89555

О подходе к созданию протокола цветопередачи в офисной компьютерной системе

Научная статья

Педагогика и дидактика

Если говорить об индустрии профессиональных графических приложений Grfic rts Industry GI то здесь все очевидно цветные графические изображения необходимы как говорится по определению. Даже при нетребовательном подходе к применению цвета пользователь должен постоянно учитывать что ввод изображения в компьютерную среду его обработка и вывод сопровождаются постоянными искажениями оригинала. Оцифровка изображения позволяет ввести его в компьютерную систему и например вывести на монитор и принтер. Как правило в зависимости от...

Русский

2015-05-12

120.12 KB

0 чел.

УДК 004

О подходе к созданию протокола цветопередачи в офисной компьютерной системе

канд. техн. наук Архипов О.П.

Орловский филиал ИПИ РАН

Россия, г.Орел, тел. 7+0862-33-57-41;

e-mail: ofran@orel.ru

Работа поддержана грантом РФФИ № 03-07-90059.

The problems arising at creation of an information technology for management color transmission in conditions of office computer system are considered. In particular, the premises are considered and the approach to creation of the minutes of a procedure color transmission because of it formal the descriptions, detection reassigned in conditions of office computer system of management parameters and creation appropriate algorithms and soft is offered.

В состав компьютерной системы могут входить, как известно, разнообразные периферийные устройства. Ограничимся рассмотрением взаимодействия традиционных офисных периферийных устройств, связанных с цветовой обработкой: цифровая  камера, монитор, принтер и сканер.

Использование цветных компонентов является реальной потребностью пользователей компьютерных систем. Цвет в офисе — это необходимость. Проведено множество исследований, которые однозначно показывают, что, например, цвет в офисных как электронных, так и печатных документах существенно улучшает восприятие информации, снижает вероятность ошибок, стимулирует действие и, что важно для коммерческих организаций, повышает эффективность продаж. Качественные цветовые решения оказывают значительное влияние на имидж компании и на восприятие ее на рынке, в то же время документы в цвете улучшают внутрикорпоративные коммуникации. Если говорить об индустрии профессиональных графических приложений (Grafic Arts Industry, GAI), то здесь все очевидно — цветные графические изображения необходимы, как говорится, по определению.

Обработка цветных графических изображений это неотъемлемая часть глобальных информационных процессов, объемы и скорости передачи информации растут с фантастической быстротой. Несомненно, цвет придает информации новые качества, будь то восприятие документов, их оформление и т. д. Поэтому цвет — прежде всего потребность рынка в принципиально новых возможностях коммуникации, которую ощущают и на которую стараются оперативно реагировать производители программно-технического обеспечения цветовой обработки.

Даже при нетребовательном подходе к применению цвета, пользователь должен постоянно учитывать, что ввод изображения в компьютерную среду, его обработка и вывод сопровождаются постоянными искажениями оригинала. Иногда искажения не приводят к значительным визуально заметным искажениям, иногда же кажется, что появилось новое изображение, имеющее с оригиналом лишь отдаленное сходство.

Пусть некоторый объект сфотографирован с помощью цифровой камеры, что означает его приближенное представление в оцифрованном виде как совокупности RGB-пикселей {(R,G,B)c}. Очевидно, что даже последовательно сделанные снимки (особенно движущегося объекта) приводят к разным результатам, поскольку соответствующие пиксели получаемых совокупностей  могут значительно отличаться друг от друга.

Оцифровка изображения позволяет ввести его в компьютерную систему и, например, вывести на монитор и принтер. Как правило, в зависимости от настройки программно-технической среды возможен многовариантный вывод изображения на одно и то же периферийное устройство. В каждом варианте вывода  будут присутствовать те или иные искажения изображения.

Рассмотрим, например, вывод на монитор. Вид изображения на мониторе, зависит не только от технических характеристик монитора, но и от используемого ПО, например, от диспетчера палитр для среды Microsoft Windows [1]. Диспетчер палитр — важная составная часть интерфейса графических устройств (GDI) Windows, позволяющая применение методов оптимизации цветопередачи в прикладных программах, работающих с Диспетчером палитр.  

Пусть при представлении изображения с большим количеством цветов на мониторе применяется палитра из 256 цветов. В зависимости от метода определения палитры вид изображения на мониторе может меняться значительно.

Один из возможных подходов при определении палитры — включить в палитру черный, белый и равномерно распределенные оттенки других цветов, находящихся в промежутке между ними. Имея в своем распоряжении 256 цветов, можно создать палитру, содержащую по 16 оттенков 16 разных цветов. Это самый быстрый метод решения задачи (требующий наименьшего размера программного модуля для его реализации и выполняющийся за самый короткий промежуток времени) и часто используемый прикладными Windows-программами. Главное достоинство этого метода — помимо скорости обработки — гарантированное присутствие в палитре цвета, достаточно близкого к любому цвету в изображении. Недостаток — неизбежная потеря тонких оттенков цвета. Например, сотня различных вариаций синего может быть преобразована всего лишь в два-три оттенка этого цвета. Небо, цвет которого на исходном изображении плавно переходит от светло-голубого к синему средней интенсивности, на экране может принять вид полос, резко меняющих свой цвет сначала со светло-голубого на голубой, а потом на синий средней интенсивности.

Другой часто используемый подход заключается в подсчете числа цветов в изображении и частоты их появления с последующей записью в палитру 256 наиболее «популярных» в данном изображении цветов. Это восстановит некоторые тонкие оттенки, но вполне может начисто исключить из палитры редко встречающиеся в изображении цвета. Естественный вид голубого неба будет восстановлен, но маленький красный дорожный знак, запрещающий проезд без остановки, — единственный объект на изображении, содержащий красные пиксели, — может поменять свой цвет на зеленый или желтый, поскольку красного цвета в палитре не окажется. Хуже того, если небо содержит так много оттенков синего, что каждый из них представлен лишь несколькими пикселями, то синий цвет может вообще пропасть из палитры, несмотря на то, что суммарное количество пикселей синего цвета в изображении очень велико.

Цветовое   квантование способом срединного сечения соединяет достоинства обоих описанных выше подходов, позволяя создать палитру, которая, насколько возможно, содержит тонкие оттенки изображения, не теряя при этом ни одного цвета. Основная идея метода цветового квантования с помощью срединного сечения состоит в выборе цветов палитры таким образом, чтобы области куба, содержащие большее число точек, получали бы пропорционально больше цветов палитры, а области с малым числом точек — соответственно меньше. В результате цветовая гамма палитры оказывается смещенной так, что цвета с большим количеством оттенков получают в свое распоряжение   пропорционально больше мест в палитре.

Хорошо подобранная палитра — шаг в правильном направлении, но даже она может помочь не всегда. 256-цветная система не может отобразить на экране более 256 цветов, независимо от того, насколько «умные» алгоритмы заложены в программы. Для того чтобы добиться действительно высококачественного воспроизведения изображений, необходимо применять псевдосмешение цветов.

При псевдосмешении пикселы размещаются таким образом, что их цвета перемешиваются и создается впечатление, что изображение содержит больше цветов, чем реально имеется в палитре. Представьте себе, что ваша палитра состоит всего из двух цветов — синего и. желтого, — а вы хотите отобразить зеленый цвет. Сгруппировав близко расположенные перемежающиеся желтые и синие точки, вы можете создать шаблон закрашивания, имеющий цвет, похожий на зеленый. Описанная процедура представляет собой простейший пример псевдосмешения цветов.

Очень важно иметь хороший алгоритм псевдосмешения, потому что выполнение такой операции над изображением редко сводится к простому отбору больших цветовых пятен и замене их комбинациями пикселов, окрашенных в основные цвета. Алгоритм должен давать возможность обрабатывать любые изображения, даже такие, которые не содержат двух одинаковых соседних пикселов. Алгоритм диффузионного псевдосмешения цветов Флойда-Стейнберга — один из лучших. Программа, использующая метод Флойда-Стейнберга, просматривает каждый пиксел изображения, изменяет его цвет на ближайший из имеющихся в палитре и вычисляет ошибку цветности, вычитая значения RGB цвета палитры из значений RGB цвета исходного изображения. Затем программа распределяет ошибку среди соседних пикселов (происходит «диффузия» ошибки). После последовательной обработки всех пикселов изображения получается результат, достаточно точно воспроизводящий оригинал, хотя применяются только цвета, содержащиеся в палитре.

Как показывает практика, изображение, полученное при одновременном использовании оптимизации палитры и псевдосмешения, едва отличимо от оригинала, т.е. совместное применение этих двух методов позволяет выжать максимум возможного из 256-цветной аппаратуры.

Таким образом, даже при ограниченных возможностях имеются (разработаны и применяются) различные оптимизирующие алгоритмы, позволяющие осуществить многовариантный вывод на монитор и из имеющихся вариантов выбрать наиболее подходящий. Следует только иметь ввиду, что все это имеет смысл, если вывод на монитор является конечной целью обработки изображения. В контексте же предыдущих и последующих этапов цветопередачи реализация таких приемов не только бесполезна, но и может помешать процедуре управления. Например, при цветопробе важно иметь представление о цветовых характеристиках каждого пикселя, а не об их модификациях, неизбежных при применении методов оптимизации.

Еще более существенны искажения изображения при выводе его на принтер [2]. Если при выводе на монитор модифицируются однородные координаты пикселей (RGB), то для вывода на принтер необходимо цветоделение изображения, в результате которого осуществляется переход к новым координатам (например, CMYK). Окончательный вид отпечатка изображения зависит от многих причин:

  1. от технических характеристик принтера (разрешение, количество первичных красителей);
  2. от качества расходных материалов (бумаги, красителей);
  3. от определения пикселей принтера (размер растровой точки и способ распределения дотов внутри нее);
  4. от определения соответствия пикселей RGB и CMYK.

Многовариантные искажения изображения при печати, не приводящие к снижению качества отпечатков, а влияющие только на их дизайн,  желательны, поскольку предоставляют пользователю свободу выбора.

Печать изображения приводит к неэлектронной форме представления изображения. После сканирования отпечатка и получения совокупности RGB-пикселей {(R,G,B)s} изображение снова может быть введено в компьютерную среду.

И в случае сканирования результат процедуры определен неоднозначно. Хотя снова может быть получено RGB-изображение, его размер и значения составляющих его пикселей, как правило, значительно отличаются от значений тех же характеристик изображения, которое было введено в компьютерную среду после фотографирования.

Существует огромное количество утилит для сканера, которые позволяют для одного и того же сканера получить многие варианты изображений. Например, одна из лучших программ PaperPort Deluxe 9 компании Scan-Soft — универсальный инструмент для работы с бумажными и электронными документами, изображениями, факсами, PDF- и другими файлами [3], поддерживающий более сотни различных сканеров и предоставляющий средства для того, чтобы  после сканирования документа в файл PaperPort почистить, пригладить или иным способом улучшить его, вплоть до снабжения аннотацией или ярлычками.

Если жизнь изображения в компьютерной среде достаточно длинна и протекает традиционным путем (печать, сканирование, печать скана, новое сканирование и т.д.), то  без применения дополнительных средств качество изображения неизменно ухудшается.  

Таким образом, каждый шаг цветопередачи в компьютерной системе, может  приводить к новым формам представления изображения и его новым цветовым характеристикам, что может быть полезно при проведении арт-экспериментов. Однако такая изменчивость результатов может быть недопустимой для некоторых областей применения, например, при цветопробе, когда необходимо, чтобы цветовые характеристики изображения сохранялись (хотя бы приближенно) неизменными во время всего цикла обработки изображения. Еще в одной важной области применения, связанной с обработкой результатов научно-технических экспериментов, в которой графические изображения служат для передачи данных, необходимо, чтобы данные, закодированные в изображения сохранялись неизменными и могли быть идентифицированы при необходимости при любой форме представления изображения.

В связи с этим актуальной является задача формального описания процедуры цветопередачи в компьютерной системе, выявление параметров, влияющих на результат обработки изображения и разработка информационной технологии цветопередачи для решения задач, которые возникают в разных областях применения. В качестве инструмента для решения различных практически важных задач можно использовать протокол цветопередачи - совокупность правил, регламентирующих формат и процедуры обмена данными между цветными периферийными устройствами.

Рассмотрим один из подходов к созданию протокола  цветопередачи.

При любой форме представления пиксели изображения характеризуется следующими группами дескрипторов: аппаратно-зависимые цветовые координаты пикселя в цветовом пространстве периферийного устройства; измеряемый образ пикселя, соответствующий данным аппаратно-зависимым координатам; цветовые координаты пикселя в каком-либо аппаратно-независимом цветовом пространстве, соответствующие данному измеряемому образу пикселя.

Аппаратно-зависимые цветовые координаты в цветовом пространстве периферийного устройства характеризуют механизм воспроизведения пикселя на данной периферии.

Так координаты (R,G,B) точки m в цветовом пространстве M используются при воспроизведении пикселя на мониторе, координаты {rij} растровой точки (матрицы специальной структуры) p в цветовом пространстве принтера P – на принтере, а координаты {(Rij,Gij,Bij)} скана отпечатка растровой точки (матрицы RGB-пикселей) s в цветовом пространстве сканера S – на сканере.

Каждое из устройств характеризуется множеством значений аппаратно-зависимых координат, которые могут быть воспроизведены на данном устройстве. Как правило, при определении цветопередачи рассматриваются и используются лишь некоторые подмножества этих полных совокупностей.

Под цветовыми пространствами периферийных устройств M, P и S будем понимать именно такие подмножества, хотя в отдельных случаях они и могут совпадать с полными совокупностями пикселей периферии. Например, часто M=RGB.

Обозначим образы пикселей, по которым производятся измерения их цветовых координат:

  1.  m – образ на мониторе, соответствующий координатам (R,G,B) при форме представления m:

m=1(R,G,B);

  1.  p – отпечаток пикселя - фрагмент отпечатка изображения, соответствующий растровой точке {rij} при форме представления p:

p=2({rij});

  1.  s – образ на мониторе, соответствующий матрице координат {(Rij,Gij,Bij)} при форме представления s:

s=3({(Rij,Gij,Bij)}).

Аппаратно-независимые цветовые координаты, измеряемые с помощью специальных колориметрических устройств (колориметров и спектрофотометров), объективно характеризуют цвет измеряемых образов пикселей как, например, координаты c=(L,a,b) в цветовом пространстве cLab.

Свойства форм представления определяются как цветом каждого из пикселей, составляющих изображение, так и соотношением цветов пикселей в данном изображении. Следовательно, Lab-координаты являются единственной количественной основой характеристики свойств изображения и следствием реализации на периферийном устройстве аппаратно-зависимых координат пикселя.

Как правило, в современных компьютерных системах при цветопередаче обеспечивается сохранение следующих свойств изображений:

  1. образы близких по цвету (цветонеразличаемых) пикселей цветонеразличаемы;
  2. образы значительно отличающихся по цвету (цветоразличаемых) пикселей цветоразличаемы.

Для анализа свойств изображения при его обработке необходимо:

  1. формальное описание форм представления изображения на периферийных устройствах путем определения необходимых дескрипторов;
  2. характеристика функций преобразования дескрипторов при использовании предустановленного программно-технического обеспечения;
  3. проблемно-ориентированная постановка задач управления преобразованием форм представления изображения, решение которых необходимо для достижения целей обработки изображений;
  4. разработка средств, методов и технологии решения поставленных задач.

Без ограничения общности последующих рассуждений, вместо изображения (совокупности пикселей) можно рассматривать преобразование формы представления одного пикселя с цветовыми координатами (R,G,B) в растровую точку, описываемую матрицей специального вида {rij} [2]. Растровая точка определяет механизм воспроизведения отпечатка p пикселя, однозначно указывая, какие цветные пятна (доты растровой точки) должны быть размещены в данной позиции соответствующего фрагмента отпечатка.

Отпечаток p пикселя, воспроизведенный на  принтере в соответствии с указанной растровой точкой, является неэлектронной формой его представления и нуждается в оцифровке при дальнейшей компьютерной обработке. Для этого используется форма представления пикселя на сканере.

После оцифровки отпечатков с помощью сканера исходному пикселю можно сопоставить новый цифровой носитель данных - скан отпечатка ({(Rij,Gij,Bij)} - матрицу RGB-пикселей, размеры которой зависят от соотношения разрешений принтера и сканера).

В силу вероятностной (случайной) природы процедуры печати и сканирования значение скана отпечатка пикселя можно рассматривать как значение некоторой случайной величины, которое меняется при повторении процедуры.

При реализации аппаратно-зависимых цветовых координат на периферийном устройстве и измерении соответствующих представлений могут быть получены цветовые характеристики пикселя – его Lab-координаты:

  1. для пикселя m монитора cm=(Lm,am,bm)=1(m);
  2. для пикселя p принтера cp=(Lp,ap,bp)=2(p);
  3. для пикселя s сканера cs=(Ls,as,bs)=3(s).

Поскольку получение Lab-координат связано с измерениями, а измеряемые объекты являются результатом работы программно-технического обеспечения, то на практике мы имеем дело с некоторыми приближенными величинами, которые также можно рассматривать как значения некоторой случайной величины. Таким образом, цвет пикселя при любой форме представления не может быть точно и однозначно идентифицирован, а в качестве характеристики цвета можно использовать лишь некоторую область в пространстве

{c}=CLab, c=(L,a,b).

Обозначим соответствующие области следующим образом:

- для пикселя m монитора  Cm=1(m);

- для пикселя p принтера  Cp=2(p);

- для пикселя s сканера Cs=3(s).

Для пикселей с разными аппаратно-зависимыми координатами при измерениях могут быть получены одинаковые результаты, а при многократном измерении одного и того же образа пикселя на периферийном устройстве - разные значения координат. Следовательно, по измеренным Lab-значениям нельзя однозначно определить аппаратно-зависимые координаты пикселя.

Итак, в качестве характеристики формы представления изображения можно использовать следующие дескрипторы соответствующей формы представления пикселей:

  1.  для монитора m=((R,G,B),m,Cm);
  2.  для принтера p=({rij},p,Cp);
  3.  для сканера s=({(Rij,Gij,Bij)},s,Cs).

При следующем порядке преобразования одной формы представления изображения в другую mps, происходит соответствующее преобразование значений дескрипторов пикселей:

.

Обозначим как f1 и f2 функции, реализуемые в предустановленном фирменном ПО и определяющие аппаратно-зависимые координаты пикселя на принтере и сканере:

{rij}=f1(R,G,B);  

{(Rij,Gij,Bij)}=f2(p)= f2(2({rij})).

Измеренные значения цветовых координат Lab 

cmcpcs,  

можно считать представителями соответствующих областей, характеризующих цвет пикселя:

cmCm, cpCp, csCs.

На этой основе можно приближенно определить преобразование цветовых характеристик пикселя при преобразовании формы его представления:

CmCpCs.

Следовательно, дескрипторы форм представления пикселей имеют вид:

  1. для монитора  ((R,G,B),m,1(m)), ((R,G,B),m,1(m));
  2. для принтера (f1(R,G,B),p,2(p)), (f1(R,G,B), p,2(p));
  3. для сканера (f2(p),s,3(s)), (f2(p),s,3(s)).

В принятой терминологии сохранение двух ранее упомянутых свойств пикселей изображений, обычно обеспеченное при компьютерной обработке, может быть описано с помощью следующих формальных соотношений.

Свойство 1 (сохранение цветонеразличаемости пикселей). Пусть E'm, E'p и E's – некоторые фиксированные величины, и пусть произвольные пиксели m' и m" близки по цвету, т.е. (cm',cm") (расстояние между соответствующими им Lab-точками cm' и cm" ) невелико, а именно:

(cm',cm")E'm,

где

(cm',cm")=,  

тогда при преобразовании форм представления должны быть выполнены соотношения:

(cp',cp")E'p,

(cs',cs")E's.

В рамках данной работы в качестве значений величин E'm, E'p  и E's будет использоваться одно и то же значение, равное значению коэффициента цветоразличия , обычно применяемого в полиграфии (в зависимости от применяемых стандартов =3-6 [4-5]).

Свойство 2 (сохранение цветоразличаемости пикселей). Пусть E"m, E"p и E"s – некоторые фиксированные величины и пусть произвольные пиксели m' и m" значительно различаемы по цвету, т.е. (cm',cm") (расстояние между соответствующими Lab-точками cm' и cm") велико, а именно:

(cm',cm")>>E"m,  

тогда при преобразовании форм представления должны быть выполнены соотношения:

(cp',cp")>>E"p,  

(cs',cs")>>E"s.

Заметим, что в качестве значений величин E"m, E"p  и E"s должны быть использованы значения, не меньшие значения коэффициента цветоразличия .

Если RGB-изображение представляет какое-либо художественное полотно, логотип фирмы, новые модели одежды или ткани, т.е. является копией, то цветовые характеристики его пикселей должны быть сохранены при переходе к другим формам представления изображения.

Свойство постоянства цветовых характеристик не обеспечивается автоматически при преобразовании форм представления изображения. Более того, во многих случаях в силу объективных причин выполнение этого свойства и не может быть обеспечено. Как правило, можно говорить, лишь о некоторых подмножествах пикселей изображения, для которых это свойство может быть (приближенно) выполнено.

Свойство 3 (сохранение цветовых характеристик при печати). Пусть Vm – некоторое подмножество пикселей изображения, для которых известны дескрипторы их формы представления на мониторе:  

{m}={((R,G,B),m,1(m))}, mVm.

При преобразовании формы представления на мониторе в форму представления на принтере для произвольного пикселя mVm должны быть выполнены соотношения:

(1(m),2(2(f1(R,G,B)))).

Если имеется достоверный отпечаток какого-либо RGB-изображения, то для его достоверной оцифровки должны быть сохранены цветовые характеристики при переходе к форме представления изображения на сканере.

Если необходимо изменить результаты цветопередачи, то необходимо модифицировать функцию цветопередачи, изменив определение предустановленных функций, ее реализующих.

При определении функции цветопередачи были использованы функции:

  1. получения измеряемых образов аппаратно-зависимых координат -  1, 2, 3;
  2. измерения Lab-координат пикселей - 1, 2, 3;
  3. получения аппаратно-зависимых координат – f1 и f2.

Очевидно, что только данные определения функций f1 и f2 можно использовать как параметры управления цветопередачей, чтобы модифицировать процедуру цветопередачи путем применения на следующем шаге преобразования специальным образом модифицированных данных (значений функций f1 и f2). Так вместо координат

{rij}=f1(R,G,B)

можно применить модификации

{r'ij}=F1(R,G,B),

а вместо координат

{(Rij,Gij,Bij)}=f2(2({rij}))

модификации

{(R'ij,G'ij,B'ij)}=F2(2({rij})).

Чтобы минимизировать вмешательство в предустановленную технологию цветопередачи, модификацию функций f1 и f2 можно осуществить на основе  дополнительной обработки их значений. В этом случае модификация Fi представима в виде суперпозиции предустановленной функции fi и новой функции модификации ее значений gi:

Fi=gifi;

{r'ij}=F1(R,G,B)=g1(f1(R,G,B))=f1({rij});

{(R'ij,G'ij,B'ij)}= F2(2({rij}))=g2(f2(2({rij})))=g2({(Rij,Gij,Bij)}).

Поскольку функции f1 и f2 (F1 и F2) применяются при обработке произвольных изображений, то проблему их определения необходимо рассматривать в общем плане как проблему определения функций цветоделения – функций отображения соответствующих цветовых пространств, или, как говорят, как проблему согласования цветовых пространств периферийных устройств [67].

Универсальный подход к согласованию цветовых пространств состоит в применении так называемых профилей цветовых пространств – наборов данных о значениях цветовых координат определенных подмножеств пикселей, определяемых своими аппаратно-зависимыми координатами. При интерполяции и экстраполяции указанных данных можно получить приближенное описание образов цветовых пространств соответствующих устройств в аппаратно-независимом Lab-пространстве.

Для согласования цветовых пространств достаточно определить функции цветоделения, отображающие цветовые пространства так, чтобы были выполнены заданные ограничения на их цветовые характеристики. Таким образом, процедура цветопередачи определена и может быть реализована в компьютерной системе для любых графических изображений. Очевидно, что при произвольных цветовых пространствах и произвольных функциях цветоделения выполнение свойств 1-3 цветопередачи не гарантируется.

Таким образом, создание протокола процедуры цветопередачи возможно на основе ее формального описания, выявления переопределяемых в условиях офисной компьютерной системы параметров управления и создания соответствующего алгоритмического и программно технического обеспечения.

Литература

  1. Просис Д. Методы цветовой оптимизации и псевдосмешения цветов. PC Magazine, №7,1995, с. 131-135.
  2. Архипов О.П., Архипов П.О., Зыкова З.П. Многокрасочный пиксель принтера. -  Информационные технологии. 2001, № 4, с. 51 - 55.
  3. Босс С. Укрощение бумажного тигра. - Мир ПК. 2004, №1, с.95-96.
  4. Дегтярь Е., Назина А. Каждый охотник желает знать... - Полиграфия. 2000, № 3. с. 69 - 70.
  5.  X-Rite. Руководство по работе с цветом. ч. 6. Передача, измерение и контроль за цветом в полиграфии и цифровой обработке изображений. - КомпьюАрт.  1999, № 12, с. 62 - 65.
  6. Архипов О.П., Зыкова З.П. Стили подбора при цветном синтезе. - Информационные технологии. 2000, № 11, с. 40 - 45.
  7. Архипов О.П., Архипов П.О., Захаров В.Н., Зыкова З.П. Цветопередача в компьютерной системе без искажения экспериментальных данных. – Наукоемкие технологии. 2003, № 9, с. 11 - 16.

New

Автоматизированный анализ состояний в управлении сложными многопараметрическими техническими объектами

Константинов И.С., Савва Ю.Б.

Орловский государственный технический университет

The problems of automation of procedures of the analysis of conditions in management of complex multiple parameter objects and use for these purposes of the expert systems basing methods of situational management and linguistic forecasting are discussed. Stages of formalization of a subject domain and revealing of rules for forecasting are described.

Введение

Развитие науки и производства сопровождается усложнением различных технических объектов, создаваемых и используемых человеком.  Но возрастающая сложность технических объектов и уязвимость жизни, как отдельного человека, так и всего общества, обострили потребности в обладании методами оценки состояния этих объектов и прогнозирования его развития с целью предотвращения и смягчения последствий естественных и антропогенных катастроф.

Среди множества различных объектов, создаваемых людьми, особое место занимают здания различного назначения, оснащенные средствами жизнеобеспечения и с установленным в них оборудованием. Притом, что здания играют важнейшую роль в жизнедеятельности человека, а участившиеся в последнее время аварии и катастрофы приводят к значительным материальным и финансовым потерям и нередко сопровождаются человеческими жертвами, до сих пор не созданы системы регулярного мониторинга, оценки и прогнозирования развития технического состояния зданий. Объясняется это значительными затратами на разработку и массовую установку таких систем. Поэтому процедуру оценки технического состояния зданий выполняют  (и как показывает практика - нерегулярно) специалисты – эксперты на основе, как правило, визуальных осмотров и обмеров. Таким образом, для зданий, как объектов управления, характерно наличие не только объективной, но и субъективной неопределенности, когда одни и те же параметры неодинаково оцениваются различными экспертами.

В этих условиях актуальной стала задача автоматизации процедур оценки и прогнозирования состояния зданий. Одним из путей решения этой задачи является создание экспертных систем, базирующихся на эмпирических моделях и использующих методы ситуационного управления и лингвистического прогнозирования на основе обработки нечетких ретроспективных данных наблюдений и измерений.

1. Здания, как сложные многопараметрические объекты управления

Выявление особенностей зданий как объектов управления с целью определения объективной оценки их технического состояния требует определения их специфических свойств.

Здания, как объекты управления, обладают следующими специфическими свойствами:

  1.  сложность конструкции и структуры объекта;
  2.  необходимость учета разрушающего влияния на объект изменчивой окружающей среды;
  3.  естественное старение и износ материалов, из которых построен объект;
  4.  динамический и стохастический характер нагрузок на объект;
  5.  большая размерность вектора параметров, характеризующего состояние объекта;
  6.  не все параметры, характеризующие состояние здания могут быть выражены в виде качественных характеристик и количественных значений, т.е. среди данных имеются лингвистические понятия, а так же нечеткие множества (например, признак износа – «трещины в цокольной части здания», а его значение – «ширина раскрытия трещин до 1,5 мм»);
  7.  наличие параметров, оцениваемых путем внешнего осмотра и обмера выявленных при нем дефектов.

Кроме того, здания за счет многочисленных связей и зависимостей между составляющими их элементами обладают свойством каскадной уязвимости, когда даже незначительная и непродолжительная поломка, разрушение или авария в одном элементе провоцирует перегрузки и выход из строя многих других элементов этого объекта. Однако аналитическое описание этих взаимосвязей в виде формализованной математической модели притом, что общее число параметров составляет несколько сотен, крайне затруднительно.

В то же время часто нарушения в работе или разрушение нескольких элементов здания не выводят его полностью из строя, а позволяют эксплуатировать его с некоторыми ограничениями.

Наконец, очень важной особенностью зданий является значительное количество неконтролируемых параметров.

Таким образом, здания представляют собой сложные, многосвязные, динамические объекты управления, значение характеризующих их состояние параметров в данный момент времени зависит не только от текущих, но и от более ранних значений внешних воздействий, причем глубина ретроспекции заранее не известна. Указанные особенности зданий, как объектов управления, значительно затрудняют построение математических моделей, адекватно описывающих их поведение на протяжении жизненного цикла.

2. Формализация описания предметной области

Необходимой предпосылкой получения оценки технического состояния зданий и прогноза изменения этого состояния посредством экспертной системы являются определение предметной области этой системы и формализация описания структуры и поведения наблюдаемых и контролируемых зданий посредством построения их математических моделей.

К предметной области экспертной системы оценки и прогнозирования технического состояния зданий, безусловно, относятся собственные структурно обусловленные закономерности функционирования этих зданий с учетом особенностей, сформировавшихся под влиянием окружающей среды.

И если для формализации описания структуры зданий, а так же механизмов функционирования и взаимодействия  их конструкций, элементов и систем инженерного оборудования существуют строгие математические выражения, таблично и графически заданные отношения, то для формализации представления значений параметров, характеризующих состояние зданий, а так же знаний о влиянии на них окружающей среды и оперирования с ними для решения задач оценивания и прогнозирования состояний зданий, используются методы, базирующиеся на исчислении предикатов и представлениях о нечетких множествах.

Оценка технического состояния здания проводится не только для составления прогнозов его развития, но и для определения остаточного ресурса здания, что особенно важно для старых зданий, находящихся на заключительном этапе своего жизненного цикла. Предельным состоянием жизненного цикла каждого здания является его снос. Следовательно, жизненный цикл любого здания графически может быть представлен в виде ориентированного графа с одним источником и одним стоком. При этом источнику s соответствует состояние здания в момент времени t=0 – времени ввода его в эксплуатацию. А стоку z соответствует состояние здания в момент времени t=0, когда принимается решение о его сносе. Таким образом, жизненный цикл любого объекта и системы представляет собой последовательность событий , где – характер события, а – время, когда это событие произошло.

Согласно [1] будем структурно различать понятия состояния, ситуации и события, но уточним их смысл применительно к рассматриваемой нами предметной области.

Под состоянием или множеством состояний будем понимать систематически наблюдаемое значение, величину, свойство, качество выбранного для наблюдения здания или его части.

Множество ситуаций определим как реализованные или ожидаемые «предыстории» состояний за некоторый промежуток времени из жизненного цикла здания. Таким образом, предыстории могут отражать прошлое, настоящее или будущее стояние или множество состояний здания на протяжении его жизненного цикла.

Под событием и множеством событий будем понимать воздействие и, соответственно, совокупность природных, антропогенных и техногенных воздействий, оказываемых на эксплуатируемое здание или его часть.

Пусть - множество признаков состояний исследуемого здания. Значения каждого из признаков могут быть представлены в виде:

Вещественных чисел, определенных измерительными приборами;

  1.  интервальными оценками диапазонов значений;
  2.  балльными оценками;
  3.  номерами или индексами групп, категорий или классов;
  4.  текстовыми описаниями.

Для формализации описания значений, принимаемыми признаками , введем множество лингвистических переменных , значениями которых являются термы из терм-множеств . При этом каждому терму ставится в соответствие некоторая функция , где , а - базовая шкала признака . Теперь состояние здания в любой момент времени можно определить как .

Из введенного нами выше понятия состояния, а так же применяемых на практике согласно нормативным документам (например [2-8]) значений параметров, характеризующих состояние здания, следует, что значения оценок состояния здания так же представляются термами из множества лингвистических переменных. Определим это множество как . Значениями переменных являются термы из терм-множества . Каждому терму ставится в соответствие некоторая функция , где , а - базовая шкала возможных значений переменных . По сути, терм-множество есть не что иное, как интегрированная качественная оценка состояния здания.

Анализ последовательностей событий всех типов и аварийных ситуаций, произошедших на протяжении жизненного цикла однотипных объектов, может позволить выявить правила для прогнозирования развития технического состояния зданий и предсказания аварийных ситуаций.

3. Выявление правил для прогнозирования

Как уже отмечалось выше, весь период эксплуатации здания с момента ввода его в эксплуатацию может быть представлен в виде последовательности событий , обеспечивающих изменение его состояний . Определение этой последовательности  требует анализа ретроспективных данных реализованных ситуаций из жизненного цикла исследуемого здания целью выявления скрытых закономерностей в виде значимых особенностей, корреляций и сложных взаимосвязей в многомерном множестве параметров , изменяющихся под воздействием различных событий .

Рассмотрим множества ситуаций и событий как некоторую совокупность факторов, влияющих на состояние здания, а значения изменяющихся под их воздействием параметров, идентифицирующих то или иное состояние исследуемого здания , как гены, влияющие на свойства живого организма. При этих допущениях процесс изменения состояния здания можно рассматривать как:

  1.  стохастический процесс, когда ситуации и техническое состояние здания изменяются под воздействием случайно происходящих событий;
  2.  управляемую человеком эволюцию ситуаций и изменение технического состояния здания через воздействие на имеющийся набор «генов».

В первом случае здание эксплуатируется под разрушающим воздействием окружающей среды, теряет устойчивость к аварийным ситуациям, свои функциональные свойства и качество.

Во втором случае в результате направленной селекции воздействий определяется такая последовательность событий, которая улучшает функциональные свойства здания, повышает его устойчивость под разрушающими воздействиями.

Таким образом, проблема выявления прогнозирующих правил сводится к определению подмножеств важнейших параметров («сильнейших генов») и воздействующих на исследуемое здание событий. Автоматизация этой процедуры не только ускоряют саму процедуру отбора, но, и это главное, позволяют проводить поиск и выявление во входных массивах данных имеющихся, но не всегда очевидных, ассоциаций между различными факторами, повышая тем самым и объективность выбора. Эти ассоциации можно представить в виде правил с сущностями в их левой и правой частях. Они позволяют определить частоту, с которой один элемент появляется во входных массивах данных с другими элементами. В частности, одно из правил может быть выражено условным отношением «ЕСЛИ - ТО» (импликация).

Поставим в соответствие полному множеству информационных элементов , характеризующих состояние исследуемого объекта управления бинарное множество , каждый элемент которого может принимать значения 0 или 1. При этом будет соответствовать реализации некоторого события в последовательности к моменту времени , а - если это событие не произошло за время .

С помощью чисел М1, М2 и М3 можно определить, есть ли связь между событиями и или, иными словами, определить прогнозирующую мощность правила импликации. Определим сущность чисел М1, М2 и М3 и приведем формулы для их вычисления.

Число Z1 - предсказуемость правила, вычисляемое по формуле:

.

Это число определяет, как часто информационные элементы, соответствующие событиям и , появляются вместе в виде доли от количества записей, соответствующих событию .

Число М2 - распространенность правила, определяемое из формулы:

.

Это число показывает, как часто элементы, соответствующие событиям и , встречаются вместе в массиве исходных данных в виде доли от общего количества записей в этом массиве.

Число Z3 - ожидаемая величина предсказуемости определяется согласно:

,

где - функция Вебба. Это число показывает частоту присутствия элементов в правой части правил. Оно выражает ту предсказуемость, которая сложилась при отсутствии взаимосвязи между элементами.

Алгоритм вычисления значений чисел описан нами в работе [11].

Полученные в результате вычислений значения чисел М1, М2 и М3 за период наблюдения за исследуемым зданием (а так же однотипными ему) используются для выявления связи между всеми возможными парами событий. Эти же числа после соответствующей корректировки могут быть использованы и для выявления взаимосвязи между большим количеством событий.

Располагая прогнозирующими правилами и зная их распространенность, можно построить дерево решений, наглядно отражающей возможности изменения технического состояния здания.

Так, например, для правил:

ЕСЛИ ТО (при М2=6);

ЕСЛИ ТО (при М2=2);

ЕСЛИ ТО (при М2=3);

ЕСЛИ ТО (при М2=12),

дерево решений примет вид, представленный на рисунке.

Рисунок 1 – дерево решений примера

Заключение

Как было отмечено во введении, современные здания оснащаются системами жизнеобеспечения (электро-, газо-, водо- и теплоснабжения, кондиционирования, канализации и др.), что позволяет использовать предлагаемый подход для оценки технического состояния и этих систем, как элементов единой конструкции.

В настоящее время изложенный метод оценки и прогнозирования развития технического состояния зданий, как сложных многопараметрических технических объектов реализован в виде функционирующей экспертной системы.

Литература

  1.  Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. – 288 с.
  2.  Поспелов Д.С. Логико-лингвистические модели в системах управления. – М.: Энергоатомиздат, 1981. – 190 с.
  3.  Константинов И.С. Лингвистическое прогнозирование в структурах управления. - СПб.: Издательство С. - Петербургского университета, 1998. - 165 с
  4.  Классификатор основных видов дефектов в строительстве и промышленности строительных материалов/ Главная инспекция Госархстройнадзора России. – М.: Архграсс, 1993. – 48 с.
  5.  Правила оценки физического износа жилых зданий: ВСН 53-86 (р). – М.: Госгражданстрой, 1988.
  6.  Бурак Л.Я. Техническая экспертиза жилых домов старой застройки. – Л.: Стройиздат, 1986.
  7.  Мешечек В.В., Матвеев Е.П. Пособие по оценке физического износа жилых и общественных зданий. – М.: Старая Басманная, 1999. – 50 с.
  8.  Бейлензон Ю.В. Основные принципы оценки технического состояния объектов недвижимости. – М.: Академия оценки Российского общества оценщиков, 1996.
  9.  Солоцько С.Ю., Глазков М.В. Критерии оценки степени физического износа несущих строительных конструкций зданий и сооружений// Бюллетень строительной техники. – 2003. - № 7. – С.36-37.
  10.  Байбурин А.Х. Анализ критичности дефектов возведения жилых зданий/ Жилищное строительство. – 2003. - № 5. – С.13-14.
  11.  Savva Yu. Intelligent technology of information analysis and quantitative evaluation of condition with preliminary and inaccurate data of current observations// Computer Science Journal of Moldova. – 1999. - v. 7. - № 1(19). – р. 78-85.

 

А также другие работы, которые могут Вас заинтересовать

64163. Определение оптимальных способов обеспечения безопасности на железнодорожных переездах Ижевского отделения ГЖД 9.19 MB
  Автомобилисты не осознают что шлагбаум это не очередное препятствие которое железнодорожники установили у них на пути а устройство прямое назначение которого уберечь автомобиль и находящихся в нем людей от проходящего железнодорожного состава эффект от вложенных в охрану переездов средств будет минимальным.
64164. Синтез ансамблей гетероциклов на основе тиазола 2.91 MB
  В данном дипломном проекте разрабатываются методы получения 4 оксотиазолидин 25 диилиденов Составлена технологическая схема получения роданина и приведено описание технологического процесса производства. Химическая схема получения роданина...
64165. Разработка и обоснование мероприятий по усовершенствованию укрытия и защиты населения Октябрьского района города Ижевска 896 KB
  Размещение защитных сооружений гражданской обороны Укрытие населения района категорированного города Размещение и укрытие населения Октябрьского района г. Ижевска в защитных сооружениях гражданской обороны подвальных и других заглубленных помещениях Расчет строительства простейших укрытий...
64166. Разработка предложений по совершенствованию контроля качества тяжелых бетонных смесей на предприятии ООО «ПКФ Стройбетон» 233.98 KB
  Во втором разделе описывается существующие технологии контроля качества бетона на различных этапах его использования: при погрузке транспортировке укладке уходе за бетоном. Показатели качества бетона и бетонной смеси Приготовление бетонной смеси и ее использование в строительстве...
64167. Процесс управления рисками в отношении качества услуг ООО «ПИТЦ «Геофизика» 12.75 MB
  Описание существующего процесса управления рисками Обоснование необходимости улучшения процесса управления рисками в отношении качества услуг ООО ПИТЦ Геофизика Разработка предложений по улучшению процесса управления рисками Сбор информации и анализ существующих методов оценки рисками...
64169. Обучение учащихся поиску решения задач при изучении элементов теории графов задач на факультативных занятиях в школе 869 KB
  Изучение психолого-педагогической и методической литературы по проблеме обучения учащихся решению задач; раскрытие возможности графов как средства обучения учащихся решению задач; отражение роли факультативных занятий как одной из форм внеклассной работы по математике.
64170. Система программ 1С: Предприятие 925.5 KB
  Товары — часть материально-производственных запасов предприятия, приобретенная или полученная от других юридических и физических лиц и предназначенная для продажи или перепродажи без дополнительной обработки.
64171. Разработка программного обеспечения для врача-токсиколога и реаниматолога 2.25 MB
  С каждым годом линейка фармакологических средств неукротимо растет. Однако массовое распространение персональных компьютеров повлекло за собой разработку многочисленных автоматизированных рабочих мест диагностов клиницистов провизоров фармацевтов медицинских регистраторов статистиков...