Следующей стадией является стадия разработки нечетких правил.

На ней определяются продукционные правила, связывающие лингвистические переменные. Большинство нечетких систем используют продукционные правила для описания зависимостей между лингвистическими переменными. Типичное продукционное правило состоит из антецедента (частьЕСЛИ …) и консеквента (часть ТО…). Антецедент может содержать более одной посылки. В этом случае они объединяются посредством логических связок«И» или «ИЛИ».

Процесс вычисления нечеткого правила называется нечетким логическим выводом и подразделяется на два этапа: обобщение и заключение.

Пусть имеется следующее правило:

ЕСЛИ «Дистанция» = средняя И «Угол» =малый, ТО «Мощность» = средняя.

На первом шаге логического вывода необходимо определить степень принадлежности всего антецедента правила. Для этого в нечеткой логике существуют два оператора: Min(…) и Max(…). Первый вычисляет минимальное значение степени принадлежности, а второй ‒ максимальное значение. Когда применять тот или иной оператор, зависит от того, какой связкой соединены посылки в правиле. Если использована связка «И», применяется оператор Min(…). Если же посылки объединены связкой «Или», необходимо применить оператор Max(…). Ну а если в правиле всего одна посылка, операторы вовсе не нужны.

Следующим шагом является собственно вывод или заключение. Подобным же образом посредством операторов Min/Maxвычисляется значение консеквента. Исходными данными служат вычисленные на предыдущем шаге значения степеней принадлежности антецедентов правил.

После выполнения всех шагов нечеткого вывода мы находим нечеткое значение управляющей переменной. Чтобы исполнительное устройство смогло отработать полученную команду, необходим этап управления, на котором мы избавляемся от нечеткости и который называется дефаззификацией.

На этапе дефаззификации осуществляется переход от нечетких значений величин к определенным физическим параметрам, которые могут служить командами исполнительному устройству.

Результат нечеткого вывода, конечно же, будет нечетким. Например, если речь идет об управлении механизмом и команда для электромотора будет представлена термом «Средняя» (мощность), то для исполнительного устройства это ровно ничего не значит. В теории нечетких множеств процедура дефаззификации аналогична нахождению характеристик положения (математического ожидания, моды, медианы) случайных величин в теории вероятности. Простейшим способом выполнения процедуры дефаззификации является выбор четкого числа, соответствующего максимуму функции принадлежности. Однако пригодность этого способа ограничивается лишь одно экстремальными функциями принадлежности. Для устранения нечеткости окончательного результата существует несколько методов: метод центра максимума, метод наибольшего значения, метод центроида и другие. Для многоэкстремальных функций принадлежности наиболее часто используется дефаззификация путем нахождения центра тяжести плоской фигуры, ограниченной осями координат и функцией принадлежности.

2.3. Модели нечеткого логического вывода

Нечеткий логический вывод — это аппроксимация зависимости «входы–выход» на основе лингвистических высказываний типа «ЕСЛИ–ТО» и операций над нечеткими множествами. Нечеткая модель содержит следующие блоки:

‒ фаззификатор, преобразующий фиксированный вектор влияющих факторов Xв вектор нечетких множеств , необходимых для выполнения нечеткого логического вывода;

‒ нечеткая база знаний, содержащая информацию о зависимости в виде лингвистических правил типа «ЕСЛИ–ТО»;

‒ машина нечеткого логического вывода, которая на основе правил базы знаний определяет значение выходной переменной в виде нечеткого множества , соответствующего нечетким значениям входных переменных ;

‒ дефаззификатор, преобразующий выходное нечеткое множество в четкое число Y.

Рисунок 2.3 ‒ Структура нечеткой модели.

2.3.1 Нечеткая модель типа Мамдани

Данный алгоритм описывает несколько последовательно выполняющихся этапов. При этом каждый последующий этап получает на вход значения полученные на предыдущем шаге.

Рисунок 2.4 – Диаграмма деятельности процесса нечеткого вывода

Алгоритм примечателен тем, что он работает по принципу «черного ящика». На вход поступают количественные значения, на выходе они же. На промежуточных этапах используется аппарат нечеткой логики и теория нечетких множеств. В этом и состоит элегантность использования нечетких систем. Можно манипулировать привычными числовыми данными, но при этом использовать гибкие возможности, которые предоставляют системы нечеткого вывода.

В модели типа Мамдани взаимосвязь между входами X = (x₁, x₂,…, x_n)и выходом y определяется нечеткой базой знаний следующего формата:

,

где — лингвистический терм, которым оценивается переменная x_i в строке с номером ; ), где — количество строк-конъюнкций, в которых выход оценивается лингвистическим термом ; — количество термов, используемых для лингвистической оценки выходной переменной .

С помощью операций ∪(ИЛИ) и ∩ (И) нечеткую базу знаний можно переписать в более компактном виде:

(1)

Все лингвистические термы в базе знаний (1) представляются как нечеткие множества, заданные соответствующими функциями принадлежности.

Нечеткая база знаний (1) может трактоваться как некоторое разбиение пространства влияющих факторов на подобласти с размытыми границами, в каждой из которых функция отклика принимает значение, заданное соответствующим нечетким множеством. Правило в базе знаний представляет собой «информационный сгусток», отражающий одну из особенностей зависимости «входы–выход». Такие «сгустки насыщенной информации» или «гранулы знаний» могут рассматриваться как аналог вербального кодирования, которое, как установили психологи, происходит в человеческом мозге при обучении. Видимо поэтому формирование нечеткой базы знаний в конкретной предметной области, как правило, не составляет трудностей для эксперта.

Введем следующие обозначения:

— функция принадлежности входа нечеткому терму , т.е

— функция принадлежности выхода y нечеткому терму , т.е.

Степень принадлежности входного вектора нечетким термам из базы знаний (1) определяется следующей системой нечетких логических уравнений:

(2)

Наиболее часто используются следующие реализации: для операции ИЛИ — нахождение максимума, для операции И— нахождение минимума.

Нечеткое множество , соответствующее входному вектору X^*, определяется следующим образом:

где imp— импликация, обычно реализуемая как операция нахождения минимума; agg— агрегирование нечетких множеств, которое наиболее часто реализуется операцией нахождения максимума.

Четкое значение выхода , соответствующее входному вектору , определяется в результате дефаззификации нечеткого множества . Наиболее часто применяется дефаззификация по методу центра тяжести:

Модели типа Мамдани и типа Сугэно будут идентичными, когда заключения правил заданы четкими числами, т. е. в случае, если:

1) термы d_j выходной переменной в модели типа Мамдани задаются синглтонами — нечеткими аналогами четких чисел. В этом случае степени принадлежностей для всех элементов универсального множества равны нулю, за исключением одного со степенью принадлежности равной единице;

2) заключения правил в базе знаний модели типа Сугэно заданы функциями, в которых все коэффициенты при входных переменных равны нулю.

2.3.2 Нечеткая модель типа Сугэно

На сегодняшний день существует несколько моделей нечеткого управления, одной из которых является модель Такаги-Сугено.

Модель Такаги-Сугено иногда носит называние Takagi-Sugeno-Kang. Причина состоит в том, что этот тип нечеткой модели был первоначально предложен Takagi и Sugeno. Однако Канг и Сугено провели превосходную работу над идентификацией нечеткой модели. Отсюда и происхождение названия модели.

В модели типа Сугэно взаимосвязь между входами и выходом y задается нечеткой базой знаний вида:

, (1)

где — некоторые числа.

База знаний (3) аналогична (1) за исключением заключений правил , которые задаются не нечеткими термами, а линейной функцией от входов:

,

Таким образом, база знаний в модели типа Сугэно является гибридной — ее правила содержат посылки в виде нечетких множеств и заключения в виде четкой линейной функции. База знаний (3) может трактоваться как некоторое разбиение пространства влияющих факторов на нечеткие подобласти, в каждой из которых значение функции отклика рассчитывается как линейная комбинация входов. Правила являются своего рода переключателями с одного линейного закона «входы–выход» на другой, тоже линейный. Границы подобластей размытые, следовательно, одновременно могут выполняться несколько линейных законов, но с различными весами. Результирующее значение выхода определяется как суперпозиция линейных зависимостей, выполняемых в данной точке n-мерного факторного пространства. Это может быть взвешенное среднее

,

или взвешенная сумма

.

Значения рассчитываются как и для модели типа Мамдани, т. е. по формуле (2).Обратим внимание, что в модели Сугэно в качестве операций ˄ и ˅обычно используются соответственно вероятностное ИЛИ и умножение. В этом случае нечеткая модель типа Сугэно может рассматриваться как особый класс многослойных нейронных сетей прямого распространения сигнала, структура которой изоморфна базе знаний. Такие сети получили название нейро-нечетких.

3 Описание и принцип функционирования мобильных роботов

В наше время несложно построить мобильного колесного робота, благодаря большому выбору компонентов в продаже. Однако, зачастую дешевле купить готовый набор для сборки робота, их выбор также огромен. Наибольшее распространение получили Pololu 3pi Robot, Boe-Bot Robot Kit, Microbot Robot Kit, Gear Tacon Line Follower Robot Kit, Trekker Line Following Kit with 4 Sensors, X-Bot Line Following Robot и другие.

Рисунок 3.1 ‒ Внешний вид колесных мобильных роботов

Что касается перемещения мобильных роботов, существует множество различных способов, с помощью которых робот может определять собственное положение и строить маршрут между точками назначения. Например, при перемещениях на улице применяется технология спутниковой навигации, а окружающие объекты обнаруживаются с помощью камер или дальномеров. В случае перемещения внутри помещений с помощью камер и дальномеров строится виртуальная модель пространства, по которой робот ориентируется в дальнейшем. Вышеописанные методы имеют общий характер и применимы в произвольных ситуациях, но из-за этого они очень сложны в реализации и еще не применяются широко в повседневной жизни.

Как правило, автономные робототехнические системы проектируются под конкретные задачи. Такой подход позволяет формализовать требования к системе и разработать все возможные алгоритмы реакции на изменение состояния окружающей обстановки.

Например, одной из достаточно жестко формализованных задач может быть перемещение объектов внутри производственного помещения. Как правило, при перевозке грузов на складах или в производственных цехах роботы преодолевают один и тот же маршрут постоянно. Соответственно данный маршрут заранее известен и для него можно разработать систему управления движением робота.

Ранее цеховые транспортные средства представляли собой тележки, перемещающиеся по рельсам. С ростом науки и техники на смену им пришли робокары – мобильные роботы разных типов и для различных задач, а рельсы, проложенные вдоль цеха, заменила паутина направляющих линий, начерченных на полу.

Мобильные роботы, передвигающиеся в цехах вдоль линии, обычно оснащаются различными сенсорными устройствами для восприятия окружающей обстановки: ИК-датчиками, камерами, датчиками безопасности и т.п.

Мобильные роботы, представленные выше имеют достаточно простую структуру, по сравнению с роботами, применяющимся в промышленности. Рассмотрим мобильного робота "3-pi" от фирмы Pololu.

Рисунок 3.2 – Общий вид робота

Pololu 3pi является одним из лучших решений по цене и качеству. По виду совсем небольшой, и компактный робот. Размеры робота составляют 9,5 см в диаметре, а весит он всего лишь 83 грамма. Сердцем робота является микроконтроллер фирмы Atmel ATMega328. К платформе, оборудованной таким микроконтроллером, благодаря множеству портов ввода-вывода можно подключить множество переферии. Кроме того, этот микроконтроллер работает на частотах до 20Mhz, имеет 32Кб Flash памяти и 2 Kб RAM. Этого должно быть вполне достаточно, чтобы заставить робота выполнять такие задачи как езда по линии, выход из лабиринта или стать неплохим выбором для соревнований по робототехнике.

Рисунок 3.3 – Микроконтроллер AtMega 328

Подвижная часть 3pi состоит из двух моторчиков, двух шасси и одной пассивной шаровой опоры.

Видеть мир роботу помагают ИК-датчики, расположенные на его нижней стороне. На рисунке, показан ИК-датчик QTR-RC, использующийся в мобильном роботе.

Рисунок 3.4 - QTR-RC sensor

Датчик работает на эффекте отражения излучения от поверхности. ИК диод посылает излучение. Пока на его пути нет препятствий, луч уходит в пустоту и не попадает на ИК транзистор. Как только перед датчиком появляется препятствие, то луч начинает отражаться от него.

Рисунок 3.5 - Принцип действия QTR-RC датчика.

После того как луч отразился от поверхности, в силу вступает еще один эффект. При одинаковом расстоянии, излучение лучше отражается от гладкого и светлого, чем от шершавого и темного. Таким образом, имея несколько датчиков, возможно выделить черную линию на белом фоне и придерживаться ее.

Информация, полученная при помощи датчиков, обрабатывается микроконтроллером, формируются управляющие воздействия.

Движение робота осуществляется посредством двух моторов, соединенных с колесами через коробку передач. Используются простые и дешевые щеточные двигатели постояннго тока и коробка передач с передаточным числом 30 к 1. Двигатели достаточно мощные, чтобы 3pi смог подняться по вертикальному наклону. Но данное действие ограничено трением шин: на достаточно крутом склоне скорость будет уменьшаться, в то время как наклон поверхности будет приблизительно 30-40°.

Огромным достоинством двигателей постоянного тока является их способность менять направление вращения ротора при изменении полярности источника питания. Для того, чтобы стало возможным программно контролировать направление вращения, в роботе используется схема включения двигателя «H-bridge». За реализацию такой схемы отвечают драйверы моторов TB6612FNG, которые в свою очередь подключены к портам главного микроконтроллера. Подавая различные значения на выходы микроконтроллера, возможно управлять вращением двигателя.

Рисунок 3.6 – Схема включения двигателя

Если выключатели 1 и 4 закрыты (схема в центре), ток идет через двигатель слева направо, и мотор вращается вперед. Если же выключатели 2 и 3 закрыты, то двигатель вращается назад.

Таблица 3.1 – Отношение сигналов на выходе микроконтроллера к направлению вращения двигателей.

Различная скорость вращения двигателей достигается за счет применения ШИМ-модуляции. Драйвер мотора может бысто переключаться между состояниями «вперед» и «тормоз», чем заставляет вращаться двигатель с уменьшенной скоростью. Регулируя длительность нахождения в каждом из состояний, возможно точно управлять скоростью двигателя.

Рисунок 3.7 – Управление скоростью вращения двигателя

Благодаря способности управлять каждым двигателем поотдельности, возможно заставить робота поворачивать с различной интенсивностью либо вообще разворачиваться на месте.

4 МОДЕЛИРОВАНИЕ НЕЧЕТКОЙ СИСТЕМЫ В MATLAB

4.1 Описание среды моделирования

MATLAB – это высокоуровневый язык технических расчетов, интерактивная среда разработки алгоритмов и современный инструмент анализа данных. MATLAB по сравнению с традиционными языками программирования (C/C++, Java, Pascal, FORTRAN) позволяет на порядок сократить время решения типовых задач и значительно упрощает разработку новых алгоритмов. MATLAB представляет собой основу всего семейства продуктов MathWorks и является главным инструментом для решения широкого спектра научных и прикладных задач, в таких областях как:

– моделирование объектов и разработка систем управления,

– проектирование коммуникационных систем,

– обработка сигналов и изображений,

– измерение сигналов и тестирование,

– финансовое моделирование, вычислительная биология и др.

Ядро MATLAB позволяет максимально просто работать с матрицами реальных, комплексных и аналитических типов данных. Содержит встроенные функции линейной алгебры (LAPACK, BLAS), быстрого Фурье преобразования (FFTW), функции для работы с полиномами, функции базовой статистики и численного решения дифференциальных уравнений.

Все встроенные функции ядра MATLAB разработаны и оптимизированы специалистами и работают быстрее или так же, как их эквивалент на C/C++.

Ключевые возможности и компоненты MATLAB:

– Платформонезависимый, высокоуровневый язык программирования ориентированный на матричные вычисления и разработку алгоритмов;

– Интерактивная среда для разработки кода, управления файлами и данными;

– Функции линейной алгебры, статистики, анализ Фурье, решение дифференциальных уравнений и др.;

– Богатые средства визуализации, 2-D и 3-D графика;

– Встроенные средства разработки пользовательского интерфейса для создания законченных приложений на MATLAB;

– Средства интеграции с C/C++, наследование кода, ActiveX технологии;

– Доступ к функциям .NET.

Одним из ключевых компонентов MATLAB является Simulink. Simulink - интерактивный инструмент для моделирования, имитации и анализа динамических систем. Он дает возможность строить графические блок-диаграммы, имитировать динамические системы, исследовать работоспособность систем и совершенствовать проекты. Simulink полностью интегрирован с MATLAB, обеспечивая немедленным доступом к широкому спектру инструментов анализа и проектирования. Simulink позволяет производить проверку результатов в режиме реального времени. Возможность задания в блоках любых математических выражений позволяет решать как типовые задачи, так и пробовать новые решения и находить наиболее эффективные компромиссы. Благодаря использованию этого продукта уменьшается потребность в покупке опытных образцов и сокращается стоимость тестирования. Пакет содержит обширную библиотеку компонентов блок-схемы, а также удобный редактор компонентов. Эти преимущества делают Simulink наиболее популярным инструментом для проектирования систем управления и коммуникации, цифровой обработки и других приложений моделирования.

Пакет «Matlab» c расширением «Fuzzy Logic Toolbox» позволяет создавать экспертные системы на основе нечеткой логики, проводить кластеризацию нечеткими алгоритмами, а также проектировать нечеткие нейросети.
Пакет включает графический интерфейс для интерактивного пошагового проектирования нечетких систем, функции командной строки для разработки программ, а также специальные блоки для построения систем нечеткой логики в Simulink.

4.2 Моделирование нечеткого регулятора

Разрабатываемый регулятор на основе НЛ включает в себе базу нечетких правил для адекватного реагирования на условия окружающей среды, а также набор лингвистических переменных, позволяющих преобразовать реальные числовые параметры системы управления приводами движения робота в словесные переменные нечеткой логики.

В случае с мобильным роботом, входами нечеткой системы служат 5 инфракрасных датчиков, выходами – двигатели.

Рисунок 4.1 – Архитектура нечеткой системы

Определившись с архитектурой нечеткой системы, необходимо задать функции принадлежности для входов и выходов.

Как было сказано ранее, входами системы служат датчики, состоящие из пар инфракрасный светодиод – фототранзистор. При отсутствии поверхности под датчиком, либо наличии неотражающих поверхностей напряжение на фототранзисторе близко либо равно нулю. Чем больше отражательная способность поверхности, тем больше напряжение на фототранзисторе. Информация с датчиков поступает на АЦП микроконтроллера, который сопоставляет уровень полученного сигнала значениям [0;255].

Таким образом, при задании входным переменным функций принадлежности, выбран диапазон [0;255].

Используются треугольные функции принадлежности, так как их легче всего обсчитывать на микроконтроллере.

Для лингвистической оценки входных переменных используются два терма с именами «black» и «white», что соответствует белому и черному полю под датчиком робота

Рисунок 4.2 – Функции принадлежности входных переменных

Для выходных переменных, функции принадлежности имеют следующий вид:

Рисунок 4.3 – Функции принадлежности выходных переменных

При задании выходным переменным функций принадлежности выбран диапазон [-64;255]. Диапазон имеет отрицательные значения, так как в некоторых случаях роботу необходимо двигаться задним ходом.

Для лингвистической оценки выходных переменных используются шесть термов с именами «back», «min», «slow», «med», «fast» и «max». Термы «min», «slow», «med», «fast» и «max» соответствуют случаям, когда колесо робот вращается вперед. Терм «back» соответствует вращению колеса в обратную сторону.

На рисунке 4.4 показано расположение датчиков робота, обозначенных как D1-D5. В реальных условиях линия, по которой едет робот может перекрывать от одного до трех датчиков.

Рисунок 4.4 – Расположение робота на линии

В зависимости от положения на линии возможны следующие основные реакции робота:

‒ робот разворачивается на месте;

­‒ робот резко поворачивает;

‒ робот плавно поворачивает;

‒ робот едет прямо с максимальной скоростью.

В таблице 4.1 описаны правила базы знаний робота. При этом 0 на датчике означает черный цвет, 1 – белый.

Таблица 4.1 – правила базы знаний робота

Рисунок 4.5 – Правила базы знаний, записанные в Fuzzy Logic Toolbox.

Рисунок 4.6 – Визуализация нечеткого вывода Мамдани в Rule Viewer

Нечеткий вывод Мамдани также можно представить в виде графиков поверхностей.

Рисунок 4.7 – Нечеткий вывод Мамдани, показывающий зависимость значений выхода (left) от значений входов (d2, d1)

5 охрана труда и БЕЗОПАСНОСТЬ в чрезвычайных ситуациях

5.1 Анализ условий труда в научно-исследовательской лаборатории

Разработка магистерской аттестационной работы, которая подразумевает построение регулятора на базе нечеткой логики для мобильного робота 3-Pi, выполнялась в научно-исследовательской лаборатории на 4 этаже пятиэтажного здания. Размеры помещения составляют 9м х 7м х 3м; количество рабочих мест равно 9.

По установленным нормам ДСан ПіН 3.3.2-007-98 «Правила охорони праці під час експлуатації ЕОМ» площадь для одного рабочего места с ПЭВМ должна быть не менее 6 м², а объем – не менее 20 м³. Данное помещение удовлетворяет требованиям ДСан ПіН 3.3.2-007-98: на каждое рабочее место с ПЭВМ приходится 7 м² площади и 21 м³ объема.

Проведем анализ условий труда для рабочих мест инженеров-программистов. На работников действуют факторы, источником которых являются компьютеры, факторы, непосредственно связанные с производственной средой и факторы, обусловленные трудовым процессом. На рисунке 4.1 представлен процесс взаимодействия разработчика с ПЭВМ.

Рисунок 5.1 - Схема взаимодействия разработчика и оборудования.

Выполним анализ условий труда в рассматриваемом помещении. Выделим систему «Человек - Машина - Среда» (ЧМС), ограниченную помещением лаборатории. Система ЧМС включает в себя:

а) «Человек» – коллектив из девяти работников;

б) «Машина» – 9 ПЭВМ;

в) «Среда» – производственная среда в помещении.

Каждый элемент «Человек» можно условно разделить на три функциональные части, обозначив при этом:

Ч1 – это разработчик, управляющий машиной (ПЭВМ);

Ч2 – это человек, рассматриваемый с точки зрения непосредственного влияния на среду вследствие потребления кислорода, выделения тепла и др.;

Ч3 – это человек, рассматриваемый с точки зрения его психофизиологического состояния под влиянием факторов, воздействующих

на него в производственном процессе.

Элемент «машина» подразделяется на три функциональные части:

М1 – ПЭВМ выполняет основную технологическую функцию;

М2 – функции аварийной защиты;

М3 – машина, влияющая на среду и человека, как источник ОВПФ.

В данном случае система содержит 9 элементов «Человек» – 9 разработчиков, работающих в лаборатории; 9 элементов «Машина» – 9 ПЭВМ, размещенных в данном помещении; 1 элемент «Среда» – среда, ограниченная пределами лаборатории; 1 элемент «Предмет труда» – предмет разработки (регулятор для мобильного робота 3-Pi на базе нечеткой логики).

Рисунок 5.2 - Схема системы человек-машина-среда

Таблица 5.1 – Характеристика связей в системе ЧМС

Продолжение таблицы 5.1

На основании приведенных связей выделим действующие и потенциальные, опасные и вредные производственные факторы (ОВПФ), которые в соответствии с ГОСТ 12.0.003-74 имеют или могут иметь место в системе ЧМС. В данном помещении имеют место физические и психофизиологические факторы:

1. физические повышенный уровень шума на рабочем месте; повышенная или пониженная температура воздуха; повышенная или пониженная влажность воздуха рабочей зоны; отсутствие или недостаток естественного света; недостаточная освещенность рабочей зоны; повышенная яркость света.

2. психофизиологические: перенапряжение анализаторов (зрительных и слуховых); монотонность труда; эмоциональные перегрузки; физические перегрузки (статические).

В лаборатории была выполнена оценка факторов производственной среды. Результаты оценки показаны в таблице 4.3.

Таблица 5.2 - Оенка факторов производственной среды

На основании проведенной оценки факторов производственной среды и трудового процесса доминирующим вредным производственным фактором является недостаточная естественная освещенность лаборатории. С целью приведения данного фактора в норму выполнен расчет естественной освещенности лаборатории

5.2 Промышленная безопасность в научно-исследовательской лаборатории

В лаборатории используется трехфазная четырехпроводная сеть переменного тока с напряжением 380/220 В, с частотой 50 Гц, с глухозаземленной нейтралью.

Согласно НПАОП40.1-1.21-98, научно-исследовательская лаборатория является помещением без повышенной опасности поражения электрическим током, потому что в помещении нет химически активной среды, повышенной влажности и температуры, токопроводящего пола, токопроводящей пыли, невозможно одновременно коснуться заземленных металлоконструкций и металлических поверхностей электроустановок.

С целью снижения опасности поражения электрическим током используют следующие технические меры защиты:

‒ Систематический контроль изоляции, согласно требованиям ПУЭ-2011. Контроль проводится между нулевым и фазным проводником, а также между фазами. Сопротивление изоляции должно быть не менее 500кОм на фазу. Контроль проводится не реже раза в год при отключенном электропитании.

‒ Согласно ГОСТ 12.4.124-83, все металлические конструкции и части оборудования, которых может коснуться человек и которые не имею других видов защиты были занулены. Все корпусы ПЭВМ, соединены с глухозаземленной нейтралью источника питания с помощью нулевого защитного проводника. Зануление превращает замыкание на корпус в однофазное короткое замыкание, в результате чего срабатывает максимальная токовая защита, которая отключает поврежденный участок сети. Автомат защиты выбирается согласно силе тока короткого замыкания, при этом время отключения должно составлять не более 0,2 с. Дополнительно используется повторное заземлениение нулевого проводника с целью снижения потенциала зануленных корпусов и напряжения касания в случае обрыва нулевого провода.

Также с целью защиты персонала проводятся инструктажи по технике безопасности, согласно НПАОП 0.00-4.12-05:

‒ вступительный инструктаж — проводится инженером по охране труда со всеми работниками, неезависимо от образвания и стажа работы. Данный инструктаж содержит в себе ознакомления с правилами работы и отдыха данного предприятия, а также с правилами пожарной и промышленной безопасности;

‒ первичный инструктаж на рабочем месте — проводится в начале производственной деятельности руководителем структурного подразделения. Включает в себя ознакомление с ОВПФ, которые могут возникать на данном рабочем месте, с индивидуальными средствами защиты, использующимися на рабочем месте, с безопасными приемами работы;

‒ повторный инструктаж — проводится раз в пол года со всеми работниками согласно программы первичного инструктажа;

‒ внеплановый инструктаж — проводится при замене и модернизировании оборудования, при смене технологического процесса, при введении в действие новых стандартов и правил по охране труда. Включает в себя ознакомление с новым оборудованием и повторением правил промышленной безопасности, если произошел несчастный случай на производстве;

‒ целевой инструктаж — проводится при исполнении разовых работ, не связанных с основным видом деятельности, при ликвидации аварий, чрезвычайных ситуаций, катастроф.

5.3 Производственная санитария в научно-исследовательской лаборатории

Согласно ДСН 3.3.6.042-99 работа инженера-программиста относится к категории Iа – легкие физические работы (работы, выполняемые сидя, не требующие систематического физического напряжения и перемещения тяжестей). ДСН 3.3.6-042-99 устанавливает оптимальные нормы температуры, влажности и скорости движения воздуха для данной категории работ, которые приведены в таблице 4.2. Для обеспечения установленных норм микроклиматических параметров применяется централизованное отопление в холодный период года и кондиционирование воздуха в теплый период в соответствии со СНиП 2.04.05-91.

Зрительная работа разработчиков, использующих в работе ПЭВМ, является работой высокой точности, наименьший размер объекта различения 0.3-0.5 мм, поэтому в соответствии с ДБН В.2.5-28-2006 разряд зрительной работы пользователей ПЭВМ – III. Величина коэффициента естественной освещенности (КЕО) должна быть не менее 1,5%. Однако согласно таблице 4.2 величина КЕО составляет всего 1.3%. Чтобы обеспечить оптимальные значения микроклиматических параметров необходимо выполнить расчет естественного освещения.

Расчет природного освещения состоит в определении площади световых проемов по формуле

.

Таблица 5.3 - Описние переменных при расчете освещенности.

Пере-менная	Описание	Значение
	Требуемая площадь окон,	Требуется вычислить

Продолжение таблицы 5.3

	Нормированное значение КПО, еН = еm	Требуется вычислить
	Значение КПО, (для работ с наименьшим объектом распознавания 0.5-1 мм)	1.5
	Коэффициент светового климата (окна выходят на север)	0.9
	Площадь пола,
	Коэффициент затенения окон другими зданиями, берется в пределах [1;1.5]
	Коэффициент запаса, берется в пределах [1.5 ; 2]	1.6
	Коэффициент светопропускания материала (стеклопакет, двойное стекло)	0.8
	Коэффициент учитывает потери света в оконной раме (стеклопакет)	0.8
	Коэффициент, учитывающий потери света в несущих конструкциях (при боковом освещении =1)
	Коэффициент, учитывающий потери света в солнцезащитных устройствах (полностью регулируемые жалюзи)
	Коэффициент, учитывающий потери света в защитных сетках (равен 0.9 если таковые имеются)
	Коэффициент, учитывающий повышение КПО при боковом освещении за счет отражения	1.6
	Средний коэффициент отражения.	Требуется вычислить
	Коэффициент отражения потолка (свежевыбеленный)	75%
	Коэффициент отражения стен (обклеены светлыми обоями)	25%
	Коэффициент отражения пола (темный деревянный)	25%
	Площадь стен,
	Площадь потолка,
	Площадь пола,
	Световая характеристика окна

Вычислим нормированное значение КПО :

Вычислим коэффициент :

Вычислим средний коэффициент отражения :

Вычислим необходимую площадь световых проемов :

.

Реальная площадь окон лаборатории составляет 9 (Три окна размером 1.5 х 2 метра). Эта величина меньше расчетной почти в два раза. Поэтому необходимой мерой является использование искуственного освещения, способного обеспечить освещенность рабочей зоны стола на уровне 300-500 лк.

Допустимые уровни звукового давления и уровни шума на рабочем месте должны соответствовать ДСН 3.3.6-037-99. Эквивалентный уровень звука не превышает 50 дБА для работ, связанных с разработкой программ.

Организация рабочих мест разработчиков обеспечивает соответствие всех элементов рабочего места и их расположение эргономическим требованиям ГОСТ 12.2.032-78, а также характеру и особенностям их трудовой деятельности. Рабочие места расположены относительно световых проемов так, чтобы естественный свет падал сбоку. При этом выдержаны следующие расстояния: от стен со световыми проемами до рабочего места – не менее 1 м; между боковыми поверхностями видеотерминалов – не менее 1м; между тыльной поверхностью одного видеотерминала и экраном другого – не менее 2 м. Расстояние от тыльной стороны монитора до стены более 2 метров. В помещении используются столы высотой – 780 мм, шириной – 1000 мм, глубиной – 800 мм. Кресла на колесиках, разворачивающиеся на 360 градусов ,с регулируемой спинкой и высотой сиденья, имеют подлокотники. Размеры кресел 40 х 60 см.

Рекомендуется соблюдать расстояние от глаз до экрана – 700-800мм при размере экрана 17 дюймов. Схема размещения рабочих мест представлена на рисунке 4.3.

Рисунок 4.3 - Схема размещения рабочих мест и план эвакуации при пожаре

Режим труда и отдыха для разработчиков: 8-ми часовой рабочий день (по 4 часа с перерывом на обед – 1 час). Для уменьшения умственного перенапряжения и эмоциональных перегрузок установлены дополнительные, технологические перерывы для разработчиков, работа которых может быть отнесена к 3 категории работ группы В (программирование, проектирование). Рекомендуется выполнять перерывы в работе общей продолжительностью 60 минут. Перерывы проводить ежечасно в течение 10 мин.

4.5 Безопасность в чрезвычайных ситуациях

Самой вероятной причиной чрезвычайной ситуации в НИЛ является пожар. Согласно ДБН В.1.1.7-2002 здание имеет I степень огнестойкости, так как помещение НИЛ расположено в здании, выполненном из кирпича и железобетонных конструкций. Причиной пожара в помещении могут быть неисправность электрооборудования, нагревание проводников, курение в непредназначенных для этого местах, нарушение правил пожарной безопасности.

В системе предотвращения пожаров по ГОСТ 12.1.004-91 предусмотрено: максимально возможное применением негорючих и трудногорючих веществ и материалов; применение электрооборудования, соответствующего пожароопасной зоне. Применение в конструкции электрооборудования быстродействующих средств защитного отключения возможных источников зажигания; устройство молниезащиты здания.

Согласно НАПБ Б.03.001-2004 в лаборатории размещены - три углекислотных огнетушителя ВВК-3.5, из расчета 1 огнетушитель на 3 ПК, но не меньше 1 на помещение. Их использование обусловлено необходимостью тушения электроустановок, которые находятся под напряжением не более 1000В, расположенных в помещении. Также в лаборатории, в соответствии с ДБН В.2.5-56:2010, необходимы дымовые пожарные извещатели ИП 212-3СУ в количестве 3 штук (из расчета 1 извещатель на каждые 20 м² площади помещения, но не менее 2 в помещении с ПЭВМ ДБН.

Организационные мероприятия: назначен ответственный за пожарную безопасность; проводятся инструктажи по пожарной безопасности согласно НАПБ 02.005-2003; ежегодно проводится контроль сопротивления изоляции. При возникновении пожара осуществляется эвакуация людей, находящихся в помещении, в соответствии с планом эвакуации, расположенном на видном месте у выхода из помещения (рис 4.3)

ВЫВОДЫ

В данной дипломной работе была затронута проблема поиска метода, который позволит мобильному роботу удерживать траекторию движения при максимальной скорости перемещения.

В ходе исследования было установлено, что существует несколько способов реализации задачи удерживания мобильным роботом траектории при максимальной скорости движения. Можно использовать классические регуляторы, такие как П, ПД, ПИД, или остановиться на более новых подходах, таких как нейронные сети, генетические алгоритмы либо методы нечеткой логики.

Каждый из методов имеет как достоинства, так и недостатки. Некоторые методы плохо подходят для систем реального времени, так как имеют низкое быстродействие. Иные методы имеют низкую точность управления, либо сложны в реализации. Кроме того, некоторые методы сложны для понимания человеком.

В качестве регулятора, управляющего мобильным роботом предложено использовать регулятор на базе нечеткой логики. Такой подход имеет преимущества:

- нетребовательность к вычислительным ресурсам;

- взаимодействие с роботом происходит с помощью субъективных, понятных оператору, терминов: далеко ‒ близко, медленно ‒ быстро и т.д.;

- происходит удешевление систем управления благодаря их относительной простоте.

Однако главное достоинство нечеткой логики следующее: информация с датчиков зачастую может быть “нечеткой” и даже протеворечивой, вследствии плохой прорисовки линии, по которой движется робот, либо различных помех. Нечеткая логика как нельзя лучше подходит для обработки такой информации.

В работе рассмотрена структура fuzzy-регулятора для управления мобильным роботом 3pi и его моделирование в среде MATLAB. В качестве функций принадлежности были применены треугольные функции, реализация которых не требует значительных вычислительных ресурсов микроконтроллера. Моделирование показало, что регулятор на базе нечеткой логики способен решить возложенные на него задачи.

Дальнейшие исследования могут быть связаны с анализом качества управления роботом при использовании более сложных функций принадлежности.

ПЕРЕЧЕНЬ ССЫЛОК

1. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во Тюменского государственного университета, 2000. ‒ 352 с.

2. Архангельский В.И., Богаенко И.Н., Грабовский Г.Г., Рюмшин Н.А. Системы фуцци-управления. – К.: Тэхника, 1997. – 208 с.

3. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях.- В кн.: Вопросы анализа и процедуры принятия решений.- М.:Мир, 1976. ‒ С. 172-215.

4. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. ‒ Рига: Зинатне, 1982. ‒ 256 с.

5. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.- М: Радио и связь. 1989. ‒ 304 с.

6. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования.- Рига:Зинатне, 1990.- 184 с.

7. Бочарников В.П. Fuzzy-Технология: математические основы практика моделирования в экономике. Санкт-Петербург, 2001, 328 с.

8. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений.- В кн.: Математика сегодня.- М.: Знание, 1974, с. 5-49.

9. Методичні вказівки до виконання розділу «Безпека життя і діяльності людини» у дипломних проектах (роботах) для студентів усіх форм навчання напрямку інституту «Комп’ютерних інформаційних технологій» / Упоряд.: В. А. Айвазов, Н. Л. Березуцька, Б. В. Дзюндзюк, А. В. Мамонтов, Т. Є. Стиценко – Харків : ХНУРЕ, 2003. – 56 с.

10. ДСанПин 3.3.2-007-98

11. НПАОП 0.00-1.28-10

12. ГОСТ 12.0.003-74

13. НПАОП 40.1-1.21-98 Правила безопасной эксплуатации электроустановок потребителей

14. НПАОП 40.1-1.32.01 Правила устройства электроустановок. Электрооборудование специальных установок

15. НПАОП 0.00-4.12-05 Типовые положения про обучение, инструктаж и проверку знаний работников по вопросам охраны труда

16. ДСН 3.3.6.042-99 Санитарные нормы микроклимата производственных помещений

17. ДБН В.2.5-28-2006 Естественное и искусственное освещение

18. ДСН 3.3.6.037-99

19. ГОСТ 12.2.032-78

20. НАПБ Б.03.002-2007 [25]

21. НПАОП 40.1-1.01-97

22. ДБН В.1.1.7-2002 Защита от пожара. Пожарная безопасность объектов строительства

23. НАПБ Б.03.001-2004

Приложение А

Схема робота "Pololu 3pi"