Для создания энергоэффективной системы автономного теплоснабжения необходимо учитывать все возмущающие воздействия на тепловой режим отапливаемого помещения, либо объекта. 

Тепловой режим отапливаемых помещений определяется как результат совокупного влияния непрерывно изменяющиеся внешних и внутренних возмущающих воздействий [2,3]. Решений являющихся оптимальными для самых различных условий и характеристик объектов управления просто быть не может. К внешним воздействиям относится изменения температуры наружного воздуха, скорость и направление ветра, интенсивности солнечной радиации, влажности воздуха. К внутренним возмущающие воздействия в жилых зданиях относятся выделения теплоты от работы электрических и осветительных приборов, тепло выделяемое людьми и т.д. [2-6].

Так же согласно [7-17] исследованиям проводимым в настоящее время необходимо знать теплофизические свойства (ТФС) ограждающих конструкций зданий и сооружений.

Оценка ТФС зданий важна не только для целей автоматизации и создание комфортного микроклимата и энергосбережения но, и например для определения допустимого времени устранение аварийных ситуаций, для определения тепло потерь здания при отсутствии проектной документации, и вообще каких-либо достоверных данных о материалах ограждений многослойных конструкций.

Так же согласно [1] инерционность зданий в большей степени влияет на результаты погодозависимого управления отоплением, современные контроллеры должны учитывать этот влияющие фактор. 

Инерционность здание определяется значением постоянной времени здания, которая находится в диапазоне от 10 часов у панельных домов, до 35 часов у кирпичных домов [4,5]. Устройство управления определяет на основании постоянные временные здания комбинированную температуру наружного воздуха, которая используется в качестве корректирующего сигнала. Но так же необходимо учитывать тот фактор, что с течением времени ТФС объекта подвержены изменениям, следовательно постоянная времени объекта так же подвержена изменениям [7-17].

И так для учёта внешних воздействий, таких как температуры наружного воздуха, скорость и направление ветра, интенсивности солнечной радиации, влажности воздуха необходимо различное климатическое оборудование [2].

Согласно [1] ветер существенно влияет на температуру помещения, особенно в зданиях расположенных на открытых территориях, алгоритм управления учитывающий влияние ветра обеспечивает до 10 % экономии тёплой энергии.

Для учёта возмущающего воздействия на объект теплоснабжения – скорости воздушного потока используют термоанемометры.

Они предназначены для высокоточного измерения скорости воздушного потока [18].

Рабочий диапазон составляет от 0.3 м/с до 20 м/с.

Погрешность составляет   1 %.

Межповерочный интервал составляет – 1 год

На рис. 1 представлен внешний вид термоанемометра.

Рис. 1 – Термоанемометр

Для определения окружающей температуры за пределами объекта теплоснабжения в настоящее время с учётом импорта замещения большинство фирм используют термосопротивления для измерения температуры воздуха фирмы

ОВЕН. В основном это термопреобразователи сопротивления ДТС125Л с выходным сигналом в виде тока от 4 до 20 мА. На рис. 2 представлен внешний вид ДТС125л [19].

Рис. 2 – Термопреобразователи сопротивления ДТС125Л.

Выпускаются данные преобразователи нескольких типов: 50М,100М, 50П, 100П, Рt100, Рt500, Рt1000.

Погрешность от 0.5% до 1%.

Рабочий диапазон температур лежит в пределах от -50°С до 125 °С

Межповерочный интервал – 2 года

Так же для исключения неточности учёта при прямом или косвенном попадании солнечных лучей используются защитные экраны для данных датчиков температур [20]. На рис. 3 представлен экран для защиты от солнечных лучей.

Рис. 3 – Экран для защиты от солнечных лучей.

Для определения влажности воздуха вне отапливаемого объекта используют канальные датчики влажности пассивные или активные российской фирмы THERMOKON [21].

Канальный датчик влажности предназначен для измерения относительной влажности. Разработан для систем управления и мониторинга.

На рис. 4 представлен внешний вид датчика.

Рис.4- Внешний вид датчика определения влажности воздуха.

Рабочий диапазон составляет от 0%до 100%.

Погрешность составляет   2 %.

Межповерочный интервал составляет – 2 года

Для определения интенсивности солнечной радиации в диапазоне от 0 Вт/м² до 1000Вт/м² в основном применяются датчики QLS60.

На рис. 5 представлен внешний вид датчика по определению солнечной радиации.

Рис. 5 – Внешний вид датчика солнечной радиации.

Рабочий диапазон составляет от 0 Вт/м² до 1000Вт/м².

Погрешность составляет   1 %.

Межповерочный интервал составляет [21] – 1 год

В связи с дороговизной оборудования по определению солнечной радиации, в настоящее время используется пофосадное регулирование с учётом солнечной радиации поступающей в помещение.

Установка, настройка, а затем через определённое время поверка климатического оборудования учитывающего внешние возмущающие воздействия и дополнительного оборудования вносятся дополнительные затраты, что отражается на стоимости необходимого оборудования при его установке и эксплуатации.

Так же необходимо проведение поверки через межповерочный интервал, что бы убедиться в том, что датчики работают исправно и не вносят дополнительную погрешность в систему управления тепловым режимом объекта.

В нерабочее время в общественно-административных и производственных зданиях температура внутреннего воздуха может быть значительно снижена, то есть возможен так называемый режим прерывистого отопления, для реализация которого следует обеспечить восстановление нормируемой температуры к началу использования помещения или к началу рабочего дня при этом возникает вопрос оптимального способа разогрева с минимально допустимой температуры к оптимальной. То есть необходимо определить вид кривой по которой необходимо ввести температурный режим здания, чтобы потребления тепловой энергии в этом процессе были бы минимальны. Для выхода в нужный момент времени необходимо учитывать все влияющие факторы на тепловой режим здания, так как только в этом случае удастся достичь наиболее точного времени момента включения системы теплоснабжения на разогрев к нужному моменту времени [1]. На рис. 6 представлен температурный режим объекта при прерывистой системе теплоснабжения.

Рис. 6 – Температурный режим объекта при прерывистой системе теплоснабжения

В настоящее время на практике обычно применяют системы управления осуществляющие только учёт в основном возмущения температуры наружного воздуха это так называемые погодные регуляторы температуры, но
при тепловизионом обследование объектов рис.7 наглядно видны участки ограждений, на которых здание особо сильно теряет тепло.

Рис.7 – Тепловизионное обследование объекта.

К таким участкам в первую очередь относятся окна. По данным [22] теплопотери через ограждающие конструкции распределяются следующим образом: стены – 30%, кровля – 14 %, пол -12 %, окна- 44%.

Данные потери в основном связаны с инфильтрацией. Теплопотери на инфильтрацию зависят как правило от инфильтрации в помещение холодного наружного воздуха и его температуры, а так же скорости воздушного потока снаружи. Воздух в помещение поступает через ограждающие конструкции, имеющие пористые структуры, но основная его часть поступает через неплотности окон, при учёте лишь окружающей температуры и не учёте остальных мало влияющих факторов могут возникнуть в некоторых условиях перетопы, а в других недотоп, что в свою очередь приведёт к неоптимальному регулированию теплового режима объекта.

Согласно данным [23] инфильтрация увеличивает градиент падения температуры на 0,4 – 1°С в час.

При использование данных видов климатического оборудования учитывающих внешние возмущающие воздействия в канал управления теплоснабжением вносится общая погрешность Х используемого климатического оборудования.

 (1)

где - погрешность определённого средства измерения (датчик температуры, влажности, скорости ветра и т.д.)

Проведя расчёт вносимой погрешности с использованием климатического оборудования учитывающего внешние воздействия:

В следствии всего вышеописанного видятся следующие проблемы при построение технических средств энергосбережения. Для учёта всех возмущающих воздействий требуется дорогое климатическое оборудование которое требует установки, наладки и подключения к управляющему устройству, так же для исключения неправильности показаний климатического оборудования устанавливаемого вне отапливаемого объекта необходимо периодически проводить поверку данного оборудования что требует дополнительных вложений. 

С учётом вышеизложенного мы пришли к выводу, что при исключении внешнего климатического оборудования можно уменьшить расходы на теплоснабжение не менее чем на 3%. При этом себестоимость установки и эксплуатации оборудования сократится.

Однако остаётся вопрос, каким образом без использования внешнего климатического оборудования учесть все влияющие факторы на тепловой режим объекта, при этом производить оптимальное управление его тепловым режимом.

Современное развитие беспилотных летательных аппаратов позволяет решить большое количество задач: поиска, мониторинга окружающей среды, контролю транспортных потоков, выполнение функций спасателя. С помощью БПЛА решаются поставленные задачи в чрезвычайных ситуациях, в которых человек не может принять участие без ущерба здоровью, а также в ситуациях в которых специализированный транспорт не может выполнить поставленную задачу (пожаротушения, разведка, военные действия и т.д.). Основной задачей при решении поставленных задач является полет квадрокоптера по заданной траектории, с помощью автоматического курирование или с пульта управления оператора, и посадка квадрокоптера в заданном месте. Актуальной задачей на сегодняшний день является задача автоматической посадки квадрокоптера на определенную посадочную площадку (вертодрома) без участия оператора.

1) Основные алгоритмы, используемые при решении поставленной задачи

Среди многих задач навигации и автоматической управления БПЛА одной из актуальных является задача автоматической посадки квадрокоптера. В данной проблематике выделяются следующие три метода для распознавания образов (в нашем случае вертодромных площадок, которые регламентированы ICAO и FAA (Doc 9261-AN / 903)). Основными методами для решения поставленной задачи являются алгоритмы нахождения образа площадки по скользящему просмотра, основанные на поиске максимума корреляции изображений, которые находятся в базе эталонных изображений для сравнения, метод машинного обучения по базе различных изображений и методы выделения основных признаков изображения. Первый и второй метод имеют недостатки связаны с большими вычислительными мощностями управляющего компьютера БПЛА, или передача информации из системы технического зрения, дальнейшая обработка на стационарном компьютере, уменьшает скорость быстродействия квадрокоптера. Третий метод не требует большого базы изображений для сравнения и обученного классификатора, применяются практически для любого изображения.

2) Алгоритмы, используемые для распознавания определенных маркеров

Алгоритм SIFT – обеспечивает распознавание и отслеживание объектов на изображении, обладает свойствами повторяемость и надежности, широко используется в системах технического зрения БПЛА.

Алгоритм SURF – основан на обеспечении распознавании и обеспечении нахождения точек, сопоставлении изображений, включает в себя преобразование Лапласа. Данный алгоритм помогает находить яркие объекты на темном фоне и наоборот. Данный алгоритм является более надежным, с точки зрения нахождения точек, но приводит больше расчетной нагрузки.

Алгоритм поиска определенных контуров findCountours – функция OpenCV, что позволяет найти определенные контуры на изображении, со встроенным функцией многоуровневой иерархии, которая позволяет проводить анализ изображения и наложения дополнительных фильтров.

Общая структура управления должна представлять собой взаимосвязанную систему, которая с помощью различных структур позволяет проводить полет квадрокоптера, выполнения навигационных задач и получать скорректированные данные из системы технического зрения. Первоочередная задача системы управления автоматической посадки квадрокоптера – нацелена посадка на вертодромных площадку, с учетом параметров данной площадки и учета погрешностей при подстрекаю почему влияния. Общая структура схемы посадки квадрокоптера представлена ​​на рис. 1.

Рисунок 1. Общая структура системы автоматической посадки с помощью СТЗ

На рисунке изображено квадрокоптер, система технического зрения предназначена для наведения и навигационных задач квадрокоптера, исполнительный уровень и бортовая система с помощью приборов выполняют автоматическую посадку по заданным параметрам СВХ.

a. Алгоритмы систем компьютерного зрения

В настоящее время широкое применение получили системы компьютерного зрения, которые позволяют достигать поставленной задачи в системах управления БПЛА без дополнительных датчиков и с низкими вычислительными мощностями.

Рассмотрим основные алгоритмы, которые могут быть применены в СТЗ для решения навигационных задач, наводнения и автоматической посадки квадрокоптера.

• Вычисление гистограммы цели. В принятой модели изображения HSV выделяют основной Н-компонент, который определяет информацию о цвете. Для этого необходимо сделать преобразования из цветной модели RGB в HSV, и будут получены гистограммы изображения. Основной алгоритм управления и наведения квадрокоптера на вертодромных площадку представлен в рис.2.

Рисунок 2. Алгоритм работы системы наведения с помощью СТЗ

• Алгоритм Camshift. Данный алгоритм широко применяется в различных СТЗ, для нахождения маркеров, определенных меток, целей. Основанный на использовании MeanShift находим центр цели и вычисляет центр цели, затем масштаб и ориентацию. Данный процесс используется в непрерывный потока изображений. Основной алгоритм применяет все кадры видеосъемки и результат предыдущего кадра (центра изображения, размера окна поиска), используется в следующем изображении в качестве эталонного (начального) значения поиска контрольного окна. Отслеживание реализуется циклической итерацией. Алгоритм реализуется пятью этапу:

1. Определение изображения в качестве области поиска.
2. Инициализация размера и положения окна поиска.
3. Вычисление распределения вероятности цветов окна поиска (область должна быть больше окно поиска).
4. Выполнение алгоритма MeanShiftдля получения новой позиции и размера окна поиска.
5. Использование результатов 3-го пункта для инициализации положение окна и размера окна поиска в следующем кадре.

• Алгоритм SURF. Основанный на базе алгоритма Camshift. Главной задачей алгоритма SURF является нахождение локальных характерных особенностей изображения. Для задачи поиска вертодромных площадок основным достоинством данного алгоритма являются является устойчивость к масштабированию, поворотам и относительная устойчивость к аффинных преобразований. Работа алгоритма начинается с выполнения поиска в изображении локальных экстремумов, на основе которых выполняется поиск особых точек на изображении. При этом также обеспечить инвариантность относительно повороты сцены. Лицу точки выделяются с помощью матрицы Гессе. Матрица Гессе является симметричной к квадратичной формы, описывающей поведение функции второго порядка. Матрица этой функции состоит из ее вторых частных производных. В случае двумерной функции
          1.1
       1.2
  H- матрица Гессе; f (x, y) – функция изменения градиента матрицы.
  Градиент в точке рассчитывается с использованием фильтров Хаара, где черные и белые области имеют значение -1 и +1 соответственно. Это дает значение перепада градиента по осям. Каждой из особых точек сопоставляется свой дескриптор, который представляет собой набор из 64 чисел. Так как максимум гессиан, то эти точки отделены друг от друга на определенном расстоянии, зависит от рассчитанных в них значений градиента. Инвариантность достигается обобщением градиента, который осереднюеться вокруг точки в целом благодаря фильтра Хаара. Масштаб матрицы Гессе обусловливает размер области, в которой рассчитается дескриптор. Таким образом достигается инвариантность масштаба [2]. Неправильная информация о состоянии и скорости может привести к тому, что БПЛА НЕ приземлится на вертодромных площадку.

• Алгоритм поиска определенных контуров findCountours. Данный алгоритм позволяет находить контуры объекта на двоичном изображении с 8-битного канального изображения, онлайн видео изображения. Каждый найденный контур представляется в виде векторного изображения с наложением найденного вектора на входное изображение. С помощью дополнительных функций, которые можно использовать, данный алгоритм позволяет создавать бинарное, полутонов, цветной изображения с целочисленным 32-битным изображением меток. К данному алгоритму входит создание иерархии изображения – выходной вектор, содержащий информацию о топологии изображения. Он имеет столько же элементов, сколько число контуров. Для каждого n-го контура contours [i], элементы hierarchy [i] [0] hiearchy [i] [1], hiearchy [i] [2] и hiearchy [i] [3] установлено в 0 на основе показателей в contours очередных и предыдущих контуров на том же иерархическом уровне, первого контура ребенка и родительского контура, соответственно. Если для контура i нет таких, предыдущих, родительских или вложенных контуров, соответствующие элементы hierarchy [i] будут отрицательными. Режим поиска контура разделяется на следующие режимы которые позволяют находить различные контуры на картинке независимо от возмущающих факторов:
  1) CV_RETR_EXTERNAL - извлекает только крайние внешние контуры. он устанавливает hierarchy [i] [2] = hierarchy [i] [3] = -1 для всех контуров.
  2) CV_RETR_LIST вытягивает все контуры без установки каких-либо иерархических видносин.
  3) CV_RETR_CCOMP вытягивает все контуры и организует их в двухуровневую иерархию. На верхнем уровне находятся внешние границы компонентов. На втором уровне есть границы отверстий. Если внутри отверстия подключенного компонента является другой контур, он все еще находится на верхнем уровне.
  4) CV_RETR_TREE вытягивает все контуры и восстанавливает полную иерархию вложенных контуров. Эта полная иерархия построена и показана в contours с демонстрации OpenCV. Такие же используются подходы с методами аппроксимации контура изображения, функция извлекает контуры из двоичного изображения, используя алгоритм [3]. Контуры является полезным инструментом для анализа формы, а также для обнаружения и распознавания объектов. Благодаря данному алгоритму возможно находить контуры объектов,

b. Алгоритм управления БПЛА

Алгоритм управления реализуется на исполнительном уровне (в контроллере или регуляторе) трехуровневой СУ, представленной рис. 1. Структура этого уровня показана на рис. 3. В контроллере реализуется два канала управления: по крену и по тангажу. Входы каналов крена и тангажа включают в себя угол ориентации и их текущее состояние. В структуре каскадного ПИД-регулятора является внешний контур, который обеспечивает быструю скорость реакции управления ориентацией, и внутренний контур, имеющий медленную скорость реакции управления положением. Последовательность расчета параметров системы управления: внешний контур (петля ориентации), а затем внутренний контур (петля положение). Положение и скорость определяются при расчете траектории, а ориентация получается путем вычисления во внешнем контуре.

Рисунок 3. Блок-схема системы управления

На рис. 3 из ЗП обозначены задают условия (позиция, скорость), УК – управляющий контроллер, угол наклона – угол рыскания БПЛА. Реализация контроллера завершается расчетом ПИД-регулятора внешнего контура. Согласно данным расчетом исчисляются скорость и состояния каналов крена, тангажа и угла поворота (рыскания).

c. Обработка изображения

В данной работе информация о положении БПЛА оценивается алгоритмом поиска определенных контуров findCountours для выполнения извлечения и сопоставления точек. Как целевой шаблон в оригинальном документе выбирается область размером 640 Ч 480 пикселей для удобного вычисления. После этого используется алгоритм для определения целевой области в следующем кадре. Когда цель определена, точки функции вырисовываются в определенный цветной объект (вертодромная площадка принята и регламентирована ICAO и FAA). После определения области посадочной площадки выполняется изъятия и сопоставления признаков. В то же время выбирается центральная область изображения в качестве целевого шаблона такого же размера. Далее происходит непрерывное отслеживание особых точек на изображении. Требования к установке камеры заданные следующим образом: направление оптической оси камеры совпадает с направлением оси координат корпуса БПЛА. Оно также совпадает с осью Z навигационной системы координат. Выделим следующие системы координат:

1. Мировая (абсолютная) система координат: она называется реальной системой координат или реалистичной системой координат XYZ. Это абсолютная система координат объектного мира. В общем случае в этой системе координат описывается 3D-сцена.
2. Система координат камеры: система координат определяется в соответствии с центром камеры. Это o С xс Yс ZС, как показано на рис. 4. В общем случае оптическая ось камеры определяется как ось zc.
Система координат плоскости изображения: x’y “, система координат плоскости изображения, формируемая в камере. Как правило, плоскость изображения параллельна плоскости xсyс системы координат камеры. Оси xс и Yс параллельные осям x ‘и y’ соответственно. В этом случае оригинал плоскости изображения находится только на оптической поверхности камеры.

• Система координат изображения: это координатная система пиксельной матрицы, которая выходит после выборки и количественного определения изображения.
• Система координат корпуса (тела) БПЛА: ob xb yb zb определяется в соответствии с центром БПЛА. Вот zb совпадает с осью zc [5].

Рисунок 4. Система координат камеры

В ходе рассмотрения алгоритмов систем технического зрения авторами предлагается выбрать алгоритм поиска контуров findCountours, как наиболее разносторонний который позволяет проводить дополнительные исследования и расчеты в рамках поиска вертодромных площадок. Основным направлением исследования является анализ существующих методов и подходов к задаче атоноснои посадки квадрокоптера с помощью систем технического зрения. Представленные материалы имеют краткое описание этих алгоритмов СВХ. Эти алгоритмы могут быть полезны для автономной системы посадки БПЛА. Алгоритмы также могут быть применены для системы отслеживания траектории БПЛА.