Nghiên cứu, thiết kế, chế tạo thiết bị thử kín nước áp dụng cho nhóm trang thiết bị đi kèm người nhái

Nội dung bài viết nghiên cứu, thiết kế, chế tạo thiết bị thử kín nước áp dụng cho nhóm trang thiết bị đi kèm người nhái. Để hiểu rõ hơn, mời các bạn tham khảo chi tiết nội dung bài viết này.

NGHIÊN CỨU, THIẾT KẾ, CHẾ TẠO THIẾT BỊ THỬ KÍN NƯỚC ÁP DỤNG CHO NHÓM TRANG THIẾT BỊ ĐI KÈM NGƯỜI NHÁI Đặng Ngọc Tú, Nguyễn Trọng Thắng Trung tâm Giám định Chất lượng Cục Tiêu chuẩn - Đo lường - Chất lượng/BTTM/Bộ Quốc phịng Email: dangtu1707@gmail.com, nguyentrongthang1603@gmail.com Tóm tắt: Trong báo này, nhóm tác giả trình bày giải pháp thiết kế, chế tạo thiết bị thử kín nước đến áp suất 0,7 MPa (tương đương áp suất nước độ sâu 71,38 mH2O °C) để kiểm tra khả kín nước kết hợp kiểm tra khả hoạt động thiết bị hoạt động môi trường nước tác động áp suất Thiết bị sử dụng cảm biến để đo áp suất vận hành thơng qua máy tính điều khiển Thiết bị giúp tiết kiệm chi phí, thời gian, nguồn nhân lực việc tổ chức kiểm tra, đánh giá khả kín nước khả hoạt động thiết bị môi trường biển thực tế; góp phần giúp giám định viên, thử nghiệm viên đánh giá xác chất lượng nhóm vũ khí trang bị hoạt động môi trường nước; giúp đơn vị Bộ Quốc phòng việc khai thác, đảm bảo kỹ thuật đảm bảo an toàn cho cán bộ, chiến sỹ sử dụng nhóm vũ khí trang bị làm nhiệm vụ phục vụ thử nghiệm cao phải huy động tàu, thuyền số lượng nhân lực lớn Vấn đề cấp thiết đặt Trung tâm Giám định Chất lượng/Cục Tiêu chuẩn - Đo lường - Chất lượng phải có hệ thống (thiết bị) tạo áp suất môi trường nước với độ sâu tương ứng để thử nghiệm khả kín nước kết hợp kiểm tra khả hoạt động nhóm vũ khí, trang bị kỹ thuật hoạt động môi trường để đảm bảo đánh giá xác chất lượng vũ khí trang bị, góp phần giúp đơn vị việc khai thác, đảm bảo kỹ thuật cho vũ khí trang bị an toàn cho cán chiến sỹ sử dụng nhóm vũ khí trang bị kỹ thuật làm nhiệm vụ Xuất phát từ tất vấn đề phân tích trên, nhóm tác giả thực sáng kiến cải tiến kỹ thuật “Thiết kế, chế tạo Thiết bị thử kín nước đến áp suất 0,7 MPa tương đương áp suất độ sâu 71,38 mH2O oC” Phần lại báo tổ chức sau: Trong phần II, miêu tả giải pháp kỹ thuật Phần III đưa sơ đồ khối, phần mềm điều khiển thiết bị Phần IV cung cấp kết phép đo áp dụng chương trình đề xuất Cuối cùng, kết luận báo phần V Từ khóa: Kín nước; Tự động; Cảm biến; LabVIEW I GIỚI THIỆU Trung tâm Giám định Chất lượng/Cục Tiêu chuẩn - Đo lường - Chất lượng/Bộ Quốc phịng có chức nhiệm vụ trọng tâm giám định, thẩm định, thử nghiệm chất lượng vũ khí trang bị kỹ thuật, sản phẩm hàng hóa quốc phịng mua sắm, nhập cho đơn vị Quân đội Hiện Trung tâm Giám định Chất lượng nói riêng đa số sơ đo lường - chất lượng khác nói chung chưa có thiết bị kiểm tra, thử nghiệm khả kín nước cho trang bị chuyên dụng hoạt động độ sâu khác mơi trường nước Đây lại nhóm hàng hóa phổ biến mà đơn vị Quân chủng Hải quân, Bộ Tư lệnh Cảnh sát biển, Binh chủng Đặc công mua sắm, nhập năm gần Các thiết bị thử kín nước số đơn vị Qn đội cịn thơ sơ, điều khiển tay, khơng có chế độ sefttest kiểm tra tính xác ổn định đồng hồ cảm biến đo áp suất, chế an toàn bảo vệ cho thiết bị cịn hạn chế, có kích thước khối lượng cồng kềnh động đặc biệt quan trọng tính thử nghiệm không đáp ứng yêu cầu trang bị kỹ thuật mua sắm, nhập đơn vị Trong trình thử nghiệm thực tế khả kín nước nhóm trang bị điều kiện thực tế cửa sơng, ngồi biển phụ thuộc nhiều vào nhiều yếu tố như: thời tiết, vị trí, độ sâu thực tế đặc biệt chi phí II GIẢI PHÁP KỸ THUẬT Thiết bị thử kín nước TKN-GĐCL-19 tạo môi trường áp suất nước đến 0,7 MPa (tương đương với áp suất độ sâu 71,38 mH2O oC) để thử nghiệm khả kín nước kết hợp kiểm tra khả làm việc thiết bị hoạt động môi trường nước tác động áp suất Nguyên lý áp suất chất lỏng: Áp suất thực tế môi trường chất lỏng điểm (t), có độ sâu h1: Ptương đối = ρ.g.h Trong đó: P tương đối : Áp suất tương đối điểm (t) chất lỏng [Pa] ρ : Khối lượng riêng chất lỏng [kg/m3] g : Gia tốc trọng trường [m/s2] h : Chiều cao cột chất lỏng tính từ điểm (t) đến mặt thống [m] Ta có khối lượng riêng nước 1.000 kg/m3 oC, gia tốc trọng trường theo giá trị tiêu chuẩn 9,8066 m/s2 68 III Từ đó, ta có bảng tính tốn áp suất tương đối độ sâu môi trường nước oC sau: Áp suất tương đối Độ sâu cột nước môi trường nước oC tương ứng 0,1 MPa = 100.000 Pa 10,1972 m 0,2 MPa = 200.000 Pa 20,3944 m 0,3 MPa = 300.000 Pa 30,5916 m 0,4 MPa = 400.000 Pa 40,7888 m 0,5 MPa = 500.000 Pa 50,9860 m 0,6 MPa = 600.000 Pa 61,1832 m 0,7 MPa = 700.000 Pa 71,3804 m Thiết bị thử kín nước TKN-GĐCL-19 mô lại áp suất tương đối môi trường nước để kiểm tra khả kín nước thiết bị bình thử nghiệm theo giải pháp sau: Theo định luật Pascal: Áp suất chất lỏng ngoại lực tác dụng lên mặt thoáng truyền nguyên vẹn tới điểm lòng chất lỏng; Vận dụng định luật Pascal, bình thử nghiệm Thiết bị thử kín nước TKN-GĐCL-19 gồm có hai mơi chất nước khơng khí, nén phần khí bình làm tăng áp suất khí bình đến P khí BTN, áp suất đáy bình xác định theo công thức: P đáy BTN = P khí BTN + ρ1.g.h1 Trong đó: P đáy BTN : Áp suất đáy bình thử nghiệm [Pa] Pkhí BTN : Áp suất khí nén bình thử nghiệm [Pa] ρ1 : Khối lượng riêng chất lỏng bình thử nghiệm [kg/m3] g : Gia tốc trọng trường [m/s2] h1 : Chiều cao cột nước tính từ mặt thống đến đáy bình thử nghiệm [m] Áp suất tạo đáy bình thử nghiệm (P đáy BTN) Thiết bị thử kín nước TKN-GĐCL-19 áp suất tương đối môi trường nước cần mô để kiểm tra khả kín nước thiết bị Mơi chất sử dụng bình thử nghiệm thiết bị thử kín nước TKN-GĐCL-19 nước tinh khiết (khối lượng riêng xấp xỉ 1.000 kg/m3 ) khơng khí Cột nước tinh khiết bình thử nghiệm có chiều cao 0,5 m lấy gia tốc trọng trường 9,8066 m/s2 nên áp suất tạo cột nước tính sau: Pcột nước = ρ1.g.h1 = 0,0049033 MPa Áp suất cột nước bình thử nghiệm nhỏ nên lấy xấp xỉ áp suất đáy bình thử nghiệm áp suất khí bình thử nghiệm: Ptại đáy BTN ≈ Pkhí BTN Để mơ lại áp suất tương đối mơi trường nước bình thử nghiệm, Thiết bị thử kín nước TKN-GĐCL-19 sử dụng máy nén khí để tạo áp suất khí bình thử nghiệm đến áp suất mong muốn, lắp ráp cảm biến đồng hồ đo áp suất tương đối để đo áp suất bình thử nghiệm Sử dụng ngơn ngữ lập trình Labview xây dựng phần mềm thu thập, xử lý hiển thị liệu từ cảm biến áp suất (sử dụng thuật toán bù độ lệch theo hàm fit khảo sát), kết hợp kỹ thuật vi xử lý giúp thiết bị hoạt động có độ ổn định cao, đảm bảo tính xác cho phép đo áp suất đồng thời điều khiển tự động trình tăng, giảm áp suất bình thử nghiệm SƠ ĐỒ KHỐI, CHẾ ĐỘ HOẠT ĐỘNG, PHẦN MỀM ĐIỀU KHIỂN Sơ đồ khối thiết bị TT V1 S1' P1 V5 S1 V3 V4 B 3 V7 V6 P Si Ghi chú: BT S2 V2 BT: Bình thử B: Nút chặn khí P: Máy nén khí Si: Nút giảm S1,2: Cảm biến áp suất S1',2': Cảm biến áp suất (tuỳ chọn thêm) V1: Van an tồn V2: Van nước V3: Van nạp/thốt khí V4,7: Van điện từ 3/2 V5: Van chiều khí nén V6: Van điều áp P1: Đồng hồ kim đo áp suất khí nén S2' Hình Sơ đồ khối bình thử nghiệm áp suất nước Nguồn chiều (+ 12 V, + 24 V) 220 VAC Nguồn xoay chiều 220 V/50 Hz Máy tính có chương trình điều khiển Vi xử lý LabVIEW Bo mạch Arduino 10 bit ADC 12 VDC Bo mạch Arduino Mức thấp/ Mức cao Hệ thống chuyển mạch Relay NO-NC Ghi chú: Tín hiệu số 24 VDC 220 VAC 12 VDC Cảm biến áp suất S1,S1',S2,S2' Van điện từ 3/2 V 4, V Tín hiệu tương tự Nguồn cung cấp Khởi động từ 220 V/50 Hz Máy nén khí P Hình Sơ đồ thiết bị - Phần điều khiển Thiết bị bao gồm khối sau: - Máy tính điều khiển; - Vi mạch điều khiển, hệ thống van khí (được tích hợp vali kỹ thuật); - Bình thử nghiệm; - Máy nén khí Chế độ hoạt động thiết bị Thiết bị có 03 chế độ làm việc điều khiển từ phần mềm cài đặt máy tính: - Chế độ tự kiểm tra Self-Test; - Chế độ thử nghiệm thủ công Manual; - Chế độ thử nghiệm tự động Auto Đối tượng thử nghiệm (Equipment under Test - EUT) thiết bị hoạt động môi trường nước, cần đánh giá kiểm tra kín nước khả hoạt động môi trường nước tác động áp suất Các bước kiểm tra, thử nghiệm kín nước gồm 04 bước: Bước 1: Thử nghiệm viên kiểm tra EUT trước thử nghiệm gồm: Kiểm tra ngoại quan, tình trạng bên ngồi (bao gồm kín khít thiết bị); sau thơng điện kiểm tra khả hoạt động thiết bị (ghi lại thông số kiểm tra cần thiết); Bước 2: Thử nghiệm viên kiểm tra thiết bị thử kín nước TKN-GĐCL-19 trước thử nghiệm bao gồm đánh giá khả hoạt động toàn thiết bị đồng thuộc hệ thống, 69 Phần mềm điều khiển Trong mục mô tả chi tiết phần mềm điều khiển thiết bị với chế độ hoạt động: Chế độ tự kiểm tra Self-Test, chế độ thử nghiệm thủ công Manual, chế độ thử nghiệm tự động Auto Giao diện chia làm phần: - Phần 1: Thông tin chung phần mềm, nhóm tác giả thực hiện; - Phần 2: Thông tin EUT: tên gọi, ký hiệu, số hiệu, hãng sản xuất/đơn vị sản xuất, xuất xứ, năm sản xuất; - Phần 3: Cấu hình phép thử bao gồm: Cấu hình lựa chọn cảm biến áp suất; chọn địa giao tiếp với Arduino; thiết lập mức áp suất thử (Plimit); địa file báo cáo mẫu; - Phần 4: Chế độ tự kiểm tra thiết bị Self-Test, bấm vào nút thử mục này, phần mềm chuyển sang giao diện Self-Test (chi tiết xem mục 4.4.1) Sau Self-Test thực hiện, chương trình giao diện mục SelfTest có đồ thị áp suất Hình 3; - Phần 5: Chế độ thủ công/tự động Manual/Auto, bấm vào nút thử mục này, phần mềm chuyển sang giao diện Manual Auto (chi tiết xem mục 4.4.2 mục 4.4.3) Kết thúc trình thử, chương trình giao diện mục có đồ thị áp suất Hình 3; - Phần 6: Phím LƯU&DỪNG có chức lập báo cáo theo đồ thị thử nghiệm tạo Phần Sau đó, kết thúc chương trình tính xác cảm biến đo áp suất, khả điều khiển phần mềm (Chế độ Seft- Test); Trước lần thử, Chế độ Seft-Test có vai trò quan trọng, đặc biệt đặc thù thiết bị phải thường xuyên di chuyển, chế độ giúp thử nghiệm viên đánh giá nhanh khả hoạt động thiết bị, cụ thể sau: - Kiểm tra độ ổn định tính xác cảm biến đo áp suất: Các cảm biến sử dụng phải đảm bảo độ ổn định độ xác Q trình Seft-Test đưa đồ thị đặc tuyến áp suất theo thời gian cảm biến, nhờ giúp thử nghiệm viên đánh giá tính ổn định cảm biến theo thời gian (trường hợp đối chiếu đặc tuyến cảm biến, cảm biến có giá trị tăng/giảm bất thường so với cảm biến khác thử nghiệm viên đánh giá cảm biến khơng bình thường so với cảm biến khác) Về độ xác cảm biến, thiết bị trang bị đồng hồ kim đo áp suất, đảm bảo độ xác có hiệu lực kiểm định/hiệu chuẩn giúp thử nghiệm viên đối chiếu trực tiếp giá trị hiển thị cảm biến đồng hồ kim; - Kiểm tra khả hoạt động phần mềm điều khiển, hoạt động máy nén khí (bằng việc điều khiển bật/tắt máy nén khí) thiết bị đồng khác (kiểm tra việc đóng/mở van điện từ khí nén 3/2, kiểm tra ngõ khí ) Bước 3: Sau đánh giá khả hoạt động thiết bị, thử nghiệm viên đưa EUT vào bình thử nghiệm, vận hành thiết bị thử kín nước TKN-GĐCL-19 tạo áp suất bình thử nghiệm thơng qua phần mềm điều khiển cài đặt máy tính Thử nghiệm viên chọn hai chế độ thử nghiệm: Thử nghiệm tự động Auto: Thử nghiệm viên thiết lập chu trình tăng, giảm áp (mức áp suất thử nghiệm, thời gian thử nghiệm, bước tăng/giảm áp suất, thời gian nghỉ bước tăng/giảm áp suất) bình thử nghiệm phần mềm điều khiển Quá trình tăng, giảm áp bình thử nghiệm thực hoàn toàn tự động phần mềm điều khiển theo chu trình định sẵn thử nghiệm viên thiết lập Thử nghiệm thủ công Manual: Đối với trường hợp thử nghiệm phức tạp bước tăng/giảm áp, thời gian nghỉ bước khơng tn theo quy luật tuần hồn q trình thử nghiệm tự động khơng thể đáp ứng được, chế độ thử nghiệm thủ cơng cần thiết Khi đó, q trình tăng/giảm áp bình thử nghiệm điều khiển thử nghiệm viên núm, nút mềm phần mềm điều khiển; Bước 4: Thử nghiệm viên kiểm tra EUT sau kết thúc thử nghiệm, đánh giá lại khả hoạt động, kín khít thiết bị Đối với EUT khác phương pháp đánh giá, kiểm tra khả hoạt động kín khít thiết bị khác Hình Giao diện phần mềm điều khiển Lưu đồ thuật toán Lưu đồ thuật tốn nêu Hình Trong chế độ tự kiểm tra thiết bị Self-Test, cảm biến gửi tín hiệu liên tục bo mạch Arduino qua kênh A2, A3, A4, A5 (tương ứng với kênh cảm biến áp suất, thiết bị hỗ trợ tối đa cảm biến – cấu hình tối thiểu cảm biến áp suất nước, cảm biến áp suất khí; cấu hình tối đa cảm biến áp suất nước, cảm biến áp suất khí), với tần số 15 lần lấy mẫu cho lần hiển thị giá trị, giá trị điện áp thu thập từ cảm biến tính trung bình, sau thuật tốn nội suy (theo cơng bố nhà sản xuất cảm biến) phần mềm quy đổi từ giá trị điện áp sang giá trị áp suất Bơm khí vào bình để giá trị đo áp suất cảm biến nằm dải 0,4 MPa ± 10 %, trì độ ổn định áp suất bình khoảng phút Vẽ đồ thị đặc tuyến áp suất theo thời 70 bơm khí vào bình thử, trì áp suất khoảng thời gian thiết lập trước thử, tiến hành xả khí theo chu trình thiết lập ban đầu Nếu Ptb nằm ngồi dải nêu trên, phần mềm tự tối ưu điều chỉnh van điện từ máy nén khí nêu lưu đồ thuật toán Chú ý: - Như sơ đồ nêu Hình 1, thiết bị hỗ trợ tối đa cảm biến áp suất đặt vị trí khác nhau, tối đa vị trí đo áp suất khí (được ký hiệu S1 S1’), vị trí đo áp suất nước (được ký hiệu S2 S2’) tối thiểu vị trí đo áp suất khí (S1), vị trí đo áp suất nước (S2) Trong chế độ thử thủ công chế độ thử tự động, hiển thị giá trị đo, giá trị đo áp suất nước giá trị đo áp suất khí, có nhóm cảm biến (nhóm đo áp suất nước nhóm đo áp suất khí) có cảm biến giá trị hiển thị giá trị trung bình cộng cảm biến, có nhóm có cảm biến giá trị hiển thị giá trị riêng cảm biến - Giá trị Ptb giá trị lấy theo trung bình cộng cảm biến đo áp suất khí nước (việc lựa chọn lấy áp suất khí hay áp suất nước làm so sánh tuỳ thuộc vào thử nghiệm viên đặt phần thiết lập phần mềm; chế độ mặc định Ptb lấy theo áp suất trung bình khí) Trường hợp có cảm biến đo áp suất Ptb giá trị hiển thị cảm biến áp suất Chế độ kiểm tra Self-Test Giao diện người dùng giao diện lập trình chế độ tự kiểm tra Self-Test mơ tả Hình Hình Góc bên trái gồm có phím mềm để điều khiển q trình tăng/giảm áp suất; phía vị trí phím mềm phím “Dừng thử” để kết thúc trình tự kiểm tra Self-Test Ở đồng hồ hiển thị giá trị áp suất, vị trí đồng hồ đo áp suất khí vị trí đồng hồ đo áp suất nước Bên đồng hồ kim có đồng hồ hiển thị số với giá trị hiển thị đến số sau dấu phảy Ngoài bên phải đồ thị thể đường đặc tuyến áp suất (MPa) theo thời gian (s) Với đồ thị này, thử nghiệm viên dễ dàng quan sát đồng thời tối đa kênh tín hiệu đo áp suất đánh giá độ ổn định kênh đo áp suất gian cảm biến, đối chiếu đường đặc tuyến cảm biến với để đánh giá tính ổn định cảm biến Bắt đầu - Nhập thông tin đối tượng thử nghiệm; - Nhập giới hạn áp suất thử Plim; - Khai báo địa bo mạch Arduino; - Khai báo thông tin cảm biến: Lựa chọn số lượng cảm biến sử dung, file hệ số bù; - Cấu hình cho chế độ tự động: Bước tăng/giảm Pstep; thời gian nghỉ bước Tự kiểm tra Self- Test Đúng Ghi chú: * Thử nghiệm viên đóng/mở máy nén khí, van điện nút phần mềm; ** Số bước tăng/giảm áp suất, tính N = Z(Plim/Pstep) Đọc liệu analog (1-5 V) thu thập từ cảm biến qua kênh A2, A3, A4, A5 bo mạch Arduino Lấy giá trị trung bình 15 lần lấy mẫu từ kênh A2, A3, A4, A5 Chuyển đổi từ điện áp (VDC) sang áp suất (MPa) Bù áp suất theo tham số áp suất hiệu chuẩn Lấy giá trị trung bình đo áp suất Ptb Sai Dừng trình SelfTest, đưa kết Self-Test dạng đồ thị trang bìa phần mềm Thử nghiệm thủ công Đúng Sai Đếm thời gian Delta T Delta T < Đúng Đọc liệu analog (1-5 V) thu thập từ cảm biến qua kênh A2, A3, A4, A5 bo mạch Arduino Sai Mở van nạp khí từ máy Đúng 0,36 MPa Ptb khí đến bình thử* Đóng van xả khí từ bình thử* Ngắt máy nén khí hoạt động* Đóng van nạp khí từ máy nén khí đến bình thử* Chuyển đổi từ điện áp (VDC) sang áp suất (MPa) Bù áp suất theo tham số áp suất hiệu chuẩn Lấy giá trị trung bình 15 lần lấy mẫu từ kênh A2, A3, A4, A5 Đóng van xả khí từ bình thử* Kích hoạt máy nén khí hoạt động* Mở van xả khí từ bình thử* Ngắt máy nén khí hoạt động* Đóng van xả khí từ bình thử* Ngắt máy nén khí hoạt động* Mở van nạp Đúng khí từ máy nén khí đến bình thử* Thử nghiệm tự động Đúng Xác định số bước tăng/giảm áp suất N** Đếm thời gian thử Delta T’ i:=1 Lấy giá trị trung bình đo áp suất Ptb Plim < Ptb Sai Đóng van nạp Đúng khí từ máy nén 1,03Plim > Ptb khí đến bình thử* Sai Dừng Đúng Nhấn “Dừng” lưu đồ thị thủ công tạo áp suất thử Sai Đóng van nạp khí từ máy nén khí đến bình thử* Sai Thực chu trình tăng áp đến mức iPstep nghỉ bước nghỉ thiết lập Sai Sai i:=i+1 i':=1 i=N Thực chu trình tăng áp đến mức Plim nghỉ bước nghỉ thiết lập Đúng Thực chu trình giảm áp đến mức i'Pstep nghỉ bước nghỉ thiết lập Sai i':=i'+1 Dừng lưu đồ thị tạo áp suất thử Sai Xả khí Ptb = 0,001 MPa i' = N Đúng Lưu trữ Đúng Xuất liệu Báo cáo thử nghiệm dạng file word Kết thúc Hình Lưu đồ thuật tốn chương trình Trường hợp có số cảm biến đưa giá trị có biến động lớn cần phải xem xét kỹ lưỡng lại cảm biến cảm biến gặp vấn đề Đối chiếu giá trị hiển thị cảm biến với giá trị hiển thị đồng hồ chuẩn P đo áp suất dạng kim để đánh giá độ xác cảm biến đo áp suất Ở chế độ tự kiểm tra thiết bị Self Test, việc điều khiển thao tác bật/tắt máy nén khí, đóng/mở van điện từ thực thử nghiệm viên; - Trong chế độ thủ cơng, quy trình thu thập liệu từ cảm biến đưa xử lý tương tự chế độ tự kiểm tra SelfTest Ở chế độ thử này, việc điều khiển thao tác bật/tắt máy nén khí, đóng/mở van điện từ thực thử nghiệm viên; - Trong chế độ tự động, quy trình thu thập liệu từ cảm biến đưa xử lý tương tự chế độ tự kiểm tra Self Test chế độ thủ công Ở chế độ thử này, việc điều khiển thao tác bật/tắt máy nén khí, đóng/mở van điện từ thực phần mềm So sánh giá trị Ptb với dải giá trị quy định thử từ Plim đến Plim + % Nếu Ptb nằm dải dừng việc Hình Giao diện người dùng chế độ tự kiểm tra Self-Test 71 Chế độ thử nghiệm tự động Giao diện người dùng giao diện lập trình chế độ thử nghiệm tự động mơ tả Hình Hình 10 Tương tự giao diện bên chế độ kiểm tra thủ công Trong giao diện chế độ kiểm tra tự động, phím mềm điều khiển khơng xuất q trình tăng/giảm áp thiết lập tự động Chỉ lại phím “Dừng thử”, sử dụng q trình thử gặp cố mà cần tắt chương trình khẩn cấp Hình Giao diện lập trình Blog Diagram chế độ tự kiểm tra Self-Test Chế độ thử nghiệm thủ công Giao diện người dùng giao diện lập trình chế độ thử nghiệm thủ cơng mơ tả Hình Hình Giao diện phần thử nghiệm thủ công tương tự phần tự kiểm tra Self-Test Có số điểm khác sau: - Xuất thêm cột độ sâu nước quy đổi tương đương từ đại lượng áp suất Thang đo cột độ sâu nước đến 80 m; - Có đồng hồ đo giá trị áp suất Ở vị trí đồng hồ đo áp suất khí, trường hợp sử dụng cảm biến, giá trị hiển thị đồng hồ giá trị trung bình cảm biến Ở vị trí đồng hồ đo áp suất nước, tương tự đồng hồ đo áp suất khí, trường hợp sử dụng cảm biến, giá trị hiển thị đồng hồ giá trị trung bình cảm biến Dải đo đồng hồ thiết lập đến MPa Hình Giao diện người dùng chế độ thử nghiệm tự động Hình 10 Giao diện lập trình Blog Diagram chế độ thử nghiệm tự động Phần lưu trữ liệu thử nghiệm Kết thúc trình thử nghiệm, phần mềm điều khiển xuất báo cáo thử nghiệm dạng file word, thuận lợi cho việc lưu trữ in ấn IV KẾT QUẢ Thiết bị thử kín nước TKN-GĐCL-19 kiểm định an toàn kiểm tra kỹ thuật đo lường, kết kiểm tra đáp ứng yêu cầu theo quy định Hiệu đạt sáng kiến cải tiến kỹ thuật: - Giải vấn đề thử nghiệm khả kín nước khả làm việc thiết bị hoạt động mơi trường nước đến 70 m, chủ yếu nhóm trang thiết bị kèm người nhái - Tiết kiệm kinh tế, thời gian, nguồn nhân lực, đảm bảo an toàn việc tổ chức triển khai nghiệm thu, kiểm tra khả kín nước khả hoạt động thiết bị môi trường nước - Góp phần giúp giám định viên, thử nghiệm viên đánh giá xác chất lượng nhóm vũ khí trang bị hoạt động môi trường nước; giúp đơn vị việc khai thác, đảm bảo kỹ thuật an toàn cho cán bộ, chiến sỹ sử dụng nhóm vũ khí trang bị làm nhiệm vụ Hình Giao diện người dùng chế độ thử nghiệm thủ cơng Hình Giao diện lập trình Blog Diagram chế độ thử nghiệm thủ công 72 V KẾT LUẬN Thiết bị thử kín nước TKN-GĐCL-19 q trình hoàn thiện áp dụng công tác kiểm tra, giám định, thử nghiệm chất lượng Trung tâm Giám định Chất lượng/Cục Tiêu chuẩn - Đo lường - Chất lượng/Bộ Quốc phòng Thiết bị giải vấn đề thử nghiệm khả kín nước khả làm việc thiết bị hoạt động môi trường nước đến 70 m, chủ yếu nhóm trang thiết bị kèm người nhái Sáng kiến Cục Tiêu chuẩn - Đo lường - Chất lượng/Bộ Quốc phòng đánh giá cao đề xuất đưa vào sản xuất để trang bị cho đơn vị Quân đội Hình 11 – Hình ảnh thực tế thiết bị thử kín nước TKN-GĐCL-19 73 Giám Sát Định Vị, Bản Đồ Hóa Điều Hướng Cho Robot Tự Hành Đa Hướng Sử Dụng Hệ Điều Hành Lập Trình ROS Ngơ Mạnh Tiến1, Nguyễn Mạnh Cường2, Hà Thị Kim Duyên3, Phan Sỹ Thuần4, Nguyễn Ngọc Hải 5, Trần Văn Hoàng6, Nguyễn Văn Dũng7 1,2 Viện Vật Lý- Viện Hàn lâm KH&CN Việt Nam; 3,4,5,6ĐH Công nghiệp Hà Nội; 7CĐN Công nghệ cao Hà Nội Email: 1nmtien@iop.vast.ac.vn, 2manhcuong313.ng@gmail.com 3ha.duyen@haui.edu.vn, 4phansythuan1998@gmail.com, ngochai23101998@gmail.com, 6Paulhoang98.tvh@gmail.com, 7dungnv@hht.edu.vn Tóm tắt— Bài báo trình bày việc giám sát định vị, đồ hóa (SLAM - Simultaneous Localization and Mapping) điều hướng (Navigation) cho chuyển động robot tự hành đa hướng tảng hệ điều hành lập trình cho robot - ROS (Robot Operating System) Mơ hình robot tự hành sử dụng báo mơ hình Robot Omni bánh, với xử lý hiệu cao Jetson TX2 làm nhiệm vụ xử lý trung tâm kết hợp với Astra camera Kết giám sát đồ, định vị điều hướng robot xây dựng dựa liệu thu từ depth camera Laser Scan (Lindar) trình chuyển động robot tiến hành mô dựa phần mềm GAZEBO, giám sát phần mềm RVIZ ROS thực nghiệm thực tế Các kết đạt cho thấy hiệu hướng nghiên cứu sử dụng ROS cho việc điều khiển giám sát robot tự hành, xe tự lái phát triển hệ thống robot thông minh thống truyền động, di chuyển hành vi robot để tối ưu thiết kế Đó vấn đề khó khăn mà người chế tạo, thiết kế điều khiển robot tự hành gặp phải, nhờ có ROS mà vấn đề trở nên đơn giản ROS tích hợp phần mềm hỗ trợ GAZEBO RVIZ cho phép mô giám sát trình hoạt động robot Bên cạnh đó, mơi trường xung quanh thay đổi phục vụ cho việc thử nghiệm môi trường khác Nhờ trực tiếp giám sát hoạt động thích nghi robot với thay đổi mơi trường Đã có số cơng trình cơng bố liên quan đến ứng dụng ROS việc đồ hóa, điều hướng cho robot tự hành [4], [5] Việc ứng dụng ROS vào toán điều khiển, giám sát robot, robot tự hành, xe tự lái [6], [7] số Viện nghiên cứu, trường Đại học triển khai tập trung SLAM nhiệm vụ quan trọng, định đến chất lượng robot, xe tự hành [2], [9], [12] Đây phương pháp cho phép định vị, tạo đồ với vật cản xung quanh môi trường không xác định thông qua liệu nhận từ cảm biến Lidar, Camera, IMU Việc ứng dụng ROS cho SLAM cho robot tự hành [10], [11] công bố dựa robot có sẵn kết khả quan Trong báo trình bày thiết kế phần cứng mơ hình 3D robot sử dụng Omni bánh tiến hành xây dựng đồ, định vị điều hướng robot mơ hình Trong phần II, cấu trúc phần cứng mơ hình thực tế robot xây dựng hoàn chỉnh để tiến hành thực nghiệm Trong phần III, trình triển khai mô chạy thực nghiệm robot SLAM, điều hướng lấy đồ địa hình thực tế ROS với hai phần mềm GAZEBO RVIZ Cuối cùng, kết luận kết nghiên cứu đưa phần IV, V Keywords - ROS, GAZEBO, RVIZ, SLAM, Omni Robot, Navigation I GIỚI THIỆU Trong kỷ nguyên cách mạng công nghiệp lần thứ tư, nhu cầu sử dụng robot cho công việc phức tạp thay cho người lớn, robot tự hành hệ tự trị, có khả lấy thơng tin mơi trường làm việc thời gian dài mà khơng có can thiệp người để tránh tình có hại cho mơi trường Nghiên cứu, chế tạo phát triển robot tự hành, xe tự hành không người lái hướng nghiên cứu tập trung nhà khoa học, công nghệ giới Với việc phát triển nhanh công nghệ xử lý tốc độ cao lưu trữ data dung lượng lớn, cộng với khả kết nối vạn vật, robot tự hành, xe tự hành ngày trở lên thông minh Dựa công cụ phần cứng mạnh, robot ứng dụng nhiều hệ cảm biến mắt máy (camera 3D), cảm biến quét laser, Lindar, IMU, đặc biệt ứng dụng trí tuệ nhân tạo vào việc nhận dạng, nhận biết, điều hướng thơng qua cảm biến Với cơng cụ, phần mềm lập trình truyền thống, việc xử lý đa tác vụ, nhiều loại liệu dung lượng cao khó khăn, ROS hệ điều hành lập trình chuyên dụng cho robot giải vấn đề ROS sử dụng rộng rãi gần tối ưu cho việc xây dựng hệ thống điều khiển cho loại robot, robot tự hành, xe tự lái giới [1], [2] [3] Trong trình thiết kế lập trình điều khiển cho robot tự hành việc mô quan trọng để tiến hành thử nghiệm hoạt động phần mềm, hoạt động, hệ II CẤU TRÚC PHẦN CỨNG ROBOT A Cấu trúc khí truyền động Omni robot với bánh xe đa hướng cách 900 góc Các trục tọa độ gắn vào bánh xe omni đa hướng cụ thể hình H1: 74 H + Astra camera có độ phân giải hình ảnh RGB lên đến 1280 x 720 @ 30 khung hình / giây, độ sâu hình ảnh Res lên đến 640 x 480 @ 30 khung hình / giây sử dụng mắt robot để thu hình ảnh từ mơi trường cách rõ nét chân thực nhất, sau xây dựng thành đồ ảo + RPLindar quét laser, kết hợp với Camera 3D Astra đưa tín hiệu GAZEBO RVIZ dựng đồ 2D 3D địa hình hoạt động robot + Mạch điều khiển STM32 phận nhận tín hiệu điều khiển từ Jetson-Tx2 trực tiếp điều khiển tín hiệu đến mạch cầu MOSFET + Mạch cầu H sử dụng MOSFET mạch công suất điều khiển động servo bánh di chuyển + Modul bluetooth để thu tín hiệu điều khiển từ điện thoại di động muốn điều khiển trực tiếp Omni Robot bánh mẫu bánh Omni cấu trúc bánh Omni đa hướng Bánh xe Omni cịn có tên gọi bánh xe Mecanum, chế tạo cách thêm bánh xe nhỏ dọc theo chu vi bánh (như H.1) Do bánh xe Omni trượt dọc theo trục động trượt theo chiều ngang (phụ thuộc vào chuyển động bánh lại) Kết hợp hai chuyển động (cộng vector) bánh Omni di chuyển theo hướng giữ hướng đầu robot khơng đổi q trình di chuyển Bánh xe Omni trở lên thông dụng robot tự hành cho phép robot di chuyển đến vị trí mặt phẳng mà khơng phải quay trước Hơn nữa, chuyển động tịnh tiến dọc theo quỹ đạo thẳng kết hợp với chuyển động quay làm cho robot di chuyển tới vị trí mong muốn với góc định hướng xác H III Sơ đồ cấu trúc phần cứng HỆ ĐIỀU HÀNH LẬP TRÌNH CHO ROBOT ROS ROS hệ điều hành chuyên dụng để lập trình điều khiển robot nghiên cứu phát triển đại học Stantford từ năm 2007 ROS bao gồm công cụ, thư viện khổng lồ cho phép sử dụng nhiều loại ngơn ngữ lập trình C++, python giúp người dùng dễ dàng triển khai, xây dựng sản phẩm H Thiết kế khí Omni Robot bốn bánh H Mô tả cách di chuyển robot H B Cấu trúc phận điều khiển Cấu trúc phần cứng sử dụng: + Máy tính nhúng Jetson-TX2 với cai trò xử lý trung tâm, xử lý hiệu cao chuyên dụng cho xử lý trí tuệ nhận tạo (AI), Deep Learning, thu tập tín hiệu từ cảm biến, astra camera, Lindar, IMU xử lý gửi tín hiệu đặt cho mạch điều khiển cấu trúc chương trình ROS Cấu trúc ROS phát triển thông qua node, node đóng gói packages khác theo nhiệm vụ Hoạt động giao tiếp node dạng chủ đề, tin nhắn, dịch vụ minh họa H.5 A SLAM SLAM (Simultaneous Localization And Mapping) công nghệ để xây dựng đồ môi trường ứng dụng công 75 nghệ xe tự hành SLAM xây dựng đồ cách thu nhận tín hiệu cảm biến gắn robot Lidar, Camera, IMU ước tính tư phương pháp lọc Kalman, địa hóa Markov, địa hóa Monte Carlo Để thực SLAM, chúng tơi sử dụng gói Hector slam cho omni robot Bằng việc thu liệu từ RPLidar, Astra camera chyển đổi Deep to Laser với cấu trúc phần H.6 mây điểm (Point Cloud) khoảng cách 3D cảm biến RealSense, Kinect Astra camera, giá trị hình ảnh thu từ máy ảnh mà khơng phải phát triển nhiều phần mềm riêng biệt Bằng cách hình dung robot nhìn thấy, suy nghĩ làm, người dùng dễ dàng phát triển gỡ lỗi hệ thống cho robot điều khiển IV KẾT QUẢ Trong phần thực nghiệm, thực nghiệm robot hoạt động khu vực trước Mục đích để robot thực điều hướng khu vực đồng thời thu thập liệu từ mơi trường thơng qua camera để từ xây dựng đồ hóa ROS cơng cụ chúng tơi sử dụng việc xây dựng hệ thống điều hành robot ROS giúp người sử dụng dễ dàng kiểm soát robot nhận nhiều thông tin lúc, đơn giản hóa việc lập trình, kết nối phận robot với Khơng thế, ROS có công cụ hỗ trợ mạnh mẽ GAZEBO, RVIZ giúp người dùng mơ hay giám sát robot A Kết mô H Sơ đồ tín hiệu xây dựng đồ, định vị điều hướng robot B.GAZEBO and RVIZ Gazebo công cụ mạnh mẽ ROS giúp người thiết kế tạo mơ hình mơ robot mơi trường Việc làm đơn giản hóa việc thử nghiệm trình thiết kế robot Tuy nhiên để tạo mơ hình robot mơi trường ROS cần URDF (Universal Robotic Decreption Format) URDF định dạng tệp XML sử dụng để mơ tất yếu tố robot cảm biến, camera, khớp nối…vv Để robot hoạt động hiệu xác, cần bổ xung yếu tố ma sát, tư thế, quán tính số thuộc tính khác [3] Việc thêm yếu tố giúp tệp URDF tương thích với định dạng SDF (định dạng mô phỏng) ROS Sau đó, UDRF chuyển sang định dạng SDF thơng qua GAZEBO Vậy nên GAZEBO hồn tồn mơ tồn mơ hình robot mơi trường cách hoàn chỉnh RVIZ phần mềm hữu ích giúp giám sát trực tiếp, trực quan ba chiều loại liệu cảm biến hoạt động robot RVIZ truy xuất tín hiệu cung cấp ROS, chẳng hạn quét laser, IMU, GPS hình ảnh camera 3D Nó sử dụng thông tin từ thư viện TF để hiển thị liệu cảm biến khung tọa độ chung, hiển thị khơng gian chiều Trực quan hóa tất liệu bạn ứng dụng khơng xem hết thơng tin mà cịn cho phép bạn nhanh chóng xem robot bạn nhìn thấy xác định vấn đề sai lệch cảm biến mơ hình robot khơng xác Việc hiển thị liệu cảm biến, laser, Camera 3D để trực quan hóa khoảng cách từ cảm biến Cảm biến khoảng cách Laser (Laser scan) đến chướng ngại vật, liệu đám H Hình ảnh robot mô GAZEBO Robot model xây dựng dạng tệp URDF định dạng tệp XML H 76 Môi trường mô Môi trường mô xây dựng dựa môi trường thực tế - góc sảnh A2 viện Hàn Lâm Khoa Học Việt Nam H khiển robot môi trường không cho trước để xây dựng đồ địa hóa Góc nhìn khác mơi trường mơ H 12 Phối cảnh mơ hình thực nghiệm robot H 10 Hình ảnh robot Rviz thu từ mô H 13 Mơ hình xây dựng thực tế H 11 Hình ảnh giám sát robot qua Rviz Việc giám sát qua Rviz giúp người điều khiển dễ dàng thấy liệu robot thu từ mơi trường (H.11), đơn giản hóa việc phát sửa lỗi Đường màu đỏ vật cản mà robot phát quét Scan Khu vực màu xám khu vực trống mà robot di chuyển đến H 14 Hình ảnh sảnh nhà A2 viện Hàn Lâm KH&CN Việt Nam lấy liệu xây dựng đồ địa hóa B Kết thực nghiệm Sau tiến hành mô thu kết khả quan, tiến hành thiết kế robot thực nghiệm Điều 77 [2] Y Wu, Y Zhang, H Hu, and Y Liu, “A Visual SLAM Navigation System Based on Cloud Robotics,” 2010 [3] I Zamora, N G Lopez, V M Vilches, and A H Cordero, “Extending the OpenAI Gym for robotics: a toolkit for reinforcement learning using ROS and GAZEBO,” no August, pp 1–6, 2016 [4] E T Enikov and J A Escareno, “Application of sensory body schemas to path planning for micro air vehicles (MAVs),” ICINCO 2015 - 12th Int Conf Informatics Control Autom Robot Proc., vol 1, pp 25–31, 2015 [5] J Wu, H Xu, and W Liu, “Data Registration with Ground Points for Roadside LiDAR Sensors,” Transp Res Rec., 2019 [6] M Galli, R Barber, S Garrido, and L Moreno, “Path planning using Matlab-ROS integration applied to mobile robots,” 2017 IEEE Int Conf Auton Robot Syst Compet ICARSC 2017, pp 98–103, 2017 [7] A Araújo, D Portugal, M S Couceiro, and R P Rocha, “Integrating Arduino-Based Educational Mobile Robots in ROS,” J Intell Robot Syst Theory Appl., vol 77, no 2, pp 281–298, 2014 [8] [S Kohlbrecher (2016) hector mapping [Online] Available: http://wiki.ros.org/hector mapping [9] R Mur-Artal, J M M Montiel, and J D Tardos, “ORBSLAM: A Versatile and Accurate Monocular SLAM System,” IEEE Trans Robot., vol 31, no 5, pp 1147– 1163, 2015 [10] G Grisetti, C Stachniss, and W Burgard, “Nonlinear constraint network optimization for efficient map learning,” IEEE Trans Intell Transp Syst., vol 10, no 3, pp 428–439, 2009 [11] G Priyandoko, T Y Ming, and M S H Achmad, “Mapping of unknown industrial plant using ROSbased navigation mobile robot,” IOP Conf Ser Mater Sci Eng., vol 257, no 1, 2017 [12] [Rajesh Kannan Megalingam, Chinta Ravi Teja, Sarath Sreekanth, Akhil Raj,” ROS based Autonomous Indoor Navigation Simulation Using SLAM Algorithm”, International Journal of Pure and Applied Mathematics, Volume 118 No 2018, 199-205 H 15 Hình ảnh kết đồ, định vị điều hướng robot xây dựng dựa đồ thực tế Robot thực nghiệm xây dựng dựa ý tưởng kết hợp thiết bị ngoại vi hoạt động nên ROS để phục vụ việc xây dựng đồ địa hình, định vị điều hướng robot Hình ảnh kết thu tiến hành cho robot quét đồ sảnh A2 viện Hàn Lâm Khoa Học Cơng Nghệ Việt Nam – 18 Hồng Quốc Việt, Hà Nội Trong hình H15, đường màu xanh nơi robot qua Điểm màu xanh dương vị trí robot đứng Đường màu đỏ tín hiệu robot quét gặp phải vật cản Các kết thực nghiệm chứng tỏ tính hiệu khả áp dụng vào thực tế phương pháp đề xuấ, tảng để áp dụng thuật tốn trí tuệ nhân tạo, điều khiển thơng minh thích nghi vào điều khiển robot tự hành V KẾT LUẬN Trong báo tiến hành tiến hành thiết kế, chế tạo xây dựng mơ hình thực Robot Omni bánh, với xử lý hiệu cao Jetson TX2 làm nhiệm vụ xử lý trung tâm, ứng dụng ROS vào thiết lập hệ thống điều hành, kết nối phận Kết giám sát đồ, định vị điều hướng robot xây dựng dựa liệu thu từ depth camera Point Cloud tình chuyển động robot tiến hành mô dựa phần mềm GAZEBO, sau chạy thực nghiệm phần mềm RVIZ ROS Các kết đạt cho thấy hiệu quả, hướng nghiên cứu sử dụng ROS cho việc lập trình hệ thống điều khiển giám sát robot tự hành, xe tự lái phát triển hệ thống robot thông minh TÀI LIỆU THAM KHẢO [1] H Yoshida, H Fujimoto, D Kawano, Y Goto, M Tsuchimoto, and K Sato, “ROS: an open-source Robot Operating System,” IECON 2015 - 41st Annu Conf IEEE Ind Electron Soc., no Figure 1, pp 4754–4759, 2015 78 Copulas Gauss cho Bài Toán Xác Định Độ Tương Quan Ứng Dụng Đối Sánh Vector Đặc Trưng Hoàng Mạnh Hà Khoa Kỹ Thuật – Công Nghệ, Đại học Thủ Dầu Một hahm@tdmu.edu.vn Nguyễn Việt Thanh Hiền Tổ Tin học - cơng nghệ Trường THPT Nguyễn Đình Chiểu, hien187@gmail com Hồng Hà Quang Tùng Khoa Điện Tử– Viễn Thơng Đại học Quốc Tế, Đại học Quốc Gia Tp Hồ Chí Minh philosophos1999@gmail.com Nông Kiều Trang Khoa Tin học Đại cương Trường Cao đẳng nghề Việt Nam – Singapore lequangthien22@gmail.com kieutrang4682@gmail.com Trong đó, độ xác bước đóng vai trị định đến độ xác chung Hiện nay, vấn đề thu nhận tín hiệu tiền xử lý giải hoàn toàn [1-3] Đối với bước Trích chọn đặc trưng, giải pháp PCA (Principal Component Analysis), ICA (Independent Component Analysis), SIFT (Scale Invariant Feature Transform) chứng minh khả giải trọn vẹn vấn đề [1,2] Tại bước Đối sánh đặc trưng, đặc trưng chữ ký trích xuất bước trước so sánh với đặc trưng lưu trữ sở liệu Nếu hai bên đặc trưng phù hợp chữ ký kiểm tra thực Để đánh giá kết quả, báo sử dụng độ đo FAR FRR mô tả cơng thức sau NoFA FAR 100 NoFT Trong FAR: Tỷ lệ xác nhận sai NoFA: Số lần chữ ký giả mạo xác nhận NoFT: Tổng số chữ ký giả mạo dùng để đánh giá Abstract— Trong toán thực tế, số lượng mẫu nhỏ giá trị trung bình cộng sai khác nhiều so với kỳ vọng biến ngẫu nhiên Do vậy, khơng đảm bảo độ xác việc tính hệ số tương quan Bài báo trình bày kết ứng dụng kỹ thuật chuyển đổi liệu sang biểu diễn Copulas Gauss cho tốn tính độ tương quan biến ngẫu nhiên Thực nghiệm cho thấy đề xuất đáng tin cậy áp dụng vào tính độ giống bảng điểm rèn luyện sinh viên Đại học Thủ Dầu Một Kết tạo động lực tiếp tục áp dụng giải toán đối sánh vector đặc trưng để xác thực chữ ký Độ xác đề xuất đánh giá hình thức thực nghiệm tập liệu chuẩn với nghiên cứu xác thực chữ ký Đồng thời với việc tìm kiếm chứng minh lý thuyết tính xác, kết tiếp tục áp dụng vào vấn đề tự động tính tiền siêu thị sử dụng nhận dạng ảnh hàng hóa thu độ xác phù hợp với yêu cầu thực tế Keywords- Độ tương đồng biến ngẫu nhiên, Copulas Gauss, signature verification, SIFT, SURF, SVM I Lê Quang Thiện Khoa Tin học Đại cương Trường Cao đẳng nghề Việt Nam – Singapore GIỚI THIỆU Bài toán Xác thực chữ ký Tự động tính tiền siêu thị sử dụng nhận dạng hàng hóa [1,2] có chung bước sau: FRR NoOR 100 NoOT Trong FAR: Tỷ lệ loại bỏ sai NoOR: Số lần chữ ký thật xác nhận nhầm giả NoOT: Tổng số chữ ký thật dùng để đánh giá Thu nhận tín hiệu (Dữ liệu) Bảng liệt kê phương pháp đối sánh sử dụng Tiền xử lý Bảng Tổng quan phương pháp đối sánh đặc trưng chữ ký T Tác giả Phương đối Độ đo dánh giá T sánh FAR FRR Madasu Logic mờ 34% 37.5% anmandlua, Mohd Hafizuddin [5] Trích chọn đặc trưng Đối sánh đặc trưng để đưa Kết luận Hình Mơ tả bước giải vấn đề Xác thực chữ ký nhận dạng hàng hóa 79 Sayantan Roy [6] Prashanth C R Cách tiếp cận dựa lưới tâm Đặc trưng 20% 19% 4.99% 8.5% [7] M.K Kalera [8] góc Khoảng cách E Justino [9] Mơ hình Markov ẩn 34.91 % 28.33 % 2.83 1.44% điểm 95% Kết khích lệ chúng tơi tiếp tục quay lại giải vấn đề đối sánh vector đặc trưng toán Xác thực chữ ký toán nhận dạng hàng hóa Kết trình bày chi tiết mục báo Trong phần II tiếp theo, chúng tơi miêu tả tốn ước lượng độ tương đồng hai biến ngẫu nhiên với số mẫu nhỏ đề xuất lời giải dựa chuyển đổi sang biểu diễn Copulas Gauss Phần lại báo tổ chức sau: phần III, chúng tơi miêu tả mơ hình đề xuất Trong phần IV, đánh giá hiệu hệ thống Phần V cung cấp kết mô phân tích lý thuyết Cuối cùng, chúng tơi kết luận báo phần VI (ngẫu nhiên) 2.50 (nhân quả) Đặc trưng hình học 12% 16.7% Ashwini Pansare [10] N.P.Narayan [11] Đối sánh đường cong 0.0421 0.1011 Đặc trưng hình học thơng qua sử dụng mạng neural 14.66 % 20% Ashwini Pansare [12] Daramola Samuel [13] Özgündüz E [14] Novel feature extraction 1% 0.5% Support Vector Machine 0.11% 0.02% Sự biến dạng thời gian động (DTW) 20% 25% 11 A Piyush Shanker [15] E: ký kỳ vọng D(X): Phương sai biến ngẫu nhiên X Vì 1 d U X ,Y d thang đo phản ánh độ tương đồng biến 12 P Deng [16] Wavelet 10.98 % 5.60 % R.Abbas [17] Mạng Neural lan truyền ngược 10% 6% 13 Phân vùng với mật độ thích nghi 5.3% 4% 14 Malekian, V [18] 10 II BÀI TOÁN ƯỚC LƯỢNG ĐỘ TƯƠNG ĐỒNG GIỮA HAI BIẾN NGẪU NHIÊN VỚI SỐ MẪU NHỎ Trong công cụ đại, độ đo tương đồng vector chuyển đổi sang độ đo cosin góc hai vector Thực ra, cách biểu diễn khác độ đo Hệ số Tương quan hai biến ngẫu nhiên môn Xác Suất Xin phép nhắc lại sau U X ,Y E ^ X  E > X @ Y  E >Y @` , D( X ) D(Y ) (1) U X ,Y : Hệ số tương quan biến ngẫu nhiên X Y ngẫu nhiên X với biến ngẫu nhiên Y đó, Hệ số tương quan ứng dụng rộng rãi thực tế thường người sử dụng khai thác hình thức hàm máy tính Ẩn bên hàm đó, phép tính kỳ vọng biến ngẫu nhiên X thực thơng qua phép tính trung bình cộng nh sau n E êơX ẳ | Ư x i (2) n i1 x i giá trị thu nhận biến ngẫu nhiên X sau n lần Nếu ta thay Y vào X thay yi vào x i , công thức (2) Qua bảng trên, ta thấy toán xác thực chữ ký, bước đối sánh gần giải trọn vẹn áp dụng SVM (Support Vector Machine) Tuy nhiên thực tế, số chữ ký mẫu để huấn luyện không đáp ứng yêu cầu [14] Do thực tế, độ xác khơng đạt nghiên cứu Trong trường hợp tập mẫu q để huấn luyện, hướng tìm lời giải chuyển sang đối sánh độ tương đồng hai vector đặc trưng Trong tìm lời giải cho tốn phục hồi điểm rèn luyện sinh viên Đại học Thủ Dầu Một, phải giải vấn đề xác định độ tương đồng hai biến ngẫu nhiên X Y với số mẫu nhỏ ta hàm phân phối chúng Lấy ý tưởng từ [4], áp dụng phương pháp chuyển đổi sang biểu diễn Copulas Gauss biến ngãu nhiên X Y thu kết thực nghiệm với độ xác phục hồi sử dụng để tính xấp xỉ kỳ vọng biến ngẫu nhiên Y Nếu ta gọi tập hợp giá trị x i với i 1,2, , n vector x Nếu ta gọi tập hợp giá trị yi với i 1,2, , n vector y Thì cơng thức (1) sử dụng để đo độ tương đồng hai vector x y Nếu giá trị x i yi biến ngẫu nhiên X Y tuân theo phân phối Gauss n đủ lớn sai số phép tính cơng thức (2) đủ nhỏ, chấp nhận Luật Số Lớn (Dạng yếu) sở để tính kỳ vọng thơng qua tính trung bình mơ tả sau ­1 n ẵ lim P đ Ư x i  E êơX ẳ  H ắ , n of °n i ° ¯ ¿ 80 ɛ sai số cho phép Do đó, ta dễ dàng thấy số mẫu nhỏ (n < 10) thông tin phân phối biến ngẫu nhiên X ta khơng thể đảm bảo độ xác kết tính hệ số tương quan thơng qua hàm máy tính cài đặt sẵn ngơn ngữ lập trình Chúng tơi phát số vấn đề ngành Tài Chính dẫn đến tốn tương đương Để giải vấn đề này, công cụ sử dụng Copulas Gauss Trong [4], Samoro G Taqqu M trình bày ý tưởng Copulas, cơng cụ để mơ tả cấu trúc phụ thuộc nhiều biến ngẫu nhiên với phân bố biên dun mà khơng quan tâm đến điều kiện moment bậc hai hữu hạn Do vậy, biểu diễn biến ngẫu nhiên dạng Copula hứa hẹn giải vấn đề nêu Đối với tốn chúng tơi quan tâm đo độ tương đồng hai biến ngẫu nhiên (hai vector), theo [4], Copulas định nghĩa sau I 1 u I 1 v  s  Ust  t C u, v dsdt , (3) ³ ³  U2 2S  U D D ^ Eˆ X  Eˆ êơX ẳ Y  E êơY ẳ (5) ` ưĐ 1 n ÃĐ n à ẵ | Ư đă xi  Ư xi ă yi  Ư yi ắ n i â n i ¹© n i ¹ ¿° n (6) III ĐỀ XUẤT ÁP DỤNG PHƯƠNG ƯỚC LƯỢNG ĐỘ TƯƠNG ĐỒNG GIỮA HAI BIẾN NGẪU NHIÊN VỚI SỐ MẪU NHỎ A Bài toán phục hồi điểm rèn luyện sinh viên Đại học Thủ Dầu Một Hiện nay, sinh viên đánh giá thông qua điểm học tập điểm rèn luyện Trong điểm rèn luyện sinh viên đánh giá ý thức sinh viên, yếu tố phản ánh phát triển tƃơng lai sau tốt nghiệp Điểm rèn luyện bao gồm 16 đầu điểm thành phần mô tả phần Phụ lục Thực tế đưa đến kịch số sinh viên bị vài điểm rèn luyện chấm trước lâu hai năm Do thời gian chấm lâu nên giảng viên đánh giá lại Do vậy, phòng Quản lý Sinh viên yêu cầu toán Phục hồi điểm rèn luyện từ điểm có Ban đầu, để giải tốn này, chúng tơi sử dụng tiếp cận có sẵn, áp dụng thuật tốn bootstrap Tuy nhiên, thơng qua kiểm định thống kê, khẳng định đầu điểm có tương quan với đầu điểm khác Do giả thiết điểm bị sinh viên A tương quan với điểm loại sinh viên B điểm lại hai sinh viên tương quan với Giả thiết mô tả trực quan sau ú U êơ0,1ẳ l h s tng quan hai biên duyên I hàm phân phối chuẩn tắc chiều phân bố Copulas Gauss, với có dạng hình chng có hai dày [4] Trong [3], tác giả cung cấp thông tin bước chuyển đổi mẫu xi yi sang biểu diễn dạng Copulas Gauss Do nhận tính kỳ vọng với sai số cho phép biểu diễn Copulas Gauss Các bước chuyển đổi mẫu xi sang biểu diễn Copulas Gauss mô tả sau: B1: Ước lượng mật độ xác xuất u v từ chuỗi liệu thực tế xi yi Nếu ta loại bỏ điểm cột dòng điểm (10) Gọi X biến ngẫu nhiên phản ánh điểm cột: 7, 8, 9, 14, 15,và 16 sinh viên có TT (dòng 1) Vậy xi= (15, 10, 10, 10, 5, 5) B2: Ước lượng xấp xỉ ma trận tham số tương quan tuyến tính Uˆ từ hai tham số u v ( mật độ xác xuất chuỗi Gọi Y biến ngẫu nhiên phản ánh điểm cột: 7, 8, 9, 14, 15,và 16 sinh viên có TT 83 (dịng 2) Vậy yi= (15, 10, 10, 10, 5, 6) liệu xi yi) B3: Xây dựng hàm mật độ dạng Copula Gauss uˆ vˆ từ tham số tương quan tuyến tính Uˆ Nếu X tương quan với Y thông qua hai dãy xi yi điểm cột 1, dịng tương quan với điểm cột 1, dòng Như trình bày phần II, số lượng điểm (n=6) B4: Tái tạo chuỗi số liệu xˆi từ hàm mật độ uˆ để tính độ tương đồng X Y, chúng tơi phải áp dụng Copulas Gauss cho vấn đề Điểm khôi phục tính dựa kết tính độ tương đồng lớn Để đánh giá độ xác, thực nghiệm tiến hành bảng điểm thật Việc điểm giả định điểm có thật Sau điểm khơi phục so sánh với điểm thật để mô tả minh họa sau yˆi từ hàm mật độ vˆ B5: Ước lượng kỳ vọng thông qua tớnh trung bỡnh n E êơX ẳ | Ư xi n i1 n E êơY ẳ | ¦ yˆi n i1 (4) 81 Bảng So sánh minh họa phương pháp đề xuất với tuật toán Bootstrap Điểm Thực Sinh viên Áp dụng Bootstrap Điểm Áp dụng phương pháp tính độ tương đồng dựa vào chuyển đổi sang Copulas Gauss Điểm tính Độ sai lệch tính Độ sai lệch 3.9937 2.0063 5.5487 0.4513 9.4186 -0.4186 8.9372 0.0628 9.9061 -0.9061 8.1819 0.8181 4.0921 0.9079 4.9223 0.0777 10 10 10 4.8073 0.1927 4.3978 0.6022 4.4184 0.5816 10 10 10 10 9.5201 0.4799 9.898 0.102 4.8736 0.1264 4.9892 0.0108 2.8233 0.1767 2.9899 0.0101 10 8.8076 1.1924 9.8598 0.1402 10 10 10 10 3.8497 6.1503 9.7947 0.2053 Hình Tập chữ ký giả mạo Hình mơ tả khái quát bước đối sánh đặc trưng thông qua đo độ tương đồng Chữ ký mẫu Chữ ký cần xác thực Trích chọn đặc trưng (SURF) Trích chọn đặc trưng (SURF) Chuẩn hóa độ dài vector đặc trưng B Bài toán Xác thực chữ ký Bài toán xác thực chữ ký giới thiệu mục I, với bốn bước mơ tả hình Tại đây, mô tả kết thực nghiệm ứng dụng đề xuất mục II Nhằm mục đích đối sánh với kết khác, chúng tơi sử dụng liệu ICDAR 2011SignatureVerification Competition (SigComp2011) cung cấp địa chỉ: http://www.iaprtc11.org/mediawiki/index.php/ICDAR_2011_S ignature_Verification_Competition_(SigComp2011) Bộ liệu gồm chữ ký 10 người (239 chữ ký thật 125 chữ ký giả mạo) Chuẩn hóa độ dài vector đặc trưng Đối sánh đặc trưng thông qua đo độ tương đồng Kết luận Hình Mơ tả bước đối sánh đặc trưng Việc áp dụng độ đo FAR FRR giới thiệu mục I Trong x Độ đo FAR phản ánh khả nhận nhầm chữ ký giả chữ ký thật x Độ đo FRR phản ánh khả nhận nhầm chữ ký thật chữ ký giả Với mục đích xác thực chữ ký, mục tiêu giảm số lần nhận nhầm chữ ký giả chữ ký thật Do ưu tiên giảm nhỏ độ đo FAR Kết mô tả minh họa thông qua 10 trường hợp sau Hình Tập chữ ký thật 82 Bảng 3: Minh họa phương pháp đề xuất TT Người thực nghiệm Độ xác (%) FAR (%) FRR (%) Người 91.67 0.01 8.32 Người 99.00 0.14 0.86 Người 99.00 0.19 0.81 Người 99.00 0.14 0.86 Người 97.00 0.13 2.87 Người 87.50 0.09 12.41 Người 87.50 0.02 12.48 Người 98.00 0.07 1.93 Người 99.00 0.21 0.79 10 Người 10 99.00 0.04 0.96 0.87 0.10 4.23 Trung bình 10 11 12 13 14 15 [1] [2] [4] [5] Hình Mơ tả bước trích chọn đặc trưng ảnh [6] Bước đối sánh đặc trưng thực thông qua kết hợp SVM đo độ tương đồng đề xuất mục II Độ xác đánh giá qua thực nghiệm, mặt hàng chụp từ ba góc (thẳng, lệch trái lệch phải) Mỗi góc chụp 10 ảnh Kết mô tả bảng [7] [8] Bảng Đánh giá độ xác tốn nhận dạng hàng hóa Chụp lệch trái Đúng Sai Đúng Sai 10 10 10 10 10 0 0 1 10 10 10 10 8 0 0 2 10 10 10 9 0 1 9 10 9 1 10 10 10 0 10 8 9 1 9 KẾT LUẬN TÀI LIỆU THAM KHẢO [3] Chụp thẳng Sai Trong báo này, đề xuất áp dụng bước chuyển đổi sang Copulas Gauss để tính độ tương quan hai biến ngẫu nhiên ứng dụng đối sánh độ tương đồng hai vector Kết đóng vai trị quan trọng ba ứng dụng thực tế, Khơi phục điểm rèn luyện sinh viên Đại học Thủ Dầu Một, Hỗ trợ xác thực chữ ký Hỗ trợ tự động tính tiền siêu thị Tiếp theo xây dựng đảm bảo toán học cho đề xuất C Bài tốn Nhận dạng hàng hóa Bài tốn nhận dạng hàng hóa nhằm mục đích gải vấn đề tự động tính tiền siêu thị Tuy giải pháp cho vấn đề tự động tính tiền siêu thị giải thông qua mã vạch Song nhiên, việc dán mã vạch lên tất sản phẩm địi hỏi thời gian cơng sức lớn Chúng đề xuất giải pháp ứng dụng kỹ thuật tách đặc trưng SIFT để tách đặc trưng nhằm khắc phục tình trạng bất định góc thu nhận ảnh [19] Hình mơ tả bước trích chọn dặc trưng ảnh hàng hóa Tên hàng hóa Đúng 10 IV Như trình bày bảng 1, xét độ đo FAR, kết tốt FAR = 0.11 cuả Özgündüz E [14] Với việc áp dụng chuyển đổi Copulas Gauss cho toán xác định độ tương đồng vector đặc trưng, đạt FAR dao động xung quanh giá trị 0.10 TT Sữa tươi hộp TH true milk Bia 333 Bột giặt Chocolate Coca Cola Gia vị Mì Nước suối Aquafina Nước suối Lavie Sting dâu Nước suối Dasani Trà sữa Sữa bắp Nước tương Chinsu Hạt nêm Knorr Chụp lệch phải 83 Napa Sae-Bae, Nasir Memon, “Online Signature Verification on Mobile Devices”, IEEE Transction on Information Forensics and Security, vol 9, no 6, June 2014 Banshider Majhi, Y Santhosh Reddy, D Prasanna Babu, “Novel Features for Off-line Signature Verification”, International Journal of Computers, Communications & Control Vol I, No 1, pp 17-24, 2006 Bouyé, E, V Durrleman, A Nikeghbali, G Riboulet, and T Roncalli “Copulas for Finance: A Reading Guide and Some Applications.” Working Paper Groupe de Recherche Opérationnelle, Crédit Lyonnais, Paris, 2000 Samoro G, Taqqu M S,“Stable non-Gaussian Random Process” Chapman and Hall, LonDon, 1994 Madasu Hanmandlua, Mohd Hafizuddin Mohd.Yusofb,Vamsi Krishna Madasuc, “Off-line signature verification and forgery detection using fuzzy modeling”, The Journal of Pattern Recognition Society,Elsevier, pp 341 – 356, 2005 Sayantan Roy, Sushila Maheshkar, “Offline Signature Verification using Grid based and Centroid based Approach”, International Journal of Computer Applications Volume 86 – No 8,pp.35-39, Jan 2014 Prashanth C R and K B Raja, “Off-line Signature Verification Based on Angular Features”, International Journal of Modeling and Optimization, Volume 2, No 4,pp.477-481 August 2012 M.K Kalera S Srihari and Aihua Xu, “Off-line Signature Verification and Identification using Distance Statistics”, International Journal of Pattern Recognition and Artificial Intelligence, World Scientific, Vol 18, No 7, pp 1339-1360, 2004 [9] [10] [11] [12] [13] [14] Özgündüz E, Şentürk T, and M Karslıgil E, ”Offline Signature Verification and Recognition by Support Vector Machine”, Eusipco, pp 113-116, September 2005 [15] A Piyush Shanker, A.N Rajagopalan, “Off-line signature verification using DTW”, Pattern Recognition Letters, Elsevier, pp 1407–1414, 2007 [16] P Deng, H Yuan Mark Liao & H Tyan, “Wavelet Based Off-line Signature Recognition System”, Proceedings 5th Conference on Optical Character Recognition and Document Analysis, 1996, Beijing, China [17] R.Abbas, “Back propagation Neural Network Prototype for off line signature verification”, thesis Submitted to RMIT, 2003 [18] Malekian V, Aghaei, A Rezaeian, M, Alian, M "Rapid Off-line Signature Verification Based on Signature Envelope and Adaptive Density Partitioning", IEEE, 2013 [19] Satya Bhushan Verma et al, Analysis of SIFT and SURF Feature Extraction in Palmprint Verification System, IEEE international conference on computing, communication and control technology, 2016 E Justino, E Bortolozzi, R Saburin, “Off-line Signature Verification Using HMM for Random, Simple and Skilled Forgeries”, ICDAR, vol.1, pp 105-110,2001 Ashwini Pansare, Shalini Bhatia, “Off-line Signature Verification Using Neural Network”, International Journal of Scientific & Engineering Research, Volume 3, Issue 2, pp 1-5, Feb-2012 N.P.Narayan, Dr.S.V.Bonde, Dr.D.D.Doye, “Offline Signature Verification Using Shape Dissimilarities”, International Conference on Communication, Information & Computing Technology, IEEE, pp 1-6, 2015 Ashwini Pansare, Shalini Bhatia, “Handwritten Signature Verification using Neural network”, International Journal of Applied Information Systems (IJAIS), Volume 1– No.2 pp.44-49, January 2012 Daramola Samuel, Ibiyemi Samuel, “Novel feature extraction technique for off-line signature verification system,” International Journal of Engineering Science and Technology, vol ED- 2(7), pp 3137-3143, 2010 Phụ lục (Trích Bảng điểm rèn luyện sinh viên Đại học Thủ Dầu Một) 84 ... bình thử nghiệm (P đáy BTN) Thiết bị thử kín nước TKN-GĐCL-19 áp suất tương đối mơi trường nước cần mô để kiểm tra khả kín nước thiết bị Mơi chất sử dụng bình thử nghiệm thiết bị thử kín nước. .. trường nước bình thử nghiệm, Thiết bị thử kín nước TKN-GĐCL-19 sử dụng máy nén khí để tạo áp suất khí bình thử nghiệm đến áp suất mong muốn, lắp ráp cảm biến đồng hồ đo áp suất tương đối để đo áp. .. Chất lượng/Bộ Quốc phòng Thiết bị giải vấn đề thử nghiệm khả kín nước khả làm việc thiết bị hoạt động môi trường nước đến 70 m, chủ yếu nhóm trang thiết bị kèm người nhái Sáng kiến Cục Tiêu chuẩn