 0 0 0⎤ ⎢ ⎥ ⎢ 0 100 0 0 ⎥ ⎥ Q=⎢ ⎢0 0 15 0 ⎥ ⎢ ⎥ ⎢0 ⎥ 0 0 10 ⎣ ⎦
(39)
(27)
In that case Lyapunov function is expressed as follows:
(
(36)
(24)
where: k3 > 0, sp – pendulum set angle.
ξ 4 = −k32ξ3 + k3ξ4 − θ sp + ϕ4 +
ATP + PA − PBR−1BTP + Q = 0
Matrices Q and R were selected in an experimental way. The following values allowed for satisfying the inverted pendulum control:
The first virtual control can be received:
V ξ3 , ξ4 =
(35)
(22)
Then using Lyapunov function:
V ξ3 =
(34)
(29)
With formulas (16), (17), (18), (19) it was possible to obtain a plot of the poles of the inverted pendulum system (fig. 4). It can be seen that some of the poles are outside of the circle with a radius of 1 and a center at (0, 0), which confirms that the inverted pendulum is an unstable system. Continuing the calculations in the MATLAB, the system with the inverted pendulum can be closed together with the appropriate controller. The figure 5 shows a plot of the poles of a closed system. This time, all poles are inside a circle with a radius of 1 and a center at (0, 0). This means that the inverted pendulum system has become stable.
49
The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum
} & % ƒ % %
The parameters of the inverted pendulum used in the simulation and experiment were as follows: M = 0.548 kg – mass of the cart, m = 0.11 kg – mass of the pendulum, g = 9.80 m/s2 – standard gravity, l = 0.1436 m – half the length of the pendulum, b = 1.5 kg/s – coefficient of friction, I0 = 0.0023 kg¡m2 – moment of inertia of the pendulum. Firstly, the simulation was performed in the MATLAB/ Simulink environment. The implementation of the simulation is shown in figure 6. Both controllers are located in the middle of the figure. Using the switch block it was possible to control the choice of the regulator used in the simulation. The results of the simulations are shown on figures 7 (the LQR version) and 8 (the adaptive version). It can be seen that the pendulum was held vertically upwards in both simulations.
Fig. 4. The inverted pendulum open system poles Rys. 4. Bieguny systemu otwartego wahadła odwróconego
Fig. 5. The inverted pendulum closed system poles Rys. 5. Bieguny systemu zamkniętego wahadła odwróconego
Fig. 7. Pendulum angle (LQR) during the simulation Rys. 7. Kąt wychylenia wahadła (LQR) – symulacja
Fig. 6. Simulation of the inverted pendulum system Rys. 6. Symulacja układu z wahadłem odwróconym
50
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
D 0 l %
Fig. 8. Pendulum angle (adaptive) during the simulation Rys. 8. Kąt wychylenia wahadła (regulator adaptacyjny) – symulacja
The cost function was used to calculate the efficiency of both controllers. For this purpose, the most popular indicator was used – the Integral Square Error cost function: ∞
()
2
I = ∫ ⎡⎣E n t ⎤⎦ dt 0
(40)
The results of the Integral Square Error cost function for both controllers are shown in table 1. Tab. 1. Integral indexes – steady states Tab. 1. Wskaźniki całkowe – stany ustalone
The final experiments were performed using the PLC controller – ILC 350 PN made by Phoenix Contact company [18]. In order to prepare the system, the PLC controller was connected to the power interface through digital input/output modules, which were connected to the central unit. The following modules were used: IB IL INC-IN-PAC (incremental encoder support – two pieces – one for the cart and one for the pendulum) [9] and IB IL PWM/2-PAC (PWM signal generation) [10]. The most important specifications about the PLC have been collected in the table 2. In the first case the LQR controller was used on the inverted pendulum system. The implementation of this controller is shown in figure 9. The LQR controller is located on the left side of the diagram. This is a block called Gain that multiplies the input by a matrix K. All four states of the system are brought to it: the position of the pendulum, the speed of the pendulum, the position of the cart and the speed of the cart. The calculated control is fed to the block with saturation – it is designed to prevent engine damage. In addition, virtual limit sensors have been introduced to prevent the cart from colliding with the rail edges. The experiment was performed on the PLC controller. The algorithm operated in the 10 ms interval with the priority set to 0. The results of the first experiment are shown in figure 10. The pendulum was initially at the upper balance point. It does not fall down and maintains its vertical upright position. In the second experiment, external disturbances were introduced – gentle prodding of the pendulum with a hand. Results are shown in figure 11. It can be seen on the chart that the pendulum is initially in the set position. However, a disturbance has been introduced. The system returns to the set state very quickly.
Integral indexes LQR
0.0527
Tab. 2. ILC 350 PN – specifications [21] Tab. 2. ILC 350 PN – specyfikacja [21]
Adaptive with LQR
0.0507
Processor
400 MHz
Speed
0.5 ms for 1 K instructions
The first implementation of controllers was carried out in the MATLAB/Simulink, because this environment is more friendly when debugging. If everything works correctly then a second implementation can be carried out on the PLC. Due to the fact that the Simulink diagrams are more readable than the source code written for the PLC, in the further part of the article the implementation of individual controllers is illustrated using diagrams from Simulink.
Shortest cycle time
1 ms
Program memory
1 MB, 85 K instructions in IL
Data memory
2 MB
Memory for retentive data
64 KB NVRAM
Number of control tasks
16
Fig. 9. Implementation of the LQR controller for the inverted pendulum in Simulink Rys. 9. Implementacja regulatora LQR dla wahadła odwróconego w Simulinku
51
The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum
Fig. 10. Pendulum angle (LQR) during the first experiment Rys. 10. Kąt wychylenia wahadła (LQR) – pierwszy eksperyment
Fig. 13. Pendulum angle (adaptive) during the first experiment Rys. 13. Kąt wychylenia wahadła (regulator adaptacyjny) – pierwszy eksperyment
Fig. 11. Pendulum angle (LQR) during the second experiment Rys. 11. Kąt wychylenia wahadła (LQR) – drugi eksperyment
Fig. 14. Pendulum angle (adaptive) during the second experiment Rys. 14. Kąt wychylenia wahadła (regulator adaptacyjny) – drugi eksperyment
In the second case, the adaptive controller with an additional LQR module was used. The implementation of this controller is shown in figure 12. The adaptive controller is located in the top left corner of the diagram with the LQR part in the bottom left corner (in the same place as in fig. 9). The adaptive controller is in the block called adaptacja. Only two states of the system are brought to it: the position of the pendulum and the speed of the
pendulum. The calculated control is combined with the calculations from the LQR controller and then fed to the block with saturation. The saturation block is designed to prevent engine damage. In addition, virtual limit sensors have been introduced to prevent the cart from colliding with the rail edges. The experiment was also performed on the PLC controller. The algorithm operated in the 10 ms interval with the priority set to 0.
Fig. 12. Implementation of the adaptive controller with additional LQR module for the inverted pendulum in Simulink Rys. 12. Implementacja regulatora adaptacyjnego z dodatkowym modułem LQR dla wahadła odwróconego w Simulinku
52
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
D 0 l %
The results of the first experiment are shown in figure 13. The pendulum was initially at the upper balance point and it does not fall down and maintains its vertical upright position. In the second experiment, external disturbances were introduced – gentle prodding of the pendulum with a hand. The results are shown in figure 14. It can be seen on the chart that the pendulum is initially in the set position. However, a disturbance has been introduced. The system returns to the set state very quickly and more smoothly than in the system with the independent LQR regulator. The results of the Integral Square Error cost function for both controllers (40) are shown in tables 3 and 4. Tab. 3. Integral indexes – steady states Tab. 3. Wskaźniki całkowe – stany ustalone
Integral indexes LQR
0.0001662
Adaptive with LQR
0.0001214
Tab. 4. Integral indexes – external disturbances Tab. 4. Wskaźniki całkowe – zewnętrzne zakłócenia
Integral indexes LQR
0.00443
Adaptive with LQR
0.004195
% The adaptive controller was implemented for the purpose of this article. It is one of the advanced algorithms. It takes the position of the pendulum at the entrance. This means that the second one was needed to control the cart. It was decided that the LQR controller must be used for this purpose. The adaptive version only required knowledge of the pendulum’s position. The independent LQR controller was used as a reference point for comparison. That particular controller version is characterized by the presence of only one control block, but the position of both the cart and the pendulum must be identified. The knowledge of the speed of the pendulum and the cart is also necessary. Therefore it was necessary to recreate the unknown variables. After completing the experiments, the Integral Square Error cost function was used to compare the performance of the controllers. It turned out that the adaptive version works a little bit better than the independent LQR. In connection with the results, it can be concluded that it is better to use an adaptive controller. However, it should be remembered that its computational complexity is higher. Therefore, one should consider what is more important – the simplicity of the algorithm or the better quality of the controller.
% ! + 1. Aguilar IbĂĄnez C., GutiĂŠrrez Frias O., SuĂĄrez CastanĂłn M., Lyapunov-Based Controller for the Inverted Pendulum Cart System, “Nonlinear Dynamicsâ€?, Vol. 40, No. 4, 2005, 367– 374, DOI: 10.1007/s11071-005-7290-y. 2. Aguilar- IbĂĄnez C., SuĂĄrez-CastanĂłn M., Stabilization of the Inverted Pendulum via a Constructive Lyapunov Function, “Acta Applicandae Mathematicaeâ€?, Vol. 111, No. 1, 2010, 15–26, DOI: 10.1007/s10440-009-9527-0.
3. Benaskeur A., Desbiens A., Application of adaptive backstepping to the stabilization of the inverted pendulum, Conference Proceedings of IEEE Canadian Conference on Electrical and Computer Engineering, 1998, DOI: 10.1109/CCECE.1998.682564. 4. Bertrand D.J.S.R., Collins D.J., Neural network controllers for the X29 aircraft, Proceedings of IJCNN International Joint Conference on Neural Networks, Baltimore, MD, USA, 1992, DOI: 10.1109/IJCNN.1992.287191. 5. Charney D.M., Josin G.M., Neural network servo control of a robot manipulator joint in real-time, Proceedings of IEEE International Joint Conference on Neural Networks, Singapore, 1991, DOI: 10.1109/IJCNN.1991.170673. 6. Elsayed B.A., Hassan M.A., Mekhilef S., Fuzzy swinging-up with sliding mode control for third order cart-inverted pendulum system, “International Journal of Control, Automation and Systems�, Vol. 13, No. 1, 2015, 238–248, DOI: 10.1007/s12555-014-0033-4. 7. Gupta H.O., Prasad L.B., Tyagi B., Optimal Control of Nonlinear Inverted Pendulum System Using PID Controller and LQR: Performance Analysis Without and With Disturbance input, “International Journal of Automation and Computing�, Vol. 11, Issue 6, 2014, 661–670, DOI: 10.1007/s11633-014-0818-1. 8. Hassan H.A., El-Metwally M., Bendary A.F., Dead-zone robust adaptive controller for FACTS using Quadratic and Non-Quadratic Lyapunov Functions, International Conference on Power Electronics and Drive Systems (PEDS), Taipei, 2009, DOI: 10.1109/PEDS.2009.5385747. 9. Inline measurement terminal for position encoder – IB IL INC-IN-PAC – 2861755, https://www.phoenixcontact.com/ online/portal/us?uri=pxc-oc-itemdetail:pid=2861755&library=usen&tab=1 10. Inline, function terminal for pulse width modulation and frequency modulation – IB IL PWM/2-PAC – 2861632, https://www.phoenixcontact.com/online/portal/pl?uri=pxc-oc-itemdetail:pid=2861632\&library=plpl\&tab=1 11. Jia-Jun W., Position and speed tracking control of inverted pendulum based on double PID controllers, 34th Chinese Control Conference (CCC), Hangzhou, 2015, DOI: 10.1109/ChiCC.2015.7260286. 12. Jia-Jun W., Stabilization and tracking control of X-Z inverted pendulum based on PID controllers, 34th Chinese Control Conference (CCC), Hangzhou, 2015, DOI: 10.1109/ChiCC.2015.7260287. 13. Lal Bahadur P., Barjeev T., Hari Om G., Optimal Control of Nonlinear Inverted Pendulum System Using PID Controller and LQR: Performance Analysis Without and With Disturbance Input, “International Journal of Automation and Computing�, Vol. 11, No. 6, 2014, 661–670, DOI: 10.1007/s11633-014-0818-1. 14. Luhao W., Zhanshi S., LQR-Fuzzy Control for Double Inverted Pendulum, International Conference on Digital Manufacturing & Automation, Changsha, 2010, DOI: 10.1109/ICDMA.2010.170. 15. Maruki Y., Kawano K., Suemitsu H., Matsuo T., Adaptive backstepping control of wheeled inverted pendulum with velocity estimator, “International Journal of Control, Automation and Systems�, Vol. 12, No. 5, 2014, 1040–1048, DOI: 10.1007/s12555-013-0402-4. 16. Moysis L., Balancing a double inverted pendulum using optimal control an Laguerre functions, Technical Reviews, 2016, http://ikee.lib.auth.gr/record/282764. 17. Paliwal S., Pathak V.K., Analysis & Control of Inverted Pendulum System Using PID Controller, “Journal of Engineering Research and Application�, Vol. 7, No. 5, DOI: DOI: 10.9790/9622-0705040104.
53
The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum 18. PLC controller – ILC 350 PN – 2876928, https://www. phoenixcontact.com/online/portal/pl?uri=pxc-oc-itemdetail:pid=2876928\&library=plpl\&tab=1 19. Rusu C., Birou I., Szoke E., Model based design controller for the stepper motor, IEEE International Conference on Automation, Quality and Testing, Robotics, Cluj-Napoca, 2008, DOI: 10.1109/AQTR.2008.4588816. 20. Safaei A., Mahyuddin M.N., Lyapunov-based nonlinear controller for quadrotor position and attitude tracking with GA optimization, IEEE Industrial Electronics and Applications Conference (IEACon), Kota Kinabalu, 2016, DOI: 10.1109/IEACON.2016.8067402. 21. User manual – UM EN ILC 330/350 – 2699370, https:// www.phoenixcontact.com/online/portal/us?uri=pxc-oc-itemdetail:pid=2699370&library=usen&tab=1. 22. Using the Lagrangian to obtain Equations of Motion, http:// et.engr.iupui.edu//~skoskie/ECE680/ECE680_l3notes.pdf.
23. Wang H., Dong H., He L., Shi Y., Zhang Y., Design and Simulation of LQR Controller with the Linear Inverted Pendulum, International Conference on Electrical and Control Engineering, Wuhan, 2010, DOI: 10.1109/iCECE.2010.178. 24. Wu J., Wang Z., Research on Fuzzy Control of Inverted Pendulum, First International Conference on Instrumentation, Measurement, Computer, Communication and Control, Beijing, 2011, DOI: 10.1109/IMCCC.2011.219. 25. Yu L. H., Jian F., An Inverted Pendulum Fuzzy Controller Design and Simulation, International Symposium on Computer, Consumer and Control, Taichung, 2014, DOI: 10.1109/IS3C.2014.151. 26. Yu-Sheng L., Hua-Hsu C., Shu-Fen L., An improved backstepping design for the control of an underactuated inverted pendulum, “Journal of Mechanical Science and Technology�, Vol. 27, No. 3, 2013, 865-873, DOI: 10.1007/s12206-013-0203-y.
. % . K . OsL % % % A . , 5 Odwrócone wahadło jest niestabilnym systemem o nieliniowej dynamice. Zadanie sterowania wahadłem odwróconym jest trudne, dlatego teş układ ten przez lata stał się jednym z najwaşniejszych systemów, na których testowane są wszelkiego rodzaju regulatory. Celem sterowania systemem jest ustabilizowanie wahadła odwróconego w pozycji pionowo skierowanej ku górze. W artykule zaproponowano nowy algorytm adaptacyjny dla wahadła, będący kombinacją regulatora LQR oraz regulatora nieliniowego bazującego na twierdzeniu Lapunova. Oba moduły są połączone za pomocą dwupętlowej konstrukcji równoległej. Nowo zaprojektowany regulator został przetestowany eksperymentalnie i porównany z niezaleşnym modułem LQR. " $ " % % A # . % # OsL
'1 H J 1 . 7$. ORCID: 0000-0003-1857-1461 G 7 q . " 7 L 7 @ % A &**X - 6 M % ^ / < < . .# - # @ % Z % < . @ . / -N\ / % = . F - . % / -N\ / % = @ . / % / % 7 @ / / \ . @ % % / ^ / B % G . > )!&X@)!&+ 7 / > . 7 . -N\ )!&+# . % @ / f 7 \ @ % 6O % %
54
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 55–64, DOI: 10.14313/PAR_234/55
< % AR 7 % R A % 7 : * + ()O 6 J # > < . < . J% # 6 A (+# X'@('Q J
, 5 W artykule przedstawiono wybrane zaleşności stosowane w obliczeniach strat energii metodą statystyczną oraz metodą dokładniejszą, wykorzystującą wyniki pomiarów przepływów energii z liczników AMI zainstalowanych u odbiorców oraz liczników bilansujących zainstalowanych w stacjach SN/nN. Przedstawiono zasady funkcjonowania systemu do analizy róşnicy bilansowej SARB i jego podstawowe funkcjonalności oparte na analizach statystycznych. Ze względu na coraz szersze moşliwości wykorzystania informacji pochodzących z innych systemów informatycznych działających w spółce dystrybucyjnej, przedstawiono modyfikacje rozwojowe w zakresie współpracy z Systemem Zarządzania Majątkiem Sieciowym NAM oraz w zakresie współpracy z Bazą Pomiarową MDM realizując bilansowanie w oparciu o dane pomiarowe z liczników zdalnie odczytywanych, funkcjonującymi w duşej spółce dystrybucyjnej. &' % 7 KR # % . # .
1. Wprowadzenie Obliczanie strat energii elektrycznej jest zadaniem bardzo istotnym z punktu widzenia oceny efektywności działania spółek dystrybucyjnych. Oszacowanie strat technicznych i handlowych, powstających w sieciach rozdzielczych umoşliwia podjęcie właściwych działań w spółkach dystrybucyjnych, mających na celu ich zmniejszenie. W Instytucie Elektroenergetyki i Energii Odnawialnej Politechniki Opolskiej we współpracy z duşą spółką dystrybucyjną podjęte zostały działania, których efektem jest opracowanie i wdroşenie Systemu Analizy Róşnicy Bilansowej (SARB) do obliczeń strat energii (róşnicy bilansowej) w sieciach rozdzielczych, opartego na metodach statystycznych. System ten jest stale udoskonalany, a jego ewolucja zmierza w kierunku pełnej automatyzacji procesu obliczeniowego opartego na rzeczywistych obciąşeniach chwilowych i aktualnych modelach sieci. Osiągnięcie tego celu jest moşliwe przy wykorzystaniu istniejących w spółce dystrybucyjnej systemów informatycznych, takich jak System Zarządzania Majątkiem Sieciowym oraz Centralna Baza Pomiarowa.
. ( Z 7 F # 7 $ % . ' % !Q && )!&* # % % &( &) )!&*
!
7 % + "' ! (
( h < ' ! ! + % + Analiza róşnicy bilansowej (RB) na duĹźych obszarach wykonywana jest z wykorzystaniem danych statystycznych. W przykĹ‚adowej spółce dystrybucyjnej do analizy RB stosuje siÄ™ system SARB, ktĂłry wykorzystuje informacje o przepĹ‚ywach energii w sieciach dystrybucyjnych oraz informacje o majÄ…tku sieciowym, zawarte w formularzach ARE: − G10.4 – wielkoĹ›ci energii elektrycznej, sprzedane róşnego rodzaju odbiorcom z sieci o róşnych poziomach napiÄ™cia, − G10.7 – wielkoĹ›ci energii przepĹ‚ywajÄ…ce miÄ™dzy sieciami, − G10.5 – informacje o elementach majÄ…tku sieciowego. IdeÄ™ wykorzystania informacji o przepĹ‚ywach energii oraz wielkoĹ›ci energii sprzedanych w sieciach SN i nN przedstawiono na rysunku 1. Energia wprowadzona do sieci z transformatorĂłw 110 kV/SN ETr WN/SN oraz energia importowana z innych sieci Eimp sÄ… dostarczone do sieci SN. Energia EBK GPZ jest dostarczona z baterii kondensatorĂłw zainstalowanych w stacjach 110 kV/SN. Część z tej energii (Eodd1) jest sprzedawana odbiorcom bezpoĹ›rednio ze stacji 110 kV/SN i nie obciÄ…Ĺźa sieci SN. Z przedstawionego przepĹ‚ywu energii w sieci SN wynika, Ĺźe linie elektroenergetyczne SN sÄ… obciÄ…Ĺźone energiÄ… ΔETr SN/nN przepĹ‚ywajÄ…cÄ… przez transformatory SN/nN, energiÄ… Eodd2 oddawanÄ… z sieci SN, stratami technicznymi ΔESN w liniach SN, stratami technicznymi ΔETr SN/SN w transformatorach SN/SN, stratami technicznymi ΔETr SN/nN w transformatorach SN/nN, energiÄ… baterii kondensatorĂłw SN EBKSN, stratami dielektrycznymi w bateriach kondensatorĂłw przyĹ‚Ä…czonych do sieci SN ΔEBKSN
55
H % % TC 0 % C T 0
Rys. 1. Przepływy energii w sieciach rozdzielczych SN i nN Fig. 1. Energy flow in MV and LV networks
oraz stratami handlowymi ΔEHSN w sieci SN. Stąd, energia przepływająca siecią SN jest równa:
Do sieci nN energia Ewpr jest wprowadzana przez transformatory SN/nN. Energia bierna EBKnN dopływa do sieci nN z baterii kondensatorów zainstalowanych w stacjach SN/nN. Część z wprowadzonej energii (Eodd3) jest sprzedawana odbiorcom bezpośrednio przyłączonym do stacji SN/nN. Ta część energii nie obciąşa sieci nN. Linie nN są obciąşone energią Eodd1 i Eodd2, oddawaną z sieci nN, stratami technicznymi ΔELnN powstającymi w liniach nN, energią baterii kondensatorów nN EBKnN, stratami dielektrycznymi ΔEBKnN w bateriach kondensatorów, przyłączonych do sieci nN, stratami w przyłączach ΔEp, stratami w licznikach ΔEL oraz stratami handlowymi ΔEHnN w sieci nN. Energia przepływająca siecią nN jest więc równa:
ESN = ETrSN/nN + Eodd2 + ΔESN + ΔETrSN/SN + + ΔETrSN/nN + EBKSN + ΔEBKSN + ΔEHSN
(1)
Straty techniczne w liniach i transformatorach obejmują straty napięciowe i obciąşeniowe. W metodzie obliczeniowej załoşono, şe tylko połowa strat napięciowych w liniach, transformatorach SN/SN i bateriach kondensatorów obciąşa linie SN. Obliczenie strat napięciowych w elementach sieci SN nie budzi wątpliwości. Natomiast obliczenie strat obciąşeniowych stanowi powaşny problem ze względu na bardzo duşą liczbę elementów tworzących sieć SN oraz brak dokładnych informacji o przepływach energii w tej sieci. Straty energii w sieciach SN są równe:
EnN = ΔELnN + Eodd2 + ΔEHnN + ΔEp + ΔEL + Eodd1
Całkowite straty energii czynnej DEnN w sieciach nN wynoszą:
ΔESN = ΔETrSN/nN + ΔELSN + ΔETrSN/SN + ΔEBKGPZ
ΔEnN = ΔECL + ΔECP + ΔELnN + ΔEBKnN + ΔEHnN =
+ ΔEBKSN + ΔEHSN
56
P
O
M
I
A
R
= ΔEuCL + ΔEoCP + ΔEuLnN + ΔEoLnN + ΔEBKnN + ΔEHnN (4)
(2)
Y
•
A
U
T
(3)
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
+ 0 & T gdzie: ΔECL – straty energii czynnej w licznikach, ΔECP – straty energii czynnej w przyłączach, ΔELnN – energii czynnej w liniach nN, ΔEuCL – straty napięciowe energii czynnej w licznikach, ΔEoCP – straty obciąşeniowe energii w przyłączach, ΔEuLnN – straty napięciowe energii czynnej w liniach nN, ΔEoLnN – straty obciąşeniowe energii czynnej w liniach nN, ΔEBKnN – straty dielektryczne w bateriach kondensatorów przyłączonych do sieci nN, ΔEHnN – straty handlowe w sieci nN.
7 % ! % + % ! + ( ( Straty energii czynnej w i-tym odcinku linii elektroenergetycznej opisane są następującą, znaną ogólnie zaleşnością: ΔEoci = 3I2Riτi gdzie: Ri =
(5)
Ii – rezystancja i-tego odcinka linii, ; i – czas γsi
trwania maksymalnych strat, h; Ii – wartość skuteczna prądu w i-tym odcinku linii, A. Wartość czasu trwania strat maksymalnych i wyznacza się z [3]:
1⎛ T ⎞ T Ď„i = ⎜ 2 si + 1âŽ&#x; Tsi obl 3 âŽ? Tr ⎠Tr
(6)
gdzie: Tsi – roczny czas trwania obciąşenia szczytowego, h; Tr – czas roku, h; Tobl – okres, dla którego wykonuje się obliczenia, h. W metodach statystycznych najczęściej wykorzystuje się uproszczone wartości współczynników. W przypadku czasu trwania obciąşenia szczytowego, chcąc bardzo dokładnie wykonać obliczenia naleşałoby czas obliczeń skrócić do jednej doby lub tygodnia z uwzględnieniem dni roboczych i wolnych od pracy. Takie podejście jest bardzo wymagające pomiarowo, moşe zostać zrealizowane dopiero z wykorzystaniem krótkookresowych pomiarów z liczników elektronicznych współpracujących z systemem akwizycji danych pomiarowych. Dla ujednolicenia, niezaleşnie od długości okresu obliczeniowego, zawsze stosuje się wartość Tsi przeliczoną na okres 1 roku. Dzięki temu istnieje moşliwość bezpośredniego zestawienia czasów dotyczących róşnych elementów (odcinków) w róşnych okresach obliczeniowych. Wartość prądu w punktach zasilania odbiorców określa się na podstawie ilości energii pobranej:
I odb nN i =
Eodbi 3U i cos Ď•iTsi
Tobl Tr
(7)
gdzie: Eodb i – energia odbierana w i-tym punkcie zasilania odbiorców, MWh; cosϕi – współczynnik mocy w i-tym punkcie zasilania odbiorców. Wartość skuteczna prądu w i-tym odcinku linii (Ii), wyznaczona moşe być na podstawie rozpływu prądów w sieci. Wartość strat energii w całej sieci jest równa sumie strat w poszczególnych odcinkach linii.
ΔEoc = ∑ i ΔEoci
(8)
lanych z określonego obszaru. w okresie obliczeniowym. Natomiast jest moşliwe wyznaczenie strat energii elektrycznej jako strat skupionych, tzn. strat energii powstających przy załoşeniu wystąpienia odbioru na końcu uśrednionego ciągu sieciowego. Takie straty skupione mogą być wyznaczone na podstawie zastępczych wartości prądu obciąşenia, rezystancji linii oraz średniego czasu obciąşenia szczytowego i nie są one równe stratom rzeczywistym. Straty skupione wyznaczane są wg następującej zaleşności:
ΔEoc skup
⎛ ⎜ Eobc =⎜ ⎜ U cos Ď•N csTs Tobl ⎜ Tr âŽ?
2
⎞ âŽ&#x; lcs 1 ⎛ Tsi ⎞ Tobl âŽ&#x; ⎜ 2 + 1âŽ&#x; Tsi âŽ&#x; ys 3 âŽ? Tr ⎠Tr âŽ&#x; âŽ
gdzie: Eobc – energia obciÄ…ĹźajÄ…ca analizowanÄ… sieć w czasie Tobl,MWh; U – Ĺ›rednie napiÄ™cie w analizowanej sieci, kV; lcs – dĹ‚ugość ciÄ…gĂłw sieciowych, km; Ncs – liczba ciÄ…gĂłw sieciowych. NiedokĹ‚adność obliczenia strat energii jest pochodnÄ… wielu czynnikĂłw, do ktĂłrych przede wszystkim zalicza siÄ™: − rozkĹ‚ad obciÄ…Ĺźenia wzdĹ‚uĹź ciÄ…gĂłw sieciowych, − róşne wartoĹ›ci Ĺ›redniego przekroju linii i przekroju handlowego, − róşne gÄ™stoĹ›ci prÄ…dĂłw w poszczegĂłlnych ciÄ…gach sieciowych, − asymetriÄ™ obciÄ…Ĺźenia, − róşne czasy obciÄ…Ĺźenia szczytowego.
| 7 % ! , + ( ( Obliczenie strat dla znanych parametrów eksploatacji sieci odbywa się bezpośrednio na podstawie sumy strat jałowych wszystkich pracujących transformatorów. Ze względu na ograniczony dostęp do aktualnych informacji o pracujących jednostkach oraz konieczności uwzględnienia rzeczywistego napięcia w sieci w stosunku do napięcia znamionowego transformatorów, straty jałowe (napięciowe) ΔEuC tr SN/nN transformatorów energetycznych SN/nN określone są zaleşnością [1]
(10) gdzie: tuz tr SN/nN – względny czas pracy transformatorów SN/nN w analizowanym okresie, Ur SN – średnie napięcie w sieci SN, Un tr SN/nN – średnie napięcie znamionowe transformatorów, Str SN/nN – sumaryczna moc transformatorów SN/nN, auSN/nN – współczynnik strat jałowych transformatorów SN/nN, GW/ MVA0,75, określony wzorem:
auSN / nN =
ΔPFe SN / nN ⋅ 10−6 0,75 S nTSN / nN
Praktyczne wykonanie obliczeń wymagałoby określenia poziomu obciąşenia kaşdej linii, co praktycznie jest niemoşliwe na podstawie danych zagregowanych dla grupy odbiorców zasi-
(11)
gdzie: ΔPFe SN / nN – strata mocy w şelazie w średniej jednostce, kW, obliczona wg wzoru:
ΔPFe SN / nN =
∑ (S ∑ (S
n TSN / nNi
i
i
gdzie: ΔEoc i – straty energii czynnej w i-tym odcinku linii elektroenergetycznej, określone wzorem (5).
(9)
⋅ ΔPFe SN / nNi )
n TSN / nNi
)
(12)
S n TSN / nN – moc znamionowa średniej jednostki, MVA, obliczona wg wzoru
S n TSN / nN =
∑N i
tr SN / nNi
â‹… S n TSN / nNi
N tr SN / nN
(13)
57
H % % TC 0 % C T 0
Rys. 2. Modelowanie sieci rozdzielczej oraz strat energii elektrycznej Fig. 2. Modeling of distribution network in applications for computing electric power losses
SnTSN/nNi – moc znamionowa i-tego transformatora, MVA; ΔPFe SN/nNi – straty mocy w şelazie i-tego transformatora, kW; Ntr SN/nN – liczba transformatorów, kr – współczynnik poprawkowy, wynikający z rozkładu mocy transformatorów. Do obliczeń strat obciąşeniowych [1] transformatorów energetycznych ΔEoC tr SN/nN wykorzystuje się następujący wzór:
Obciąşeniowe straty energii elektrycznej oblicza się dla róşnych obszarów i ich podobszarów oraz dla róşnych przedziałów czasowych. W zaleşności od potrzeb, agreguje się róşne wyniki obliczeń, uzyskując wartości strat energii dla zadanego obszaru lub zadanego przedziału czasowego.
} / % % ! Wpływ róşnych czynników na wielkość obliczonych strat energii elektrycznej jest uwzględniony poprzez zastosowanie właściwego modelu sieci, czyli niezbędne jest wyznaczenie rezystancji zastępczej Rzast analizowanej sieci elektroenergetycznej (rys. 2). Średni prąd ciągu sieciowego jest równy:
(14) gdzie: βS tr SN/nN – średnie obciąşenie transformatorów SN/nN, określone wzorem EC trSN /nN
βStr SN /nN = Ts tr nN
I =
(15)
Tobl Str SN /nN cos Ď•tr SN /nN Tr
ΔPCu SN / nN ⋅ 10−6 S nT0,75SN / nN
3U cos Ď• N csTs
(18)
Tobl Tr
Ze względu na zróşnicowanie parametrów ciągów sieciowych i zmienność ich obciąşenia wprowadza się pojęcie prądu zastępczego, uwzględniającego rozrzut obciąşeń ciągów i rzeczywisty rozkład odbiorców wzdłuş ciągów, obliczanego ze wzoru:
kr SN/nN – współczynnik uwzględniający rozrzut obciąşeń szczytowych νβ transformatorów SN/nN oraz czasów obciąşenia szczytowego, ao SN/nN – współczynnik jednostkowych strat obciąşeniowych, określony wzorem
ao SN / nN =
Eobc
I zast = ki kn I
(19)
gdzie: ki – wskaźnik korygujący wartość prądu zastępczego ze względu na rozrzut obciąşeń poszczególnych ciągów, kn – wskaźnik korygujący wartość prądu zastępczego, uwzględniający rozkład obciąşeń wzdłuş ciągu sieciowego.
(16)
Zastępcza rezystancja analizowanej sieci jest równa: ΔPCu SN / nN – strata mocy w uzwojeniach w średniej jednostce, kW, obliczona wg wzoru
R=
ΔPCu SN / nN =
∑ (S ∑ (S
n TSN / nNi
i
i
⋅ ΔPCu SN / nNi )
n TSN / nNi
gdzie: l – długość linii rozwaşanej sieci, km; s – średni przekrój linii w rozwaşanej sieci, mm2. Dla potrzeb obliczeniowych naleşy wyznaczyć przekrój zastępczy, nazywany przekrojem handlowym: szast = k s s
Obliczając straty energii w transformatorach wg wzoru (14), najpierw określa się wartości występujących w nim współczynników. Największe problemy stwarza wyznaczenie wartości współczynnika kr SN/nN. Wartość tego współczynnika jest funkcją średniego obciąşenia βS tr SN/nN transformatorów SN/nN oraz zmienności obciąşeń szczytowych νβ i zmienności czasu obciąşeń szczytowych. P
O
M
I
A
R
Y
(20)
(17)
)
PR SN/nN – współczynnik uwzględniający zmiany rezystancji pod wpływem temperatury, Ts tr nN – czas trwania maksymalnych strat, h; Tobl – czas obliczeniowy, h; Tr – liczba godzin w roku, h; Ur SN – średnie napięcie w szczycie w sieci SN, kV; Un SN – znamionowe napięcie w sieci SN, kV.
58
l Îłs
•
A
U
T
O
M
(21)
gdzie: ks – współczynnik poprawkowy do przeliczenia przekroju średniego na przekrój handlowy. Ostatecznie otrzymuje się zaleşność na wartość rezystancji zastępczej sieci: Rzast = A
T
Y
K
A
•
R
O
B
O
l Îłk s s T
Y
(22) K
A
N R 4 /201 9
+ 0 & T Róşne wartości czasów obciąşenia szczytowego oraz wzajemne przesunięcia w czasie obciąşeń szczytowych są uwzględnione przez wykorzystanie współczynnika kTs. Wartość tego współczynnika jest trudna do określenia bez znajomości profili obciąşeń występujących w poszczególnych węzłach sieci rozdzielczej. Zaleşność między wykorzystywanymi współczynnikami moşna więc zapisać w postaci:
K=
( ki k n )
2
ks
kTs
(23)
W modelu liniowym zakłada się, şe jest moşliwe wyznaczenie współczynnika K na podstawie obliczeń symulacyjnych rzeczywistych strat energii i strat skupionych części sieci wybranego obszaru. Współczynnik ten jest równy stosunkowi rzeczywistych strat energii do strat skupionych: K=
ΔEoc ΔEskup
(24)
Znajomość tego współczynnika umoşliwia wyznaczenie strat energii dla całej rozwaşanej sieci. Współczynnik K powinien byś wyznaczony dla charakterystycznych obszarów sieci. Rozszerzenie go do całego rejonu dystrybucji nie wpływa na powstanie błędów.
& &.> "^ % ] System SARB jest eksploatowany w spółce dystrybucyjnej od wielu lat, obecnie od 2014 r. na caĹ‚ym obszarze spółki. Istotnym elementem systemu sÄ… współczynniki parametryzujÄ…ce sieć. Obecnie sÄ… one okreĹ›lane na podstawie szczegółowych danych dotyczÄ…cych sieci elektroenergetycznej, zawartych jak wyĹźej wspomniano, w sprawozdaniach G10.5 oraz dodatkowych danych, w tym dotyczÄ…cych topologii sieci. Przygotowywanie ich przez sĹ‚uĹźby poszczegĂłlnych oddziaĹ‚Ăłw jest pracochĹ‚onne, dlatego parametryzowanie sieci wykonywane jest raz w roku. Aktualne podstawowe funkcjonalnoĹ›ci systemu SARB to: − obliczenia strat energii czynnej i biernej dla sieci WN, SN i nN dla: − róşnych obszarĂłw i przedziaĹ‚Ăłw czasowych, − w podziale na róşne elementy wchodzÄ…ce w skĹ‚ad sieci, − wykonywane na podstawie zaleĹźnoĹ›ci przedstawionych w poprzednich rozdziaĹ‚ach; − wyznaczanie strat uzasadnionych, w stosunku do ktĂłrych sÄ… porĂłwnywane obliczone wartoĹ›ci rzeczywiste; − na podstawie wynikĂłw obliczeĹ„ moĹźna wskazać: − obszary, w ktĂłrych wystÄ™puje zwiÄ™kszony poziom strat w stosunku do poziomu strat uzasadnionych, − rodzaj tych strat (techniczne, handlowe), − podziaĹ‚ strat miÄ™dzy sieci SN i nN, − grupÄ™ elementĂłw sieci o zwiÄ™kszonym poziomie strat w stosunku do strat uzasadnionych. System dokonuje rĂłwnieĹź porĂłwnania poziomu róşnicy bilansowej w stosunku do majÄ…tku zaangaĹźowanego do dystrybucji energii elektrycznej w wyznaczonych obszarach, np. oddziaĹ‚ach. Prowadzone przez autorĂłw artykuĹ‚u oraz w spółce dystrybucyjnej analizy wynikĂłw obliczeĹ„ strat energii dla róşnych obszarĂłw i przedziaĹ‚Ăłw czasowych wskazujÄ…, Ĺźe istotne znaczenie dla dokĹ‚adnoĹ›ci obliczeĹ„ ma sposĂłb parametryzacji analizowanej sieci rozdzielczej oraz dĹ‚ugość przedziaĹ‚u czasu, dla ktĂłrego wykonuje siÄ™ obliczenia [2]. Agregacja wynikĂłw obliczeĹ„ strat energii po przeprowadzeniu parametryzacji dla mniejszych obszarĂłw sieci (dla RD) oraz dla krĂłtszych przedziaĹ‚Ăłw czasu (miesiÄ…ce) daje wiÄ™kszÄ… dokĹ‚adność wynikĂłw niĹź przy obliczeniach wykonywanych dla roku i caĹ‚ego oddziaĹ‚u lub caĹ‚ego obszaru spółki.
| ? "' &.>
, | h ? & * ( / ( & ModuĹ‚ obliczeniowy dedykowany do obliczeĹ„ strat energii elektrycznej w sieci dystrybucyjnej spółki w zakresie caĹ‚ego obszaru, jak i w podziale, np. na oddziaĹ‚y (obszary byĹ‚ych ZakĹ‚adĂłw Energetycznych), wykorzystuje dane i współczynniki aktualizowane odpowiednio w cyklach miesiÄ™cznych – dane oraz cyklach rocznych – współczynniki. Pomimo zautomatyzowania procesu wprowadzania danych do bazy danych bezpoĹ›rednio ze sprawozdaĹ„ G10.x proces jest czasochĹ‚onny. W spółce dystrybucyjnej w ostatnich latach wdroĹźono System ZarzÄ…dzania MajÄ…tkiem Sieciowym (NAM), w ktĂłrym zgromadzono dane dotyczÄ…ce majÄ…tku obejmujÄ…cego sieci elektroenergetyczne. System umoĹźliwia rĂłwnieĹź tworzenie schematĂłw topologicznych sieci i schematĂłw jednokreskowych. Wykorzystanie tych informacji i zautomatyzowanie procesu pozyskiwania danych do systemu SARB umoĹźliwiĹ‚oby czÄ™stsze aktualizacje współczynnikĂłw parametryzujÄ…cych sieć, jak rĂłwnieĹź tworzenie ich dla nowych obszarĂłw definiowanych na potrzeby analiz róşnicy bilansowej. W zakresie przygotowania współczynnikĂłw obliczeniowych zostanie wiÄ™c wykorzystany System ZarzÄ…dzania MajÄ…tkiem Sieciowym NAM wymagajÄ…cy implementacji dedykowanego interfejsu Ĺ‚Ä…czÄ…cego oba systemy. Istotny pozostaje fakt, Ĺźe ingerencja w tym zakresie nie wpĹ‚ywa na aktualny standard przechowania danych wejĹ›ciowych, współczynnikĂłw i algorytmĂłw obliczeniowych. Bardzo atrakcyjne jest rĂłwnieĹź peĹ‚ne wykorzystanie danych MDM, pochodzÄ…cych z licznikĂłw zainstalowanych u odbiorcĂłw oraz licznikĂłw bilansujÄ…cych, polegajÄ…ce na wykorzystaniu danych profilowych – rejestracji zliczanej w okresach 15-minutowych energii przez elektroniczne liczniki energii wyposaĹźone w Ĺ‚Ä…cza transmisji danych. Tym rodzajem licznikĂłw objÄ™to obecnie sieć rozdzielczÄ… WN oraz sieć rozdzielczÄ… SN na podstawie pomiaru energii w stacjach transformatorowych SN/nN po stronie nN. Docelowo pomiarem zostanÄ… objÄ™te wszystkie stacje SN/nN oraz odbiorcy przyĹ‚Ä…czeni do sieci SN. W obszarze sieci nN dostÄ™pne sÄ… obecnie rejestracje dokonywane przez liczniki grup taryfowych C2x oraz w wybranych obszarach przez liczniki AMI. PodjÄ™to wiÄ™c prĂłbÄ™ budowy interfejsĂłw umoĹźliwiajÄ…cych automatyczne pozyskiwanie niezbÄ™dnych danych z systemĂłw NAM oraz MDM. Blokowy schemat systemu do obliczeĹ„ strat energii przedstawia rysunek 3. System NAM gromadzi informacje o wszystkich istotnych obiektach sieci elektroenergetycznej WN, SN i nN, tj.: − stacjach transformatorowych, − liniach napowietrznych, − liniach kablowych, − transformatorach, przekĹ‚adnikach WN, − Ĺ‚Ä…cznikach, bateriach kondensatorĂłw, rozdzielnicach, zĹ‚Ä…czach kablowych. Informacje majÄ… postać graficznÄ…, opisowÄ… oraz plikowÄ… (np. skany dokumentĂłw, zdjÄ™cia, katalogi, DTR). NiezbÄ™dne dane mogÄ… być pozyskane z NAM w dowolnym czasie. Informacje te powiÄ…zane sÄ… logicznie, co m.in. umoĹźliwia odwzorowanie sieci w postaci przebiegu linii na tle podkĹ‚adĂłw mapowych, jak ich późniejsze przeksztaĹ‚cenie do postaci schematĂłw jednokreskowych umoĹźliwiajÄ…cych prowadzenie róşnorodnych obliczeĹ„. Wykorzystanie bieşących informacji o sieci i obciÄ…Ĺźeniach w sposĂłb zautomatyzowany moĹźe skrĂłcić okresy pomiÄ™dzy kolejnymi aktualizacjami zbiorĂłw współczynnikĂłw zwiÄ™kszajÄ…c dokĹ‚adność obliczeĹ„. Dodatkowym atutem bieşącej aktualiza-
59
H % % TC 0 % C T 0
Rys. 3. System obliczeń strat w sieci dystrybucji energii – perspektywa rozwoju Fig. 3. System of calculations of energy losses – possibilities of development
cji w oparciu o dane pomiarowe parametrów sieci do obliczeń strat energii jest wyeliminowanie błędów parametryzacji spowodowanych elementami odstającymi. Elementy takie mogą często występować w przypadkach, gdy w parametryzowanej sieci występują duşe róşnice długości linii, bardzo zróşnicowane obciąşenia linii lub gęstości przepływających prądów. Przyjmując, şe wyznaczenie parametrów sieci realizuje się w oparciu o wyniki obliczeń rozpływowych, oczywistym staje się fakt dostępności informacji o bieşących stratach technicznych analizowanej sieci. Jedynym ograniczeniem do kompleksowego wyznaczenia wskaźników strat sieciowych w pełnym wymiarze jest równoczesny dostęp do danych technicznych i danych pomiarowych.
sprawdzonych algorytmach. Dalsze przetwarzanie sprowadza się jedynie do obróbki statystycznej wyników celem wyznaczenia wartości współczynników charakteryzujących element sieciowy lub fragment sieci. Bardziej wymagającym jest przypadek wyznaczania parametrów charakteryzujących sieć na postawie struktury i danych technicznych zawartych w NAM oraz obciąşeń pobieranych z bazy pomiarowej MDM. Tu pobrane dane o strukturze sieci powinny zostać zweryfikowane juş na etapie kreowania modelu matematycznego sieci. Na tym etapie weryfikacja moşe odbyć się bez konieczności pobierania danych o obciąşeniu sieci. Decydującym elementem procedury obliczeniowej jest pobranie danych z MDM dla określonych punktów scharakteryzowanych w NAM. Wykonanie tego zadania wymaga przeprowadzenia asocjacji miejsc dostarczania energii lub miejsc pomiarowych określonych w NAM z informacjami o punktach poboru energii lub punktach pomiarowych przechowywanych w zbiorach charakteryzujących strukturę układu pomiaru energii elektrycznej. Pozyskane z MDM dane naleşy przypisać do węzłów modelu matematycznego sieci. W zaleşności od rodzaju pozyskanych danych moşe być konieczne wyznaczenie pochodnej energii pobieranej lub agregacja danych w przypadku, gdy do węzła sieci przypisana jest większa liczba punktów pomiarowych.
| 8 , &.> ] =./ Na rysunku 4 przedstawiono schemat ideowy interfejsu powiązania NAM z systemem obliczeń strat sieciowych SARB oraz modułem bilansującym MB MDM, dedykowany do parametryzacji sieci do obliczeń strat energii metodami statystycznymi przy jednoczesnym wyznaczaniu rzeczywistych, technicznych strat sieciowych w zakresie urządzeń i obszarów zawartych w bazach danych i uzupełnieniu brakujących wyników metodami statystycznymi. Wykorzystanie zawartości NAM wymaga zastosowania interfejsu, który umoşliwi bezbłędne pobranie danych w zakresie parametrów technicznych elementów sieci rozdzielczej oraz struktury sieci. Obliczenie rozpływu mocy w sieci moşe zostać przeprowadzone bezpośrednio w NAM lub po pobraniu informacji o strukturze sieci, korzystając z dowolnego narzędzia. W kaşdym przypadku, w celu uzyskania wiarygodnych wyników obliczeń naleşy stosować dodatkowe procedury testujące, które wyeliminują moşliwość błędnego połączenia elementu w strukturze sieci oraz błędnego powiązania z danymi charakteryzującymi obciąşenia. W przypadku pobierania wyników obliczeń rozpływu mocy realizowanych w NAM konieczne staje się wstępne zdefiniowanie obszarów modelowanej sieci. Zastosowane w module obliczeń inşynierskich NAM narzędzia obliczeniowe bazują na
60
P
O
M
I
A
R
Y
•
A
U
T
O
M
| | < " % ' + =./ Parametryzację rozpoczyna się od importu danych z NAM (rys. 4, blok 1a) w zakresie parametrów technicznych elementów, struktury sieci, wyników obliczeń rozpływu mocy i ich wstępnej weryfikacji (2a). Działania kontynuuje się wykonując obliczenia współczynników w dwóch odseparowanych torach: dla grupy niezaleşnej od obciąşenia sieci (5.1.a) – straty jałowe (poprzeczne, upływowe) i grupy uzaleşnionej od wielkości obciąşenia (5.2.a) – straty obciąşeniowe (podłuşne). Szczególnie druga grupa współczynników powinna zostać poddana ocenie (obróbce) statystycznej (5.3.a), której efektem będą wskaźniki do obliczeń strat energii metodami statystycznymi. A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
+ 0 & T
Rys. 4. Schemat działania interfejsu NAM – SARB – MDM Fig. 4. Diagram of the interface NAM – SARB – MDM
Końcowym etapem estymacji współczynników jest ich integracja przez scalenie i zaimplementowanie w modelu matematycznym sieci (5.4a). Tak wyznaczone wartości współczynników zostają poddane końcowej kontroli jakości (5.5.a) i zapisane w bazie SARB (6a).
| } < % + &.> Na rysunku 4 przedstawiono schemat ideowy interfejsów powiązania NAM z systemem obliczeń strat sieciowych SARB oraz modułem bilansującym MB MDM Parametryzację rozpoczyna się od importu danych z NAM (rys. 4, blok 1a) obejmujących parametry techniczne elementów sieci, strukturę sieci, charakterystykę punktów pomiarowych. Na tej podstawie tworzy się strukturę sieci i dokonuje się jej wstępnej weryfikacji (2a). Ze względu na konieczność uzupełnienia modelu sieci o rzeczywisty poziom obciąşenia, konieczne jest powiązanie punktów struktury sieci rozdzielczej z punktami poboru energii zdefiniowanymi w MDM (3.a). Asocjacja jest zadaniem bardzo waşnym, gdyş systemy NAM i MDM są niezaleşne, tzn. w NAM najwaşniejszym jest miejsce dostarczania energii MDE, natomiast w MDM punkt poboru energii (PPE). Odpowiednio przygotowane zapytanie powoduje pobranie (1b) i zestawienie odpowiedniego zestawu informacji o przepływach energii zarejestrowanych w licznikach (2b). Pozyskane dane pomiarowe poddaje się agregacji (4a) odpowiednio do ustalonej struktury sieci (2a) a następnie wykonuje obliczenia rozpływu mocy. Dalszy ciąg procesu obliczeniowego przebiega analogicznie jak w przypadku parametryzacji na podstawie wyników obliczeń NAM. Wykonuje się obliczenia współczynników w dwóch odseparowanych torach: dla grupy niezaleşnej od obciąşenia sieci (5.1.a) – straty jałowe (poprzeczne, upływowe) i grupy uzaleşnionej od wielkości obciąşenia (5.2.a) – straty obciąşeniowe (podłuşne). Grupa współczynników zaleşnych od obciąşenia zostaje poddana obróbce statystycznej (5.3.a) celem wyznaczenia wskaźników do obliczeń strat energii metodami statystycznymi.
Końcowym etapem estymacji współczynników jest ich integracja i zaimplementowanie w modelu matematycznym sieci (5.4a). Wyznaczone wartości współczynników zostają poddane końcowej kontroli jakości (5.5.a) i zapisane w bazie SARB (6a). Obliczenia strat energii czynnej realizuje się w oparciu o dane rejestrowane periodycznie w odstępach 15-minutowych. Stąd straty mocy czynnej w transformatorze SN/nN są równe [4]:
ΔPtr SN / nN = ΔPCu
ΔPtr SN / nN 15 =
ΔEoC tr SN / nN 15 =
S2 2 S nT
(25)
ΔPCu E152 2 2 S nT ⎛1 ⎞ ⎜ hâŽ&#x; âŽ?4 âŽ
4 ⋅ ΔPCu 2 S nT
R15 tr SN / nN , k =
∑
N i =1
4 ⋅ ΔPCu , k 2 SnT ,k
2 E15, i
(26)
(27)
(28)
a straty energii wynoszÄ…:
(29)
gdzie: S – obciąşenie transformatora, N – liczba pomiarów, M – liczba transformatorów, k – numer transformatora, i – numer przedziału czasowego, ΔPtr SN/nN – straty mocy czynnej wyznaczone na podstawie mocy pozornej obciąşającej transformator, ΔPtr SN/nN 15 – straty mocy czynnej obliczone na podstawie pomiaru energii w okresie 15 minut, ΔPCu – znamionowe straty
61
H % % TC 0 % C T 0
mocy w uzwojeniach transformatora, R15 SN/nN,k – rezystancja zastępcza k-tego transformatora do obliczeń strat energii na podstawie pomiaru energii w okresie 15 minut, E15,i,k – energia obciąşająca k-ty transformator, w i-tym przedziale czasowym, równa:
Straty mocy czynnej w linii SN sÄ… rĂłwne:
ΔPLSN = 3I 2 RLSN =
E15,i ,k = EC2 ,15,i ,k + Eb2,15,i ,k .
P=
W powyşszych wzorach obliczeniowych pominięto wpływ napięcia zasilającego oraz temperatury. Straty energii w linii SN w najprostszym przypadku wyznacza się na podstawie danych rejestrowanych periodycznie w odstępach 15-minutowych w licznikach bilansujących AMI, zainstalowanych w stacjach SN/nN (rys. 5).
ECLSN 15 h/4
ΔPLSN 15 =
P2 + Q2 RLSN U2
Q=
EBLSN 15 h/4
2 2 16 ECLSN 15 + 16 EBLSN 15 RLSN U2
(31)
(32)
(33)
StÄ…d straty energii w przedziale 15-minutowym sÄ… rĂłwne:
(34) Rys. 5. Przepływ energii w linii SN Fig. 5. Energy flow in MV line
natomiast przy uwzględnieniu M przedziałów 15-minutowych: Energia czynna przepływająca linią SN ECLSN15 w przedziale 15-minutowym w układzie przedstawionym na rysunku 5 jest równa: ECLSN15 = ECLBnN15 + ΔECTrSN/nN15
ΔEoC LSN = ∑ k =1 ΔEoC LSN 15 k = ∑ k =1 M
(30)
M
2 2 4 ( ECLSN 15 + EBLSN 15 )
U2
RLSN (35)
W przypadku, gdy po stronie SN są przyłączeni odbiorcy końcowi lub są zainstalowane baterie kondensatorów SN, we wzorze (30) naleşy uwzględnić dodatkowe rodzaje energii przepływających linią SN. Porównując wzory do obliczeń strat obciąşeniowych czynnych analizowanymi metodami (14) i (29) oraz (24) i (35) naleşy
gdzie: ECLBnN15 – odczyt z licznika bilansującego przepływu energii czynnej w przedziale 15-minutowym, pozostałe wielkości – jak w poprzednich wzorach.
MB MDM
NAM
MB MDM Bilansowanie, wizualizacja:
Import d anych MDM
Import d anych NA M
ƒ rĂł nicy bilansowej, ƒ strat technicznych, ƒ strat handlowych Segmentacja i agregacja danych pomiarowych
Zapis obliczonych strat sieciowych w MDM
Asocjacja MDM - NAM
SARB
SARB
Wykonanie oblicze
Zapis wspĂł czynnikĂłw obliczeniowych
ƒ strat sieciowych na pods tawie danych MDM ƒ oblicze uzupe niaj ce strat (np. dla brakuj cych danych pomiarowych)
Rys. 6. Schemat działania interfejsu MDM – SARB Fig. 6. Diagram of the functioning of interface MDM – SARB
62
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
+ 0 & T
stwierdzić, şe wykorzystanie danych MDM bardzo pozytywnie wpłynie na jakość wyników obliczeń strat energii.
| 8 , &.> ] /0/ Integracja systemów MDM i SARB wymaga zastosowania rozwiązań, które nie spowodują zakłóceń w działaniu centralnej bazy pomiarowej. Opracowany interfejs został zoptymalizowany pod kątem poziomu wykorzystania serwera bazy danych. Powiązanie poszczególnych elementów przedstawiono na rysunku 6. W tym celu, po pobraniu danych technicznych z NAM wykonuje się asocjację punktów pomiarowych MDM w stworzonym do tego celu module „asocjacji MDM_NAM�. Kierowane do bazy zapytanie SQL powoduje wybranie właściwych danych, ich wstępną obróbkę w zakresie umoşliwiającym bezpośrednie obliczenie strat energii w pojedynczym elemencie sieci lub w elementach w wybranym obszarze. Wyniki obliczeń mogą zostać wykorzystane do parametryzowania analizowanej grupy urządzeń oraz bezpośrednio do wyznaczania strat technicznych w sieciach. Niezaleşnie od celu wykonywanych obliczeń, wyniki powinny zostać zapisane w bazach odpowiednio: w zakresie obliczeń strat energii – w MDM oraz wartości współczynników obliczeniowych w bazie SARB.
} * W artykule przedstawiono działania zmierzające do zwiększenia efektywności i dokładności obliczeń strat sieciowych w spółce dystrybucyjnej. Dotychczas stosowana metodologia
obliczeń strat sieciowych była oparta na metodach statystycznych. Powodowało to, şe uzyskane wyniki były obarczone błędami, których wielkość zaleşała od okresu obliczeń, wielkości obszaru, dokładności oszacowania wykorzystywanych współczynników parametryzujących sieć. Aktualne moşliwości techniczne pozwalają na automatyzację procesu modelowania sieci w oparciu o aktualne i dokładne dane techniczne charakteryzujące sieć rozdzielczą. Jednocześnie, wykorzystanie wyników pomiarów poboru energii elektrycznej, pochodzących z liczników AMI oraz z liczników bilansujących pozwala na zwiększenie dokładności obliczeń strat energii.
% ! , 1. Kaszowska B., Włóczyk A., Agregacja wolumenu strat energii elektrycznej w transformatorach dla zadanych obszarów i przedziałów czasowych. „Rynek Energii�, Nr 2, 2012, 69–72. 2. Jeziorny D., Kaszowska B., Nowak D., Włóczyk A., Integracja danych pomiarowych i systemu zarządzania majątkiem sieciowym do obliczeń strat energii elektrycznej. Rynek energii elektrycznej. Rozwój i eksploatacja. Monografie – Politechnika Lubelska. Lublin, 2017. 3. Praca zb. (pod red. J. Kulczyckiego), Straty energii elektrycznej w sieciach dystrybucyjnych. PTPiREE, 2009. 4. Kaszowska B., Włóczyk A., Integration of Application Employed for Balance Difference Analysis with Network Asset Management and Measurement Data Management Systems in a Large Distribution Company. Modern Electric Power Systems, 2019.
< / - / Z M h - O . M 7 , '' 5 The article reports the results of a study of the principles of the performance of the statistical system for balance difference analysis (SORB), its basic and new functionalities, modifications applied during its development and integration with the Network Asset Management System (ENAM) and the Measurement Data Management (MDM) in a distribution company. The system provides an output in the form of sets of coefficients, on the basis of which commercial losses are identified in the balance difference in individual branches of a distribution company and distribution networks with different voltage levels. Data on assets including distribution networks is collected in ENAM. The system also offers the possibility to develop topological network diagrams and single-line diagrams. The use of this information and the automation of the data acquisition process for the analysis of balance difference enables more frequent updates of the parameterization parameters of the network, as well as the development of new areas in them established for the analysis of the balance difference analysis. The interaction between the system applied for the analysis of the balance difference with MDM will enable the full exploitation of measurement data, involving the use of profiled data – registration counted over the periods of 15 minutes of energy use by electronic energy meters equipped with data transmission links. Such meters are applied in the HV distribution network and the MV distribution network based on the energy measurements in MV/LV transformers in the locations of LV stations. Ultimately, the measurements will cover all MV/LV stations and recipients connected to the MV network. Keywords % .# % # .
63
H % % TC 0 % C T 0
: * + . R
()O
7 $ % ORCID: 0000-0002-0864-1721
$ % ORCID: 0000-0002-7422-0909
F F % < . > < . < . J% # ; % < # - > / # 6 J
-% F % < . > < . < . J% # ; % < # - > / # 6 @ J
64
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 65–70, DOI: 10.14313/PAR_234/65
- 7 A . . . % % % ( + H ) 4 1 6 J # ; % < # - > / # > < . < . J% # F % > R Z % # 6 A (+ H7 % )I# X'@('Q J
, 5 W artykule omówiono sposób wyseparowania oraz wykorzystania zmiennych globalnych w czasie, które w przyszłości pozwolą stworzyć unikalny klucz szyfrujący oraz układ szyfrowania danych. Polega on na ciągłej analizie losowego rozkładu zmienności częstotliwości oraz rozwinięciu algorytmów szyfrowania o dodatkowe zabezpieczenie, jakim jest zmieniający się czasie klucz szyfrujący. Celem sprawdzenia, czy opisane rozwiązanie jest moşliwe do wykonania, przeprowadzono pomiar napięć w dwóch róşnych lokacjach w Polsce. Otrzymany sygnał został wstępnie przefiltrowany celem wygładzenia jego powierzchni. Następnie ustalono dokładne miejsca przecięcia na osi oX metodą przyblişania rozwiązań układów nieokreślonych, po czym otrzymane wartości zostały po raz kolejny przefiltrowane, a otrzymane wyniki poddane analizie, na podstawie której sformułowano wnioski końcowe. &' % 8# 8 # . P # / % # 8 .
1. Wprowadzenie Człowiek od zarania dziejów dąşy do uniemoşliwienia odczytania informacji przez osoby, dla których ich treść nie jest przeznaczona. Juş w staroşytnym Rzymie dzięki historykowi Swetoniuszowi wiadomo o istnieniu szyfru Cezara, z którego prawdopodobnie korzystał sam Juliusz Cezar. Jest to szyfr naleşący do szyfrów klasycznych, działających na literach zapisywanych na papierze. Sam szyfr jest prosty i polega na przesunięciu kaşdej z liter alfabetu o trzy w prawo. Przykład słowo „PAR� zaszyfrowane szyfrem Cezara ma postać „SDU�. Celem odtworzenia tego szyfrogramu wystarczy z powrotem przesunąć litery o trzy pozycje w lewo. Szyfr ten powstał w czasach niepiśmiennych, gdzie wykształcenie społeczeństwa było na niskim poziomie, natomiast zastosowanie tego typu rozwiązania współcześnie byłoby stosunkowo proste do odszyfrowania. Powtarzalność liter oraz liczba moşliwych kombinacji, nawet uwzględniając zmiany w przełoşeniu tekstu czy zamianie na cyfry byłaby niewielka i stosunkowo łatwa do odgadnięcia.
. ( 6 ; # $% % . ' % !( &! )!&* # % % !X &) )!&*
!
1500 lat po odkryciu szyfru Cezara powstało jego ulepszenie, zwane szyfrem Vigenère’a. Nazwa ta jest błędna, poniewaş pochodzi od nazwiska Blaise de Vigenère, któremu błędnie przypisano autorstwo tego szyfru. Prawdziwym autorem okazał się Giovan Battista Bellaso. Szyfr ten, swego czasu zyskał duşą popularność. Wykorzystywano go podczas toczących się na przełomie lat wojen czy bitew. Modyfikacja szyfru polegała na wprowadzeniu klucza składającego się z przesunięcia wartości umieszczonych w nim liter, zaczynając liczenie od początku alfabetu, czyli od „A�, przykładowo: dla litery „D� umieszczonej w kluczu, przesunięcie będzie wynosiło trzy wliczając zero, natomiast dla „S�– osiemnaście. Jeşeli klucz był krótszy niş tekst jawny, wykorzystywano jego wielokrotność. Słowo „PAR� zaszyfrowane kluczem „BC� będzie brzmieć: „QCS�. Odszyfrowanie tekstu wymaga znajomości klucza i polega na przesunięciu liter w lewą stronę, czyli wykonania odwrotnej operacji niş ma to miejsce w przypadku szyfrowania. Nie mniej szyfry klasyczne nie są powszechnie uwaşane za szyfry bezpieczne, bo przez swoją prostotę, niewielką liczbę moşliwych kombinacji, moc obliczeniową implementowaną w komputerach klasy PC, złamanie takich szyfrów zajęłoby niewiele czasu [1]. Obecnie stosuje się szyfry bazujące na przesunięciach, zamianie bitów, losowości. Istnieje wiele znanych algorytmów szyfrowania danych opartych na szyfrach symetrycznych, do których moşna zaliczyć: szyfry blokowe (DES, AES), strumieniowe(implementowane na sprzęt, implementowane na oprogramowanie), a takşe asymetrycznych: RSA (klucz publiczny i prywatny), szyfrowanie uwierzytelnieniowe, protokół Diffiego-Hellmana (wprowadzający pojęcie szyfrowania kluczem publicznym – 1976 r., wcześniej Ralph Merkle przedstawił pomysł zwany puzlami Mer-
65
& % 0 T % BBB kle’a – 1974 r.) i inne. Coraz częściej przedmiotem dyskusji są załoşenia związane z szyfrowaniem kwantowym, mającym zapewnić bezpieczeństwo danych w przypadku pojawienia się komputera kwantowego. Dziedziną nauki zajmującą się szyfrowaniem danych, opracowaniem i testowaniem algorytmów szyfrowania jest kryptografia [2]. Podczas tworzenia metod szyfrowania naleşy zapewnić ich bezpieczeństwo W tym celu naleşy wziąć pod uwagę szereg czynników – czy klucz będzie jednorazowy czy wielorazowy, czy opracowany algorytm będzie odporny na modele ataku typu czarna skrzynka (COA, KPA, CPA, CCA) czy szara skrzynka (atak bocznym kanałem, ataki inwazyjne). Określenie kategorii bezpieczeństwa (uwzględniając podstawowe cele bezpieczeństwa, jakimi są nierozróşnialność – IND i niereformowalność – NM) w połączeniu z modelami ataków, np. kategoria IND-CPA, czyli tzw. bezpieczeństwo semantyczne. To tylko niektóre z wielu czynników, które musi uwzględnić kryptograf opracowujący nowy algorytm lub metodę szyfrowania danych [1, 4]. Obecnie trwają prace nad nowymi sposobami oraz metodami szyfrowania. Jedną z propozycji jest metoda generowania klucza za pomocą informacji pobieranych z sieci elektroenergetycznej, gdzie sygnał występujący w sieci opisany jest za pomocą sinusoidy [3]. W rzeczywistości w sygnale elektroenergetycznym występuje szereg zjawisk, które powodują zakłócenia w postaci: wolnych zmian napięć, szybkich zmian napięć, zapadów napięcia, krótkich przerw w zasilaniu, długich przerw w zasilaniu, flickerów (fluktuacji napięcia), przepięć, przepięć szpilkowych i innych. Poza wymienionymi zakłóceniami występują fluktuacje częstotliwości harmonicznej. Fluktuacje te mają charakter stochastyczny i mogą być wykorzystane podczas procesu szyfrowania danych, poniewaş propagują się globalnie. Parametry sieci elektroenergetycznej regulują normy. W Europie głównym tego typu dokumentem jest norma EN 50160 określająca dopuszczalne wartości mogące występować w sieci elektroenergetycznej [6]. W pracy wykorzystano element, który w większości przypadków jest elementem niepoşądanym, tj. zmiany częstotliwościowe [7]. Na ich podstawie podjęto próbę stworzenia indywidualnego klucza szyfrującego [5], tym samym wzmocnienia skuteczności algorytmów szyfrowania danych. Celem sprawdzenia, czy proponowane rozwiązanie jest wykonalne i ma realną szansę na fizyczną implementację przeprowadzono badanie, którego przebieg oraz wyniki zostały przedstawione w artykule.
Rys. 1. Karta National Instruments NI 9225 podczas pomiaru napięć. Wraz z kartą do podstawki podłączone są karty NI 9227 oraz NI 9401, które nie zostały wykorzystane podczas niniejszego badania Fig. 1. Presentation of the National Instruments NI 9225 card during voltage measurement together with the card, the NI 9227 and NI 9401 cards that are not used during this test are connected to the base
Rys. 2. Schemat podłączeń urządzeń pomiarowych uwzględniający obie lokacje Fig. 2. Connection diagram for measuring devices including both locations
; " + Działania rozpoczęto od przeprowadzenia pomiarów napięć panujących w sieci elektroenergetycznej niskiego napięcia. Do rejestracji przeprowadzonych pomiarów wybrano kartę National Instruments NI 9225 (rys. 1). Dobór karty wynikał z jej specyfikacji. Karta jest wyposaşona w trójkanałowy moduł wejściowy, umoşliwiający szeroki zakres pomiarów, m.in. monitorowanie jakości energii oraz analizę stanów przejściowych i harmonicznych z jednoczesnym próbkowaniem z duşą prędkością. Ponadto moşna ją zastosować podczas pomiarów wysokich napięć, parametrów silnika czy akumulatorów. Karty rozmieszczono w dwóch lokacjach oddalonych od siebie o 120 km. Koniecznym wymogiem było, aby lokacje znajdowały się w tej samej sieci elektroenergetycznej ze względu na panującą w niej częstotliwość. Na obszarze Unii Europejskiej częstotliwość jest parametrem określonym w normie EN 50160 i wynosi 50 Hz. Pierwszą lokacją było Opole, kolejną Radomsko. Na rysunku 2 przedstawiono schemat stanowiska pomiarowego. Karty NI 9225 wraz komputerami klasy PC (PC1 oraz PC2) były podłączone do sieci elektroenergetycznej niskiego napięcia. Komputery odpowiadały za przetwarzanie oraz archiwizację zarejestrowanych przez kartę danych, były równieş pod-
66
P
O
M
I
A
R
Y
•
A
U
T
O
M
łączone do sieci WWW, co umoşliwiało komunikację czy transfer zarejestrowanych danych. Pomiary napięć trwały około tygodnia i oba napięcia mierzone były w tym samym czasie. Zebrane dane skonwertowano do postaci macierzowej w środowisku MATLAB, a następnie poddano je analizie oraz wyodrębniono i porównano zmienne globalne w czasie z obu lokacji, co zostało zaprezentowane w kolejnym rozdziale.
| < % + + Pierwszym etapem akwizycji zebranych danych było wygładzenie powierzchni sygnałowej sygnałów z obu lokacji. W tym celu, za pomocą oprogramowania Filter Design & Analysis Tool środowiska obliczeniowego MATLAB, zaprojektowano filtr pasmowo-przepustowy pierwszego rzędu, którego specyfikacja została przedstawiona na rys. 3. Aby moşliwa była analiza częstotliwościowa, naleşało zacząć od estymacji miejsc przecięcia sygnału z osią oX. W oparciu o metodę najmniejszych kwadratów zaprojektowano funkA
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 3 /201 9
1 D $ %
Rys. 3. Projekt filtra pasmowoprzepustowego uşytego do wygładzenia powierzchni sygnału z przedstawionymi jego parametrami jak: wartości w paśmie przepustowym oraz zaporowym, częstotliwością czy typem filtra Fig. 3. Design of the bandpass filter used to smooth the signal surface with its parameters such as: values on the band and dam band, frequency and type of filter
Rys. 4. Chwilowa wartość okresu składowej harmonicznej napięcia podstawowego T, otrzymana w wyniku działania funkcji bazującej na MNK Fig. 4. The momentary value of the time period of the harmonic component of the basic voltage T, obtained by a function based on MNK
cję, która pozwoliła wyseparować miejsca przecięcia z osią 0. Uşycie funkcji MNK posłuşyło do obliczeń chwilowej wartości okresu składowej harmonicznej podstawowej napięcia jej graficzna implementacja została przedstawiona na rys. 4. Następnie zestawiono ze sobą wykresy z obu lokacji. Na tym etapie badania zaobserwowano brak korelacji między wygenerowanymi wykresami (rys. 5). Kolejnym krokiem było zaprojektowanie filtru drugiego rzędu (rys. 6.) z wartościami dobranymi w sposób empiryczny. Podczas projektu filtru kluczowe jest dobranie jego parametrów, gdyş dzięki temu moşliwe będzie uzyskanie korelacji między zmiennymi. Po przefiltrowaniu oba wykresy zostały zestawione na rys. 7. W wyniku otrzymano korelację z niewielkimi odchyleniami w części zaporowej. Punkty, w których uzyskano korelację moşna wykorzystać jako generator liczb losowych. Wykorzystywanym tu parametrem sieci elektroenergetycznej jest częstotliwość, co umoşliwia stworzenie klucza częstotliwościowego zmiennego w czasie. Moşe on zostać wykorzystany jako wzmocnienie (wsparcie) obecnie działających algorytmów szyfrowania danych. Badanie powtórzono dla innych pomiarów uzyskując
Rys. 5. Zestawienie wykresów z obu lokacji – wyraźny brak jakiejkolwiek korelacji Fig. 5. Comparison of charts from both locations – a clear lack of any correlation
Rys. 6. Projekt filtru drugiego rzędu z przedstawionymi parametrami – wartości na paśmie przepustowym oraz zaporowym, częstotliwością czy typem filtra Fig. 6. The design of the second order filter with the presented parameters such as values on the pass and dam band, frequency or type of filter
67
& % 0 T % BBB
Rys. 7. Po przefiltrowaniu otrzymanych wyników uzyskano korelację z odchyleniem w części zaporowej Fig. 7. The results obtained after filtering correlated with the deviation in the dam part
Rys. 9. Otrzymane wyniki po przefiltrowaniu wraz z błędami rekonstrukcji przedstawionymi w formie graficznej Fig. 9. The results obtained after filtering together with reconstruction errors presented in graphic form
Rys. 8. Powtórzone badania dla czterech przykładowych pomiarów – we wszystkich moşna zaobserwować korelację oraz odchylenie w części zaporowej Fig. 8. Repetition of the test for other measurements, presenting four examples in all can be observed correlation and deviation in the dam
wyniki przedstawione na rys. 8. Obliczono występujące błędy rekonstrukcji, które w formie graficznej przedstawiono na rys. 9. Aby lepiej zobrazować cały zachodzący proces od momentu rejestracji parametrów pobranych z sieci elektroenergetycznej do momentu uzyskania generatora liczb losowych stworzono algorytm przedstawiony na rys. 10.
rzędu. Z przeprowadzonego badania wynika, iş jest moşliwe wygenerowanie oraz implementacja klucza bazującego na fluktuacji częstotliwościowej, występującej w sygnale sinusoidalnym napięcia w sieci elektroenergetycznej. W róşnych lokacjach tej samej sieci elektroenergetycznej istnieje moşliwość, przez odpowiednie zastosowanie filtrów, doprowadzenia do korelacji między wartościami chwilowymi T i wykorzystania ich jako klucza do stworzenia szyfrogramu przesyłanego siecią globalną, przesłania go odbiorcy i przekształcenia w tekst jawny za pomocą klucza częstotliwościowego jednokrotnego uşytku, będącego wsparciem dla obecnie znanych algorytmów szyfrowania danych.
4. Wnioski W wyniku przeprowadzonego badania osiągnięto korelację z widocznymi na rys. 9 błędami rekonstrukcji. Błędy te moşna zmniejszyć przez zmianę parametrów filtra drugiego
68
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 3 /201 9
1 D $ %
Rys. 10. Przedstawienie procesu obrazującego akwizycję sygnału i działanie generatora Fig. 10. Presentation of the process illustrating the operation and acquisition of the generator
% ! , 1.
2.
3.
4.
5.
6.
7.
Aumasson J.-P., Nowoczesna kryptografia praktyczne wprowadzenie do szyfrowania Wydawnictwo PWN, Warszawa 2018, ISBN 978-83-01-19900-5. Karbowski M., Podstawy Kryptografii (Wyd. III) Wydawnictwo: Helion, Gliwice 2014, ISBN: 978-83246-6975-2. Marzecki J., Pawlicki B., KsztaĹ‚towanie obciÄ…ĹźeĹ„ u odbiorcĂłw koĹ„cowych w oparciu o czÄ™stotliwość napiÄ™cia zasilajÄ…cego, „PrzeglÄ…d Elektrotechnicznyâ€?, R. 90, Nr 1, 2014, 182–185. Ratnadewi, Roy PramonoAdhie, Yonatan Hutama, A. Saleh Ahmar, M I Setiawan, Implementation Cryptography Data Encryption Standard (DES) and Triple Data Encryption Standard (3DES) Method in Communication System Based Near Field Communication (NFC), “Journal of Physics: Conference Seriesâ€?, Vol. 954, 2009, DOI: 10.1088/1742-6596/954/1/012009. Zhe Liu, Kim-Kwang Raymond Choo, Johann Grossschadl, Securing Edge Devices in the Post-Quantum Internet of Things Using Lattice-Based Cryptography, “IEEE Communications Magazineâ€?, Vol. 56, Issue 2, 2018, 158–162, DOI: 10.1109/MCOM.2018.1700330. Kaczmarek M., PrĂłba okreĹ›lenia dokĹ‚adnoĹ›ci transformacji sygnaĹ‚Ăłw sinusoidalnych o czÄ™stotliwoĹ›ciach 50 Hz i wyĹźszych przez przekĹ‚adniki napiÄ™ciowe, „PrzeglÄ…d Elektrotechnicznyâ€?, R. 88, Nr 11b, 2012, 233–236. ZieliĹ„ski T.P., Cyfrowe przetwarzanie sygnaĹ‚Ăłw. Od teorii do zastosowaĹ„, Wydawnictwo WKĹ , Warszawa 2005, ISBN 83-206-1596-8.
Projekt obecnie jest rozwijany. W ciągu dwóch lat planuje się jego zakończenie. W ramach dalszych prac związanych z realizacją projektu planuje się stworzenie fizycznego kodera oraz dekodera, zbierającego informacje z sieci elektroenergetycznej, komunikującego się z komputerem klasy PC, stworzenie oprogramowania umoşliwiającego przetwarzanie, szyfrowanie i rozszyfrowanie danych wspomaganego przez obecnie istniejące algorytmy bazujące na kluczu częstotliwościowym.
69
& % 0 T % BBB
- / % 6 . 6 / % . M = / 0 5 The article discusses the way of separating and using global variables in time, which in the future will create a unique encryption key and data encryption system. It is based on continuous analysis of the random distribution of frequency variability and the development of encryption algorithms with the additional security, which is the changing time key encryption. In order to check whether the described solution is feasible, voltage measurements were carried out in two different locations in Poland. The received signal was pre-filtered to smooth its surface. Then the exact intersection points were determined on the oX axis by the method of approximation of solutions of indeterminate systems, after which the obtained values were once again filtered and the results obtained were analyzed, on the basis of which final conclusions were formulated. Keywords / v # . %# . # % # .
'1 (
H ) 4 1 + . R
$% % ORCID: 0000-0002-2293-6462
. $ ORCID: 0000-0001-9330-4369
-7 ; % < # - > / # 6 @ J > / ; )!&(E)!&* K . K A R - Z L % J7 % > % A >>> S < @ ; % < # - @ > / # 6 J
S . A # / % # 7 % K % A K ZN-
% &*(Q Z . " % )!!) ; % < @ 6 ; ; )!!)E)!!Q % ; % < # - @ > / 6 J @ ; )!!QE)!&X @ % J% )!&X / 6 J @ 7 % / @ . A # .A . %@ % K .
70
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 3 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 71–76, DOI: 10.14313/PAR_234/71
Z % 7 % . . A K . 7 A *) =( + 9 - ; % Z % B > / # F % > / - # - % = @\ Z @Z # ; )# X @ !* Z @Z # 6
,7 = B % # = X+!!&#
, 5 W prezentowanej pracy zostały przedstawione wyniki badań stabilności w czasie i pod wpływem czynnika (promieniowanie elektromagnetyczne o długości fali Ν = 660 nm) komponentu sieciującego warstw receptorowych biosensorów. Wykazano przyspieszone zmiany konformacyjne (przyspieszoną denaturację) pod wpływem czynnika zewnętrznego. Zauwaşono, şe w badanym czasie (12 dni) największe zmiany stabilności następują między czwartym a ósmym dniem. &' % 7 8# 7 #
1. Wprowadzenie Wśród parametrów wpływających na pracę biosensorów naleşy uwzględnić ich stabilność. Problem ten jest waşny, poniewaş stabilność parametrów biosensora przekłada się na moşliwy okres jego uşytkowania. Według definicji przyjętej przez IUPAC (ang. International Union of Pure Applied Chemistry), biosensor jest samowystarczalnym, zintegrowanym urządzeniem, które dostarcza specyficznych ilościowych lub półilościowych informacji analitycznych za pomocą składników umieszczonych w bezpośrednim kontakcie z elementem przetwarzającym [1]. W wyniku wzrostu zainteresowania firm medycznych biosensorami na rynek został wprowadzony biosensor do pomiaru glukozy we krwi firmy MediSense ExacTech, w późniejszym okresie immunosensor firmy Pharmacia BIACore, a następnie firma i-Stat rozpoczęła produkcję miniaturowych biosensorów słuşących do pomiaru parametrów krwi. Następnie na rynek wprowadzono biosensor Glucocard. Pojawiły się równieş próby wszczepienia biosensora do organizmu şywego [2]. Stabilność w aspekcie biosensorów jest tematem często podejmowanym przez grupy badawcze. Problem ten jest aktualny i niewątpliwie taki pozostanie teş w przyszłości. W bazie Web of Science po wpisaniu słów kluczowych „biosensor stability� uka-
. ( - % F @; # $ 7 . ' % ) &! )!&* # % % )! &) )!&*
!
zały się w 2018 r. tylko 749 artykuły. Świadczy to, şe temat wciąş wpisuje się w trendy naukowe. W matrycy biosensora aktywny materiał biologiczny jest unieruchamiany [3]. Powszechnie stosuje się kilka metod immobilizacji. Wśród nich wymienić moşna pułapkowanie, wytwarzanie wiązań kowalencyjnych, absorpcję, kapsułkowanie, aş w końcu sieciowanie [4]. Przeprowadzone badania dotyczyły komponentu sieciującego warstwy receptorowej biosensorów. Komponentem tym jest albumina surowicy bydlęcej BSA (ang. Bovine Serum Albumin). Wśród badanych metod immobilizacji metoda sieciowania albuminą surowicy bydlęcej przewyşsza inne metody pod względem czułości, granicy wykrywalności, czasu reakcji oraz stabilności operacyjnej i termicznej [5]. Uşyty w badaniach komponent sieciujący warstwy receptorowej biosensorów jest powszechnie stosowany przy projektowaniu nowych testów immunochemicznych [6]. Określa równieş standard białek na szklanych podłoşach pokrytych środkiem powierzchniowo czynnym, zatopionych w elektrodach indowo-cynowo-tlenkowych (ITO) [7]. Ze względu na to, şe badana substancja jest powszechnie wykorzystywane w farmakokinetyce i farmakodynamice nowych leków [8], jej zmiany konformacyjne pod wpływem czynników zewnętrznych były juş przedmiotem badań [9], aczkolwiek badania zmian konformacyjnych wywołanych wpływem promieniowania elektromagnetycznego o długości fali l = 660 nm i czasie ekspozycji 10 min, 20 min, 30 min, 40 min, 50 min, 60 min i monitorowanie zmian konformacyjnych wywołanych czynnikiem zewnętrznym w ciągu 12 kolejnych dni są nowe. Celem przeprowadzonych doświadczeń było zbadanie stabilności BSA (Bovine Serum Albumin) pod wpływem promieniowania elektromagnetycznego o długości fali l = 660 nm oraz monitorowanie zmian zachodzących w napromieniowanej proteinie w funkcji czasu. Wyniki badań mogą być wykorzystane podczas konstrukcji biosensorów.
71
+ 0 % 2 % % T ` BBB
| > %
Badaniom poddano wodne roztwory BSA o stęşeniu 2 mg/ml. MateriaĹ‚ badawczy w postaci ciaĹ‚a staĹ‚ego – skrystalizowany i liofilizowany proszek (czystość 99%, lot: SLBK3063V) firmy Sigma Aldrich. WybĂłr stęşania BSA 2 mg/ml byĹ‚ konsekwencjÄ… juĹź wczeĹ›niej prowadzonych badaĹ„ [10, 11]. Eksperyment wykonano w trzech niezaleĹźnych seriach pomiarowych. Roztwory poddawano ekspozycji na pole elektromagnetyczne o dĹ‚ugoĹ›ci fali l = 660 nm w czasie ekspozycji: 10 min, 20 min, 30 min, 40 min, 50 min, 60 min. NastÄ™pnie za pomocÄ… dwuwiÄ…zkowego spektrofotometru UV/Vis (Hallo DB-20 R) firmy Dynamica badano widma absorpcyjne wodnych roztworĂłw BSA w zakresie 220–350 nm. Zakres widma zostaĹ‚ dobrany w taki sposĂłb, aby byĹ‚o moĹźliwe Ĺ›ledzenie zmian w piku absorpcyjnym 277 nm, pochodzÄ…cym od wystÄ™pujÄ…cych w badanej proteinie rezyduĂłw aromatycznych, takich jak: tryptofan (Trp), tyrozyna (Tyr) oraz Phenyloalanina (Phe) [12]. Badania byĹ‚y przeprowadzone dla wodnych roztworĂłw BSA, poniewaĹź to one umoĹźliwiajÄ… lepsze zrozumienie fizyko-chemicznych wĹ‚aĹ›ciwoĹ›ci badanej substancji [13]. Przy uĹźyciu specjalnie skonstruowanego stanowiska pomiarowego zawierajÄ…cego: ĹşrĂłdĹ‚o pola elektromagnetycznego, analizator widma z sondÄ… pola bliskiego oraz skaner model RSE321 wyposaĹźony w robota z moĹźliwoĹ›ciÄ… wykonywania ruchĂłw w pĹ‚aszczyĹşnie XYZ oraz komputer, otrzymano rozkĹ‚ad dystrybucji pola elektromagnetycznego, bÄ™dÄ…cego ĹşrĂłdĹ‚em promieniowania. Ekspozycji roztworĂłw BSA na pole elektromagnetyczne dokonywano w dniu eksperymentu oznaczonym jako (0). NastÄ™pnie kolejno w 12 dniach dokonywano pomiaru absorpcji prĂłbek promieniowanych (w róşnym czasie) oraz prĂłbki kontrolnej – bez promieniowania. Innymi sĹ‚owy w dniu pierwszym wykonano widma UV/Vis dla: − prĂłbki kontrolnej, − prĂłbki eksponowanej na promieniowanie 10 min, − prĂłbki eksponowanej na promieniowanie 20 min, − prĂłbki eksponowanej na promieniowanie 30 min, − prĂłbki eksponowanej na promieniowanie 40 min, − prĂłbki eksponowanej na promieniowanie 50 min, − prĂłbki eksponowanej na promieniowanie 60 min. PodobnÄ… procedurÄ™ badawczÄ… przeprowadzono w kolejnych dniach – aĹź do dwunastego dnia.
Na rysunku 1 przedstawiono rozkład pola elektromagnetycznego, którym został napromieniowany komponent warstwy receptorowej biosensorów. Dystrybucja pola została przedstawiona za pomocą kolorów: şółtego, czerwonego, fioletowego. Kaşdy z nich obrazuje amplitudę sygnału. Kolorowi şółtemu odpowiada sygnał o amplitudzie (39,79–39,61 dBuV), czerwonemu (39,62–38,80 dBuV), fioletowemu (38,81–38,71 dBuV). Widać, şe dystrybucja jest niemalşe na całej badanej płaszczyźnie równomierna, aczkolwiek jak pokazuje scan moşna dostrzec nieznaczne (1 dBuV) róşnice w amplitudzie aplikowanego sygnału (zabarwione na kolor fioletowy). Niemniej jednak tak mała róşnica w amplitudzie nie wpływa znacząco na efekty spowodowane napromienianiem badanego komponentu warstwy receptorowej biosensorów. Pojawiająca się róşnica amplitudy moşe być spowodowana efektami odbiciowymi pola elektromagnetycznego. Fala elektromagnetyczna moşe być przez ośrodek materialny przepuszczana, odbita, ugięta lub pochłonięta [12], co tłumaczy powstały efekt. Na rysunku 2 przedstawiono przykładowe widmo w zakresie (250–310 nm) uzyskane za pomocą spektroskopii UV/Vis bada-
Absorpcja [a.u]
/ '
l [nm] Rys. 2. Przykładowe widmo UV/Vis wodnych roztworów BSA (2 mg/mL) [10] Fig. 2. Example spectrum of UV/Vis aqueous solutions BSA (2 mg/mL)
Rys. 1. Skan pola elektromagnetycznego (Ν = 660 nm), którym został napromieniany komponent warstwy receptorowej Fig. 1. Scan of electromagnetic field (Ν = 660 nm), which has been used to irradiate the receptor layer component
72
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
&% / * % & )
(An/A1)*100 [%]
Otrzymana względna wielkość jest wyraşona w procentach. Podobne analizy zostały wykonane dla ekspozycji w czasie 20 min, 30 min, 40 min, 50 min, 60 min. Zestawienie wykonanych analiz prezentowane jest tabeli 1. Jak widać na rysunku (rys. 3.) oraz analizując dane (tab. 1.) wraz z upływem czasu obserwowany jest względny wzrost amplitudy sygnału. Czyli wraz ze starzeniem się badanej substancji względna amplituda rośnie zarówno dla próbek promieniowanych jak i dla próbek referencyjnych. Obserwowana zmiana jest konsekwencją zmian konformacyjnych zachodzących w badanym komponencie warstwy receptorowej. Wraz z upływem czasu ulega zmianie konformacja białka. Efekt ten moşna interpretować jako wzrost konformacji helisy i zmniejszenie struktury arkusza beta, co prowadzi do utraty szkieletu białka. Obserwowany efekt moşe wskazywać, şe fragmentacja i agregacja badanego komponentu sieciującego warstw receptorowych biosensorów mogą wystąpić z czasem. Zmiana odległości w łańcuchu polipeptydowym skutkuje zmianą siły oddziaływania między aminokwasami. Efekt ten moşe z czasem doprowadzić do denaturacji badanej substancji. Podczas tego procesu trzeciorzę22 22 dowa struktura BSA zostaje zakłóref 10 min 20 cona, co będzie powodowało utratę 20 20 18 aktywności biologicznej badanego 18 18 16 16 komponentu sieciującego warstwy 16 16 receptorowej. Dokonując porówna14 15 14 14 nia próbek referencyjnych z napro14 14 12 mieniowanymi moşna zauwaşyć, şe 11 11 12 12 10 10 większe zmiany zaobserwowano dla 10 10 substancji poddanej ekspozycji na 8 pole elektromagnetyczne. 8 8 6 6 Biorąc pod uwagę wpływ czyn5 6 6 4 nika zewnętrznego na zmiany 4 3 4 4 zachodzące w badanym komponen2 cie sieciującym w kolejnych dniach 2 1 2 0 0 trwania eksperymentu, moşna 0 0 powiedzieć, şe ekspozycja na czyn1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 nik przyspiesza zmiany konformadni dni cyjne zachodzące wraz z upływem czasu, czyli sprzyja procesowi denaRys. 3. Względne zmiany absorpcyjne w czasie 12 dni dla próbki referencyjnej oraz dla próbek turacji. poddanych 10 min ekspozycji na promieniowanie elektromagnetyczne Dodatkowo, względne zmiany Fig. 3. Relative absorption changes over 12 days for reference sample (a) and for samples exposed to 10 min exposure to electromagnetic radiation (b) absorpcyjne w czasie 12 dni przeanalizowano w oparciu o fitowanie funkcją liniową (y = ax + c), gdzie Tab. 1. Względne zmiany absorpcji pod wpływem ekspozycji na pole elektromagnetyczne w czasie współczynnik a decyduje o dyna20 min, 30 min, 40 min, 50 min, 60 min mice zachodzących zmian. Tab. 1. Relative changes in absorption over time due to electromagnetic field exposition during 20 min, Rysunek 4 przedstawia przykła30 min, 40 min, 50 min, 60 min dowe względne zmiany absorpcyjne w czasie 12 dni dla komponentu warstwy receptorowej eksponowanego na pole elekromagnetyczne w czasie 20 min. Widać, şe współczynnik a jest większy dla komponentu sieciującego warstwy receptorowej biosensora poddanego ekspozycji na pole niş dla kontroli. Świadczy to o większej dynamice zmian konformacyjnych przebiegających w substancji napromieniowanej. Podobne analizy zostały wykonane dla komponentu sieciującego warstwy receptorowej biosensora promieniowanych 10 min, 30 min, 40 min, 50 min, 60 min. Współczynniki te wynosiły odpowiednio: 1,76; 1,81; 1,65; 1,62; 1,60. (An/A1)*100 [%]
nego komponentu warstw receptorowych biosensorów. Na osi x znajduje się długość fali, na osi y umieszczona jest absorpcja. Obserwowany pik absorpcyjny pojawiający się w 277 nm pochodzi od występujących w badanym komponencie, aminokwasów aromatycznych takich jak tyrozyna (Tyr), fenyloalanina (Phe) i tryptofan (Thr). Śledzone zmiany konformacyjne są monitorowane na podstawie zmian wartości absorpcji. Na rysunku 3 przedstawiono przykładowe względne zmiany absorpcyjne w czasie 12 dni dla próbki referencyjnej oraz dla próbek poddanych ekspozycji na promieniowanie: An – pomiar absorpcji w n-tym dniu, A1 – pomiar absorpcji w pierwszym dniu trwania eksperymentu. Przykładowo, dla drugiego dnia trwania eksperymentu i próbki promieniowanej przez 10 minut: An – pomiar absorpcji w drugim dniu eksperymentu dla próbki promieniowanej 10 min, A1 – pomiar absorpcji w pierwszym dniu eksperymentu dla próbki promieniowanej 10 min.
73
+ 0 % 2 % % T ` BBB
10 min
a
6 4 2 0 0123456789
10 11 12 13
20 min
b
6 4 2 0 012345678
91
01 11 21 3 c
30 min 6 4
Rys. 4. Względne zmiany absorpcyjne w czasie 12 dni, fitowane funkcją liniową dla próbki referencyjnej oraz dla próbki poddanej 20 min ekspozycji na promieniowanie elektromagnetyczne Fig. 4. Relative absorption changes over 12 days, fitted with a linear function for the reference sample and for the sample exposed to 20 min radiation
2 0 012345678
4 2 0 012345678
91
01 11 21 3
50 min
e
6 4 2 0 0123456789
10 11 12 13
60 min
f
6 4 2
M
I
A
R
Y
•
A
U
T
O
M
0
Ax min - Aref.
Przeprowadzone badania stabilności w czasie i pod wpływem czynnika komponentu sieciującego warstw receptorowych biosensorów, wykazały wpływ promieniowania elektromagnetycznego o długości fali l = 660 nm i czasie ekspozycji 10 min, 20 min, 30 min, 40 min, 50 min, 60 min na stabilność badanej substancji. Wykazano przyspieszoną denaturację pod wpływem promieniowania elektromagnetycznego o długości fali l = 660 nm. Przeanalizowano szybkość zachodzących zmian. Zauwaşono, şe największe róşnice w stabilności badanego komponentu warstw receptorowych biosensora występują między czwartym a ósmym dniem.
O
d
6
} <
P
01 11 21 3
40 min
Jak widać, wszystkie współczynniki mają większą wartość niş współczynnik a dla próbki referencyjnej, co ponownie potwierdza fakt, şe zmiany konformacyjne zachodzące w komponencie sieciującym warstwy receptorowej zachodzą szybciej dla próbek eksponowanych na pole elektromagnetyczne o długości fali l = 660 nm niş dla substancji kontrolnej (bez promieniowania). Kolejnym rozwaşanym problemem badawczym, na który starano się znaleźć odpowiedź było pytanie: Jak zmienia się stabilność komponentu warstw receptorowych w czasie i w jaki sposób moşna oszacować wielkość tych zmian. W tym celu przeprowadzono analizy bazujące na róşnicach między próbką promieniowaną Ax min a próbką kontrolną Aref. Wynik wyraşono w procentach (rys. 5). Na podstawie przeprowadzonych analiz moşna dostrzec, şe występują róşnice w badanym komponencie sieciującym między próbkami eksponowanymi na promieniowanie a próbkami referencyjnymi. Dla próbek eksponowanych na promieniowanie przez 10 min róşnice osiągają maksymalną wartość 5%, odpowiednio dla 20 min ekspozycji – 4%, 30 min – 3%, 40 min – 2%, 50 min – 3%, 60 min – 2%. Ponadto zaobserwowano, şe zmiany stabilności są najbardziej widoczne między czwartym a ósmym dniem.
74
91
012345678
91 01 11 21 3
dni
Rys. 5. Procentowe róşnice między próbką kontrolną a promieniowaną dla ekspozycji (10–60 min) w czasie 12 dni z zaznaczeniem okien niestabilności Fig. 5. Percentage differences between the control and radiated samples for exposure (10–60 min) during 12 days with the window showing instabilit
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
&% / * % & )
% ! , 1. KĹ‚os-Witkowska A., Biosensory, „Pomiary Automatyka Robotykaâ€?, R. 19, Nr 3, 2015, 37–40, DOI: 10.14313/PAR_217/37. 2. KĹ‚os-Witkowska A., Ewolucja i rozwĂłj biosensorĂłw – problemy i perspektywy. „Pomiary Automatyka Kontrolaâ€?, R. 60, Nr 12, 2014, 1178–1180. 3. MosiĹ„ska L., Fabisiak K., Paprocki K., Kowalska M., Popielarski P., Szybowicz M., Stasiak A., Diament jako materiaĹ‚ przetwornikowy do produkcji biosensorĂłw. „PrzemysĹ‚ Chemicznyâ€?, R. 92, Nr 6, 2013, 919–923. 4. Shrisha N., Jain A., Jain A., Enzyme Immobilization: An Overview on Methods, Support Material, and Applications of Immobilized Enzymes. “Advances in food and nutrition researchâ€?, No. 79, 2016, 179–211, DOI: 10.1016/bs.afnr.2016.07.004. 5. Sarika C., Rekha K, Narasimha Murthy B., Studies on enhancing operational stability of a reusable laccase-based biosensor probe for detection of ortho-substituted phenolic derivatives. “3 Biotechâ€?, No. 5, 2015, 911–924. DOI: 10.1007/s13205-015-0292-7. 6. ErtĂźrk G., Berillo D., HedstrĂśm M., Mattiasson B., Microcontact-BSA imprinted capacitive biosensor for real-time, sensitive and selective detection of BSA. “Biotechnology Reportâ€?, Vol. 3, 2015, 65–72, DOI: 10.1016/j.btre.2014.06.006. 7. Lin CH., Lee M., LEE W., Bovine serum albumin detection and quantitation based on capacitance measurements of liquid crystals, “Applied Physics Lettersâ€?, Vol. 109, No. 3, 2016, DOI: 10.1063/1.4962169. 8. Yu J., Chen Y., Xiong L., Zhang X., Zheng Y,. Conductance Changes in Bovine Serum Albumin Caused by Drug-Binding Triggered Structural Transitions, “Materialsâ€? (Basel). 12(7), 1022, DOI: 10.3390/ma12071022. 9. Takeda K., Wada A., Yamamoto K., Moriyama Y., Aoki K., Conformational change of bovine serum albumin by heat treatment, “Journal of Protein Chemistryâ€?, 8(5), 1989, 653–659. 10. KĹ‚os-Witkowska A., Akhmetov B., Zhumangalieva N., Karpinskyi V., Gancarczyk T., Bovine Serum Albumin stability in the context of biosensors, ICCAS 2016: 16th International Conference on Control, Automation and Systems. Korea, 2016; 976-980, DOI: 10.1109/ICCAS.2016.7832427.
11. KĹ‚os-Witkowska A., Martsenyuk V., Study of improvement of biosensor matrix stability. Engineer of the XXI Century. Editors names: S. ZawiĹ›lak, J. RysiĹ„ki. Springer book: Chapter 13, 2020, 153–161, DOI: 10.1007/978-3-030-13321-4_13. 12. Hongliang X., Nannan Y., Haoran X., Tiansh W., Guiying L., Zhengqiang L., Characterization of the Interaction between Eupatorin and Bovine Serum Albumin by Spectroscopic and Molecular Modeling Methods. “International Journal of Molecular Sciencesâ€?, Vol. 14, 2013, 14185–14203, DOI: 10.3390/ijms140714185. 13. Michnik A., Michalik K., Drzazga Z., Effect of UVC radiation on conformational restructuring of human serum albumin, “Journal of Photochemistry and Photobiology B: Biologyâ€?, Vol. 90, 2008, 170–178, DOI: 10.1016/j.jphotobiol.2007.12.007. 14. Polk C., Postow E., Handbook of Biological Effects of Electromagnetic Fields, Third Edition – 2 Volume Set, 1995 by CRC Press.
7 % = % % > w / < . ^ % O . / Z L O , '' 5 The manuscript presents the research on stability over time and under the influence of the factor (electromagnetic radiation with wavelength Îť = 660 nm) on crosslinking component of biosensor receptor layers. Accelerated conformational changes (fast denaturization) under the influence of an external factor have been shown. It was noticed that in the examined time (12 days) the biggest changes of stability occur between the 4th and 8th day. Keywords 7 # 7 #
75
+ 0 % 2 % % T ` BBB
*) =(
. 9 -
$ 7 ORCID: 0000-0003-2319-5974
$ 7 ORCID: 0000-0001-5622-1038
-% F % > / - @ ; % Z % B > / @ - % = @\ Z @Z S 7
6 / F % > / - @ ; % Z % B > / - % = @\ @ Z @Z @ S 7 # @ % # / %
,7 $ % % ORCID: 0000-0001-8644-0776 -% ; % > / B @ % # \ 7 = 0 @ B % S 7 # / @ %
76
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 77–85, DOI: 10.14313/PAR_234/77
L . @ / . 7 . / B Katarzyna Kubiak, Karol Rotchimmel L . M # > / - # - F &&!?&&X# !)@)'+ ; # 6 %
* . , O 7 / N # ^ L > # # Z O # !'@!*!# L # 6 %
Marta Damszel M / < . # 6 . % B M . # / ; % B J # 6 " . &(# &!@()& J # 6 %
Zbigniew Sierota M / ^ % ^ < . # / ; % B J # 6 jA% )# &!@()( J # 6 %
Abstract: The paper presents the review of the potential application of remote sensing techniques at ground, air, and satellite levels in monitoring, yield assessment for bioenergy crops and the evaluation of natural grass communities of Miscanthus spp. According to the Directive 2009/28, the EC countries are obliged to increase the participation of energy production from renewable energy sources by 20% by 2020. This objective can be achieved in part by using biomass from high energy plantations. Monitoring of Miscanthus growth, one of the most prospective crop species, is important because of its use as bioenergy crop, to evaluate quality and quantity, and for environmental reasons. As Miscanthus is a non-native species in Europe, its uncontrolled spread may threaten the diversity of native species. Contrary to the traditional field-based observations of Miscanthus communities, the remote sensing provide suitable data enable the acquisition of precise data about biomass state and habitat quality. Such methods are highly efficient tools for precise quantitative assessment in agriculture and for the monitoring of natural Miscanthus communities. 9 % 7 # B # . % # .
1. Introduction to Miscanthus The use of different agricultural resources for energy purposes can have positive effect in reduction of fossil fuel consumption and decrease of air pollutant emissions. In addition, it entails a range of social benefits, such as reduced unemployment rates and improved living conditions of the rural population due to the creation of new jobs and additional income sources. Miscanthus belongs to grass family (Poaceae) and is particu-
. ( F F 7 # 7 $ % . ' % !' && )!&* # % % !+ &) )!&*
!
larly suitable for energy purposes because of its physiological adaptation to a C4 photosynthesis pathway. Due to the more efficient use of solar energy, water, and nutrients compared to C3 plants, C4 plants are characterized by a 50% more intensive biomass growth [30]. In Europe, Miscanthus has been cultivated for about 50 years. It was initially used as an ornamental plant, but is now increasingly being planted as a bioenergy crop. It produces a thick, rigid, spongy stem with a height of 200–350 cm. The most commonly cultivated variety is the giant Miscanthus (Miscanthus x giganteus), which does not produce fertile seeds and must therefore be vegetatively reproduced. Miscanthus reaches its full capacity in the third year after planting [9]. Some genotypes can spread uncontrolled by seeds (alien species, potentially invasive). Dry matter yield is significantly dependent on the crop year and the harvesting date and ranges between 1–3 t/ha in the first year, 8–15 t/ha in the second and about 25–30 t/ha in the third and in subsequent years [9]. The energy value of Miscan-
77
Remote sensing semi-automatic measurements approach for monitoring bioenergetic crops of Miscanthus spp.
thus straw is approximately 17–19 MJ/kg dry weight, which is comparable to that of wood, but below that of bituminous coal [5]. The weight of 1.5 to 2.5 tons of dry Miscanthus straw provides the energy equivalent of 1 ton of coal or of 600–1,000 liters of heating oil [17].
determining vegetation distribution and for ecosystem typing by remote sensing [18]. In [1] authors used the remote sensing, ground-level monitoring technology for energy grass crops to evaluate maximization of dry matter content. The platform was located on a 38-meter high tower above an arable field. The pictures were taken between 12 pm and 15 pm each day, and the algorithm especially developed for this study allowed the real-time assessment of the acquired data. The system was used to monitor, among others, Miscanthus and millet crops in red, green, and blue (RGB) and infrared (CIR) images, which were continuously transmitted over a wireless network and analyzed. The spatial resolution of the images, after generating the mosaic and the georeference, was achieved at 120 mm/pixel. The image acquisition system, the photo mosaic, and the geographic reference on the map were developed based on geographic information system (GIS). To verify the predictability of the Miscanthus yield on the basis of remote sensing data, the cumulative NDVI value was correlated with actual biomass data obtained from terrestrial crop yield measurements in 2011. The results showed that the data correlated (R2) at 64.4%, indicating a high potential prediction of biomass yield on the basis of real-time remote sensing data from arable land after calibration of the field processing method using field data [1]. In [13] authors designed and developed, near real-time, where a remote sensing platform for monitoring biomass growth of Miscanthus prior to harvesting. The proposed crop monitoring system scanned 35 acres of crop in 15 minutes, generating 91 multispectral images per day. Multispectral Miscanthus photos with a resolution of 100 mm/pixel were generated, and high-quality daily images were generated automatically during the growing season (Li et al. 2014). Remote sensing data was calculated for NDVI for the entire vegetation season. The results of the analysis showed that the crop monitoring system [13] could generate a high-resolution yield map of Miscanthus, with 84.96% correlation with daily biomass growth. These data, as compared to the system proposed [13], provided a 20% better effectiveness of biomass accuracy estimation. Height of the grass affects biomass yield. In [33] authors proved a strong correlation between the height and yield of the Miscanthus crop. These observations have prompted researchers to use laser scanning with a LIDAR technology (Light Detection and Ranging) (SICK LMS 291) to monitor Miscanthus cultivation in Terrestrial Laser Scanning (TLS) systems: static and dynamic (on the tractor) for plants height measurements [32]. Authors [32] have proposed the use of the Look-Ahead Yield Monitor (LAYM) as a cost-efficient and more accurate method for estimating the size of giant miscanthus in real time, predicting its yield, selection of appropriate equipment, and optimal winter harvest parameters. The effectiveness of using LIDAR was 92% at a crop density of 62 stems/m2 to 98.2% at a density of 85 stems/m2. When LIDAR the scanner was mounted on a tractor and traversed along the edge of the M. giganteus field, the stem height was recorded with an accuracy from 93.5% at a speed of 0.41 m/s to 98.5% (0.05 m of error) at a speed around 0.22 m/s. Each data frame, consisting of 361 measurement points, has been corrected for LIDAR positions relative to the field, using a scanner angle correction algorithm that enables reliable measurement of grass height in both stationary and dynamic modes. Based on the obtained data, the authors found a strong linear correlation between the mass of the Miscanthus stems and their height (R square 0.86). The use of the LIDAR Scanner in Miscanthus yield estimation has also been described by previous authors [6, 26], who, among the limitations of using LIDAR for estimating Miscanthus yields, listed weather-related conditions as the most important limitations. Even in light weather conditions, light wind can
2. Introducing to remote sensing methods Traditional, mathematical methods of forecasting crop yields throughout the growing season are based on models that use climatic data, soil conditions, and other environmental data as inputs to describe plant growth and development, photosynthesis intensity, evapotranspiration, and yield of biomass for a particular crop [2]. Although these models are based on physiological and physical agronomy aspects, they poorly fulfill prognostic functions under soil spatial variability, stress conditions or management practices [2]. The use of remote sensing methods in crop monitoring is considered a valuable tool for crop forecasting and production management in agriculture. These techniques can compete with traditional modeling approaches due to their large-scale range of operation and their capacity to analyze multiple wavelengths of the spectrum and to obtain valuable biomass data, which is important for efficient agricultural production [23]. Numerous studies indicate that the phase of plant development, stress conditions, and crop yields are expressed in changes in the intensity of the spectral response from the vegetation cover, and can be expressed quantitatively using spectral vegetation indicators [2, 19].
3. Monitoring methods in Miscanthus biomass Monitoring of the abundance and growth of Miscanthus is an important procedure both of its use of bioenergy crop, the desired quality or quantity of crops, and due to ecological reasons, such as the origin of the plants. As an alien species in Europe, the uncontrolled spread causes a significant threat to the conservation of native species and, as a consequence, to local biodiversity [25]. In the field of agriculture, remote sensing has recently been used to obtain information and to support the management systems in precision farming [14]. Passive remote sensing methods rely on the analysis of patterns of reflectance (spectral signatures - reflection of sunlight from the object, depending on the wavelength of the light) of the vegetation cover, recorded from a distance (aerial or satellite). In [18] authors calculated the value of the GRVI (Green-Red Vegetation Index) by remote sensing methods for mapping and determining the phenology of plant ecosystems in Japan. They used this indicator to carry out long-term observations of M. sinensis leaf color changes depending on the vegetation phase, especially in early spring and autumn. For this purpose, they used an automatic, rotary hemispherical spectrographic system and a fisheye camera mounted on top of a tower or mast in each of the studied fields. Measurements of the remote sensing GRVI and NDVI (Normalized Difference Vegetation Index) indexes were performed daily, and the purpose of the study was to estimate the usefulness of GRVI values as a phenological indicators of vegetation and as an ecological indicator. The authors’ observations indicate that GRVI values decreased in response to changes in the plant cover, even in the middle of the growth period when changes in leaf color and density were hard to distinguish visually. Researchers have demonstrated that GRVI values are clearly associated with phenological differences related to seasonal changes in the plant cover, particularly leaf color changes, and that this indicator may also be useful for
78
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
0 % K %
% $0
move the blades of the grass, contributing to the unreliability of the measurements. Another limitation in performing dynamic measurements is the need to use a slow speed of the LIDAR movement, because speed is inversely proportional to the data density per unit length traveled. Here, one of the solutions is to use a system of double LIDAR or multiple repetitions [32]. The undisputable advantage of ground-based remote sensing systems located near the monitored target is their accuracy and lack of dependence on cloudiness and radiation (reflected from clouds). Data acquisition from such monitoring is less costly than e.g. hyper-visual satellite images and is not as time-limited as the use of satellites, because images of terrestrial systems can be taken daily as needed. These techniques are therefore independent of aerial measurement systems that depend on weather, flight conditions, and time resolution, especially satellites, which have a limited time resolution [1, 13]. The exception are drones which can fly under clouds level and are less weather dependent than satellites or pilot aircraft. As it is coupled with aerial and satellite imagery analysis, a terrestrial, ground-based system of real-time data processing algorithms enables efficient crop management at every stage of plant development [15].
4. Satellite and aerial methods for Miscanthus crops Satellite and aerial remote sensing methods have been widely used for many years for mapping and vegetation classification, habitat mapping, biomass estimation in natural and anthropogenic ecosystems, and to determine the plant phenological stage [7]. In [24] authors proposed an integrated empirical model for forecasting Miscanthus spp. crops, based on biomass yield data and NDVI values obtained from georeferenced satellite remote sensing data. The authors included variable crop conditions in the proposed model, such as soil type, humidity, and climatic data. Analysis of satellite data indicates that Miscanthus cultivation is largely independent of the soil type and are higher on medium and light soils than on heavy, clay soils. Although the acquired NDVI values from satellite imagery show a correlation with the in situ yield of Miscanthus, the authors suggest that the input parameters of the mathematical model describing the shoot density of the plant should be enriched with information about their height, as it also determines total Miscanthus biomass. The use of remote-controlled drones as well as helicopters, airplanes, and balloons enables the acquisition of high-resolution aerial imagery with better resolution than that from satellite systems. Aerial remote sensing systems were also applied to identify Miscanthus species abundance in natural and anthropogenic grasslands. In [16] authors obtained hyperspectral images using the AISA (Airborne Imaging Spectrometer for Applications) system and demonstrated a method of Matched Filtering (MF) as a specialized type of analysis of a mixture pattern of spectra to estimate the number (expressed as a derivative of the stem diameter and plant height) and density of M. sacchariflorus and Phragmites australis in wet meadows, where these plants are the dominant species. Images with a spectral range from 398 nm to 993 nm (at 10 nm) were obtained using 68 spectral channels of the radiometric resolution of 16 bits, which enables the identification of small differences in the reflectance values between the pixels. Hyperspectral images were obtained from an airplane from the altitude of 1.438 m, and the area of each pixel represented 1.5 m Ă— 1.5 m of vegetation cover [16]. The results obtained with the MF model and in situ data showed a high correlation for M. sacchariflorus density (r = 0.89) and for the total number of stalks (r = 0.78).
For P. australis observation, slightly lower r values (0.43 and 0.58, respectively) were obtained. The authors point out that the greatest limitation of the proposed method is the difficulty in distinguishing the sought material on the image from background reflection [21, 31, 16]. In remote sensing monitoring of grasses in multi-species communities, important elements are the plant characteristics and the growth rate. These elements should be taken into account when modeling the biomass yields of these crops. In [16] authors believe that the probable cause of the differences in the effectiveness of the proposed method is the morphology of the growth of the examined grasses. The leaves of M. sacchariflorus are relatively soft and tend to develop more horizontally, covering almost the entire area under the plant (seen from the top). This allows hyperspectral sensors to capture the pure spectrum of M. sacchariflorus, unaffected by background materials such as soil, stones, or understory plants. On the other hand, the leaves of P. australis are relatively hard, rigid, and grow upright, thus revealing the soil and lower plants, which results in a hyperspectral mixed spectrum of P. australis, soil, and understory plants. The morphological differences between these two plants are the key to estimate the abundance and distribution of M. sacchariflorus and P. australis in the studied area. These authors believe that the critical point of the MF method is to determine the characteristics of the spectral signature of a single plant of a species as a reference sign. For Miscanthus, this was possible due to its leaf morphology, whereas for P. australis, the proposed method was not satisfactorily effective because of the difficulty of selecting pixels containing only the selected grass without disturbing the background [16]. In Japan, authors tested [7] a UAV remote sensing using method as multi-rotor radar (“Falcon-PARS – UAV for Photogrammetry and Remote Sensing“) with a wetland vegetation monitoring camera in an area dominated by Phragmites australis and M. sacchariflorus. It took 11 min and 10 secs to take pictures of the whole area of 100 m Ă— 200 m from a height of 30 m. Images of spatial resolution (1 cm) and position accuracy of less than 1 m (RMSE (Root Mean Square Error) were 0.974 m and 0.360 m) were used to produce high resolution mosaics. Based on the remote sensing data, it could be confirmed that P. australis and M. sacchariflorus can be identified by visual interpretation, because the results showed that the remote sensing data correlated in more than 90 percent with data from in situ observations. The authors conclude that such systems can be used for the direct identification of grassy plant species as a non-destructive alternative to field research. Because of the low altitude of the flight (below the cloud level), air-to-ground observation is possible even on cloudy days, allowing observation at any time of the year [7]. The UAV (Unmanned Aerial Vehicle), compared to the classic manned airborne remote sensing methods, provides low operational complexity and competitive costs. In addition, remote sensing devices located on UAVs provide high spatial, spectral, and temporal resolution data [3, 8, 4]. In [12] authors used the UAV method to map vegetation in the Niida River valley near Fukushima, Japan. The research was conducted the aerial photography using a UAV and created a vegetation map from the aerial photographs taken by the UAV. A controlled quadcopter with a multispectral camera and ArcGis9 software was used to analyze plant communities dominated by P. australis, Typha domingensis, and M. sacchariflorus. From the photographs taken by the UAV, shape and number of plants could be shown in detail, enabling precise distinguishing in terms of morphology. Photos of the UAV also enabled to precisely recognize the distribution of many plant communities due to the accurate vegetation maps [12]. The schematic diagram of the general process of mapping using the UAV method is shown in Fig. 1.
79
Remote sensing semi-automatic measurements approach for monitoring bioenergetic crops of Miscanthus spp.
Fig. 1. Diagram of the mapping process with UAV method used in plant communities (P. australis, Typha domingensis, and M. sacchariflorus) monitoring in Japan [12] Rys. 1. Schemat procesu mapowania metodą UAV zastosowaną w zbiorowiskach roślin (P. australis, Typha domingensis i M. sacchariflorus) w Japonii [12]
it is possible to monitor the important qualitative and quantitative features at every developmental stage of the Miscanthus crop [11]. Remote sensing methods can also be used to estimate the efficiency of water use – in the scale of the cultivation crop and of the region [22]. In cellulosic crops for energy purposes, such as Miscanthus spp, biomass production depends largely on the intensity of irrigation, because the cultivation of cellulose can consume more water than food crops [28]. Previous data, obtained both from field measurements and from mathematical modeling [22] have proven that the Miscanthus spp. crops are characterized by higher productivity than other C4 plants and consumes more water than, for example, maize. Further analysis showed that Miscanthus had the greatest efficiency of water use in relation to the production of net biomass [22]. With the same level of water use, millet and Miscanthus sequester similar amounts of carbon, while the maize cultivation carbon balance was negative. The authors of the above mentioned study therefore stress the need to increase the amount of data from field observations in order to improve ecosystem modeling and to conduct analyses on a wider scale. Remote sensing methods have also been applied in the analysis of the biodiversity of natural grassland ecosystems with Miscanthus as the dominant genus. Economical, large-scale, long-term, and continuous monitoring of plant populations dominant in communities is one of the few available tools to assess biodiversity in wet land plant communities which are difficult to access. The analysis of large-scale grass communities is extremely costly and time-consuming [34]. Therefore, a method that can rapidly and efficiently collect data over a large area is crucial for effectively monitoring vegetation conditions, such as the degree of coverage or the diversity of dominant species in wetland grass ecosystems.
The UAV remote sensing methods for monitoring natural and anthropogenic vegetation cover are a good supplementation to existing satellite monitoring methods and aircraft platforms, due to their low cost, accuracy, weather resistance, and high resolution of generated images [27]. In addition, remote sensing UAV technology can be used for long-term monitoring especially where vegetation field studies are difficult, e.g. in raised bogs. This method also enables to maintain the reproducibility of photographed positions in areas inaccessible for field trips. The application of UAVs reduces the risk of working in difficult terrain conditions while obtaining highly accurate measurements [20, 7, 12].
5. Remote Sensing of natural Miscanthus spp. communities monitoring Remote sensing methods for vegetation monitoring have been applied to study Miscanthus communities, mainly to confirm a high correlation between vegetation index (based on the proportion of reflectance of visible light and near-infrared) and radiation actively used in photosynthesis – IPAR (Intercepted Photosynthetically Active Radiation) [11]. In [29] authors showed that measuring reflectance spectra allows for a more accurate and reliable estimate of the energy PAR (Photosynthetically Active Radiation), even in the final stages of the growing season, compared to the traditional standard longitudinal photosynthesis PAR sensors. Furthermore, the waveform data of reflectance are useful for monitoring aging and ripening of Miscanthus plants which, in a more advanced stage of crop development, affect the quality of the biomass during the combustion process [10]. Due to spectral signatures of crops
80
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
0 % K %
% $0
The analysis of Miscanthus spectral signatures was also used [11] on the selection and frequency of its genotypes, which is important because of its origin and adaptive abilities to new habitats. European Miscanthus plantations were measured with the spectral signature and results were obtained as the AIPAR (accumulated IPAR). Measurements and analysis of the spectral signatures allowed to separate the species with a high productivity, depending on the habitat [11].
References 1.
2.
6. Conclusions The development of diagnostic and forecasting tools based on, simultaneously or separately, field and satellite remote sensing methods may be useful for the improvement of crop yields and the systematic supply of energy crops biomass. Data obtained from satellite monitoring can also be used as a support tool for national statistical system monitoring of biomass yield within a country or region. The use of aerial, and satellite remote sensing methods allows the monitoring of Miscanthus crops cultivated for bioenergy purposes and the evaluation of natural grass communities, with a precise division into plant groups even in areas difficult to access. Table 1 contains comparison of remote sensing methods used in Miscanthus monitoring with advantages and disadvantages. In general, remote sensing systems provide high resolution images and are therefore a valuable alternative to field research due to limiting or eliminating vegetation damage. Images were obtained from aerial systems such as the AISA (Airborne Imaging Spectrometer for Applications), multi-rotor radar (“Falcon-PARS�) and analyzed by special designed method to estimate the number and density of Miscanthus spp. among other grass in wet meadows. The results of aerial remote sensing application, showed that data correlated in more than 90 percent with data from in situ observations, what gives good prognosis that such systems can be used for the direct identification of grassy plant species in non-destructive field research. The use of aerial remote-sensing platforms, because of the low altitude of the flight enables acquisition of high-resolution aerial imagery even on cloudy days, what is advantages in comparing to satellite systems. Satellite remote sensing methods provide data of large scale monitoring. What gives useful tool for the improvement of Miscanthus crop yields and biomass production management strategies, systematic supply of energy crops biomass and gives a support tool for national statistical system monitoring of biomass yield within a global, country or region scale. Moreover, the analysis of large-scale remote sensing data were used in mathematical modeling in order to assess the yield and water balance in the cultivation of Miscanthus energy crops to evaluate water use efficiency, depending on the cultivated ecosystem type in the United States. The findings from various studies confirm that remote sensing methods are an effective tools for monitoring biomass of plant communities such as Miscanthus. In the future, RS based methods will be improved by decreasing the time spent on field research and labor, and can also be used to quantitatively evaluate plant height of Miscanthus, and what is more important, can provide homogenous data in regional or global scale
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
. % !
This work was supported by the Institute of Aviation in Poland under Grant: Launch of The Earth Observation Mission Control Center (EOMC2) using available infrastructure to develop methods and procedures for processing satellite data (EUMETSAT, Sentinel, Landsat).
14.
Ahamed T., Tian L., Jiang Y.S., Zhao B., Liu H., Ting K.Ch., Tower remote-sensing system for monitoring energy crops; image acquisition and geometric corrections. “Biosystems Engineeringâ€?, Vol. 112, No. 2, 2012, 93–107, DOI: 10.1016/j.biosystemseng.2012.03.003. Aparicio N., Villegas D., Casadesus J., Araus J.L., Royo C., Spectral vegetation indices as non-destructive tools for determining durum wheat yield, “Agronomy Journal Abstract – AGROCLIMATOLOGYâ€?, Vol. 92, No. 1, 2000, 83–91, DOI: 10.2134/agronj2000.92183x. Berni J., Zarco-Tejada P., Suarez L., Fereres E., Thermal and narrowband multispectral remote sensing for vegetation monitoring from an unmanned aerial vehicle. “IEEE Transactions on Geoscience and Remote Sensingâ€?, Vol. 47, No. 3, 2009, 722–738, DOI: 10.1109/TGRS.2008.2010457. Berni J., Zarco-Tejada P., Suarez L., Fereres E., Remote sensing of vegetation from UAV platforms using lightweight multispectral and thermal imaging sensors. “ISPRS Archivesâ€?, Vol. 38, No. 6, 2014. Collura S., Azambre B., Finqueneisel G., Zimny T., Weber J.V., Miscanthus Ă— Giganteus straw and pellets as sustainable fuels. “Environmental Chemistry Lettersâ€?, Vol. 4, No. 2, 2006, 75–78, DOI: 10.1007/s10311-006-0036-3. Ehlert D., Heisin M., Sources of angle-dependent errors in terrestrial laser scanner-based crop stand measurement. “Computers and Electronics in Agricultureâ€?, Vol. 93(C), 2013, 10–16, DOI: 10.1016/j.compag.2013.01.002. Ishihama F., Watabe Y., Oguma H., Validation of a high-resolution, remotely operated aerial remote-sensing system for the identification of herbaceous plant species. “Applied Vegetation Scienceâ€?, Vol. 15, No. 3, 2012, 383–389, DOI: 10.1111/j.1654-109X.2012.01184.x. Jensen A., Han Y. Chen Y.Q., Using aerial images to calibrate the inertial sensors of a low-cost multispectral autonomous remote sensing platform (AggieAir), [in:] IEEE International Geoscience and Remote Sensing Symposium, 2, 2009, 555–558, DOI: 10.1109/IGARSS.2009.5417547. JeĹźowski S., Yield traits of six clones of Miscanthus in the first 3 years following planting in Poland. “Industrial Crops and Productsâ€?, Vol. 27, No. 1, 2008, 65–68, DOI: 10.1016/j.indcrop.2007.07.013. Jørgensen U., Genotypic variation in dry matter accumulation and content of N, K and Cl in Miscanthus in Denmark. “Biomass and Bioenergyâ€?, Vol. 12, No. 3, 1997, 155–169, DOI: 10.1016/S0961-9534(97)00002-0. Jørgensen U., Mortensen J., Ohlsson C., Light interception and dry matter conversion efficiency of Miscanthus genotypes estimated from spectral reflectance measurements. “New Phytologistâ€?, Vol. 157, No. 2, 2002, 263–270, DOI: 10.1046/j.1469-8137.2003.00661.x. Kaneko K., Nohara S., Review of Effective Vegetation Mapping Using the UAV (Unmanned Aerial Vehicle) Method. “Journal of Geographic Information Systemâ€?, Vol. 6, No. 6, 2014, 733–742, DOI: 10.4236/jgis.2014.66060. Li L., Tian L., Ahamed T., Preharvest monitoring of biomass production, [in:] Shastri Y., Hansen A., RodrĂguez L., Ting K.C. (Eds), Engineering and Science of Biomass Feedstock Production and Provision, Springer, New York, US, 2014, 61–83. Liaghat S., Balasundram S.K., A Review: the role of remote sensing in precision agriculture. “American Journal of Agricultural and Biological Sciencesâ€?, Vol. 5, No. 1, 2010, 50–55, DOI: 10.3844/ajabssp.2010.50.55.
81
Remote sensing semi-automatic measurements approach for monitoring bioenergetic crops of Miscanthus spp. Table 1. Comparison of different methods used in vegetation crop (Miscanthus yield) monitoring Tabela 1. Porównanie metod monitorowania plonu biomasy (Miscanthus spp.)
Remote sensing technology used to study Miscanthus
Description
Pros − high resolution data and accuracy, − no atmospheric effect, − possibility of carrying out systematic monitoring, − real-time assessment of the acquired data, − the ability to analyze multiple wavelengths of the spectrum (multi- or hyperspectral cameras), − ability to obtain 3D data using point clouds, − can be use/treat as reference data, − precise selection and measurement of sample position.
Ground-based remote sensing techniques consisting of laboratory and field tests on a small scale using such tools as multi- or hyperspectral cameras, terrestrial laser scanning, spectrometers, etc. Ground-based techniques give opportunities to determine the dynamics of the yield. It is possible to predict (from 65% to 85% accuracy via multi- or hyperspectral images or 92% to 98.5% accuracy via Lidar) Miscanthus yield in the early stage of the vegetative season.
Ground-based
− high resolution data, − high accuracy, − no atmospheric effect on low flight altitude, − flight possibility even on cloudy days, allowing observation at any time of the year, − possibility of carrying out systematic monitoring (rather, not every day), − real-time assessment of the acquired data, − the ability to analyze multiple wavelengths of the spectrum (multi- or hyperspectral cameras), − ability to obtain 3D data using point clouds, − non-destructive alternative to field research, − opportunities to determine the dynamics of the yield, − UAV compared to the classic manned airborne remote sensing methods, provides low operational complexity and competitive costs, − superiority of air methods for mapping vegetation communities difficult to reach in comparison to traditional field observations, − enabling precise distinguishing in terms of morphology, − data acquisition for areas difficult to access, − precise division into plant groups, − low altitude of the flight enables acquisition of highresolution aerial imagery even on cloudy days, what is advantages in comparing to satellite systems.
Aerial-based monitoring Remote sensing techniques at the aerial level mainly use aerial photographs acquired by multi- or hyperspectral cameras and aerial laser scanners. They can be installed both on small UAV or manned airborne platforms. Aerial techniques are more effectiveness of monitoring of agricultural and ecological systems than the satellite-based monitoring (high correlation with in situ data 90%)
82
P
− the ability to analyze multiple wavelengths of the spectrum (more than in other remote sensing techniques with a higher radiometric resolution), − non-destructive alternative to field research, − cost-effective way especially in large areas, − opportunities to determine the dynamics of the yield in global scales, − rough classification of vegetation, − continuously providing mapping of large surfaces at different spatial and temporal resolutions, − possibility to mapping vegetation and soil parameters, − support national statistical system monitoring of biomass yield within a country or region, − results of analyzes on a large scale, − data acquisition for areas difficult to access, − easily accessible multi-temporal data, − ability to obtain 3D data using point clouds (from stereo-matching),
Using Satellite-based monitoring, multior hyperspectral image data can be obtained. Satellite data are best suited for conducting remote sensing analyzes on a country, regional or global scale but due to the low resolution (resolution of images obtained from satellite systems is relatively low compared to that of airborne systems) it does not give very high accuracy results.
Satellite-based monitoring
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
0 % K %
% $0
Cons
Source
− problematic, especially for large areas, − only provide point-to-point information, − destructive field research, − high cost of acquisition for a larger area, − time-consuming for a larger area, − weather-related conditions (light wind can move the blades of the grass, contributing to the unreliability of the measurements), − measurement accuracy depends on the technology used.
[33] [1] [32] [26] [6] [13]
− problematic, especially for very large areas (UAV), − high cost of acquisition for a larger area (manned airborne platforms), − time-consuming for a larger area (UAV), − weather-related conditions (light wind can move the blades of the grass, contributing to the unreliability of the measurements), − measurement accuracy depends on the GPS connection (Lidar), − flight dependent on weather, − the field lighting conditions should be taken into account.
[3] [8] [7] [27] [4] [12]
− low resolution data, accuracy, geo-localization of acquired data and problem of co-registration with field based data, − require large field sample plots, − cloud and atmospheric effect, − the field lighting conditions should be taken into account, − problem with acquiring data at any time, − processing including atmospheric corrections, − data acquired with time delay compared to aerial and ground – based data.
[21] [31] [16] [1] [13] [24]
15. Lopatina A., Rapid assessment of energy biomass resources using aerial photographs from unmanned aerial vehicles, Master’s thesis in Forestry and Environmental Engineering, Finnish-Russian Cross-Border University (CBU), Faculty of Science and Forestry, University of Eastern Finland, 2013. 16. Lu S., Funakoshi S., Shimizu Y., Ishii Y., de Asis A.M., Ajima M., Washitani I., Omasa K., Estimation of plant abundance and distribution of Miscanthus sacchariflorus and Phragmites australis using matched filtering of hyperspectral image. “Eco-Engineeringâ€?, Vol. 18, No. 2, 2006, 65–70, DOI: 10.14877/agrmet2.2006sp.0.70.0. 17. Majewska-Sawka A., Miscanthus. A clean energy/ Miskant olbrzymi. Czysta energia, 11, 2009, 34–35 (in Polish). 18. Motohka T., Nasahara K.N., Oguma H., Tsuchida S., Applicability of green-red vegetation index for remote sensing of vegetation phenology. “Remote Sensingâ€?, Vol. 2, No. 10, 2010, 2369–2387, DOI: 10.3390/rs2102369. 19. Nordberg M.L., Evertson J., Vegetation index differencing and linear regression for change detection in a Swedish mountain range using Landsat TM and ETM+ imagery. “Land Degradation and Developmentâ€?, Vol. 16, No. 2, 2003, 139–149. DOI: 10.1002/ldr.660. 20. Oguma H., Usami M., Shimazaki H., Ishihama F., A high-resolution remote sensing by radio control helicopter and apply to species discrimination of individual level of wetland herbaceous plant. 57th Annual Conference of Ecological Society of Japan, Tokyo, 15–20 March 2010, Abstract. 21. Oki K., Funakoshi Y., Inamura M., Study on estimation of the specific land cover ratio in a pixel using hyper-spectral data. Estimation of the vegetation cover ratio. “Journal of the Remote Sensing Society of Japanâ€?, Vol. 20, No. 3, 2000, 241–257, DOI: 10.11440/rssj1981.20.241. 22. Qin Z., Zhuang Q., Chen M., Impacts of land use change due to biofuel crops on carbon balance, bioenergy production, and agricultural yield, in the conterminous United States. “GCB Bioenergyâ€?, Vol. 4, No. 3, 2012, 277–288, DOI: 10.1111/j.1757-1707.2011.01129.x. 23. Quarmby N.A., Milnes M., Hindle T.L., Silleos N., The use of multi-temporal NDVI measurements from AVHRR data for crop yield estimation and prediction. “International Journal Remote Sensingâ€?, Vol. 14, No. 2, 1993, 199–210. DOI: 10.1080/01431169308904332. 24. Richter G.M., Agostini F., Barker A., Costomiris D., Qi A., Assessing on-farm productivity of Miscanthus crops by combining soil mapping, yield modelling and remote sensing. “Biomass and Bioenergyâ€?, Vol. 85, 2016, 252–261, DOI: 10.1016/j.biombioe.2015.12.024. 25. Smith L.L., Barney J.N., The relative risk of invasion: evaluation of Miscanthus Ă—giganteus seed establishment. “Invasive Plant Science & Managementâ€?, Vol. 7, 2014, 93–106, DOI: 10.1614/IPSM-D-13-00051.1. 26. Sritarapipat T., Rakwatin P., Kasetkasem T., Automatic rice crop height measurement using a field server and digital image processing. “Sensorsâ€?, Vol. 14, No. 1, 2014, 900–926, DOI: 10.3390/s140100900. 27. Strecha C., Fletcher A., Lechner A., Erskine P., Fua P., Developing species specific vegetation maps using multi-spectral hyperspatial imagery from unmanned aerial vehicle. “ISPRS Annalsâ€?, 2012, 1–3, DOI: 10.5194/isprsannals-I-3-311-2012.00061-5. 28. VanLoocke A., Bernacchi C.J., Twine T.E., The impacts of Miscanthus Ă—giganteus production on the Midwest US hydrologic cycle. “GCB Bioenergyâ€?, Vol. 2, No. 4, 2010, 180–191, DOI: 10.1111/j.1757-1707.2010.01053.x.
83
Remote sensing semi-automatic measurements approach for monitoring bioenergetic crops of Miscanthus spp.
32. Zhang L., Grift T.E., A LIDAR-based crop height measurement system for Miscanthus giganteus. “Computers and Electronics in Agriculture�, Vol. 85, 2012, 70–76, DOI: 10.1016/j.compag.2012.04.001. 33. Zub H.W., Arnoult S., Brancourt-Hulmel M., Key traits for biomass production identified in different Miscanthus species at two harvest dates. “Biomass and Bioenergy�, Vol. 35, No. 1, 2011, 637–651, DOI: 10.1016/j.biombioe.2010.10.020. 34. Everitt J.H., Anderson G.L., Escobar D.E., Davis M.R., Spencer N.R., Andrascik R.J., Use of Remote Sensing for Detecting and Mapping Leafy Spruge (Euphoribia estula), “Weed Techn�, Vol. 9, No. 3, 1995, 599–609.
29. Vargas L.A., Andersen M.N., Jensen C.R., Jørgensen U., Estimation of leaf area index, light interception and biomass accumulation of Miscanthus sinensis ‘Goliath’ from radiation measurements. “Biomass and Bioenergyâ€?, Vol. 22, No. 1, 2002, 1–14, DOI: 10.1016/S0961-9534(01)00058-7. 30. Wang C., Guo L., Li Y., Wang Z., Systematic comparison of C3 and C4 plants based on metabolic network analysis. “BMC Systems Biologyâ€?, Vol. 6(Suppl 2), 2012, S9, DOI: 10.1186/1752-0509-6-S2-S9. 31. Williams A.P., Hunt J.E.R., Estimation of leafy spurge cover from hyperspectral imagery using mixture tuned matched filtering, “Remote Sensing of Environmentâ€?, Vol. 82, No. 2–3, 2002, 446–456, DOI: 10.1016/S0034-4257(02)00061-5.
6A %K % % 7 . B Streszczenie: W pracy przedstawiono przegląd najnowszej literatury dotyczącej moşliwości zastosowania technik teledetekcyjnych naziemnych, lotniczych i satelitarnych do monitorowania, prognozowania plonu oraz oceny zbiorowisk naturalnych bioenergetycznych traw naleşących do Miscanthus spp. Zgodnie z dyrektywą 2009/28 kraje naleşące do Unii Europejskiej zobowiązane są do 2020 r. do zwiększenia udziału produkcji energii z odnawialnych źródeł o 20%. Cel ten moşe zostać częściowo osiągnięty przez wykorzystywanie biomasy na cele energetyczne. Monitorowanie wzrostu bioenergetycznej trawy – miskanta, jednego z najbardziej perspektywicznych gatunków roślin uprawnych, jest istotne nie tylko ze względu na jego przeznaczenie jako uprawy bioenergetycznej, ale takşe ze względów środowiskowych. Poniewaş miskant jest gatunkiem obcym w Europie, jego niekontrolowane rozprzestrzenienie się moşe zagrozić róşnorodności gatunków rodzimych. W przeciwieństwie do tradycyjnych metod obserwacji zbiorowisk miskanta, metody teledetekcyjne dostarczają dokładnych danych o stanie biomasy i jakości zbiorowisk. Metody te są wysoce wydajnymi narzędziami do precyzyjnej oceny ilościowej i jakościowej upraw oraz monitorowania naturalnych zbiorowisk roślinności, m.in. miskanta. " $ " 7 % # B a % % # .
* *
mgr Karol Rotchimmel
7 $ % ORCID: 0000-0002-4156-3139
$ % ORCID: 0000-0002-7561-212X
-7 Z . N A N % ; . J { % ; % Z . ; . J% )!&' % % = @ % # > O @ K % H 7 # -Y# IS @ # @ " % # N A @ / . A % 7 7 A %
-7 ; % N % F . / 6 ; J% )!&X @ % = % > O @ / . K % @ K# % % % 8 \< J^^ ^>=J<x6JL= G . % K % @ M % @
84
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
0 % K %
% $0
* . ,
- / '
$ 7 ORCID: 0000-0002-9556-0144
% $ % ORCID: 0000-0001-5479-1432
-7 ; % O . NN; ; @ - % N @ > Z % . O @ K . K % K# .A # % . @ % .
-7 ; % Z . ;B J % R ; % F { % @ L # % F % < . # ^ . M . @ B # ;B J - 8 7 % @ % . K @ K A7
. 4 1 , 7 . $ % ORCID: 0000-0003-3419-7799 -7 ; % O . NN; - ; % F @ { % L ;B J 7 # % . % # K % 8 @ .
85
NR 3/2015
86
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
Pomiary Automatyka Robotyka, ISSN 1427-9126, R. 23, Nr 4/2019, 87–100, DOI: 10.14313/PAR_234/87
L % % A %A % A 8 ) % % % % A % Zygmunt Lech Warsza 8 Z % j E 6 > - 6 A 6>-6# - G )!)# !)@XQ+ ;
Jacek Puchalski N A K% B # < )# !!@!!& ;
Streszczenie: W części 1. zaproponowano rozszerzoną metodę oceny niepewności wieloparametrowych pomiarów pośrednich i układów do tych pomiarów. W modelu matematycznym podanym w Suplemencie 2 Przewodnika GUM załoşono, şe funkcja przetwarzania wielkości wejściowych jest dokładna. Nowy model uwzględnia niepewności i korelacje zarówno wielkości mierzonych bezpośrednio, jak i niepewności i korelacje parametrów układu realizującego funkcję przetwarzania. Moşe on słuşyć nie tylko do oceny niepewności wyników pomiarów wieloparametrowych, ale i do opisu dokładności systemów realizujących takie pomiary, w tym systemów wielosensorowych. W części 2. omawia się zastosowanie nowego modelu na przykładzie pomiarów pośrednich napięcia i prądu dwójnika za pomocą układu czwórnika pasywnego w postaci dzielnika impedancyjnego. Uwzględnia się niepewności wielkości mierzonych i parametrów dzielnika oraz róşne moşliwości ich skorelowania. Podano teş przykłady obliczeniowe i wnioski końcowe oraz zarys kierunków dalszych prac w tej dziedzinie. &' % % # # %# # 8# A # % # A
1. Wprowadzenie Rekomendowana w Suplemencie 2 [1] do Przewodnika GUM metoda wyznaczania niepewności pośrednich pomiarów wieloparametrowych powstała z potrzeby jednolitego opisu dokładności wyników pomiarów stosowanych m.in. przez słuşby metrologiczne, w badaniach naukowych i w gospodarce. W pomiarach tych parametry wielowymiarowego menzuranduY uzyskuje się pośrednio z danych pomiarowych mierzonego menzurandu X przy uşyciu wielowymiarowej funkcji przetwarzania Y = F(X), zwanej teş funkcją pomiaru [2]. W Suple-
. (
. O ; # &* +$. . ' % )' && )!&* # % % ! &) )!&*
!
mencie 2 nie analizuje się jednak wpływu niedokładności tej funkcji. Uwzględnia się takie przypadki, w których funkcję tę realizuje się numerycznie z dokładnością, którą w praktyce moşna uznać za całkowicie dokładną. Metoda ta nie obejmuje jednak ani oceny dokładności wieloparametrowych pomiarów pośrednich realizowanych przez przyrządy oraz systemy pomiarowe i diagnostyczne – w tym wielosensorowe, ani opisu niepewności układu pomiarowego realizującego funkcje przetwarzania sygnałów i danych. Ich dokładność zaleşy nie tylko od niepewności i korelacji wielkości bezpośrednio mierzonych, ale i od niepewności elementów tego układu. W części 1. [3] przedstawiono i omówiono szczegółowo zaproponowany model matematyczny metody rozszerzonej. Umoşliwia ona szacowanie niepewności pośrednich pomiarów wieloparametrowych wykonywanych zarówno zestawem osobnych przyrządów z zewnętrznymi, zwykle komputerowymi obliczeniami, jak i przyrządów i systemów do takich pomiarów z realizacją całego procesu pomiarów i przetwarzania w układach wewnętrznych. Moşe teş słuşyć do jednolitego opisu dokładności tych systemów za pomocą niepewności wielkości wejściowych i wyjściowych w pełnych ich zakresach pomiarowych zamiast maksymalnych błędów dopuszczalnych (MPE).
87
K 2 2 T % T T B # !2P UB Wpływ korelacji wielkości mierzonych bezpośrednio na wyniki i niepewności pośrednich pomiarów wieloparametrowych omówiono szczegółowo [8–13] i podsumowano w części 1. Jako przykład ilustrujący zastosowanie rozszerzonej metody oceny dokładności pomiarów pośrednich omawia się jej zastosowanie do pomiarów napięcia i prądu dwójnika za pośrednictwem prostego czterozaciskowego układu dzielnika pomiarowego. W ocenie tej uwzględni się niepewności i korelację zarówno mierzonego bezpośrednio menzurandu dwuparametrowego, jak i wpływ niepewności parametrów układu pomiarowego przetwarzającego pozyskiwane dane. Takie ujęcie zagadnienia umoşliwia analizę i optymalizację parametrów tego układu. Wykracza to poza metrologię traktowaną jako naukę o pomiarach i mieści się w szerszej dyscyplinie o ang. nazwie Measurement Science zaproponowanej przez lwowiaka prof. Ludwika Finkelsteina z City University w Londynie [5]. Obejmuje ona metrologię i podstawy teoretyczne budowy urządzeń i systemów pomiarowych.
Estymatory wartości, niepewności i współczynników korelacji m-wymiarowego wyjściowego menzurandu Y zaleşą nie tylko od n-elementowego menzurandu X mierzonego na wejściu, ale i od parametrów pi, dla i = 1, ‌, k, układu realizującego w systemie pomiarowym funkcję przetwarzania F(X, P). Parametry tego układu opisuje ogólnie k-wymiarowy wektor P. Odchylenia od estymatorów wartości n elementów bezpośrednio mierzonego menzurandu X oraz m elementów wyznaczanego z nich mierzonego pośrednio menzurandu Y określa się jako ich przyrosty, zwane poprzednio błędami pozornymi. Natomiast odchylenia parametrów P układu pomiarowego wyznacza się od ich wartości znamionowych lub od ich estymatorów znanych z innych pomiarów. W kaşdym z eksperymentów pomiarowych realizacje funkcji F(X, P) zwykle odbiegają od jej postaci znamionowej F(X). Wzory metody rozszerzonej umoşliwiające ocenę dokładności pomiarów wieloparametrowych i ich systemów instrumentalnych z uwzględnieniem niepewności funkcji F zawiera tabela 1. Przyrosty i odchylenia od estymatora wartości Y opisuje równanie macierzowe (4). Występujące w nim macierze czułości S i SP o postaciach rozwiniętych (4a, b) wyraşają wpływ przyrostów ΔX i ΔP. Dla menzurandu wieloparametrowego właściwości statystyczne zbioru odchyleń kaşdej wielkości opisywane są przez niepewność standardową u jako sumę geometryczną jej składowych uA i uB. Odpowiednikiem wariancji pojedynczej wielkości u2 jest macierz kowariancji. Macierze kowariancji UY, UX i UP są symetryczne. Zawierają na głównej przekątnej kwadraty niepewności standardowych (wariancje) poszczególnych wielkości, a na pozostałych polach odpowiednie iloczyny współczynnika korelacji i obu niepewności dla skorelowanych wielkości menzurandu – patrz rozwinięte postacie macierzy (5c, d, e). Liczba współczynników korelacji dla n wielkości w macierzy kowariancji wynosi n(n – 1)/2 i są powiązane równaniami propagacji wariancji. Zrandomizowane zbiory odchyleń od estymatorów wartości elementów menzurandu Y powstają jako wynik splotów wieloparametrowych rozkładów odchyleń dla wielkości menzurandu X i odchyleń parametrów P układu pomiarowego realizującego funkcję F(X, P). Przy linearyzacji tej funkcji dla małych odchyleń otrzymuje się macierz kowariancji UY z równania propagacji wariancji (3a, b) w pośrednich pomiarach wieloparametrowych. Kolejne rozwinięcia tego równania podają wzory (5a, b). Niepewności i skorelowania zbiorów własnych odchyleń wielkości menzurandu X i parametrów P ujęte jest w macierzach UX i UP. W ogólnym przypadku wielkości X mogą korelować teş z parametrami P układu pomiarowego. Opisuje to macierz U o wymiarze [n × k], podana we wzorze (5f). Taka statystyczna zaleşność moşe pojawić się pod wpływem wspólnego zewnętrznego losowego oddziaływania na X i P, np. zmiennej temperatury zewnętrznej. Liczba współczynników korelacji w macierzy U wynosi kn. W praktyce pomiarowej, w tym w elektrycznych układach pomiarowych, zwykle występuje przypadek prostszy, gdy odchylenia mierzonych wielkości X oraz odchylenia parametrów P układu przetwarzającego pomiary nie są ze sobą skorelowane (np. X i P znajdują się w róşnych miejscach i ich oddziaływania zewnętrzne nie są ze sobą powiązane). Wówczas macierz kowariancyjna U nie występuje i V = VT = 0. Równanie propagacji wariancji (5a) ma wtedy postać dwuskładnikową wg wzoru (6). Składnik pierwszy zaleşy od niepewności i korelacji elementów menzurandu wejściowego X w taki sam sposób, jak w ujęciu klasycznym wg GUM-S2 [1]. Składnik drugi pojawił się w metodzie rozszerzonej i stanowi jej istotę. Dotyczy on wpływu niepewności i współczynników korelacji r parametrów P układu realizującego funkcję przetwarzania F(X, P) analogowo lub cyfrowo. Ze wzoru (6) wynika teş macierz kowariancyjna (7) dla niepewności względnych przyrostów Y – Y0 lub dla Y, gdy niepewności wartości początkowych zakresów wielkości wejściowych X0 (blisko któ-
* + " % + Scharakteryzujemy pokrótce zasady wyznaczania niepewności wg przewodnika GUM [1]. Zarówno obserwacje wielkości mierzonych, jak i parametry układu pomiarowego mogą zmieniać się deterministycznie i losowo w zaleşności od badanego obiektu, warunków pomiarów, uşytych przyrządów i zastosowanej procedury pomiarowej. Zmiany te mogą zachodzić w trakcie wykonywania eksperymentu pomiarowego, jak i w róşnej długości okresach między kolejnymi eksperymentami dla przyrządów o waşnej kalibracji. Znane zmiany deterministyczne eliminuje się z danych pomiarowych przez poprawki. Rozrzut otrzymanych eksperymentalnie danych pomiarowych ocenia się obecnie statystycznie wg GUM na podstawie odchylenia standardowego uA dla wartości średniej ich rozrzutu. Natomiast w danych zebranych w kaşdym eksperymencie mogą występować nieznane odchylenia o stałej lub wolnozmiennej wartości (np. dryft), które powstają wskutek róşnych oddziaływań zewnętrznych i wewnętrznych lub z innych przyczyn zachodzą cych w procesie pomiarowym i w obiekcie badanym. Według rekomendacji przewodnika GUM randomizuje się je i szacuje heurystycznie jako zbiór dodatkowych odchyleń o niepewności standardowej uB, którą sumuje się geometrycznie z uA otrzymując odchylenie standardowe u = uA2 + uB2 . Z wartości u znajduje się niepewność rozszerzoną U określającą połowę szerokości symetrycznego przedziału wokół estymatora wartości mierzonej, w którym z prawdopodobieństwem zadanym P znajduje się wartość mierzona, tzw. przedział pokrycia. Jeśli rozkład rozrzutu odchyleń wypadkowych jest symetryczny oraz moşna go potraktować jako normalny (wg funkcji Gaussa), to wartość współczynnika rozszerzenia k(P) jest znana, np. k(95%) = 2. Jeśli zaś dane eksperymentalne pochodzą z populacji o nieznanym rozkładzie prawdopodobieństwa, to niepewność rozszerzoną wyznacza się z danych pomiarowych metodą Monte Carlo wg Suplementu 1 do przewodnika GUM [1]. Dla rozkładu wypadkowego w pomiarach wieloparametrowych poszukuje się numerycznie połoşenia najmniejszego obszaru pokrycia o zadanym prawdopodobieństwie, np. 95%. Stosuje się teş estymatory wartości i rozrzutu danych inne niş średnia i odchylenie standardowe, np. środek rozpięcia dla próbki z populacji o rozkładzie równomiernym oraz medianę w tzw. metodach odpornych [4]. Pośrednie pomiary wieloparametrowe, realizowane przy uşyciu zestawu przyrządów lub systemu instrumentalnego opiszemy następującym równaniem pomiaru Y = F(X, P)
88
P
O
M
I
A
(3) R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
$ ( D 1 %
Tabela 1. Podstawowe wzory do oceny niepewności pośrednich pomiarów wieloparametrowych Table 1. Basic formulas to estimate the uncertainty of indirect multi-parameter measurements
Wg Supl. 2 GUM
Y = F(X)
RĂłwnanie podstawowe
UY = SUXST oraz
Propagacja wariancji
Rozszerzone rĂłwnanie podstawowe
(1) (2a, b)
Y = F(X, P)
(3)
Y = [y1, y2, ‌, ym] , X = [x1, x2, ‌, xn] , P = [p1, p2, ‌, pk] , T
gdzie:
T
T
(3a, b, c)
ΔY = ΔF(X, P) = SX,P[ΔX, ΔP]T = SXΔX + SPΔP
(4)
gdzie: SX,P – macierz czułości o wymiarze [(n + k) × m] linearyzująca funkcję (3);
Odchylenia (4a, b)
Propagacja wariancji (przypadek ogĂłlny dla
(5)
V = SUSPT ≠0 )
(5a) gdzie:
(5b)
(5c, d) Macierze kowariancji
(5e, f)
niepewności bezwzględne
(6)
niepewności względne
U δY = SδU δ SδT + Sδ PU δ PSδTP
(
) (
UY = UYA + UYB = SU XAS T + SPU PASPT + SU XBS T + SPU PBSPT
Dla braku korelacji między X i P
Metoda rozszerzona uwzględniająca korelacje i niepewności parametrów P funkcji przetwarzania F (X, P)
SX = S, SP – macierze czułości dla ΔX i ΔP:
(7)
)
(8)
gdzie:
składowe niepewności typu A i B
U XA
2 2 ⎥ ⎥ ! Ď Ax 1nuAx 1uAxn ⎤ ! Ď Bx 1nuBx 1uBxn ⎤ uAx uBx 1 1 ⎢ ⎼ ⎢ ⎼ ⎼ , U XB = ⎢ ⎼ , (8a, b) ! ! ! ! ! ! =⎢ ⎢ ⎼ ⎢ ⎼ 2 2 âŽ˘Ď u u ⎼ âŽ˘Ď u u ⎼ ! ! u u Ax 1 n Axn Ax 1 Axn Bx 1 n Bxn Bx 1 Bxn ⎣ ⎌ ⎣ ⎌
U PA
2 2 ⎥ ⎥ ! Ď Ap1kuAp1uApk ⎤ ! Ď Bp1kuBp1uBpk ⎤ uAp uBp 1 1 ⎢ ⎼ ⎢ ⎼ ⎼ , U PB = ⎢ ⎼ , (8c, d) ! ! ! ! ! ! =⎢ ⎢ ⎼ ⎢ ⎼ 2 2 âŽ˘Ď u u ⎼ âŽ˘Ď u u ⎼ ! ! u u Apk Bpk ⎣ Ap1k Apk Ap1 ⎌ ⎣ Bp1k Bpk Bp1 ⎌
89
K 2 2 T % T T B # !2P UB parametrów P,UM – jest macierzą kowariancji układu realizującego funkcję przetwarzania. Estymację niepewności i współczynników korelacji mierzonego pośrednio menzurandu Y naleşy przeprowadzać wg wzoru (10b), gdyş skorelowane mogą być zbiory odchyleń róşnych wielkości w kaşdej z macierzy UX i UM, ale tylko o niepewnościach jednego typu A oraz B. Dla macierzy UXA współczynniki korelacji rxiA moşna wyznaczyć z synchronicznych pomiarów. Pozostałe ich rodzaje, to jest rxiB, rMiA, rMiB, podobnie jak niepewności wyznacza się heurystycznie lub bezpośrednio z danych technicznych i badań statystycznych parametrów P elementów układu pomiarowego. Prostym przykładem zastosowania metody rozszerzonej do wyznaczania niepewności pośrednich pomiarów wielowymiarowych jest przypadek obu dwuwymiarowych (2D) menzurandów X i Y, z których tylko jeden jako para wielkości jest dostępna.
rych nie zaleca się mierzyć) są pomijalne i macierz kowariancji ||UX(X)|| >> ||UX(X0)|| | 0. Macierze kowariancji, podobnie jak niepewność pojedynczego menzurandu, są sumę dwu macierzy składowych typu A i B, tj. UX = UXA + UXB, UY = UYA + UYB. W części 1. [2] podano, şe skorelowane ze sobą mogą być jedynie zbiory odchyleń o niepewnościach składowych jednakowego typu, tj. uA oraz uB dla par wielkości tego samego lub róşnych menzurandów. Dla wielkości menzurandu X jedynie współczynniki korelacji rA moşna wyznaczyć eksperymentalnie prowadząc pomiary synchronicznie [1], zaś współczynniki rB szacuje się heurystycznie, podobnie jak niepewności typu B. Jeśli dwie wielkości mierzy się tym samym lub podobnym przyrządem i w tych samych warunkach, to dla uB moşna przyjąć współczynnik korelacji równy 1 [3]. Dla róşnych przyrządów i w róşnych warunkach jest on bliski 0. Współczynnik korelacji –1 występuje wtedy, gdy zaleşne od wspólnych oddziaływań zmiany obu wielkości mają znak przeciwny. Niepewności składowe typu A i typu B dla poszczególnych wielkości menzurandu wyjściowego Y i składowe UYA, UYB jego macierzy kowariancji UY = UYA + UYB – wg wzoru (8) naleşy osobno wyznaczać dla odchyleń opisanych niepewnościami typu A i typu B. Trzeba uwzględnić, iş w trakcie eksperymentu pomiarowego zmiany parametrów P układu pomiarowego nie są rejestrowane i ich wpływ nie występuje w sposób jawny. Jeśli ich odchylenia zmieniają się losowo w krótkim czasie trwania eksperymentu pomiarowego, to elementy ich macierzy składowej UPA trzeba teş szacować heurystycznie (podobnie jak macierz UPB dla długiego okresu zmian ich wartości), na podstawie danych technicznych i posiadanej wiedzy. Moşna teş w specjalnie stworzonych warunkach wpływających wykonać dodatkowe pomiary dla oszacowania losowych zmian parametrów P. Jeśli w czasie trwania pomiarów moşna przyjąć, şe parametry P są stałe, to macierz UPA nie występuje.
(11)
gdzie:
Macierze kowariancji i macierze czułości ze wzoru (10a) są wówczas następujące (11a)
(11b)
(11c)
3. Zastosowanie metody rozszerzonej na przykładzie dwuparametrowych pomiarów pośrednich (11d)
| h < !"% " + + 0
Jeśli wielowymiarową funkcję przetwarzania F(X, P) ze wzoru (2) realizuje liniowy lub zlinearyzowany układ pomiarowy o parametrach P, to otrzymuje się następujące równanie Y = M(P)¡X
W pomiarach wielkości elektrycznych, np. w identyfikacji struktury i parametrów schematu zastępczego wnętrza badanego układu elektrycznego oraz w diagnostyce technicznej urządzeń elektrycznych, wyznacza się pośrednio napięcia i prądy wybranej gałęzi układu z pomiarów na dostępnych końcówkach. Gdy wielkości badane, np. Y = [y1, y2]T = [U1, I1]T, bezpośrednio nie są dostępne do pomiaru, to ich wartości i niepewności trzeba wyznaczyć pośrednio z wyników pomiarów napięcia i prądu innej dostępnej pary końcówek tego układu, tj. X = [x1, x2]T = [U2, I2]T. Moşliwy jest równieş wariant odwrotny. Dla tego rodzaju układów schematem zastępczym jest czwórnik. Jeśli jest on liniowy lub linearyzowany, to opisują go ogólnie dwa równania wiąşące napięcia i prądy dwu par zacisków (dwu wrót). Dla prądu stałego (DC) i przemiennego (AC) o częstotliwościach niskich i średnich stosuje się układ czwórnika o elementach skupionych. Skorzystamy z pary jego równań (12) zwanych transmisyjnymi [14], lub teş łańcuchowymi [15], zapisanych w postaci macierzowej:
(9)
w którym: M(P) jest macierzą opisującą przetwarzanie mierzonego bezpośrednio n-wymiarowego menzurandu X na wyznaczany pośrednio m-wymiarowy menzurad Y. Dokładność pośrednio wyznaczanych estymatorów wielkości jako elementów yj menzurandu Y zaleşy od niepewności i skorelowań własnych zarówno wielkości xi menzurandu X jak i k parametrów P układu pomiarowego oraz od skorelowań skrośnych między X i P. Opisują to wzory (3)–(8) (tab. 1, pkt 2). Jeśli nie ma korelacji między elementami P układu opisanego macierzą M i wielkościami mierzonymi X, to macierz kowariancji UY menzurandu Y wynika ze wzoru (6), tj.: T UY (X , M ) ≥ UYX + UYM = SXU XSXT + SMU M SM
(10a)
⎥U 1 ⎤ ⎥U 2 ⎤ ⎢ ⎼ = A⋅ ⎢ ⎼, ⎢⎣ I 1 ⎼⎌ ⎢⎣ I 2 ⎼⎌
(10b) gdzie: SX, SM – macierze czułości dla wyznaczenia wariancji niepewności elementów menzurandu Y pochodzących od niepewności wielkości menzurandu X oraz od parametrów macierzy M układu pomiarowego będących funkcjami jego
90
P
O
M
I
A
R
Y
•
A
U
T
O
M
⎥A11 A12 ⎤ ⎼ gdzie: A = ⎢ ⎢⎣A21 A22 ⎼⎌
(12)
Jeśli czwórnik ten jest pasywny, to elementy macierzy A spełniają równanie det(A) = A11A22 – A12A21 = 1 A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
(13) N R 4 /201 9
$ ( D 1 % W ogólnym przypadku tylko wybrane trzy z elementów macierzy A są niezaleşne. Czwarty wyraz wynika ze wzoru (13) dla wyznacznika. Dotyczy to równieş niepewności tych elementów i trzech z sześciu moşliwych współczynników korelacji. Jeśli schemat, wartości elementów i parametry losowe (niepewność, współczynniki korelacji) układu rzeczywistego są nieznane, to naleşy posłuşyć się wartościami elementów macierzy A lub impedancjami schematu zastępczego czwórnika pasywnego typu T lub Π. Moşna je znaleźć eksperymentalnie z synchronicznych pomiarów na jego zaciskach. Celem pracy jest prezentacja zastosowania rozszerzonej metody oceny niepewności w pomiarach wieloparametrowych na przykładzie pośrednich pomiarów napięcia i prądu na niedostępnym wejściu dzielnika impedancyjnego. Przypadek ogólny szacowania niepewności pomiarów za pośrednictwem czwórnika typu T opiszemy szerzej w kolejnym numerze.
| | = 1 ( 1 % % + + , " " 2 i 2 ˆ ! & % 2†/‰ 3.3.1. Bez skorelowania
2
i 2, r22 = r( 2, 2) = 0
W tym przypadku macierz kowariancji UY jest tylko pierwszym składnikiem ze wzoru (9), tj. UY (X ) = SXU XSXT
Ze wzorĂłw (14a, b, c) otrzymuje siÄ™ wariancje, czyli kwadraty standardowych niepewnoĹ›ci ĎƒU21 , Ďƒ I21 jako funkcje elementĂłw macierzy A, wielkoĹ›ci mierzonych U2, I2 i ich niepewnoĹ›ci wzglÄ™dnych δU 2 , δ I 2 (15a)
| < % ^ ' ! % Ilustrację zastosowania zaproponowanego rozszerzenia metody podanej w S2-GUM [1] przedstawimy na prostym przykładzie pośrednich pomiarów napięcia i prądu występujących na niedostępnych zaciskach wejściowych układu o strukturze dzielnika impedancyjnego (rys. 1). Takie układy stosuje się m.in. w pomiarach wysokonapięciowych.
(15b)
i współczynnik korelacji r11 = r(U1, I1) między napięciem U1 i prądem I1:
(16)
oraz niepewności względne:
δU = 1
δI = 1
Rys. 1. Układ obciąşonego dzielnika impedancyjnego Fig. 1. Scheme of loaded impedance divider circuit
Układ ten jest szczególnym przypadkiem czwórnika liniowego pasywnego. Z praw Kirchhoffa wynikają dwa jego równania transmisyjne (14a, b) wiąşące ze sobą napięcia i prądy par końcówek
U1 =
(Z
1
)
+ Z2 U2
+ Z1I 2
Z2 I1 =
U2 + I2 Z2
1
U1
ĎƒI
1
I1
= a112 δU22 + a122 δ I22
(17a)
2 2 δU 2 + a222 δ I22 = a21
(17b)
⎛ Z1 ⎞ ⎜1 + âŽ&#x;U 2 Z2 ⎠Z1I 2 âŽ? , a12 = a11 = , ⎛ ⎛ Z1 ⎞ Z1 ⎞ ⎜1 + âŽ&#x;U 2 + Z1I 2 ⎜1 + âŽ&#x;U 2 + Z1I 2 Z2 ⎠Z2 ⎠âŽ? âŽ?
gdzie:
(14a) a21 =
(14b)
ĎƒU
U2 Z 2I 2 , a22 = . U 2 + Z 2I 2 U 2 + Z 2I 2
3.3.2. Przy skorelowaniu
2
i 2, r22 š 0
Niepewności bezwzględne w postaci rozwiniętej: lub w postaci macierzowej (12), w której macierz A opisana jest następująco: ⎥ Z1 ⎢1 + ⎢ Z2 A=⎢ ⎢ 1 ⎢⎣ Z 2
⎤ Z1 ⎼ ⎼ ⎼ 1⎼ ⎼⎌
⎛
δU = ⎜1 + 1
�
2
2 ⎛ Z1 ⎞ 2 2 Z1 ⎞ 2 âŽ&#x; U 2 δU 2 + 2 Ď 22 ⎜1 + âŽ&#x;U 2Z1I 2δU 2 δ I 2 + Z1I 2 δ I 2 Z2 ⎠Z 2 ⎠âŽ?
(
)
(18a) (14c)
Zaleşności między elementami macierzy A i impedancjami Z1, Z2 tego układu wynikają z (14c). Oszacujemy dokładność estymatorów napięcia U1 i prądu I1 przez wyznaczenie macierzy kowariancji UY dla róşnych przypadków niepewności i skorelowania między mierzonymi bezpośrednio napięciem U2 i prądem I2 oraz obiema impedancjami układu.
2
⎛U 2 ⎞ 2 ⎛U 2 ⎞ 2 2 âŽ&#x; δU 2 + 2 Ď 22 ⎜ âŽ&#x; I 2δU 2 δ I 2 + I 2 δ I 2 âŽ? Z2 ⎠âŽ? Z2 âŽ
δI = ⎜ 1
(18b)
oraz współczynnik korelacji r11 = r(U1, I1) ⎛ Z1 ⎞ 2 2 2 2 ⎜1 + âŽ&#x;U 2 δU 2 + Z1Z 2I 2 δ I 2 + 2Z1 + Z 2 Ď 22U 2I 2δU 2 δ I 2 Z2 ⎠âŽ? (19) Ď 11 = Z 2ĎƒU1Ďƒ I1
(
)
91
K 2 2 T % T T B # !2P UB nieş na wejściu otrzymuje się współczynnik r11 = 1 między U1 i I1 w całym zakresie pomiarów prądu wyjściowego I2. Podobnie niepewności napięcia i prądu na wejściu są identyczne jak na wyjściu. Ilustrują to wykresy z rysunków 2 i 3. Z rys. 3 wynika, şe niepewności pośredniego pomiaru wartości napięcia U1 i prądu I1 na wejściu dzielnika przy ujemnej korelacji r22 = –1 na wyjściu, maleją o niewiele ponad 0,1%. Przy ujemnej korelacji r22 = –1 dla mierzonych wielkości występuje obszar skokowej zmiany współczynnika korelacji r11 (rys. 2) z wartości +1 do –1, gdy niepewność pomiaru prądu I1 maleje do zera (dla 0,05 A) i wzrost z wartości –1 do +1, gdy niepewność pomiaru napięcia U1 spada teoretycznie do zera (dla 0,075 A). Ze wzorów (21a, b) dla δU 2 = δ I 2 = δ wynika, şe punkty o niepewności równej zeru, które wyznaczają przedział zmian współczynnika korelacji r11, występują dla prądu I2I = A21U2/A22 = 50 mA i dla napięcia przy I2V = A11U2/A12 = 75 mA. Są wówczas najmniejsze niepewności pomiaru napięcia U1 i prądu I1. Maleją one od wartości 0,5% do zera, a następnie powoli rosną, by na końcu zakresu 0,2 A osiągnąć 0,2–0,3% (dla U2 → 0, I2 → U1/Z1, a12 → 1, a22 → 1; δU1 → δ , δ I1 → δ ).
i niepewności względne:
δU = a112 δU2 + 2 Ď 22a11a12δU δ I + a122 δ I2
(20a)
δU = a212 δU2 + 2 Ď 22a21a22δU δ I + a222 δ I2
(20b)
1
2
1
2
2
2
2
2
2
2
– niepewności bezwzględne i względne przy pełnym skorelowaniu napięcia i prądu (r22 = ¹1):
ĎƒU = A11U 2δU Âą A12I 2δ I 1
2
Ďƒ I = A21δU Âą A22δ I 1
2
δU = a11δU ¹ a12δ I
2
δ I = a21δU ¹ a22δ I
2
1
2
1
2
(21a)
2
(21b)
2
(22a)
(22b)
Jako przykład, ze wzorów (20a, b) obliczono niepewności względne δU1 , δ I1 oraz współczynniki korelacji r11 na wejściu dzielnika w funkcji prądu I2 na jego wyjściu. Przyjęto: napięcie wyjściowe U2 = 5 V, impedancje dzielnika Z1 = 200 Ί i Z2 = 100 Ί oraz niepewności względne pomiaru napięcia i prądu na wyjściu δU 2 = δ I 2 = 0, 5%. Wykresy podano na rysunkach 2 i 3. Rysunek 2 zawiera przebiegi wg wzoru (19), a na rysunku 3 podano wykresy według wzorów (22a, b). Przy pełnej korelacji napięcia U2 i prądu I2 mierzonych na wyjściu dzielnika, tj. gdy ich współczynnik korelacji r22 = 1 rów1
(
0,8
| } = " + !% ' % Przetwarzanie mierzonego bezpośrednio menzurandu X w menzurand Y realizuje się w układzie z rysunku 1 z określonymi wartościami niepewności większymi od zera. Trzeba to uwzględnić, gdy ich wpływ nie jest pomijalny. Dla dzielnika (rys. 1) dotyczy to niepewności względnych δ Z1 i δ Z 2 dla impedancji Z1, Z2. Rozpatrzymy najpierw przypadek, gdy korelacja
Rys. 2. Współczynnik korelacji Ď 11 = Ď (U1, I1) na wejĹ›ciu dzielnika impedancyjnego w funkcji prÄ…du wyjĹ›ciowego I 2 dla trzech wartoĹ›ci współczynnika korelacji Ď 22 = Ď (U2, I 2) = –1, 0, 1 na wyjĹ›ciu Fig. 2. Correlation coefficient Ď 11 = Ď (U1, I1) at the input of the impedance divider as a function of the output current I2 for three values of correlation coefficient Ď 22 = Ď (U2, I2) = –1, 0, 1 at the output
)
0,6 0,4 0,2 0 -0,2
00
,025
0,05
0,0750
,1
0,1250
,150
,175
0,2
-0,4 -0,6 -0,8 -1
0,55
,
0,5
[%]
Rys. 3. NiepewnoĹ›ci wzglÄ™dne napiÄ™cia U1 i prÄ…du I1 na wejĹ›ciu dzielnika w funkcji wyjĹ›ciowego prÄ…du I 2 dla trzech wartoĹ›ci współczynnika korelacji na wyjĹ›ciu Ď 22 = Ď (U2, I 2) = –1, 0, 1 Fig. 3. Relative uncertainties of voltage U1 and current I1 at the divider input as function of an output current I2 for three values of the correlation coefficient at the output Ď 22 = Ď (U2, I2) = –1, 0, 1
0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 00
92
,025
0,05
P
O
M
0,0750
I
A
R
Y
,1
•
A
U
0,125
T
O
M
0,150
A
T
Y
K
,175
A
•
R
0,2
O
B
O
T
Y
K
A
N R 4 /201 9
$ ( D 1 % wielkości wejściowych z parametrami układu nie występuje. Wówczas macierz kowariancji UY wyznacza się ze wzoru (6) jako sumę składowych pochodzących od niepewności wielkości wejściowych X i od parametrów układu P. Niepewności występujące w wypadkowej macierzy kowariancji UY wzrastają o niepewności funkcji przetwarzania realizowanej w układzie pomiarowym. Będą one oznaczane indeksem 11, a ich składowe pochodzące od funkcji przetwarzania – literą F w indeksie. Przy skorelowaniu U2, I2 ze współczynnikiem r22 i skorelowaniu Z1, Z2 ze współczynnikiem rZ otrzymuje się wzory:
Ďƒ
2 U11
=Ďƒ
2 U1
+Ďƒ
2 UF
(
1 2 2 2 I 1 Z 2 Ďƒ Z1 + I Z22 Z12Ďƒ Z22 − 2Z1Z 2I 1I Z 2 Ď Z Ďƒ Z1Ďƒ Z 2 Z 22
Ďƒ I2 = F
U 22 2 ĎƒZ Z 22 2
(24a)
(24b)
δU2 = δU2 + δU2
(25a)
δ I2 = δ I2 + δ I2
(25b)
11
δU = F
δI =
ĎƒU
F
U1
ĎƒI
F
F
I1
F
1
I 12δ Z21 + I Z22 δ Z22 − 2I 1I Z 2 Ď Z δ Z1 δ Z 2
= Z1 â‹…
=
F
1
11
gdzie:
dla niepewności bezwzględnych na wejściu dzielnika, w których jako składowe występują kwadraty niepewności impedancji układu przetwarzania
Rys. 4. a, c. Współczynnik korelacji Ď 11 na wejĹ›ciu ukĹ‚adu w funkcji prÄ…du I 2 przy niepewnoĹ›ciach δ = 0,25%, δZ = 0,52%, współczynnikach korelacji Ď 22(U2, I 2) = (–1, 0, 1) i Ď Z(Z1, Z2) = (–1, 0, 1); b. δ = 0,52%, δZ = 0,25% i współczynnikach korelacji Ď 22(U2, I 2) = (–1, 0, 1) i Ď Z(Z1, Z2) = (–1, 0, 1) Fig. 4. a, c. Correlation coefficient Ď 11 at the input as function of output current I2 at uncertainties; b. δ = 0,52%, δZ = 0,25% and correlation coefficients Ď 22(U2, I2) = (–1, 0, 1) and Ď Z(Z1, Z2) = (–1, 0, 1)
)
oraz dla niepewności względnych
(23b)
F
1
F
(23a)
Ďƒ I2 = Ďƒ I2 + Ďƒ I2 11
ĎƒU2 =
(26a)
A11U 2 + A12I 2
(
U 2δ Z 2
Z 2 A21U 2 + A22I 2
)
=
I Z 2 δZ 2
(26b)
A21U 2 + A22I 2
(
a)
0,9 0,7 0,5 0,3 0,1 -0,1 00
,025
0,05
0,0750
,1
0,1250
,150
,175
0,2
-0,3
b)
( 0,9 0,7 0,5 0,3 0,1 -0,1 00
,020
,040
,060
,080
,1
0,12
0,14
0,16
0,18
0,2
,020
,040
,060
,080
,1
0,12
0,14
0,16
0,18
0,2
-0,3
c)
(
0,9 0,7 0,5 0,3 0,1 -0,1 00 -0,3
93
K 2 2 T % T T B # !2P UB 0,57
a)
0,56 0,55
Rys. 5. Niepewność wzglÄ™dna napiÄ™cia na wejĹ›ciu dzielnika w funkcji prÄ…du wyjĹ›cia I 2, dla niepewnoĹ›ci δ = 0,5% oraz δZ = 0,2% i współczynnikĂłw korelacji Ď Z = –1, 0, 1 ukĹ‚adu i przy ich pominiÄ™ciu (wg Supl. 2 GUM): a) dla skorelowania wyjĹ›cia Ď 22 = 1; b) przy braku skorelowania Ď 22 = 0 Fig. 5. Relative uncertainty of the voltage at the divider input as a function of output current I2, for uncertainty δ = 0.5%, the circuit δZ = 0.2%, correlation coefficients: Ď Z = –1, 0, 1 and for their omission (acc. to Suppl. 2 GUM): a) for correlation on the output Ď 22 = 1; b) in the absence of correlation Ď 22 = 0
[%]
0,54 0,53 0,52 0,51 0,5 0,49
0,58 0,56 0,54 0,52 0,5 0,48 0,46 0,44 0,42 0,4 0,38 0,36 0,34 0,32 0,3
b)
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2
[%]
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2
Jeśli δU 2 = δ I 2 = δ , δ Z1 = δ Z 2 = δ Z , to niepewności bezwzględne pomiaru pośredniego napięcia i prądu na wejściu w funkcji niepewności względnych d i dZ wynoszą odpowiednio: (27a)
(
⎛U2 ⎞ âŽ&#x; âŽ? Z2 âŽ
)
2
Ďƒ I = δ I2 I 12 + I Z2 δ Z2 = δ 2 A212U 22 + 2 Ď 22U 2I 2A21A22 + I 22A222 + δ Z2 ⎜ 11
1
2
2
(27b)
Zaś niepewności względne dla tego przypadku pomiarów pośrednich napięcia i prądu na wejściu:
δU = 11
ĎƒU
11
U1
= δU21
⎥ ⎤ ⎛U ⎞U Z12 ⎢ 2 1 − Ď Z ⎜ 2 + I 2 âŽ&#x; 2 + I 22 ⎼ δ Z2 Z Z âŽ? 2 ⎠2 ⎣ ⎌ +
(
)
(A U 11
δI =
ĎƒI
11
11
I1
= δ I21 +
(
2
+ A12I 2
⎛U 2 ⎞ ⎜ âŽ&#x; âŽ? Z2 âŽ
)
(28a)
2
2
A11U 2 + A12I 2
)
2
δ Z2
(28b)
Współczynnik korelacji miÄ™dzy U1 i I1 na wejĹ›ciu ukĹ‚adu wynosi: ⎛ ⎛ U2 ⎞ Z1 ⎞ 2 2 2 2 − I 1Ď Z δ Z1 âŽ&#x; ⎜1 + âŽ&#x;U 2 δU 2 + Z1Z 2I 2 δ I 2 + 2Z1 + Z 2 Ď 22U 2I 2δU 2 δ I 2 + Z1U 2δ Z 2 ⎜ δ Z 2 Z2 ⎠Z2 âŽ? âŽ Ď 11 = âŽ? Z 2ĎƒU11Ďƒ I11
(
)
(29)
i dla par jednakowych niepewności względnych δU 2 = δ I 2 = δ , δ Z1 = δ Z 2 = δ Z upraszcza się do ⎥⎛
δ 2 âŽ˘âŽœ 1 + ⎣âŽ?
Ď 11 =
94
P
O
M
I
A
R
⎤ ⎛U 2 ⎞ Z1 ⎞ 2 2 2 − I 1 Ď Z âŽ&#x; âŽ&#x;U 2 + Z1Z 2I 2 + 2Z1 + Z 2 Ď 22U 2I 2 ⎼ + δ Z Z1U 2 ⎜ Z2 ⎠âŽ? Z2 ⎠⎌
(
)
(30)
Z 2ĎƒU11Ďƒ I11
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
$ ( D 1 % Rysunki 4a, b, c przedstawiają róşne przypadki zaleşności r11 od prądu I2 otrzymane ze wzoru (30). Z rys. 4a wynika, şe przy uwzględnieniu niepewności układu pomiarowego dZ, występujące na rys. 2 dla dZ = 0 granice obszaru o bardzo duşym spadku wartości współczynnika korelacji r11(I2) między U1 i I1, ulegają rozmyciu, tj. zmieniają się bardziej płynnie i zaleşą od dZ. Obszar ten zwiększa się dla zmniejszających się wartości współczynnika korelacji r22 < 1 na wyjściu dzielnika. Wartości współczynnika r11 na brzegach tego przedziału prądu zmieniają się niewiele. Na rysunku 4b obserwuje się kilkukrotne zmniejszenie wartości r11 przy wzroście niepewności dZ funkcji przetwarzania i zmniejszaniu się niepewności d pomiarów napięcia i prądu na wyjściu dzielnika w stosunku do parametrów z rysunku 4c. Charakterystyki zaleşności współczynnika korelacji r11 od prądu na wyjściu wzrastają wraz ze współczynnikiem korelacji rZ. Przy całkowitym skorelowaniu wielkości wejściowych i parametrów układu rZ = 1, r22 = 1 otrzymuje się następujące niepewności względne napięcia U1 i prądu I1:
δU = 11
δI = 11
a)
0,56
(
)
2
⎥ A11U 2 + A12I 2 δ ⎤ + δ Z2Z12I 22 ⎣ ⎌ ≼δ A11U 2 + A12I 2 2 ⎛ 2⎞ ⎥ A21U 2 + A22I 2 δ ⎤ + ⎜U 2 âŽ&#x; δ Z2 ⎣ ⎌ ⎜Z2 âŽ&#x; âŽ? 2⎠≼δ A21U 2 + A22I 2
(
(31a)
)
(31b)
Na rysunku 5a, b przedstawiono wykresy niepewności względnej δU11 [%] opisane wzorem (28a) dla pośredniego pomiaru napięcia U1 (rys. 1) wyznaczone dla U1 = 5 V, Z1 = 200 Ί i Z2 = 100 Ί oraz d = 0,5%, dZ = 0,2%, w funkcji prądu I2 [A] przy skorelowaniu i braku skorelowania U2 i I2 dla trzech wartości współczynników korelacji parametrów układu. Dodatkowo zamieszczono wykres niepewności dla nieskorelowanych wielkości wejściowych przy idealnej funkcji przetwarzania. Z rysunków 5a, b wynika, şe niepewność względna δU11 napięcia U1 wzrasta przy uwzględnieniu niepewności układu przetwarzania. Dla dZ = 0,2% charakterystyki δU11 = f (I 2 ) przebiegają coraz wyşej nad charakterystyką dla rZ = 0 przy zmniejszaniu się współczynnika skorelowania r22 dla napięcia i prądu wyjścia. Dla r22 = 1, 0, –1 są odległe średnio o 0,01%, a połoşenia ich płaskich minimów, występujących między 60–80 mA, niewiele róşnią się od siebie. Na rys 6a i b podano wykresy niepewności względnej δ I11 (I 2 )[%] wg wzoru (28b) dla pomiaru pośredniego prądu I1 na wejściu dzielnika przy braku skorelowania i przy skorelowaniu wielkości wejściowych. Na rysunku 7a nie występuje wpływ niepewności i korelacji impedancji Z1, Z2 układu. Przyjęto podobnie, jak poprzednio dla pomiaru U2, I2 niepewności względne δU 2 = δ I 2 = δ = 0, 5% oraz dZ = 0,2% dla impedancji Z1, Z2 i wartości U2 = 5 V, Z1 = 200 Ί i Z2 = 100 Ί. Rysunek 7b przedstawia podobne wykresy dla trzech współczynników korelacji napięcia i prądu na wyjściu układu r22 = –1, 0, 1 z uwzględnieniem niepewności układu przetwarzania dZ = 0,2%.
Rys. 6. NiepewnoĹ›ci wzglÄ™dne poĹ›redniego pomiaru prÄ…du na wejĹ›ciu dzielnika z rys. 1 w funkcji prÄ…du wyjĹ›ciowego I 2 dla skorelowania i braku skorelowania na wyjĹ›ciu ukĹ‚adu: a. dla Ď 22 = 0, 1; b. dla Ď 22 = 0, –1, 1 Fig. 6. Relative uncertainties of indirectly measured input current as a function of output current I2 for correlations at the circuit output: a. Ď 22 = 0, 1; b. Ď 22 = 0, –1, 1
[%]
0,54 0,52 0,5 0,48 0,46 0,44
,2%
0,42 0,4 0,38 0,36 0,34
[A]
0,32 0,3
b)
0,6 0,56 0,52 0,48 0,44 0,4 0,36 0,32 0,28 0,24 0,2 0,16 0,12 0,08 0,04 0
0
0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2
[%]
[A] 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,1 0,11 0,12 0,13 0,14 0,15 0,16 0,17 0,18 0,19 0,2
95
K 2 2 T % T T B # !2P UB Z analizy charakterystyk na rysunkach 6a, b wynika, şe niepewność względna δ I11 (I 2 ) prądu I1 na wejściu układu nieznacznie wzrasta przy uwzględnieniu niepewności dZ = 0,2% dla impedancji układu przetwarzania, tj. do 0,04% na początku i rzędu 0,01% w pozostałej części z zanikającymi róşnicami na końcu przedziału. Niepewność ta wzrasta teş wraz z wartością współczynnika korelacji między impedancjami dzielnika. Odchylenia od wartości maksymalnych, bliskich 0,5 % dla dZ = 1 wynoszą około 0,2% dla dZ = –1 i o około 0,1% dla dZ = 0.
Układ dzielnika (rys. 1) ma dwuwymiarowe (2D) menzurandy X i Y i dwie impedancje Z1, Z2 jako niezaleşne parametry wewnętrzne. Liczba moşliwych współczynników korelacji wynosi 6, w tym 4 niezaleşne dla kaşdej z macierzy składowych UA i UB. Tylko dla macierzy UXA(U2, I2) współczynnik ten moşna uzyskać eksperymentalnie, jeśli synchronicznie przeprowadzi się pomiary. Pozostałe współczynniki szacuje się heurystycznie z danych technicznych lub z inne pomiarów. W podanych przykładach obliczeń elementów macierzy UY przyjmie się jednakowy współczynnik korelacji rV między napięciem i prądem na wyjściu dzielnika, a impedancjami dzielnika. Wówczas
} < ' % " + " % "^ + " ' ! %
⎥ Ď V ĎƒU 22 Ďƒ Z1 U =⎢ ⎢ Ď V Ďƒ I Ďƒ Z 22 1 ⎣
Ponişej przedstawiono przykłady obliczeń niepewności napięcia i prądu mierzonych pośrednio na niedostępnym wejściu dzielnika impedancyjnego (rys. 1) w przypadkach, gdy parametry układu są nieskorelowane skrośnie z wielkościami mierzonymi, tj. gdy U = 0, czyli wg wzoru (5). UY = SU XS T + SPU PSPT
Przyjęto następujące wartości parametrów układu: impedancje: Z1 = 9Z2 = 900 Ί, Z2 = 100 Ί, obie impedancje przy prądzie stałym DC o niepewnościach względnych uB = 0,2%, wielkości mierzone bezpośrednio na wyjściu dzielnika napięcie: = 5 V, I2 = 50 mA, z niepewnością względną typu B 0,2% 2 tym samym lub róşnymi przyrządami. Z tych wartości wyznaczono prąd impedancji Z2: , , = 0,1 A¡900 Ί + 5 V = 95 V. Obliczono niepewności dla 1 czterech wariantów korelacji parametrów układu i wielkości mierzonych: 1. Wielkości mierzone nieskorelowane, niepewności przetwarzania pomijalne (wg GUM-S2) 2. Wielkości mierzone nieskorelowane z uwzględnieniem niepewności układu przetwarzania 3. Wielkości mierzone skorelowane r22 = 1 bez uwzględnienia niepewności układu 4. Wielkości skorelowane r22 = 1 z uwzględnieniem niepewności i skorelowania w układzie. W tabeli 2 zestawiono przykłady numeryczne dla skorelowanych i nieskorelowanych wielkości wejściowych i parametrów dzielnika z pominięciem lub uwzględnieniem niepewności przetwarzania i jego skorelowania. Największe wartości niepewności δ I11 dla prądu I1 i δU11 dla napięcia U1 otrzymano przy uwzględnieniu niepewności impedancji układu realizującego funkcję przetwarzania. Niepewność 0,14% dla idealnego przetwarzania wzrasta do 0,22% przy uwzględnienia niepewności przetwarzania i pełnej korelacji zarówno napięcia i prądu na wyjściu dzielnika, jak i obu impedancji. Obserwuje się teş zmniejszenie współczynnika korelacji na wejściu układu z 1 dla idealnego przetwarzania do 0,6 przy uwzględnieniu niepewności funkcji przetwarzania.
ΔUT ≤
ΔIT ≤
1 U ΔU 2 + ΔI 2 + 2 ΔZ 2 Z2 Z2
δy2 = δy2 X + δy2 F + δy2T i
gdzie: V = SUS . A
R
Y
•
A
U
T
O
M
(32b)
Jeśli układ pomiarowy dokonuje cyklicznie zautomatyzowanych pomiarów w warunkach, w których występują outliery lub inne krótkotrwałe zakłócenia, to do składowych niepewności menzurandu Y pochodzących od niepewności pomiarów menzurandu X i od niepewności funkcji F spowodowanej przez parametry P układu, trzeba dodać geometrycznie standardowe niepewności od wpływów dodatkowych nadmiernych zakłóceń T występujących w warunkach pomiaru i przy najmniej korzystnych wartościach współczynników korelacji. Dla poszczególnych wielkości yi menzurandu Y otrzymuje się sumę niepewności względnych
T P
I
2
⎛U ⎞ Z1 + Z 2 U ΔU 2 + Z1 ΔI 2 + ⎜ 2 + I 2 âŽ&#x; ΔZ1 − 22 ΔZ 2 (32a) Z2 Z2 âŽ? Z2 âŽ
UY = SX U X SXT + SPU P SPT + V +V T
M
22
W trakcie pomiarów mogą wystąpić odchylenia nadmierne, tzw. outliery, np. indukowane przez pole elektromagnetyczne, od impulsów napięcia z sieci zasilającej, a nawet od skoków temperatury. Jeśli nie zostaną one usunięte z danych pomiarowych – np. zgodnie z kryterium Rabbsa lub tzw. metodami odpornymi [4], to przy estymacji niepewności pomiarów wg GUM, opartej obecnie na odchyleniu standardowym wartości średniej, mogą istotnie zniekształcić ocenę dokładności wyniku. Odporność na wpływ outlierów dla układu do pomiarów pośrednich moşna oszacować przez najgorszy przypadek przyrostów wielkości mierzonych i zmian parametrów tego układu, czyli przez błędy graniczne. Na przykład dla układu czwórnika (rys. 1), z róşniczki zupełnej równań (14a, b) o jednakowym znaku przyrostów ΔZ1, ΔZ2 otrzymuje się
W tym rzadko występującym w parktyce przypadku do wzoru (5) uşytego dla macierzy kowariancji UY w punkcie 4.1 dochodzą dwa składniki i trzeba uşyć pełny wzór (3) z tabeli 1, tj.:
O
2
} | ? ' " + + + %
} ? ' % ' % ‹ `
P
22
Wyniki obliczeń przy skorelowaniu impedancji z wielkościami mierzonymi podano w tabeli 3. Największe wartości niepewności uzyskano przy pełnej korelacji r22 wielkości wejściowych, pełnej korelacji rZ =1 impedancji układu przetwarzania i korelacji rV wielkości wejściowych z parametrami układu, tj. r22 = rZ = rV = 1. Otrzymano ponad 1% dla napięcia i ponad 0,9% dla prądu. W stosunku do przypadku nieskorelowanych wielkości, tj. dla korelacji r22 = rZ = rV = 0, niepewność napięcia U2 i prądu I2 wzrosła o około 0,7%. Zmiana współczynnika korelacji z rV = –1 na rV = 1, bez uwzględnienia innych korelacji, powoduje zwiększenie niepewności napięcia z około 0,6% do około 0,8 %, a prądu z około 0,8% do około 0,6% przy stałym współczynniku korelacji r11 na wejściu.
} h = "' % % = 0
96
Ď V ĎƒU Ďƒ Z ⎤ ⎼. Ď V Ďƒ I Ďƒ Z ⎼⎌
A
T
Y
K
A
•
R
O
i
B
i
O
T
(33)
i
Y
K
A
N R 4 /201 9
$ ( D 1 % Tabela 2. Wyniki przykładów obliczeń pośrednich pomiarów napięcia i prądu na wejściu dzielnika z rys. 2 Table 2. Results of examples of calculation in indirect voltage and current measurements at the divider input
Lp.
1
r22
Macierz UX
Macierz SP
rZ
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
0
⎥0, 0001 V 2 0 VA ⎤ ⎢ ⎼ ⎢ 0 VA 10−8 A 2 ⎼⎌ ⎣
0
Macierz UP
Macierz UY
ĎƒU11 / δU11
Ďƒ I11 / δ I11
11
⎥ 0, 0181 V 2 19 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢19 â‹… 10−6 VA 2 â‹… 10−8 A 2 ⎼ ⎣ ⎌
134,54 mV/0,14%
0,141 mA/0,14%
0,999
Macierz SX
r22
Macierz UX
Macierz SP
rZ
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
0
⎥0, 0001 V 2 0 VA ⎤ ⎢ ⎼ ⎢ 0 VA 10−8 A 2 ⎼⎌ ⎣
⎥0,1 A −0, 45 A ⎤ ⎢ ⎼ ⎢⎣ 0 A −0, 0005 A ⎼⎌
0
Macierz UP
Macierz UY
ĎƒU11 / δU11
Ďƒ I11 / δ I11
⎥ 0, 0586 V 2 28 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 28 â‹… 10−6 VA 3 â‹… 10−8 A 2 ⎼ ⎣ ⎌
242,07 mV/0,25%
0,173 mA/0,17%
0,668
r22
Macierz UX
Macierz SP
rZ
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
1
⎥0, 0001 V 2 10−6 VA ⎤ ⎢ ⎼ ⎢ 10−6 VA 10−8 A 2 ⎼ ⎣ ⎌
0
Macierz UP
Macierz UY
ĎƒU11 / δU11
Ďƒ I11 / δ I11
⎥ 0, 0361 V 2 38 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 28 â‹… 10−6 VA 4 â‹… 10−8 A 2 ⎼ ⎣ ⎌
190,00 mV/0,2%
0,2 mA/0,2%
1
Macierz SX
r22
Macierz UX
Macierz SP
rZ
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
1
⎥0, 0001 V 2 10−6 VA ⎤ ⎢ ⎼ ⎢ 10−6 VA 10−8 A 2 ⎼ ⎣ ⎌
⎥0,1 A −0, 45 A ⎤ ⎢ ⎼ ⎢⎣ 0 A −0, 0005 A ⎼⎌
1
Macierz UP
Macierz UY
ĎƒU11 / δU11
Ďƒ I11 / δ I11
⎥ 0, 0442 V 2 29 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 29 â‹… 10−6 VA 5 â‹… 10−8 A 2 ⎼ ⎣ ⎌
210,24 mV/0,22%
0,224 mA/0,22%
0,616
Macierz SX
2
⎥3, 24 Ί 2 ⎢ ⎢ 0 Ί2 ⎣
0 Ί2 ⎤ ⎼ 0, 04 Ί 2 ⎼⎌
Macierz SX
3
4
⎥3, 24 Ί 2 ⎢ ⎢0, 36 Ί 2 ⎣
0, 36 Ί 2 ⎤ ⎼ 0, 04 Ί 2 ⎼⎌
r11
r11
r11
97
K 2 2 T % T T B # !2P UB Tabela 3. Przykłady oszacowania niepewności U1 i I1 przy występowaniu skorelowania parametrów układu pomiarowego i δZ = 0,1% oraz wielkości mierzonych o niepewności δ = 1% Table 3. Examples of estimation uncertainties of U1 and I1 for the impact of correlation of measuring circuit parameters and measured quantities and their uncertainties δZ = 0.1%; δ = 1%
L.p.
Macierz SX
Macierz UX
⎥0, 0025 V 2 ⎢ ⎢ 0 VA ⎣
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
1
0 VA 25 ⋅ 10−8
⎤ ⎼ A 2 ⎼⎌
r22
rV
0
0
rZ
Macierz V
Macierz UY
0
⎥0 0 ⎤ ⎢ ⎼ ⎢⎣0 0 ⎼⎌
⎥ 0, 4525 V 2 475 â‹… 10−5 VA ⎤ ⎢ ⎼ ⎢ 475 â‹… 10−5 VA 5 â‹… 10−7 A 2 ⎼⎌ ⎣
672,68 mV/0,71%
Macierz SX
Macierz UX
r22
rV
0
1
⎥0, 0025 V 2 ⎢ ⎢ 0 VA ⎣
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
0 VA 25 ⋅ 10−8
⎤ ⎼ A 2 ⎼⎌
ĎƒU11 / δU11
2
rZ
Macierz V
Macierz UY
0
⎥ 0, 063 V 2 −0, 0007 VA ⎤ ⎢ ⎼ ⎢ −0, 0007 VA −7, 5 â‹… 10−8 A 2 ⎼ ⎣ ⎌
⎥ 0, 0589 V 2 475 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 475 â‹… 10−6 VA 3, 53 â‹… 10−7 A 2 ⎼ ⎣ ⎌
767,22 mV/0,81%
Macierz SX
Macierz UX
r22
rV
0
–1
⎥0, 0025 V 2 ⎢ ⎢ 0 VA ⎣
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
0 VA 25 ⋅ 10−8
⎤ ⎼ A 2 ⎼⎌
ĎƒU11 / δU11
3 rZ
Macierz V
Macierz UY
ĎƒU11 / δU11
0
⎥ −0, 063 V 2 0, 0007 VA ⎤ ⎢ ⎼ ⎢ −0, 00007 VA 7, 5 â‹… 10−8 A 2 ⎼ ⎣ ⎌
⎥ 0, 337 V 2 480 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 480 â‹… 10−6 VA 6, 53 â‹… 10−7 A 2 ⎼ ⎣ ⎌
580,19 mV/0,61%
Macierz SX
Macierz UX
r22
rV
⎥ 10 900 Ί ⎤ ⎢ ⎼ ⎢⎣0, 01 S 1 ⎼⎌
⎥ 0, 0025 V 2 25 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢ 25 â‹… 10−6 VA 25 â‹… 10−8 A 2 ⎼ ⎣ ⎌
1
1
rZ
Macierz V
Macierz UY
ĎƒU11 / δU11
1
⎥ 0, 063 V 2 −0, 00007 VA ⎤ ⎢ ⎼ ⎢0, 0000675 VA −7, 5 â‹… 10−8 A 2 ⎼ ⎣ ⎌
⎥ 1, 030525 V 2 945 â‹… 10−6 VA ⎤ ⎢ ⎼ ⎢945 â‹… 10−6 VA 8, 53 â‹… 10−7 A 2 ⎼ ⎣ ⎌
1,015 V/1,07%
4
98
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
$ ( D 1 % Wyznaczenie składników tego wzoru dla napięcia U2 i prądu I2 na wejściu dzielnika pozostawiamy Czytelnikowi jako sprawdzian, czy autorzy wystarczająco przejrzyście przedstawili zagadnienie. Macierz U
⎥0 0 ⎤ ⎢ ⎼ ⎢⎣0 0 ⎼⎌
Macierz SP
Ďƒ I11 / δ I11
r11
0,707 mA/0,71%
0,998
Macierz U
Macierz SP
⎥0, 045 VΊ 0, 005 VΊ ⎤ ⎢ ⎼ ⎢⎣ 0, 0009 V 0, 0001 V ⎼⎌
⎥0,1 A −0, 45 A ⎤ ⎢ ⎼ ⎢⎣ 0 A −0, 0005 A ⎼⎌
Ďƒ I11 / δ I11
r11
0,593 mA/0,59%
1
Macierz U
Macierz SP
⎥ −0, 045 VΊ −0, 005 VΊ ⎤ ⎢ ⎼ ⎢⎣ −0, 0009 V −0, 0001 V ⎼⎌
⎥0,1 A −0, 45 A ⎤ ⎢ ⎼ ⎢⎣ 0 A −0, 0005 A ⎼⎌
Ďƒ I11 / δ I11
r11
0,808 mA/0,808%
1
Macierz U
Macierz SP
⎥0, 045 VΊ 0, 005 VΊ ⎤ ⎢ ⎼ ⎢⎣ 0, 0009 V 0, 0001 V ⎼⎌
⎥0,1 A −0, 45 A ⎤ ⎢ ⎼ ⎢⎣ 0 A −0, 0005 A ⎼⎌
Ďƒ I11 / δ I11
r11
0,923 mA/0,923%
1
< Omówiono zestawione w tabeli 1 wzory rozszerzonej metody wyznaczania niepewności pomiarów pośrednich wieloparametrowych. Metoda ta uwzględnia niepewności i skorelowania parametrów układu realizującego wielowymiarową funkcję przetwarzania. Przedstawiono przykład zastosowania tej metody w pośrednich pomiarach napięcia i prądu dwójnika dostępnego jedynie za pośrednictwem dzielnika impedancyjnego. Sytuacje takie występują w pomiarach wysokonapięciowych oraz w diagnostyce technicznej układów elektrycznych. Jako przykład zastosowania metody rozwaşono szczegółowo niepewności wyznaczania napięcia i prądu na wejściu obciąşonego dzielnika impedancyjnego na podstawie pomiarów na dostępnym jedynie jego wyjściu. Wyprowadzono macierzowe zaleşności uwzględniające niepewność realizacji funkcji przetwarzania przez ten układ. Ujmują one wzrost niepewności całkowitych estymowanego napięci i prądu przy uwzględnianiu niepewności funkcji przetwarzania. Wzrost ten nie przekracza sum niepewności pomiarów wielkości wejściowych i niepewności parametrów układu. W prezentowanych wariantach tego układu przyrost niepewności zmieniał się wraz z wartością i znakiem współczynników korelacji parametrów układu jak i wielkości wejściowych, a takşe w funkcji poboru prądu na wyjściu układu dzielnika impedancyjnego. Znaczne zmiany występowały w pomiarach pośrednich napięcia przy silnie skorelowanych wielkości wejściowych. Omawianą metodę moşna z poşytkiem stosować zarówno do oceny pośrednich pomiarów wieloparametrowych wykonywanych zestawem przyrządów, jak i do oceny dokładności przyrządów i systemów pomiarowych o wbudowanym zintegrowanym układzie pomiarowym do takich pomiarów. Autorzy zamierzają przeanalizować wyznaczanie niepewności kilka innych układów do pomiarów wieloparametrowych stosowanych w róşnych dziedzinach, w tym np. pomiarów składowych mocy w sieciach trójfazowych o przebiegach odkształconych oraz zbadać właściwości statystyczne układów wieloparametrowych przy niegaussowskich rozkładach prawdopodobieństwa zbiorów odchyleń i róşnych funkcjach przetwarzania wielkości mierzonych.
% ! , 1. JCGM 100:2008, BIPM, Evaluation of measurement data – Guide to the expression of uncertainty in measurement. S1 JCGM 101:2008, BIPM, Supplement 1. Propagation of distributions using a Monte Carlo method. S2 JCGM 102:2011, BIPM, Supplement 2 to the ‘GUM – Extension to any number of output quantities‘. 2. JCGM 200:2012, BIPM, International vocabulary of metrology – Basic and general concepts and associated terms (VIM) 3rd edition 3. Warsza Z.L., Puchalski J., Rozszerzona metoda oceny niepewnoĹ›ci poĹ›rednich pomiarĂłw wielo-parametrowych i systemĂłw do tych pomiarĂłw. Część 1. WpĹ‚yw korelacji i niepewnoĹ›ci funkcji przetwarzania – zaleĹźnoĹ›ci podstawowe, „Pomiary Automatyka Robotykaâ€?, R. 23, Nr 3, 2019, 55–63, DOI: 10.14313/PAR_233/55. 4. Warsza Z.L., Metody rozszerzenia analizy niepewnoĹ›ci pomiarĂłw. Monografia PIAP, Warszawa 2016. 5. Finkelstein L., Fundamental concepts of measurement, ACTA IMEKO May 2014, Vol. 3, No. 1, 10–15. 6. EA-4/02 M: 2013, Wyznaczanie niepewnoĹ›ci pomiaru przy wzorcowaniu (Evaluation of the Uncertainty of Measurement in Calibration). 7. Dorozhovets M., Warsza Z.L., Udoskonalenie metod wyznaczania niepewnoĹ›ci wynikĂłw pomiaru w praktyce. „PrzeglÄ…d Elektrotechnicznyâ€?, R. 83, Nr 1, 2007, 1–13.
99
K 2 2 T % T T B # !2P UB 8. Warsza Z.L., Ezhela V.V., Zarys podstaw teoretycznych wyznaczania i numerycznej prezentacji wyników pomiarów pośrednich wieloparametrowych, „Pomiary Automatyka Kontrola�, R. 57, Nr 2, 2011, 175–179. 9. Warsza Z.L., Zięba A., Niepewność typu A pomiaru o obserwacjach samoskorelowanych. „Pomiary Automatyka Kontrola�, R. 58, Nr 2, 2012, 157–161. 10. Warsza Z.L., Puchalski J., Udoskonalona metoda wyznaczania niepewności w pomiarach wieloparametrowych. Część 1. Podstawy teoretyczne dla skorelowanych wielkości mierzonych, „Pomiary Automatyka Robotyka�, R. 23, Nr 1, 2019, 47–58, DOI: 10.14313/PAR_231/47. 11. Warsza Z.L., Puchalski J., Udoskonalona metoda wyznaczania niepewności w pomiarach wieloparametrowych. Część 2. Przykłady pomiarów wielkości skorelowanych, „Pomiary
Automatyka Robotyka�, R. 23, Nr 2, 2019, 29–37, DOI: 10.14313/PAR_232/29. 12. Warsza Z.L., Puchalski J., Wyznaczanie niepewności w pomiarach wieloparametrowych wielkości o skorelowanych składowych typu A oraz B, „Przemysł Chemiczny�, T 98, Nr 7, 2019, 1061–1068, DOI: 10.15199/62.2019.7.5. 13. Warsza Z.L., Puchalski J., Niepewność wieloparametrowych pomiarów wielkości skorelowanych. „Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej�, Nr 65, 2019, 101–108. 14. Osiowski J., Szabatin J., Podstawy teorii obwodów, tom 3, rozdz. 8. Czwórniki, WNT, Warszawa 1995. 15. Bolkowski S., Obwody elektryczne liniowe w stanie ustalonym, WNT Warszawa 1974.
<f % % B % / < / > % B @6 B % / / B 6 ) - <f / / > % = @6 B Abstract: In the part I of this work, the current results of the work are briefly presented regarding the impact of correlations in sets of deviations from estimators of directly measured quantities with uncertainty of types A and B on the accuracy of indirectly determined parameters of output multi-measurand. An extended mathematical model of the method contained in Supplement 2 of the GUM Guide was presented. This new extended model takes also into account the uncertainties of the processing function in multi-parameter measurements and can also be used to describe the accuracy of instruments and systems that perform such measurements. Part 2 presents examples of using the extended method to describe intermediately measured parameters of a two-terminal net through a four-terminal network, considering the uncertainties of its elements. Keywords % # %# f# # | # / . / # / @ # % %
4 1' 6 (
H
&* +$. ORCID: 0000-0002-3537-6134
$. . ORCID: 0000-0002-5055-8550
-7 ; % < . 6 ; &*'*# % @ &*+(# % % &*(! 6 S > < &*'QE&*+ &**XE&**'# 6 ; &*+!E&*(!# 6 { &*(!E&*(Q H . % ; % = L % I# J . S J % - @ 6 > B . N % ; % &*(QE&*Q) % - 6 A > 6 &*Q E&**) M % B <% 0 % &**)E&**'# 6 L % &*Q E)!!) J7 . A 6 > @ - 6 A 6>-6 - % X! 7 # + . / # % 7 % # && A @ ) % A 6 6 . = B . . 6 6-L - % B .
-7 ; % ^ = @ B H&*Q+ I ; % < @ H&*QQ I 6 ; @ ; &*Q(E&**' 6 ; # &**' 7 % K F &! 7 R @ . / % K K K 6 . @ / % B ^ A % @ K% " / J% )!!+ N A @ % B % K . % @ A A % % . # 7 . A . % @
100
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
1 & K 0 - L YVUX/hYUM KB Uj L VGUOYh
Informacje dla Autorรณw $ F L % C Uh UOYj B T 0 F % C P ` % 0 % 0 % ` 0% T J% ` ` 0 ! 0 0 0 % ]0 0% J!^B T % ! C 0% J % % 0 %`
T C % % 0 B
Wskazรณwki dla Autorรณw ! ( + ' % & 0% % / Pomiary Automatyka Robotyka P ! ` % 3 F ] ` WO T ^ ! % % F ! & G& T / % J% ] 0% % ^ F ] 0 ! 2 Yย OFUOO T ^ ! % % F % ]ย FW ^ ! % ! % % F !2P F ! % ]% 0 B % ^ F ! % ! % F 0 % ! % ! % F % G J G ! 0 % B B B % 0 B f % 2 B jOO B YOOO % 2 ` J 2 B
& P 0 ! 2P T ` O M P 0 ! 2 Y ]VO OOO T % 0 jOOO U % T ^ B W C B T ` ! 0 ! 2P !2 B Nie drukujemy komunikatรณw! ` 0 P ` 0 J & T ] ! ^ 0 ! 2 ย OOFXย O T % J B K 0 T T ! % % B 1 0% ` ` ` P B
& <.> > '( ' ! % % +
+ " ' ย B & ` ` % 2P 2P B & T 0% ` % B $ T 2P % ! 0 % ` P 0 &
` 0 P ! t T B 7 % . " > " & > T % ! B T 2% B 1 ` % C `P % % ` F & T J% ! 0 J B K T ! B C 0% T K `B
Kwartalnik naukowotechniczny Pomiary Automatyka Robotyka jest indeksowany w bazach BAZTECH, Google Scholar oraz INDEX COPERNICUS H> Y )!&QS ( #+*I# R w bazie naukowych 7 R -L>-0=- 6 K K % realizacji idei Otwartej Nauki, % 7 7 naukowo-technicznym Pomiary Automatyka Robotyka. 6 B0 ; 7 naukowe w kwartalniku Pomiary Automatyka Robotyka wynosi obecnie )! H naukowych i recenzowanych A / % % % & )!&* # )(*!)I 6 % naukowe โ automatyka, elektrotechnika i elektronika.
YOY
-L aK &#DH (& &['aKš
7 ( , + ( + % K % / Pomiary Automatyka Robotyka C ` % ! L % C ` ` ! & T & G& T T ! % 2 ` 3 1. , % ^ ! wymieniowego Autora ! % F % % T B b c B % & T 0% T0 T 0% 0 %0 T% B 2. , !% % + " " ' ' jej powstanie F % 3 F C 0 ` %! %0 T %0 0 T G ! ` 0% F C ! b c B ! T 0 ` T % ! 0 T 0% ™
YOU
P
O
M
I
A
K % %
` ! % ` ` C % `
% 0 B
3. , ÂŽ " ' + Â? " + ( % F J 0% /0 % 0 t T % 2 T !C B bJ % % c F 0% % 0% % 0 ! J 0 B
* "' 1 0% T C ` % 0 0 % C % F C P P 2 B $ G % 2 `C B
† ' przeniesienie praw ( + " ( % % $ � $ %` ! 0% ! ` !B [
B
% ` B
Redakcja kwartalnika Pomiary Automatyka Robotyka $
* 1 T 0% % / 1 & K 0 T ` ! a- B3
; % F # ; # B / " # ; M % # B ^ . # B ; . # M % % " # " # -. wielomodalnego interfejsu do Narodowej Platformy 7 7 " # 8 ) # U6 - L 7 V# ISSN 1427-9126, R. 23, Nr 4/2019, 5–18, DOI: 10.14313/PAR_234/5.
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
czasopisma
pomiary
sprawdzian
miara
POLSPAR
eksperyment
automatyka PIAP
seminarium
kalendarium
szkolenie
kwartalnik
federacja
nauka
publikacje
automatyka
stowarzyszenie
HORIZON 2020 `C innowacje organizacja projekt konkurs
konferencje
relacja
POLSPAR
POLSA
publikacje
AutoCAD streszczenie
agencja kosmiczna
dr h.c.
innowacje
IFAC
ZPSA
t
profesura
recenzje
relacja
szkolenie
doktorat
robotyka seminarium
sterowanie
K
esa
szkolenie
104
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
NR
4/2019
1 & K 0 - L YVUX/hYUM KB Uj L VGUOYh
Kalendarium wybranych imprez Nazwa konferencji
Data konferencji '
XXIV Konferencja Naukowo-Techniczna automation 2020
18–20 / 03 / 2020
1 %
Conference on European Control Conference ECC 2020
12–15 / 05 / 2020 10 / 10 / 2019
1 0
K
XX Krajowa Konferencja Automatyki KKA 2020
22–24 / 06 / 2020 20 / 01 / 2020
QT t 1 %
www: 3GG B B B% B % mail: Z B B% B %
14th International Conference & # % Â Computing CONTROLO 2020
01–03 / 07 / 2020 01 / 02 / 2020
Bragança Portugalia
www: 3GG % UOUOB 0B mail: % UOUOZ 0B
21 - &# % #
12–17 / 07 / 2020 31 / 10 / 2019
Berlin Niemcy
25th International Conference % & K 0 MMAR 2020
24–27 / 08 /2020 02 / 03 / 2020
! 1 %
24th - % on Mathematical Theory of L MTNS 2020
24–28 / 08 / 2020 12 / 01 / 2020
# 0 Wielka Brytania
www: 3GG UOUOB B B B G
YMB
K 0 KKR 2020
02–06 / 09 / 2020 02 / 03 /2020
% 1 %
www: 3GG B B B % mail: Z B B %
˜UB ! %
% T MKM 2020
07–09 / 09 / 2020
1 % 1 %
22nd 1 H% & % EPE 2020 ECCE
07–11 / 09 / 2020 19 / 12 / 2019
Lyon Francja
17th - &# - # % 1 0% in Manufacturing INCOM 2021
07–09 / 06 / 2021
+ !
www: 3GG UOUYB
jOBOWFOjBOh G UOUY
Jokohama Japonia
www: 3GG B UOUYB mail: UOUYZ B B B
ii--- % # - % Confederation IMEKO 2021
Informacje dodatkowe www: 3GG B B %G mail: Z B %
www: 3GG UOB mail: Z UOB
www: 3GG B UOUOB
www: 3GG B B %G mail: Z B B %
www: 3GG B UOUOB G mail: Z UOUOB
105
NASZE MONOGRAFIE
www.piap.pl
106
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
g&+-(-'&#D& q & &L L&[ a ยฅ
Wybrane aspekty praktycznej realizacji algorytmu regulacji PFC .A . % sterowania procesami cieplnymi ! ) ' 1 . ) #$%& ) ' ( _ H ' . ( : * . 6 + ' 1 . - ) : B+ ( ` 1 - )
J 0 % % 1 # ] B 1 ) % # %^ T % B &% % T 1# ] B % 1 ) # %^ J & HK &B T C % 1 # T0 % 0 T !2 B - ` J 0 C ! 0% ` % % T T % B
% % C % 1# % % B ' 0 B $ C 0 P T% 2% ` %! % F ` C% 2 ` % % ! B % % ` P T 2 P % ` P 0 C 2P 0% % % 2 ! B T% ` ! 2 ! % T % % % / ) B $ ! % 0 2 B $ C % ` ! J T % T % 0 ! T % 0
C% 2 T % B % / ) J % 2 % C % ` ` 2P % % / 0 B D T % % 1 # T0 % 2 ` B ' % T 1 #B
% ` 0 ` % 1 # 0 ! B $ T 0 % Tt 0!
1 Q Wybrane aspekty praktycznej realizacji algorytmu regulacji PFC ze szczegรณlnym
XXO 1 % _%` UOYh - +L hXW/Wj/XWWO/MYO/j B UOYB
-7 ; % - # < > / 6 { K ; )!!! 7 % K Ana #" # # ( ( ## $ " ! # 5$ ( " # A 7 / B B . &( . % )!&* % 7 . % # # % L % M - # < < 6 { K
% 1 # % 0 B 0 ! % % % 1 # % T% %! T
% T B + T % % 2 % 0 B !2 C 0 2 2 % 1 # % 0 % %! TC % ! % B 1 T C 0 % % % % % ` `
% ` ` ! % T 1 # 11#B D T
% C % % T0 0 T B ` C ` 0 T % 1 # ` ! % % 0 T a1 'B 1 2P % % 2 % 2P J T % ! % T C ! B
YOX
KONFERENCJE | RELACJA
6 " K K 7 E <=L )!&* R " ' ) + + ' ' 2 ' ' ) p ( ) ! " %$$$ 2 qv + 1 ' 1 + 3 1 ( + ) '
Spotkanie przedstawicieli europejskiego " " # !" 1 1 % T 2 P 0 # % H ' K 0 B % 0 ! B B & 0 + % & B YVFYM % UOYh B % % % % ! % C 0 C 0 J 0 ` 0 % B J % % ! B B [ g 0 E % K 0 H ' K 0 & + H B 0B CB ' J% D 1 B H [ 1 % 1
1 # -
YOW
P
O
M
I
A
R
/ C + %% K 0 ) &++B โ Mitologiczny Talos, mechaniczny olbrzym wyznaczony przez bogรณw na
!
" # $ ! % # ! # " & ' #
# % % F T % Q % H B
0% 2 B a % % ` ! ` B C ! B B 0 ยฅ J &++ T % ` % T 2 B % P 0 ! 0 P P ` % T (HEaB L !% & 0 T % B ` ` C C 0 &Lยฅ % gUOUO 'g-LEB - % 0 ` B % B
," " # !# $ * pokazรณw i warsztatรณw
% ]Yย YM % ^ % 2%` -
Y
โ ข
A
U
T
O
M
A
T
Y
K
A
โ ข
R
O
B
O
T
Y
K
A
N R 4 /201 9
1 & K 0 - L YVUX/hYUM KB Uj L VGUOYh F ( ) # ! *++ $ % '
./;<=> ! % % ? %@ A & B E%
< B & B E%
A $ ? & # % ' " #
% % / " ! ! " ! F
% 1 % 1 B KT % % T 0 ! % B # ! % P ! B B bD
0 2 c % 0 0 P bK 0 ` C % Pc bQ c b F % `cB C 0% 2 ! ! 0 0 C % B L ! % + 1 K 0 ]K ^ &++ ] G ^ 1 # / ]1 % ^ -' E % ]+ 2 g ^ % K 0 ] ^ # K ¦ ] % ^B a # % H ' K 0 1 0 % 3 1 % 1 1 # / H B T % t% !3 &++ $ [ ' % & 'aK 1&( K 0 B # % 0 ` ! ` H ' K 0 UOYY B K 0 B ' ! / 0` + % T U˜O T 0 % ! 0 C 0 B
0 % A 6 6
YOh
aL [K ยฅ q $&1a -H ยง
F % F . \ A %
Konkurs Konstrukcji Studenckich KOKOS, czyli Konkurs Konstrukcji Studenckich, to ogรณlnopolski projekt realizowany przez | 4 , O ; O + ) O ' O)
% % T ` ! 2 B 1 ! 0% C B a a T L % C $ T 0! ! B
C T % 1 1 B& % 0 ` B B3 L % C L
110
P
O
M
I
A
R
Y
โ ข
A
U
T
O
M
A
T
Y
K
A
โ ข
R
O
B
O
T
Y
K
A
N R 4 /201 9
1 & K 0 - L YVUX/hYUM KB Uj L VGUOYh
# + K T L B # % 0 % T % ! ` F J % T ! 0 B ! % T T B 1 ` T 0 ` B B ! ` T J% ] UOUO B^ $ 0! ` % TC % P % % C C% ` ` % ` 0` t 0 C` C 0 B 2 T T 0 0! ` J % 2 B % ` 0 T ` ` C ` % 2 0 B a ( T ` E % T P 0! B ] UOUO B^B
! +¨K % ! 2 B % 0 ` B E !0 C % %! 2 0 B F T g % B ! ` % B D % T a a 1 1 %% - ' % K ) ! % % % T ! 0 % T B L
% % 2 ! ! B % B B3 0 % 2 % C B $ ` B T C % tP B B B B % % 3 B - B B
J % A
. 0
F % T B [ C% T T ` 2 0 B 1 T% C
111
NASZE WYDAWNICTWA
VOLUME 13 N°2 2018 www.jamris.org pISSN 1897-8649 (PRINT) / eISSN 2080-2145 (ONLINE)
Indexed in SCOPUS
www.jamris.org
PAR P O M I A RY • A U T O M AT Y K A • R O B O T Y K A
PAR P O M I A RY • A U T O M AT Y K A • R O B O T Y K A
1/2019 ISSN 1427-9126 Indeks 339512
Cena 25,00 zł w tym 5% VAT
Technical Sciences Quarterly | / . >
5
& a /( C K
31
5
The Fractional Order PID Control of the Forced Air Heating System
17 21
3
a ! 1
11
w tym 5% VAT
15
? % Â?% ( " +
& 4 ’ % 34 % „ %% > % 5 + 3% ! % = , > , <
3/2019 ISSN 1427-9126 Indeks 339512
Cena 25,00 zł w tym 5% VAT
Technical Sciences Quarterly | / . >
W numerze:
W numerze:
Od Redakcji
D % 1
Cena 25,00 zł
Technical Sciences Quarterly | / . >
W numerze:
3
PAR P O M I A RY • A U T O M AT Y K A • R O B O T Y K A
2/2019 ISSN 1427-9126 Indeks 339512
3
Od Redakcji D 0 1 1 0 ' & `0
5
<% , ' % % +
Od Redakcji Maria Wrzuszczak, Janusz Wrzuszczak
* % , % , ( ) % (
E 1 Q! K
† ( + � , ! '
23
& + 0 1 % 1 2
29
$ ( D 1 %
39
a L % % ) KB K `
9 % " ' + ) ! % ' "
11
Sebastian Dudzik
17
1 ( 2
? , " ! Â? %! $ +
< !%( ! ' (! % ! ! ' + +
1 K 0 L 0 %
? ' ' , ' ' " ! % DB 1 % 0 1% 1 B
? ' + ÂŽ " ! % ! '
( ! ' ! % <80
27
† % + % + < ' " %
% +
+ + K 1 B
< " "^ + " % ! % " ' + !% ' ÂŽ " +
. % ' " ' % ! !
1 3
Ponadto:
Ponadto:
Informacje dla Autorów – 59 | 5 - 1 . * ' ' " | 63 | | ' 1 . 64 | Awans naukowy
- ) ! ' 65 | * ' 66 | % - 2 * . - 1O -*- #$%& 67 | ‡‡ * * . ' ** #$#$ 68 | 5 ! . " 5 - 1 70 | | 72 | Polecane 5 ' ) ) ) O 73 | -) ; #$%& 74
Informacje dla Autorów – 75 | Kalendarium – 79 | XXIII Konferencja Automatyków Rytro 2019 – 80 | ' #$%&+ ' | B i Perspektywy – 85 | , J 4 ) * 86 | Wyzwania Edukacji 4.0 w teorii i praktyce – 92 | Nasze wydawnictwa – 95 | Nasze monografie – 96
Informacje dla AutorĂłw – 81 | Nasze monografie – 85 | ( ' . ( ) ( 86 | Kalendarium – 89 | Intelligent Autonomous Vehicles 2019 – 90 | % - 2 * . - 1O 94 | 5 - 1 ) O 97 | 5 3 / #$#$€6! #$#$  #$%q‚ƒ ' 1 ' 1 98 | 5 ; 7 #$#$ 6€#$#$‚ ' 99 | Nasze wydawnictwa – 100
www.par.pl
www.automatykaonline.pl/automatyka
112
P
O
M
I
A
R
Y
•
A
U
T
O
M
A
T
Y
K
A
•
R
O
B
O
T
Y
K
A
N R 4 /201 9
młodzi
innowacyjni
Sieć Badawcza Łukasiewicz – Przemysłowy Instytut Automatyki i Pomiarów PIAP ogłasza
XII Ogólnopolski Konkurs na
inżynierskie, magisterskie i doktorskie w dziedzinach Automatyka Robotyka Pomiary Zgłoszenie należy przesłać na adres konkurs@piap.pl do dnia 22 lutego 2020 r. Regulamin konkursu i formularz zgłoszeniowy są dostępne na stronie www.piap.pl Autorzy najlepszych prac otrzymają nagrody pieniężne lub wyróżnienia w kategorii prac doktorskich:
I nagroda 3500 zł
II nagroda 2500 zł
w kategorii prac magisterskich:
I nagroda 3000 zł
II nagroda 2000 zł
w kategorii prac inżynierskich:
I nagroda 2500 zł
II nagroda 1500 zł
Wyniki konkursu zostaną ogłoszone podczas Konferencji AUTOMATION w Warszawie, w dniu 18 marca 2020 r. Patronat Komitet Automatyki i Robotyki Polskiej Akademii Nauk Komitet Metrologii i Aparatury Naukowej Polskiej Akademii Nauk Polska Izba Gospodarcza Zaawansowanych Technologii Polskie Stowarzyszenie Pomiarów Automatyki i Robotyki POLSPAR
Organizator konkursu
www.piap.pl
Patronat medialny Kwartalnik naukowo-techniczny Pomiary Automatyka Robotyka
Informacji udzielają: Małgorzata Kaliczyńska: mkaliczynska@piap.pl, tel. 22 8740 146
Jolanta Górska-Szkaradek: jgorska-szkaradek@par.pl, tel. 22 8740 191 Bożena Kalinowska: bkalinowska@piap.pl, tel. 22 8740 015
47
D 0 l %
55
+ 0 & T
65
1 D $ %
The Application of an Adaptive Controller Combined with the LQR Controller for the Inverted Pendulum
3 % % "^ % ^ "' dystrybucyjnej
. % + " ! ' % ! ! ) + ' + + +
71
&% / * % & )
77
0 % K %
% $0
87
$ ( D 1 %
% ' % % ! ! " ( ! + "
Remote sensing semi-automatic measurements approach for monitoring bioenergetics crops of Miscanthus spp.
> + " % + ' " + " * ' ' + " +