Методическое пособие 807

Следующим этапом проверки ЛПС идет обнародование данных в среде LVMFlow. Основной особенностью ЛВМ является покрытие модельного состава слоем суспензии, а в последующем покрытие огнеупором. В качестве огнеупорного покрытия был выбран электрокорунд (керамика). Толщина такого покрытия составила 7 мм. На рис. 3 показано, как блок покрылся керамикой.

Рис. 3. Блок, покрытый оболочкой

Блок, который покрыт огнеупором, в ЛВМ перед заливкой прогревают до температур 850-990 0С, исходя из конструкции и толщины оболочки была выбрана температура 950 0С, рис. 4.

Рис. 4. Материал оболочки

Основным, заключительным этапом в тестировании методами моделирования в среде LVMFlow является прогон, сборки в модуле полной задачи. Важным аспектом в процессе моделирования является предупреждение появления усадочных раковин в теле отливки, для этого как правило устанавливают прибыли на путях возможного образования дефекта. На рис.5 наглядно видно, где образовалась усадочная раковина.

90

Рис. 5. Дефекты

Таким образом, в ходе тестирования конструкции ЛПС в среде СКМ, был получен нестандартный и рабочий вариант литниково питающая система, который удовлетворяет требованиям в плотности и точности отливки. В дальнейшем данная разработка может быть использована на предприятиях литейной отрасли, выпускающих похожую номенклатуру отливок.

Литература

1.Веретенник А.А. Анализ условий получения отливки «Подкладка с упором» в разовые песчаные формы с помощью компьютерного моделирования

/А.А. Веретенник, Л.С. Печенкина // Сб. тр. победителей конкурса научноисследовательских работ студентов и аспирантов ВГТУ по приоритетным направлениям развития науки и технологий «Научная опора воронежской области». 2017. С. 14-16.

2.Щетинин А.В. Исследование процесса охлаждения чугунных отливок в форме / А. В. Щетинин, Л.С. Печенкина, Т.И. Сушко // Вестник Воронежского государственного технического университета. – 2004. – №7.4. – С. 50-53

3.ПрокопенкоК.А, ПеченкинаЛ.С. Моделирование затвердевания корпус ных отливок/ тр. межд. н.т. конф. АКТ-2020. Воронеж, 2020. С. 148-149.

4.Popova O., Pechenkina L., Pechenkin A., Popova M., Petrenko V., Demidov. The effectiveness of the use of information technologies. // IOP CONF. SER. Mater Science. Kazan, Russia, 2020. С. 012201

5.Печенкина Л.С. Моделирование процесса формирования усадочных дефектов в отливках/ труды межд. н.-т. конф. «Информационные системы и технологии: достижения и перспективы». 2020. С. 103-105.

91

УДК 629.3.051

Конструктивные особенности систем распознаван ия пассажиров в транспортном средстве с высокой степенью автом атизации

Е.А. Курьянов1, Г.В. Фролов2, Е.А. Сукачева3, А. И. Сукачев4 1Студент гр. РП-164, mag.dip@yandex.ru 2Студент гр. РП-164, mag.dip@yandex.ru

3Аспир антка кафедры РЭУС, mag.dip@yand ex.ru

4Стар ший преподаватель, mag.dip@yande x.ru

ФГБОУ ВО «Воронежский государственный технический университет»

Встатье рассматривается разработка биометрической с истемы идентификации водителя. Система биометрической идентификации состоит из аппаратного блока и программной части. Рассмотрена структура ап паратного блока и дано описание каждой составной части.

Ключевые слова: биометрия, идентификация, самоуправляемый автомо-

биль.

Внастоящее время активно развиваются системы искусственного интеллекта, такие как машинное зрение, голосовые помощники и т. д. Использование элементов искусственного интеллекта позволяет автоматизировать некоторые повседневные задачи. Автомобильная промышленность наход ится на переднем плане внедрения систем искусственного интеллекта. А именн о, активно развивается направление использования системы управления транспортным средством с высоким уровнем автоматизации. Активное участие в этом направлении принимают такие компан ии, как Google, Яндекс, Nvidia. Будущее автомобильной промышленности, безусловно, лежит за самоуправляемым и транспортными средствами. Целесообразность использования беспилотны х транспортных средств обусловлена след ующими факторами: экономичностью, экологичностью и безопасностью.

Рис 1. Обоб щенная блок-схема системы идентификации

92

В рамках концепции развития транспортных средств с повышенной степенью реализации можно выделить следующие основные функциональные части: аппаратный блок, установленный в автомобиле, транспортный узел, мобильный клиент системы. Структурная схема системы приведена на рис. 1. Аппаратный блок выполняет функции сбора данных о техническом состоянии транспортного средства, о состоянии здоровья пассажиров, управления осветительными приборами и др. Транспортный узел - это интеллектуальная парковка транспортных средств с функцией анализа технического состояния транспортного средства, заправки, мойки и дезинфекции. Мобильный клиент позволяет контролировать техническое состояние транспортного средства, устанавливать время доставки транспортного средства к месту назначения и т.д. В рамках данной статьи рассматривается понятие биометрической идентификации водителя (пассажира) автотранспортного средства.

Система безопасности может быть подразделена на систему поддержания технического состояния, систему психологической безопасности, систему охраны здоровья пассажиров, противоугонную систему безопасности и др. В статье рассматривается интеллектуальная система защиты автомобиля от угона.

Основным недостатком большинства существующих систем безопасности является отсутствие привязки идентификатора к владельцу транспортного средства; в качестве идентификатора может выступать брелок сигнализации, иммобилайзер, мобильный телефон и т. д. Например, сигнализация, которая управляется с пульта дистанционного управления ("брелок") с помощью радиосигнала, перехват которого или блокирование ("пустышка"), в настоящее время не представляет особой сложности. Таким образом, возникла необходимость в разработке системы, которая не использует внешнее устройство в качестве идентификатора.

Одним из решений, позволяющих осуществить процедуру идентификации и распознавания пользователя автотранспортом, является использование биометрических данных человека. В биометрической идентификации различают методы, основанные на статистических и динамических характеристиках. Статистические методы включают методы, основанные на определении личности по папиллярному рисунку на пальцах, радужной оболочке, геометрии лица, сетчатке, рисунку вен рук и т. д.). Динамические методы включают идентификацию по голосу, динамике почерка, частоте сердечных сокращений, походке и т. Д. Каждый из методов имеет ряд преимуществ и недостатков. В связи с этим целесообразно использовать сочетание различных методов распознавания и идентификации пользователей транспортных средств. В качестве характери-

93

стик, характеризующих качество биометрической системы, используются FAR (FalseAcceptRate) и FRR (FalseRejectionRate). Первый параметр характеризует вероятность ложного совпадения биометрических характеристик. Второй пара- метр-вероятность отказа для человека, имеющего доступ к системе. Чем ниже эти значения, тем выше безопасность системы.

На рис. 2 представлена обобщенная функциональная схема системы идентификации, включающая следующие подсистемы:

Вычислительная подсистема. Выполняет функции обработки, анализа, хранения и передачи информации, а также принятия решения о предоставлении или отказе в допуске к управлению транспортным средством.

Аппаратный блок памяти-это внутреннее запоминающее устройство, интегрированное в микрокомпьютер (microSD).

Вычислительный блок, выполняющий роль основной обработки, организован совместно с центральным (ARMv8 Cortex-A72) и графическим (VideoCore VI GPU) процессорами, а также оперативной памятью (RAM) (4 ГБ SDRAM LPDDR4) и периферийными устройствами ("обвязка") RaspberryPi четыре.

Телекоммуникационный блок, выполняющий роль передачи информации, выполнен на встроенном модуле Wi-Fi (2,4 ГГц и 5 ГГц IEEE 802.11) микрокомпьютера.

Сенсорная подсистема. Он выполняет задачи сканирования и фиксации. Он включает в себя: сканер отпечатков пальцев и модуль видеозаписи.

Сканер отпечатков пальцев-это устройство для считывания папиллярного рисунка пальца владельца транспортного средства и отправки полученных данных по протоколу UART непосредственно на вычислительное устройство.

Модуль видеозаписи основан на камере, подключенной к вычислительному блоку, и передает данные по протоколу CSI. Процесс фотографирования осуществляется из непрерывного (видеопотока) потока.

3.Подсистема человеко-машинного взаимодействия. Он не является частью сенсорной подсистемы, так как основан на жидкокристаллическом дисплее и выполняет функцию взаимодействия человеко-машинного интерфейса.

Спомощью модуля ввода-вывода (USB протокол / HDMI протокол) осуществляется взаимодействие с вычислительным устройством.

4.Подсистема питания. Основной частью является блок управления питанием, который является связующим звеном между бортовой сетью автомобиля (легковой-12 В, грузовой - 24 В) и всей периферией устройства. Он представляет собой совокупность понижающих и стабилизирующих цепей для ор-

94

ганизации приемлемого уровня напряжения различных компонентов системы идентификации.

Рис. 2. Обобщенная структурная схема аппаратного блока

Обобщенная структурная схема разработанной системы, составленная на основе функционального описания, с примерным набором аппаратных компонентов представлена на рис. 2. Она включает: вычислительное устройство, камеру, сканер отпечатков пальцев, GPS / GSM модули, автомобильную батарею, планшет и мобильное устройство. Принцип работы заключается в том, что на момент идентификации владелец уже находится внутри автомобиля (это сводит на нет взлом замка двери), но не имеет доступа к его управлению.

Когда система активирована, человек нуждается в том, чтобы поместить свой палец на сканер отпечатков пальцев, в тот же момент лицо фотографируется с помощью секретно установленной камеры, и данные (отпечатки пальцев и фотографии человека) сидят на встроенном диске и удаленной базе данных (БД). В случае несогласованной идентификации система уведомляет клиента о своем мобильном устройстве, которое действует только в качестве многоуровневого аутентификатора [2]. Общая передача данных осуществляется с помощью модуля GSM

Планшет, расположенный в машине, отвечает за функции управления и настройки системы как целое: добавление новых пользователей; частота сканирования водителя, если это необходимо; строительство маршрута в сочетании с GPS-модулем; просмотр технических людей, покидающих автомобиль, и т.д. Вычислительное устройство, основанное на микрокомпьютере, отвечает за всю обработку данных. Система работает от блока управления питанием, который подключен к сети управления транспортным средством.

95

Следует отметить, что выбор сканера отпечатков пальцев осуществлялся из групп оптических, пол упроводниковых и термодатчиков, поскольку емкостные и ультразвуковые датчики относятся к достаточно высо кой ценовой категории. Из рассмотренных был выбран оптический сенсор, та к как его техническая (не резкая зависимо сть от температуры, давления, ни зкая вероятность ошибки при сканировании ) и экономическая (ценовая) составляющие по сравнению с ближайшими ана логами выше.

RaspberryPi 4 микрокомпьютер был выбран как вычис лительное устройство, в сравнении с аналогами микроконтроллеров, потому что: 1. имеет большое количество инструкций по перемещению д анных между памятью (4 ГБ LPDDR4 SDRAM) и процессором (64-бит 4-co re ARMv8 CortexA72 @ 1.5 ГГц) и высокими параллельными тари фами обработки; 2. Позволяет обмениваться данными как на близком расстоян ии - Bluetooth 5.0 LowEnergy (протокол IEEE 802.15), так и в Интернете, за счет встроенного модуля Wi-Fi (протокол IEEE 802.11) и возможности подключения кабеля Ethernet (IEEE Протокол 802.3);

3. широкий выбор соединительных разъемов: USB 2.0 (x2), USB 3.0 (x2), micro-HDMI (x2), 2-laneMI PIDSIdisplayport, 2-laneMIPICSICam eraport.

Рис. 3. Тр ехмерная модель аппаратного блока

Трехмерная модель аппаратного блока представлена на рис. 3. Программный комп онент системы состоит из клиентского программного

обеспечения, мобильного клиента и серверного компонента. Клиентское ПО устанавливается в аппара тный блок и реализует следующие функции: регистрация водителей в систем е, логирование задач, идентифика ция, хранение локальных данных о водителе, отображение местоположения сельхозтехники на карте, чат в реальном врем ени.

Рис. 4. Интерфейс клиентского программного обесп ечения

96

Для распознавания объектов предлагается использовать SNN, архитектура представлена на рис. 5.

Рис. 5. Сетевая архитектура

Входной слой используется для ввода значений входных переменных, преобразования исходных данных из набора изображений «Цифар-100» [4]. Скрытый слой выполняет вычислительную обработку данных. Операция свертки использует матрицу весов с ограничениями (ядро свертки). После каждого фрагмента изображения для нейрона генерируется сигнал активации и записывается в аналогичной позиции в следующем слое. Сеть выделяет важные детали, отфильтровывая несущественные, формируя карту функций. Слой для выбора уменьшает размер карты объектов, выбирая максимальное значение. Выходной слой анализирует предыдущие значения и классифицирует изображения.

В этой работе использовалось контролируемое обучение, при котором набор входных и выходных данных последовательно предоставляется в SNS. В этом случае для минимизации ошибки в процессе обучения используется метод стохастического градиентного спуска, а мерой ошибки является стандартное отклонение (RMSD). На рис. 6 показан полученный график обучения СНС, при достижении заданного значения стандартного отклонения (на графике - пунктирная линия) обучение прекращается. Чтобы исключить эффект переобучения, используется метод выброса, при котором нейроны выключаются с заданной вероятностью.

Как видно из графика, рисунок 6, необходимое значение SCS (0,1270) было достигнуто в сотую эпоху обучения. Для задачи распознавания объектов этого достаточно, что подтверждается экспериментом, описанным ниже.

Программная реализация ядра использует библиотеки глубокого обучения. Во время эксперимента объекты распознаются в реальном времени.

Рис. 6. Обучение в социальных сетях

97

Мобильный клиент позволяет отслеживать местонахождение автомобиля на карте местности, настра ивать доступ водителя к беспилотн ому автомобилю.

Рис. 7. Интерфейс мобильного клиента

Разработанная система идентификации ориентирована не только на внедрение беспилотных автомобилей в сферу беспилотных авто мобилей, но и на существующий транспорт . Среди преобладающего числа « базовых» систем безопасности актуальность данной разработки очевидна благо даря наличию современной системы распознавания, качественному подходу к выбору аппаратной базы и грамотному ра счету технико-экономических показателей.

Литература

1.Веденеев А.В., Щ едрин В.А., Сукачев А.И. «Разработка программноаппаратного комплекса« S martCar »» Сборник докладов реги ональной научной конференции студентов, аспирантов и молодых ученых «Инновационные разработки молодых ученых Воронежской области для служба р егиона », 2016, с. 108-110.

2.Веденеев А.В., С укачев А.И., Щедрин В.А. «Разработка алгоритмов управления программно-аппаратным обеспечением мобильного клиента комплекса« SMART CAR »» Современные проблемы информатизации в анализе и синтезе технологических и телекоммуникационных систем Т руды XXII Международного Конференция OpenScience, 2017, стр. 300-304.

3.Сафонов И.А., Сукачев А.И., Кузьменко Р.В., Русан ов А.В. «Исследование возможности созда ния ассистента на основе сверточн ых нейронных сетей для людей с огранич нными возможностями» Вестник Воронежского института ФСИН России, 20 20, с. 134-139.

98

УДК 519.62

Математическое моделирование колебательных процессов

В.А. Чапленко1, Д.С. Косаренко2 1Студент гр. ИСП-201с, varvarchap@mail.ru 2Преподаватель, kosarenko.dmitrij@yandex.ru

ФГБОУ ВО «Воронежский государственный технический университет»

Для работы с математической моделью колебаний важны знания о тригонометрических функциях, дифференциальных уравнениях и комплексных числах. Наиболее простым способом расширить преподаваемые знания о моделировании колебательных процессов является изучение численного метода решения дифференциального уравнения колебаний.

Ключевые слова: колебания, математическое моделирование, численные методы.

Колебательные процессы универсальны; они встречаются во многих областях жизнедеятельности: строительстве, физики, математики, биологии, экономики, программировании и прочих. Исследование математического моделирования колебаний актуально из-за универсальности явления колебаний, ценности для осознания взаимосвязей различных ветвей науки и углубления понимания изучаемых дисциплин. Упорядочение знаний особенно важно в условиях снижения мотивации к самостоятельному освоению знаний и интереса к учёбе при избыточности доступной информации, при проблемах с пониманием каких-либо тем. Целью работы является изучение математического моделирования колебательных процессов и оценка перспективы включения изученных материалов по теме исследования в учебный процесс.

Среди наиболее простых колебаний, изучаемых ещё в школьном курсе, можно выделить три:гармонические колебания,затухающие и вынужденные колебания [1]. Исследование этих видов колебаний позволяет: изучить явление колебаний и его основные закономерности; познакомиться с разными моделями и представлениями колебательных процессов, в том числе графическим и табличным представлениями; отработать различные методы решения задач, связанных с колебательными процессами.

Математическое моделирование колебательных процессов можно изучать несколькими различными способами: рассматривая переход к математической модели от, например, физической; изучая процесс вывода законов движения из исходного дифференциального уравнения; исследуя применения комплексных чисел для облегчения понимания, реализуя численный метод решения уравнения колебаний. Отдельно стоит упомянуть важность создания модели, удобной для использования численных методов. Эти методы играют значительную роль для приближённого решения задач как для задач, не решаемых аналитически в явном виде, так и практических задач. Простые колебательные процессы легко

99