Інтелектуальна система побудови векторних діаграм електричних кіл

Abstract

Темою магістерської кваліфікаційної роботи є розробка інтелектуальної системи побудови векторних діаграм електричних кіл. Векторні діаграми [1] є інструментом аналізу фазових характеристик системи, зокрема в галузі енергетики. Вони створені для зображення таких параметрів як струм, напруга, потужність у графічній формі. Кут та довжина векторів відображають фазові та амплітудні характеристики цих величин. Мета і задачі дослідження. Метою даної роботи є визначення вимог та створення конкурентоспроможного автоматизованого засобу побудови векторних діаграм електричних кіл, де інженер енергетичної галузі буде докладати мінімум зусиль щоб отримати готову діаграму. Можливості розробленої системи включають, але не обмежуються такими функціями: • Можливість розпізнавання елементів електричного кола на малюнку (схемі). Це дозволяє не вносити кожен елемент вручну при введені вхідних даних у систему, а лише їхні значення електричних параметрів. • Розпізнавання розміщення та з’єднання електричних елементів у схемі. Це значно спрощує обрахунки загальної напруги та струму електричного кола, адже кількість елементів системи та значення кожного з них не має значення якщо алгоритм такого розпізнавання працює правильно. Об’єктом дослідження є методи штучного інтелекту у технологіях проектування в енергетичній галузі. Предметом дослідження є методи та засоби реалізації інтелектуальної системи побудови векторних діаграм. Інтелектуальна система побудови векторних діаграм електричних кіл – це багатокомпонентна система, створена для автоматизації процесу побудови векторних діаграм для схеми електричного кола, яка може бути представлена рисунком від руки. Порівнюючи різні типи систем методом аналізу ієрархій обрано систему на основі моделей машинного навчання для виконання цього завдання. В основу такої системи покладено використання готових моделей машинного навчання для розпізнавання елементів електричних схем та автоматичної побудови векторних діаграм. Спеціалізованих програмних засобів для автоматизації побудови векторних діаграм не існує, тому дана магістерська робота є унікальною. Проведено дослідження існуючих методів використання штучного інтелекту для розпізнавання об'єктів на зображенні, зокрема порівняння декількох фреймворків для тренування моделей штучного інтелекту, і в результаті обрано засоби PyTorch [2] та YOLOv5 [3, 4] для створення власної системи, які були інтегровані в існуючий проєкт як окрема його частина. Робота розділена на дві частини: побудова діаграм і розпізнавання об'єктів на зображеннях. Концептуальна модель системи включає в себе різні елементи, такі як модуль розпізнавання, який відповідає за розпізнавання об'єктів електричного кола на зображенні та збереження результатів; користувацький інтерфейс, що дозволяє вводити дані, вибирати параметри та переглядати діаграми; модуль обробки даних, який аналізує та обчислює параметри для побудови векторних діаграм, серед інших. Система розпізнає елементи на схемі, що якраз і є метою використання штучного інтелекту, такі як резистори, діоди, котушки індуктивності, джерела напруги, конденсатори. З’єднання між елементами визначається теж автоматично. Це зроблено як за допомогою штучного інтелекту, так і власноруч продуманих алгоритмів. Параметри кожного елемента задаються користувачем. Знаючи цю інформацію можна провести обрахунок загальних електричних складових кола – струму та напруги і побудувати векторну діаграму. Система створена таким чином, щоб бути відкритою до збільшення своїх функціональних можливостей. Архітектура системи побудована на підході MVC, що дозволяє ефективно розділити логічні складові. Також використовуються інші шаблони розробки програмного забезпечення, такі як Спостерігач, Одинак, Фабрика, для забезпечення більшої стабільності та ефективності системи. Процес навчання моделі YOLO включав в себе використання 154 зображень електричних схем [5] для досягнення високої точності та надійності розпізнавання об'єктів. Точність розпізнавання об’єктів становить 98%. Проект розроблено з використанням мов програмування C++ та Python, інтегрованих з фреймворками QT [6], QCustomPlot, PyTorch та моделлю YOLOv5. Результатом є створення інтерфейсу користувача, здатного взаємодіяти з користувачем та забезпечувати зручний доступ до функціоналу системи. Можливість побудови векторних діаграм для трьох фаз на одному графіку підвищує універсальність та корисність системи для інженерних потреб. Проект також має перспективи розвитку, включаючи розпізнавання більшої кількості елементів, обрахунок струму та напруги для складних електричних кіл та побудову складних векторних діаграм.The topic of the master's thesis is the development of an intelligent system for constructing vector diagrams of electric circuits. Vector diagrams are a tool for analyzing system phase characteristics, particularly in the field of energy industry. They are created to display such parameters as current, voltage, power in graphical form. The angle and length of the vectors reflect the phase and amplitude characteristics of these quantities. The purpose and objectives. The purpose of this work is to define the requirements and create a competitive automated tool for constructing vector diagrams of electric circuits, where the engineer of the power industry will make a minimum effort to get a ready diagram. The capabilities of the developed system include, but are not limited to, the following functions: • Ability to recognize elements of an electric circuit in a picture (diagram). This allows you not to enter each element manually when entering input data into the system, but only their electrical parameter values. • Recognizing the placement and connection of electrical elements in a circuit. This greatly simplifies the calculations of the total voltage and current of the electric circuit, because the number of elements of the system and the value of each of them does not matter if the algorithm of such recognition works correctly. The research object is the methods of artificial intelligence in design technologies in the energy industry. The research subject is the methods and means of implementing an intelligent system for building vector diagrams. The intelligent system for constructing vector diagrams of electrical circuits is a multi-component system created to automate the process of constructing vector diagrams for an electrical circuit diagram that can be represented by a freehand drawing. By comparing different types of systems using the method of hierarchy analysis, a system based on machine learning models was chosen to perform this task. The basis of such a system is the use of ready-made machine learning models for recognition of elements of electrical circuits and automatic construction of vector diagrams. There are no specialized software tools for automating the construction of vector diagrams, so this master's thesis is unique. A study of existing methods of using artificial intelligence for image object recognition was conducted, in particular, a comparison of several frameworks for training artificial intelligence models, and as a result, PyTorch and YOLOv5 tools were chosen to create our own system, which were integrated into the existing project as a separate part of it. The work is divided into two parts: construction of diagrams and recognition of objects in images. The conceptual model of the system includes various elements, such as the recognition module, which is responsible for recognizing electrical circuit objects in the image and saving the results; a user interface that allows you to enter data, select parameters and view charts; a data processing module that analyzes and calculates parameters for plotting vector charts, among others. The system recognizes elements on the circuit, which is precisely the purpose of using artificial intelligence, such as resistors, diodes, inductors, voltage sources, capacitors. The connection between elements is also determined automatically. This is done both with the help of artificial intelligence and self-designed algorithms. The parameters of each element are set by the user. Knowing this information, you can calculate the general electrical components of the circuit - current and voltage and build a vector diagram. The system is designed to be open for increasing its functionality. The architecture of the system is built on the MVC approach, which allows you to effectively separate logical components. Other software development patterns such as Observer, Lone, Factory are also used to ensure greater system stability and efficiency. The training process of the YOLO model included the use of 154 images of electrical circuits to achieve high accuracy and reliability of object recognition. Object recognition accuracy is 98%. The project was developed using C++ and Python programming languages, integrated with QT frameworks, QCustomPlot, PyTorch and the YOLOv5 model. The result is the creation of a user interface capable of interacting with the user and providing convenient access to system functionality. The ability to plot vector diagrams for three phases on one graph increases the versatility and utility of the system for engineering needs. The project also has development prospects, including the recognition of more elements, the calculation of current and voltage for complex electrical circuits, and the construction of complex vector diagrams.