Помощь студентам в учебе
АВТОМАТИЗАЦИЯ АНТИОБЛЕДЕНИТЕЛЬНОЙ СИСТЕМЫ НА БАЗЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ
|
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 8
ВВЕДЕНИЕ 9
1 АНАЛИЗ РЕШЕНИЯ ЗАДАЧИ СОЗДАНИЯ СИСТЕМ АНТИОБЛЕДЕНЕНИЯ 11
1.1 Сведения о системах антиобледенения 11
1.2 Актуальность и преимущества внедрения нейронных сетей 12
1.3 Обзор существующих аналогов 15
1.4 Подсистема умного дома и умный город 18
Выводы по разделу один 19
2 СОЗДАНИЕ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ 20
2.1 Применение нейронной сети для автоматизации 20
2.1.1 Нейронная сеть для анализа пользовательских предпочтений 26
2.1.2 Нейронная сеть для прогнозирования 27
2.2 Модель взаимодействия элементов в проектируемой системе 28
2.3 Построение архитектуры нейронной сети 31
2.4 Обучение нейронных сетей 35
2.4.1 Алгоритм обратного распространения ошибки 37
2.4.2 Алгоритм эластичного распространения ошибки 39
2.5 Функционирование модели нейросетевого механизма 40
2.6 Моделирование первой ИНС 44
2.6.1 Набор данных 44
2.6.2 Настройка значений параметров нейронной сети 48
2.6.3 Кодирование и нормализация параметров 50
2.6.4 Процесс обучения нейронной сети в прикладном пакете 51
2.7 Моделирование второй ИНС 55
2.7.1 Набор данных и настройка значений параметров 55
2.7.2 Кодирование, нормализация параметров, обучение нейронной сети в
прикладном пакете 56
Выводы по разделу два 58
3 РЕАЛИЗАЦИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ СИСТЕМЫ
АНТИОБЛЕДЕНЕНИЯ 60
3.1 Выбор средств разработки 60
3.2 Создание первой нейросети 61
3.3 Создание второй нейросети 67
3.4 Демонстрация работы искусственных нейронных сетей в системе
антиобледенения 69
3.5 Выделение преимуществ использования искусственного интеллекта в
системе антиобледенения 72
Выводы по разделу три 74
ЗАКЛЮЧЕНИЕ 75
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 77
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ А 81
ВВЕДЕНИЕ 9
1 АНАЛИЗ РЕШЕНИЯ ЗАДАЧИ СОЗДАНИЯ СИСТЕМ АНТИОБЛЕДЕНЕНИЯ 11
1.1 Сведения о системах антиобледенения 11
1.2 Актуальность и преимущества внедрения нейронных сетей 12
1.3 Обзор существующих аналогов 15
1.4 Подсистема умного дома и умный город 18
Выводы по разделу один 19
2 СОЗДАНИЕ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ 20
2.1 Применение нейронной сети для автоматизации 20
2.1.1 Нейронная сеть для анализа пользовательских предпочтений 26
2.1.2 Нейронная сеть для прогнозирования 27
2.2 Модель взаимодействия элементов в проектируемой системе 28
2.3 Построение архитектуры нейронной сети 31
2.4 Обучение нейронных сетей 35
2.4.1 Алгоритм обратного распространения ошибки 37
2.4.2 Алгоритм эластичного распространения ошибки 39
2.5 Функционирование модели нейросетевого механизма 40
2.6 Моделирование первой ИНС 44
2.6.1 Набор данных 44
2.6.2 Настройка значений параметров нейронной сети 48
2.6.3 Кодирование и нормализация параметров 50
2.6.4 Процесс обучения нейронной сети в прикладном пакете 51
2.7 Моделирование второй ИНС 55
2.7.1 Набор данных и настройка значений параметров 55
2.7.2 Кодирование, нормализация параметров, обучение нейронной сети в
прикладном пакете 56
Выводы по разделу два 58
3 РЕАЛИЗАЦИЯ НЕЙРОННЫХ СЕТЕЙ ДЛЯ СИСТЕМЫ
АНТИОБЛЕДЕНЕНИЯ 60
3.1 Выбор средств разработки 60
3.2 Создание первой нейросети 61
3.3 Создание второй нейросети 67
3.4 Демонстрация работы искусственных нейронных сетей в системе
антиобледенения 69
3.5 Выделение преимуществ использования искусственного интеллекта в
системе антиобледенения 72
Выводы по разделу три 74
ЗАКЛЮЧЕНИЕ 75
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 77
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ А 81
Актуальность темы. На данный момент большое внимание уделяется концепции «Умный город», которая включает в себя такие сквозные технологии, как: блокчейн, технология связи 5G, нейроинтерфейсы, большие данные и предиктивная аналитика. Улучшение городской среды является одним из направлений данной концепции, верхнеуровневый показатели которого - повышение качества жизни и качества городской среды.
Установка системы профилактики образования наледи (антиобледенения) - это простой и надежный обогрев (тротуара, крыш, ступеней лестниц и прочего) в зимнее время позволяет содержать их поверхность теплой и сухой, исключая образования льда и скопление снега. Также это позволит значительно снизить риск травматизма людей, вероятность аварийной ситуации из-за гололедицы, и, уменьшить расход на обслуживание и ремонт дорожного покрытия.
Используя технологию нейроинтерфейсов можно не только автоматизировать систему, но и увеличить точность работы с помощью прогнозирования ситуации ледообразования в будущем. Также, для экономии затрат на оплату электроэнергии система может работать в ручном режиме, управляемой пользователем. Запомнив действия (предпочтения) пользователя можно отправлять уведомления именно в тот день недели и в то время, когда клиент включал/отключал систему.
Целью выпускной квалификационной работы является проектирование, моделирование, и создание нейросетевых механизмов для системы профилактики образования наледи.
Вышеуказанная цель будет достигнута решением следующих задач:
1) Изучить литературу и основные понятия, которые потребуются для создания и обучения нейронных сетей;
2) Создать необходимую выборку, требующуюся для обучения и выбрать оптимальный алгоритм обучения;
3) Построить структуры искусственных нейронных сетей для выбранной системы;
4) Выполнить моделирование нейронных сетей в прикладном пакете или аналитической платформе, создать нейросети и обучить;
5) Проанализировать полученные результаты и выделить преимущества использования метода нейронных сетей в системе антиобледенения.
Исследование и выполнение ряда поставленных задач основывается на общеизвестных понятиях об искусственных нейронных сетях, методах обучения, а также, использовании современного и общедоступного инструмента для проектирования и моделирования НС.
Объектом исследования является процесс антиобледенения поверхности, осуществляемой системой профилактики образования наледи.
Предметом исследования является применение нейронных сетей в процессе антиобледенения поверхностей, а также в процессе учета предпочтений пользователей, выявление закономерностей и принятие решений на основе полученных данных.
Установка системы профилактики образования наледи (антиобледенения) - это простой и надежный обогрев (тротуара, крыш, ступеней лестниц и прочего) в зимнее время позволяет содержать их поверхность теплой и сухой, исключая образования льда и скопление снега. Также это позволит значительно снизить риск травматизма людей, вероятность аварийной ситуации из-за гололедицы, и, уменьшить расход на обслуживание и ремонт дорожного покрытия.
Используя технологию нейроинтерфейсов можно не только автоматизировать систему, но и увеличить точность работы с помощью прогнозирования ситуации ледообразования в будущем. Также, для экономии затрат на оплату электроэнергии система может работать в ручном режиме, управляемой пользователем. Запомнив действия (предпочтения) пользователя можно отправлять уведомления именно в тот день недели и в то время, когда клиент включал/отключал систему.
Целью выпускной квалификационной работы является проектирование, моделирование, и создание нейросетевых механизмов для системы профилактики образования наледи.
Вышеуказанная цель будет достигнута решением следующих задач:
1) Изучить литературу и основные понятия, которые потребуются для создания и обучения нейронных сетей;
2) Создать необходимую выборку, требующуюся для обучения и выбрать оптимальный алгоритм обучения;
3) Построить структуры искусственных нейронных сетей для выбранной системы;
4) Выполнить моделирование нейронных сетей в прикладном пакете или аналитической платформе, создать нейросети и обучить;
5) Проанализировать полученные результаты и выделить преимущества использования метода нейронных сетей в системе антиобледенения.
Исследование и выполнение ряда поставленных задач основывается на общеизвестных понятиях об искусственных нейронных сетях, методах обучения, а также, использовании современного и общедоступного инструмента для проектирования и моделирования НС.
Объектом исследования является процесс антиобледенения поверхности, осуществляемой системой профилактики образования наледи.
Предметом исследования является применение нейронных сетей в процессе антиобледенения поверхностей, а также в процессе учета предпочтений пользователей, выявление закономерностей и принятие решений на основе полученных данных.
В рамках выпускной квалификационной работы выполнено исследование возможности автоматизации антиобледенительной системы с применением искусственных нейронных сетей.
В разделе 1 проведен анализ существующих систем антиобледенения, в результате которого выяснилось, что данных систем с искусственным интеллектом нет, но в качестве аналогов приведены интеллектуальные системы метеорологического мониторинга и единые системы управления на базе искусственного интеллекта в доме/офисе/городе (проекты «умный дом» и «умный город»). Для исследования и внедрения нейронных сетей выбрана система, состоящая из аппаратной части (датчики, микроконтроллер, сенсоры) и программной (сервер, веб-сайт/приложение). Анализ актуальности применения нейронных сетей в проектах «умный дом» и «умный город» показал следующие преимущества: легкость управления, экономичность, безопасность, экологичность, автономность, простота использования.
В разделе 2 описаны способы применения нейронных сетей в системах антиобледенения, а именно: для автоматизации процесса снеготаяния, прогнозирования образования гололеда, и, изучения привычек пользователя. С помощью языка UML описаны диаграммы использования и диаграммы взаимодействия элементов.
Также в данном разделе выполнено построение архитектуры нейронных сетей. Путем подсчетов были получены следующие значения: для первой НС, имеющей 5 входных параметра в первом скрытом слое 4 нейрона, во втором - 3. Для второй НС с 7 входными сигналами: в первом скрытом слое 4 нейрона, во втором - 2.
Выполнено моделирование, по результатам которого было определено, что данные структуры не требуют изменений и являются оптимальными конфигурациями ИНС, при которых ошибка постоянна и невелика. Описаны этапы визуализации и интерпретации результатов. С помощью анализа «что-если» проверена правильность обучения НС. Выявлено, что обучающая выборка не приводит к переобучению сети.
В заключительном разделе представлена реализация нейронных сетей на языке C++ для микроконтроллера, и, на языке C# с использованием библиотеки fann на веб-сервере. На приведенных снимках экрана показана корректность работы нейронной сети в данной системе. Помимо этого, проведен анализ использования метода нейронных сетей в антиобледенительных системах и выделены следующие преимущества: адаптация к изменениям, быстродействие, возможность самообучения (персонализация).
В разделе 1 проведен анализ существующих систем антиобледенения, в результате которого выяснилось, что данных систем с искусственным интеллектом нет, но в качестве аналогов приведены интеллектуальные системы метеорологического мониторинга и единые системы управления на базе искусственного интеллекта в доме/офисе/городе (проекты «умный дом» и «умный город»). Для исследования и внедрения нейронных сетей выбрана система, состоящая из аппаратной части (датчики, микроконтроллер, сенсоры) и программной (сервер, веб-сайт/приложение). Анализ актуальности применения нейронных сетей в проектах «умный дом» и «умный город» показал следующие преимущества: легкость управления, экономичность, безопасность, экологичность, автономность, простота использования.
В разделе 2 описаны способы применения нейронных сетей в системах антиобледенения, а именно: для автоматизации процесса снеготаяния, прогнозирования образования гололеда, и, изучения привычек пользователя. С помощью языка UML описаны диаграммы использования и диаграммы взаимодействия элементов.
Также в данном разделе выполнено построение архитектуры нейронных сетей. Путем подсчетов были получены следующие значения: для первой НС, имеющей 5 входных параметра в первом скрытом слое 4 нейрона, во втором - 3. Для второй НС с 7 входными сигналами: в первом скрытом слое 4 нейрона, во втором - 2.
Выполнено моделирование, по результатам которого было определено, что данные структуры не требуют изменений и являются оптимальными конфигурациями ИНС, при которых ошибка постоянна и невелика. Описаны этапы визуализации и интерпретации результатов. С помощью анализа «что-если» проверена правильность обучения НС. Выявлено, что обучающая выборка не приводит к переобучению сети.
В заключительном разделе представлена реализация нейронных сетей на языке C++ для микроконтроллера, и, на языке C# с использованием библиотеки fann на веб-сервере. На приведенных снимках экрана показана корректность работы нейронной сети в данной системе. Помимо этого, проведен анализ использования метода нейронных сетей в антиобледенительных системах и выделены следующие преимущества: адаптация к изменениям, быстродействие, возможность самообучения (персонализация).