Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,087

СПОСОБ ДИАГНОСТИРОВАНИЯ СОСТОЯНИЙ ОБЪЕКТОВ ПО ИЗДАВАЕМОМУ ИМИ АКУСТИЧЕСКОМУ ШУМУ

Мохсен Шамсан Ахмед Исмаил 1 Рыбочкин А.Ф. 1
1 Юго-Западный государственный университет
Информационные составляющие, которые содержит акустический шум объекта, является источником информации об его состоянии. В данной работе рассмотрена возможность комплексной диагностики состояний объекта, издающего акустический шум с использованием образов спектров, а именно: распознавание их многочисленных состояний путем анализа издаваемого акустического шума. Образы спектров, которые можно кодировать, получены в наиболее информативном частотном диапазоне акустического шума объекта (на примере акустического шума пчелиных семей) 60–600 Гц с использованием четырёх узкополосных фильтров, настроенных на информативные полосы частот 205–225, 280–300, 325–345, 390–410 Гц. При анализе акустического шума объекта последовательность выпадающих кодов характеризует его состояние. Показана возможность диагностирования путём построения классов состояний на двумерной плоскости, а также оценивание степени принадлежности неизвестного состояния к известным состояниям с путём вычисления минимальной средней абсолютной погрешности условных вероятностей и минимальной абсолютной погрешности условных энтропий. Такой способ позволит более достоверно диагностировать состояния объектов, издающих акустический шум, с меньшими трудовыми затратами.
пчёлы
состояния
распознавание
образы спектров
кодовые сообщения
класс состояний
1. Еськов Е.К. Акустическая сигнализация общественных насекомых. – М.: Наука, 1979. – 209 с.
2. Патент. № 2287138 G01H 17/00, A01K 55/00. Способ определения информативных частотных полос акустического сигнала пчелиных семей при распознавании их состояний // Опубл. 10.11.2006. Бюл. 31.
3. Патент № 2501211 А01 К 47/00. Способ (варианты) и устройство диагностики состояний пчелиных семей по их акустическому шуму / Рыбочкин А.Ф., Савельев С.В. // Опубл. 20. 12. 2013. Бюл. № 35.
4. Рыбочкин А.Ф., Захаров И.С. Системный анализ сигналов пчелиных семей с использованием кодовых сообщений. – Курск: КГУ, 2009. – 400 с.
5. Рыбочкин А.Ф., Праведникова С.В. Кодирование акустических сигналов и формирование образов спектров // Приборы и Системы. Управление, Контроль, Диагностика. – 2009. – № 10. – С. 47–51.

Информационные составляющие, которые содержит акустический шум объекта, является источником информации об его состоянии. Решение этой задачи может быть применено при декодировании состояний любых объектов, издающих акустический шум. На примере объектов, издающих акустический шум (пчелиных семей), рассмотрим контроль их состояний. Е.К. Еськовым [1] установлен наиболее информативный частотный диапазон от 60 до 600 Гц акустического шума пчелиной семьи.

А.Ф. Рыбочкин [2] предложил метод нахождения наиболее информативных частотных полос анализируемого частотного диапазона (60–600) Гц. Способ, основанный на использовании четырёх полосовых фильтров с шириной полосы Δf = 30 гЦ, настроенных на наиболее информативные места данного частотного диапазона, который позволяет значительно упростить программную и аппаратную реализацию диагностируемых устройств.

Рассмотрена возможность диагностирования состояний пчелиных семей путём анализа издаваемого ими акустического шума с использованием устройства, приведённого на рис. 1 [4].

Структурная схема устройства для анализа акустических шумов пчелиных семей содержит: микрофон – 1, усилитель – 2, блок узкополосных частотных фильтров – 3, блок детекторов средневыпрямленного значения – 4, микроконтроллер с аналого-цифровыми преобразователями по числу узкополосных частотных фильтров – 5, блок связи – 6, персональную электронно-вычислительную машину (ПЭВМ) – 7, блок питания – 8.

pic_47.tif

Рис. 1. Устройство для анализа акустических шумов пчелиных семей путём формирования образов спектров

Устройство для анализа акустических шумов пчелиных семей по их акустическому шуму работает следующим образом: звуковой сигнал с микрофона 1 поступает на усилитель 2. Для выделения наиболее информативных узких полос частот используется блок узкополосных частотных фильтров 3 [3–5], было применено четыре узкополосных частотных фильтра с полосами частот 205–225, 280–300, 325–345, 390–410 Гц. Выделенные сигналы с выходов узкополосных частотных фильтров 3 поступают в блок детекторов 4 средневыпрямленного значения. Детектированные значения напряжений поступают в аналого-цифровые преобразователи АЦП1, АЦП2, АЦП3 и АЦП4 микроконтроллера 5, который через блок связи 6 передает результаты аналого-цифрового преобразования на ПЭВМ 7, где происходит их кодирование и сохранение в ПЗУ. В свою очередь ПЭВМ 7 управляет работой микроконтроллера 5.

ПЭВМ 7 получает информацию в виде кодовых таблиц (табл. 1).

Дальнейшая работа с полученными данными может производиться следующими способами.

Способ № 1. Отображение состояний пчелиных семей на двумерную плоскость с соблюдением ранжированного размещения кодов.

Для создания базы данных прослушивались пчелиные семьи с различными состояниями. Далее на двумерной плоскости отображающего экрана построили координатные точки, которые характеризуют состояние пчелиной семьи.

Таблица 1

Частоты появлений кодов и их виды для установленных состояний пчелиных семей

Состояния

Реализации xi

Коды Bj и их виды, kji – частоты появления Bj кодов

yj

B1

B2

B3

BN!–2

BN!–1

BN!

mohsen01.wmf

mohsen02.wmf

mohsen03.wmf

mohsen04.wmf

mohsen05.wmf

mohsen06.wmf

А1

1

k11

k12

k13

K1 22

K1 23

k1 24

n

kn1

kn2

kn3

kn 22

kn 23

kn 24

А2

1

k11

k12

k13

K1 22

K1 23

k1 24

n

kn1

kn2

kn3

kn 22

kn 23

kn 24

.

.

.

.

.

.

.

.

.

.

.

.

Аn

1

k11

k12

k13

K1 22

K1 23

k1 24

n

kn1

kn2

kn3

kn 22

kn 23

kn 24

В ходе анализов акустического шума пчелиных семей, а также построением точек координат схожих состояний установлено, что точки группируются на близких расстояниях, т.е. формируют класс состояния.

Способ № 2. Диагностирование состояний пчелиных семей с использованием вероятностно-статистических методов. Выявление принадлежности неизвестного состояния к известному классу состояний по минимально абсолютной разности: условных вероятностей, условных энтропий.

Первоначально необходимо накопить табл. 1 состояний Аi пчелиных семей с её диагностическими признаками с использованием устройства рис. 1.

С применением алгоритма (рис. 2) проводится вычисление координат состояний на двумерной плоскости, осуществляется построение классов состояний, также по последовательности наблюдаемых кодов строятся матрицы состояний, подсчитываются условные вероятности каждого состояния и вероятности состояний Р(Аi).

С использованием экспериментальных данных определяют апостериорные вероятности P(Bj/Ai), где событие Bj (выпадающий код) произошло при условии, что произошло событие Ai контролируемого состояния диагностируемой пчелиной семьи. Апостериорная вероятность P(Bj/Ai) (Ai – диагностируемое i-состояние, индекс j показывает номер кода от 1 до N!) определяется согласно выражению (1) апостериорная энтропия согласно (2)

mohsen17.wmf (1)

где Li – количество кодов реализации [2].

mohsen07.wmf (2)

Для определения вероятности состояния Р(Аi) применим формулу

mohsen18.wmf (3)

где S – суммарное количество кодов таблицы известных состояний.

Энтропия состояния определяется согласно выражению (4)

mohsen08.wmf (4)

Для вычисления вероятностей появлений Вj кодов Р(Вj) применим формулу

mohsen19.wmf (5)

где mohsen22.wmf – суммарное количество каждого Вj кода выборки всех известных состояний.

Априорная энтропия Вj кода определяется согласно выражению

mohsen09.wmf (6)

Для вычисления условных вероятностей (априорных) Р(Аij) применим формулу

mohsen20.wmf (7)

Условная энтропия определяется согласно выражению

mohsen10.wmf (8)

pic_48.tif

Рис. 2. Алгоритм подготовки данных для диагностирования состояний пчелиных семей

Совместная вероятность двух событий определяется по формуле

mohsen11.wmf (9)

Совместная энтропия установленной выборки определяется по формуле

mohsen12.wmf (10)

С применением формул (11, (12) проверяется сходимость табл. 5:

mohsen13.wmf (11)

mohsen14.wmf (12)

Диагностирование состояния пчелиной семьи осуществляется в течение времени от 3 до 10 минут прослушивания пчелиной семьи. Алгоритм подготовки исходных данных для диагностирования состояний пчелиных семей приведён на рис. 1. Далее установление состояния пчелиной семьи осуществляется с применением формулы

mohsen21.wmf (13)

а также с применением формулы

mohsen15.wmf (14)

В ходе исследований для установленных состояний экспертом-пчеловодом наблюдали частоты появлений кодов, табл. 2: 1–4 пчелиные семьи в рабочем состоянии, носят мёд. 5–11 пчелиные семьи в роевом состоянии. 12–15 зимуют сильные пчелиные семьи –22 °С. 16–20 пчелиные семьи тревожит мышь. 21–24 зимуют средней силы пчелиные семьи –22 °С. 25–28 зимуют пчелиные семьи небольшой силы –22 °С. 29–30 подсадка новой матки на одной рамке, здесь же присутствует родная матка. 31–33 поведение пчёл по истечении времени – реакция пчёл на другую матку. 34–37, рамка пчёл без матки. 38–40 – реакция пчёл на новую матку, матка не принимается. 41–43 – поведение пчёл по истечении времени, матка принята.

Таблица 2

Частоты выпадения кодов установленных состояний пчелиных семей

№ п/п

04

06

07

14

46

47

54

63

67

74

76

77

1

2

3

4

5

6

7

8

9

10

11

12

13

14

1

93

19

42

9

10

1

1

2

5

4

2

73

30

17

15

11

3

111

22

43

11

13

2

15

5

4

112

18

48

12

16

5

7

6

5

100

3

3

42

19

31

2

6

135

7

4

45

40

33

6

7

80

6

14

25

35

8

91

9

8

30

16

26

2

9

100

19

9

11

10

2

9

30

8

2

10

69

2

65

2

11

64

53

11

12

95

1

57

1

30

5

1

13

108

13

27

15

35

10

5

3

14

91

9

30

19

18

6

5

4

15

97

17

33

21

15

1

5

3

2

16

100

52

16

32

17

160

18

46

34

22

40

18

171

29

37

48

27

30

19

124

33

22

37

32

20

158

35

37

30

35

21

21

96

13

16

53

12

2

22

86

15

19

32

15

5

1

2

3

4

5

6

7

8

9

10

11

12

13

14

23

77

25

9

23

20

24

75

17

12

8

14

24

25

100

10

70

17

3

26

100

4

2

49

41

4

27

94

6

5

39

30

14

28

77

8

4

40

25

29

103

10

12

11

14

8

24

15

9

30

82

4

9

8

12

7

26

9

7

31

45

3

21

16

5

32

35

2

16

12

5

33

32

4

4

11

9

4

34

81

15

19

5

6

2

27

5

2

35

66

10

7

6

13

9

12

8

1

36

65

11

29

17

8

37

30

6

18

4

2

38

25

2

17

6

39

56

19

8

22

7

40

32

15

3

8

6

41

48

19

5

18

6

42

54

12

6

25

11

43

57

8

7

27

15

mohsen16.wmf

3648

280

384

377

126

361

41

42

6

959

314

565

193

Таблица 3

Реализация кодов неизвестного состояния

LI

04

06

07

14

46

47

54

63

67

74

76

77

82

20

35

8

1

8

1

3

4

2

Диагностирование неизвестного состояния пчелиной семьи (табл. 3) проведено с использованием алгоритма (рис. 3).

Определили апостериорную вероятность кодов P(Bj/Aнi) неизвестного состояния по формуле (1). Для кодов, приведённых в таблице 2, по формуле (3) вычислили априорные вероятности Р(Вj) Вычисленное значение апостериорной вероятности P(Bj/Aнi) неизвестного состояния пчелиной семьи и вычисленную априорную вероятность Р(Вj) по данным табл. 2, подставляем в формулу (5). Вероятности P(Ai) известных состояний пчелиных семей нам известны, используя данные, приведённые в табл. 2, и вычисленную апостериорную вероятность неизвестного состояния по формуле (5), осуществляем вычисление условных вероятностей состояния пчелиной семьи Р(Аij).

Используя данные известных состояний, приведённые в табл. 2, вычисляем апостериорные вероятности Р(Аij) выбранного кода по формуле (4).

Проводим вычисление разности условных вероятностей Р(Аij), вычисленных по формулам (4) и (5) Р(Анij) – Р(Аij) = Δij для каждого Вj кода состояния. Для каждого состояния вычисляется средняя разность условной вероятности состояния. Та средняя разность условных вероятностей Δi, которая окажется наименьшей, будет соответствовать состоянию, приведённому в табл. 2. Таким образом, мы диагностируем состояние пчелиной семьи.

Выдача диагностических сообщений выдаётся на дисплей компьютера как в виде таблиц, в виде рисунков классов состояний (рис. 4), так и в виде текста, описывающего состояние пчелиной семьи.

В ходе проведённых вычислений с использованием формул (4) и (5) анализировалась принадлежность неизвестного состояния к известному состоянию, приведённому в табл. 2.

pic_49.tif

Рис. 3. Алгоритм диагностирования состояния пчелиной семьи

pic_50.wmf

Рис. 4. Классы состояний пчелиных семей

Абсолютная средняя погрешность в принятии решения в принадлежности к первому состоянию Δ1 = 0,006. Тогда как при проверке принадлежности к остальным состояниям абсолютная средняя погрешность приведена в табл. 4.

С применением формулы (14) была вычислена апостериорная энтропия неизвестного состояния, которая составила H(Вjнi) = 0,0585676 бит, тогда как апостериорная энтропия известного первого состояния, которая составила H(Вjнi) = 0,058343 бит, т.е. минимальная разность равна 0,0002246 бит, что указывает на принадлежность неизвестного состояния к первому состоянию, приведённому в табл. 2.

Из всех приведённых средних абсолютных погрешностей условных вероятностей ΔР(Вji) самая наименьшая относится к первому состоянию.

Таблица 4

Таблица абсолютных погрешностей условных вероятностей ΔР(Вji) принятия решения в принадлежности к состоянию

Δ1 := 0.00023

Δ8 := 0.002:59

Δ15 := 0.00197

Δ22 := 0,01839

Δ29 := 0.01590

Δ36 := 0.00923

Δ43 := 0.00878

Δ2 := 0.00304

Δ9 := 0,01239

Δ16 := 0.02492

Δ23 := 0.00916

Δ30 := 0.00962

Δ37 := 0.00653

Δ3 := 0.00100

Δ10 := 0.032J1

Δ17 := 0.00478

Δ24 := 0.00243

Δ31 := 0.00855

Δ38 := 0.00812

Δ4 := 0.00068

Δ11 := 0.02962

Δ18 := 0.00291

Δ25 := 0.02933

Δ32 := 0.00639

Δ39 := 0.00789

Δ5 := 0.01173

Δ12 := 0.02477

Δ19 := 0.01268

Δ26 := 0.02283

Δ33 := 0.00159

Δ40 := 0.00459

Δ6 := 0.00849

Δ13 := 0.00320

Δ20 := 0.00232

Δ27 := 0.01054

Δ34 := 0.00351

Δ41 := 0.00755

Δ7 := 0.01232

Δ14 := 0.00324

Δ21 := 0.014S2

Δ28 := 0.01625

Δ35 := 0.00874

Δ42 := 0.00789

Таблица 5

Таблица абсолютных погрешностей условных энтропий ΔР(Вji) принятия решения в принадлежности к состоянию

Δ1 := 0.00023

Δ8 := 0.00259

Δ15 := 0.00197

Δ23 := 0.00916

Δ30 := 0.00962

Δ37 := 0.00653

Δ43 := 0.00878

Δ2 := 0.00904

Δ9 := 0.01239

Δ16 := 0.02492

Δ24 := 0.00243

Δ31 := 0.00855

Δ38 := 0.00812

Δ3 := 0.00100

Δ10 := 0.03251

Δ17 := 0.00478

Δ25 := 0.02933

Δ32 := 0.00639

Δ39 := 0.00789

Δ4 := 0.00068

Δ11 := 0.02962

Δ18 := 0.00291

Δ26 := 0.02283

Δ33 := 0.00159

Δ40 := 0.00459

Δ5 := 0.01173

Δ12 := 0.02477

Δ19 := 0.01268

Δ27 := 0.01054

Δ34 := 0.00351

Δ41 := 0.00755

Δ6 := 0.00849

Δ13 := 0.00320

Δ20 := 0.00232

Δ28 := 0.01625

Δ35 := 0.00874

Δ42 := 0.00789

Δ7 := 0.01232

Δ14 := 0.00324

Δ21 := 0.01482

Δ29 := 0.01590

Δ36 := 0.00923

Δ22 := 0.01839

Из всех приведённых абсолютных погрешностей ΔР(Вji) самая наименьшая относится к первому состоянию.

На рис. 4 показано расположение неизвестного состояния, видно, что находится в непосредственной близости к первому состоянию.

Таким образом, рассмотрена возможность диагностирования состояний объекта путём анализа издаваемого им акустического шума в частотном диапазоне (60–600) Гц с использованием кодовых таблиц накапливать классы состояний. Три варианта принятия решения повышают достоверность распознавания.

Рецензенты:

Бурмака А.А., д.т.н., профессор, главный научный сотрудник НИИЦ, ФГУП «18 ЦНИИ» МО РФ, г. Курск;

Серебровский В.И., д.т.н., профессор, заведующий кафедрой электротехники и электроэнергетики, ФГБОУ ВПО «Курская государственная сельскохозяйственная академия имени профессора И.И. Иванова», г. Курск.


Библиографическая ссылка

Мохсен Шамсан Ахмед Исмаил, Рыбочкин А.Ф. СПОСОБ ДИАГНОСТИРОВАНИЯ СОСТОЯНИЙ ОБЪЕКТОВ ПО ИЗДАВАЕМОМУ ИМИ АКУСТИЧЕСКОМУ ШУМУ // Фундаментальные исследования. – 2015. – № 7-3. – С. 545-551;
URL: http://www.fundamental-research.ru/ru/article/view?id=38776 (дата обращения: 07.08.2020).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074