8 (495) 987 43 74 доб. 3304
Мы в соцсетях -              
Рус   |   Eng

Авторы

Горшков Олег Владимирович

Ученая степень
магистрант, кафедра Информационных технологий в бизнесе, Национальный исследовательский университет «Высшая школа экономики»
E-mail
oleg@zedpost.ru
Местоположение
г. Пермь, Россия
Статьи автора

Разработка программной системы для управления IoT-устройствами с использованием структурных и поведенческих паттернов

Рассматривается задача создания программной системы, предназначенной для управления устройствами Интернета вещей (IoT), киберфизических систем (CPS) интеллектуальных зданий, производств или городской среды. Предлагается архитектурный подход к проектированию программного обеспечения, основанный на использовании типовых решений – структурных и поведенческих паттернов. Адаптация шаблонов на предметную область CPS приводит к появлению новых методов оперативного создания программных сервисов, в том числе с открытым исходным кодом, обладающих высокой устойчивостью, интероперабельностью и возможностью модификации. Разработанное с использованием паттернов ПО может применяться в качестве прототипа системы управления «умным» офисом – помещением с интегрированными подсистемами: контроль климата, пожарная безопасность и контроль протечек, управление освещением, управление мультимедиа, контроль и управление доступом, взаимодействие с клиентами, автоматизация процессов аренды и т.п. Реализация взаимодействия сервера с IoT- контроллером через нестандартные форматы обуславливает применение паттерна «Интерпретатор». Передачу данных между компонентами с кэшированием пакетов и контролем доступа предложено реализовать с помощью паттерна «Заместитель», а «Наблюдатель» предложено использовать в качестве стабильного средства управления сценариями. Предложенные в исследовании интерпретации шаблонов проектирования системных архитектур решений для управления IoT-устройствами в составе CPS зданий позволяют оперативно создавать новые или модифицировать существующие программные сервисы. Так, например, предложенные архитектуры могут быть использованы для создания модулей сбора и передачи информации, а также управления оборудованием по сценариям в условиях большого числа пользователей и персонифицированных конфигураций. Исследование выполнено в рамках приоритетного направления развития науки Пермского филиала НИУ ВШЭ «Исследование методов управления в киберфизических системах». Читать дальше...

Технология программной имплементации цифрового двойника в контур IoT управления HVAC-системой

Развитие прикладного программного обеспечения киберфизических систем зданий подразумевает широкое использование интеграционных платформ Интернета вещей (IoT). На практике гибкая функциональность IoT-платформ часто приводит к дополнительным затратам на программную доработку существующих и подключение новых блоков, в частности цифровых двойников. В статье предложено технологическое решение по программной имплементации цифрового двойника процесса проветривания в состав контура IoT управления системы отопления, вентиляции и кондиционирования (HVAC) для зданий и промышленных сооружений. Рассматривается реализация и исполнение цифрового двойника в виде динамической имитационной модели на языке объектно-ориентированного моделирования Modelica в среде OpenModelica. В качестве примера интеграционной среды рассматривается IoT- платформа InfluxData на базе стека TICK. Это горизонтально-ориентированная платформа Интернета вещей, которая содержит механизм сбора данных с устройств и базу данных временных рядов InfluxDB для хранения метрик. Для интеграции имитационных моделей на Modelica с InfluxDB предложено использовать сервер OMPython. В этом случае управляющие и интерфейсные сценарии выполняются на языке Python, что в результате в значительной степени расширяет традиционные возможности IoT- платформы до уровня системы управления с цифровым двойником. Такое управление HVAC предусматривает адаптацию контуров управления за счет учета динамики процесса воздухораспределения по вентиляционной сети, оценки и компенсации инерционности процессов. Публикация подготовлена в ходе проведения исследования (№ 21–04–039) в рамках программы «Научный фонд Национального исследовательского университета "Высшая школа экономики (НИУ ВШЭ)"» в 2020–2021 гг. Читать дальше...

Интеграция предиктивно-аналитических моделей с IoT-платформой цифрового экомониторинга

Исследование направлено на развитие прикладных программных систем для автоматизированного мониторинга окружающей среды. Рассматривается задача по разработке и интеграции прикладного программного обеспечения, в частности расчетно-аналитических моделей на основе методов машинного обучения (ML), с IoT-платформой цифрового экомониторинга для промышленных предприятий. Такая платформа используется для создания программно-аппаратных систем класса CEMS – Continuous Emissions Monitoring System, предназначенных для непрерывного контроля выбросов загрязняющих веществ в атмосферный воздух на производствах. Использование ML-инструментов, интегрированных с платформой, позволяет значительно расширить функциональность существующих CEMS, в частности оперативно конструировать новые SaaS-сервисы для прогнозирования динамики распространения загрязнений. С учетом высоких требований к промышленным системам возникает необходимость создания специализированного программного продукта – аналитического сервера, реализующего управление подключаемыми предиктивно- аналитическими ML-моделями с требуемым уровнем качества обслуживания, в том числе автоматической инициализацией новых аналитических скриптов в виде классов, изолированностью отдельных компонентов, автоматическим восстановлением после возникновения сбоев, защищенностью и безопасностью данных. В статье предложена схема функционально-алгоритмического взаимодействия IoT-платформы цифрового экомониторинга и аналитического сервера. Представленный вариант реализации аналитического сервера имеет иерархическую структуру, в вершине которой стоит приложение, способное принимать высокоуровневые REST-запросы на инициализацию расчетов в реальном времени. Данный подход позволяет минимизировать влияние одного аналитического скрипта (класса) на другой, а также расширять функциональность платформы в «горячем» режиме, то есть без остановки или перезагрузки. Приведены результаты, демонстрирующие автоматическую инициализацию и подключение базовых ML-моделей для прогнозирования концентраций вредных веществ. Читать дальше...