Применение искусственного интеллекта для повышения эффективности систем охранно-пожарной безопасной сигнализации

Дипломная работа с практическими частями. 92 страницы, 4 раздела, 60 источников литературы. Дополнительные материалы: презентация и речь.

Целью является исследование возможностей применения искусственного интеллекта в системах охранно-пожарной безопасности промышленных объектов и разработка эффективной системы, основанной на этой технологии.

Для достижения поставленной цели сформулированы следующие задачи:

- изучить основные принципы искусственного интеллекта и его применение в различных областях;

- провести анализ существующих систем охранно-пожарной безопасности на промышленных объектах и выявить проблемные моменты;

- разработать и реализовать систему охранно-пожарной безопасности с использованием искусственного интеллекта;

- оценить эффективность применения искусственного интеллекта в системе охранно-пожарной безопасности промышленного объекта.

Объектом исследования являются системы охранно-пожарной безопасности на промышленных объектах, а предметом - применение искусственного интеллекта в этих системах.

Теоретическая значимость работы заключается в расширении теоретических знаний о возможностях искусственного интеллекта в области охранно-пожарной безопасности, а также в разработке новой системы, основанной на этой технологии.

Практическая значимость работы состоит в возможности применения разработанной системы на промышленных объектах для повышения эффективности охранно-пожарной безопасности и уменьшения риска возникновения пожаров и аварий.

Научная новизна работы заключается в разработке системы охранно-пожарной безопасности, основанной на применении искусственного интеллекта, а также в проведении анализа эффективности применения этой технологии в данной области.

Введение 6

1 Теоретические основы применения искусственного интеллекта в системах охранно-пожарной безопасности 8

1.1 Определение искусственного интеллекта и его основные принципы 8

1.2 Обзор существующих методов применения искусственного интеллекта в системах охранно-пожарной безопасности 13

1.3 Преимущества и недостатки использования искусственного интеллекта в данной области 20

Выводы по главе I 26

2 Анализ существующих систем охранно-пожарной безопасности на промышленных объектах 27

2.1 Описание типовых систем охранно-пожарной безопасности 27

2.2 Оценка эффективности существующих систем и выявление проблемных моментов 33

2.3 Возможности применения искусственного интеллекта для решения выявленных проблем 40

Выводы по главе II 46

3 Разработка и реализация системы охранно-пожарной безопасности с использованием искусственного интеллекта 47

3.1 Описание структуры и функций разрабатываемой системы 47

3.2 Выбор и обоснование используемых методов искусственного интеллекта 53

3.3 Проектирование и тестирование системы 60

Выводы по главе III 64

4 Оценка эффективности искусственного интеллекта в системе охранно-пожарной безопасности промышленного объекта 65

4.1 Сравнение результатов работы системы с использованием и без использования искусственного интеллекта 65

4.2 Анализ полученных данных и оценка эффективности системы 71

4.3 Выводы о применимости искусственного интеллекта для повышения эффективности систем охранно-пожарной безопасности на промышленных объектах 77

Выводы по главе IV 82

Заключение 83

Список использованных источников и литературы 85

Приложения 91

1.  Аверкин, А.Н. ИИ и когнитивные науки. Пятые Поспеловские чтения. Искусственный интеллект сегодня. Проблемы и перспективы [Текст] : научная конференция / А.Н. Аверкин; Москва, 2011. – 6 с.

2. Андреев, А.С. Математическая модель процессов обучения нейросетевого канала многоканальной системы обнаружения нарушителя [Текст]:  Сб. тр. XXХVI межведомственной НТК / А.С. Андреев ; Серпухов: ФВА РВСН, часть 1. 2017 – 18 с.

3. Андреев, А.С. Методика формирования рациональной структуры гибридной интеллектуальной системы обнаружения АСО [Текст]: Сб. тр. XXХIV межведомственной НТК / А.С. Андреев; Серпухов: ФВА РВСН. 2015 – 12 с.

4. Андреев, А.С. Особенности компенсации помех в интеллектуальных системах охранной сигнализации [Текст]: Сб. тр. XXХVI межведомственной НТК / А.С. Андреев; Серпухов: ФВА РВСН, часть 1. 2017 – 14 с.

5. Асадуллаев, Р.Г. Нечеткая логика и нейронные сети [Текст]: учебное пособие / Р.Г. Асадуллаев; Белгород: БелГУ. 2017 – 64 с.

6. Барсуков, В. С., Марущенко, В. В., Шигин, В. А. Интегральная безопасность: Информационно-справочное пособие [Текст] / В. С. Барсуков. - М.: РАО Газпром, 2004. - 170 с.

7. Бугорский М.А., Каплин М.А., Остроцкий С.В., Казакова О.В., Селин В.И. Особенности использования объектов критической информации инфраструктуры с современной системой обнаружения вторжений. Sciences of Europе. 2020.

8. Бузов, Г. А., Калинин, С. В., Кондратьев, А. В. Защита от утечки информации по техническим каналам: Учебное пособие[Текст]/ Г. А. Бузов. М.: Горячая линия - Телеком, 2005. - 416 с.: ил.

9. Бурлак, Г.Н. Благодатских, В.А. Экономические аспекты разработки и использования программного обеспечения. / Г.Н. Бурлак, В.А. Благодатских. - М.: МЭСИ. - 1990.

10.  Ванжа Т.В. Статистический анализ современных методов распознавания лиц и эмоций. Информатика и кибернетика. 2019.

11.  Вартанова Е. Л. Отечественная теория медиа: основные понятия: словарь. М.: МГУ, факультет журналистики, 2019. 246 с.

12.  Василенок, В. Л. , Вус, М. А., Горшков, В. В. Введение в безопасность предпринимательства: Учебное пособие [Текст] / В. Л. Василенок- Санк- Петербург : Высшая административная школа мэрии, 1999. - 99 с.

13.  Вирт, Н. Алгоритмы и структуры данных. / Н. Вирт. - М.: ДМК. - 2010.

14. Галушкин А. И. Нейронные сети: основы теории: монография. М. : Горячая линия – Телеком, 2012. 496 с.

15.  Ганшин В.М., Фесенко А.В., Чебышев А.В. От обонятельных моделей к ―электронному. Новые возможности параллельной аналитики / В.М. Ганшин, А.В. Фесенко, А.В. Чебышев // Специальная Техника. – 1999. – № 1- 2.

16.  Гоббс Т. Человеческая природа: соч. М.: Мысль, 1989. 622 с.

17.  Дворский, М. Н., Палатченко, С. Н. Техническая безопасность объектов предпринимательства: Учебное пособие[Текст] / М. Н. Дворский. - М.: Адепт, 2006. - 304 с.

18. Декарт Р. Рассуждение о методе, чтобы верно направлять свой разум и отыскивать истину в науках: фил. трактат. М.: Мысль, 1989. В 2-х

19.  Демешко В.С., Фёдоров А.И. Применение сверточных нейронных сетей в подсистеме разведки комплексной системы безопасности. Системный анализ и прикладная информатика. 2020.

20. Деревянченко А. А., Калинин Д. В. Цифровое общество: новые возможности и старые угрозы Научные труды Московского государственного университета. 2019. № 6. С.

21.  Долгополов Н., Яблоков М. «Электронный нос» – новое направление индустрии безопасности / Н. Долгополов, М. Яблоков Мир и безопасность. – 2007. – №4. – С. 54-59.

22. Дьяконов А. Г. Алгоритмы для рекомендательной системы: технология Lenkor Бизнес-информатика. 2012. № 1 (19). С. 1-2.

23. Игнатьев, В.А. Информационная безопасность современного коммерческого предприятия [Текст] / В.А. Игнатьев. - Старый Оскол: ТНТ, 2005. - 448 с., ил.

24. Интеллектуальные сенсорные системы [Текст] / под ред. Дж.К.М Мейджера, В.А. Шубарева; пер. с англ. Ю.А. Платонова. — М.: Техносфера, 2011. — 461 с.: ил.

25. Каторин, Ю. Ф., Лысов, А. В., Остапенко, А. Н. Энциклопедия промышленного шпионажа: Энциклопедия [Текст] / Ю. Ф. Каторин. - М.: Издательство Полигон, 2000. - 512 с.: ил.

26. Катыс П.Г. Обработка изображений в системах распознавания лиц. Современная наука: актуальные проблемы теории и практики. Серия: естественные и технические науки. 2020.

27. Кечиев, Л. Н. ЭМС и информационная безопасность в системах телекоммуникаций: Учебное пособие [Текст] / Л. Н. Кечиев, П. В. Степанов. М.: Изд. дом Технологии, 2005. - 615 с.: ил.

28. Корнина А.Е. Машинное обучение и нейронные сети в бизнесе Хроноэкономика. 2018. № 2

29. Красовский, Н.Н.; Субботин, А.И. Позиционные дифференциальные игры. - М.: Наука. - 1974.

30. Куцевич Н. «SCADA-системы, или муки выбора», ЗАО РТСофт. – Режим доступа: http:www.rtsoft-training.ru/?p=600042

31.  Лунгенов, А. Н., Рыжов, А. Л. Технические средства и способы добывания и защиты информации: Учебное пособие [Текст] / А. Н. Лунгенов. - М.: ВНИИ Стандарт, 1993. - 95 с.

32. Лютикова Л.А., Ибрагим А.С. Применение нейросетевого подхода для решения задачи аутентификации пользователя. Известия Кабардино-Балкарского научного центра РАН. 2020.

33. Малюк, А. А. Информационная безопасность: концептуальные и методологические основы защиты информации : учебное пособие [Текст] / А. А. Малюк. - М. : Горячая линия - Телеком, 2004. -280 с.

34. Мультисенсорные системы типа «Электронный нос» для анализа окружающей среды на основе оксидных нановолокон и нейросетевых алгоритмов распознавания образов: материалы Междунар. конф., Кисловодск – Ставрополь: СевКавГТУ, 2008. – 458 с.

35. Мясникова Н.В. Теоретические основы экспресс-анализа. Известия высших учебных заведений. Поволжский регион. Технические науки. 2006.

36. Осипов, Ю.С. Пакеты программ: подход к решению задач позиционного управления с неполной информацией. Успехи математических наук. - Т. 61, вып. 4 (370). - 2006. - с. 25-75.

37. Останина Е.А. 2020. О некоторых аспектах технологии распознавания лиц. Человеческий капитал.

38. Полтавский А.В., Юрушкина Т.Г., Юрушкин М.В. Автоматическое распознавание автомобильных номерных знаков. Вестник Донского ГТУ. 2020.

39. Прохоров А.С. Применение нейронных сетей для обеспечения безопасности человека в жилых и промышленных помещениях. Символ науки. 2021.

40.  Руденко А.М., Литвинова А.В. Психология массовых коммуникаций в искусственном интеллекте: учебник. М.: РИОР: ИНФРА-М. 2017. - 303 с.

41. Сирл Дж. Р. Искусственный интеллект: различные взгляды на проблему // В мире науки. Scientific American. 1990. № 3.

42. Соборовер Э.И. Разработка мультисенсорной системы типа «электронный нос» для мобильной станции мониторинга основныхприоритетных загрязнителей атмосферного воздуха / Э.И. Соборовер Сенсор. – 2004. – № 2- 4.

43. Собурь, С. В. Пожарная безопасность предприятия: Учебно-справочное пособие [Текст] / С. В. Собурь. - М.: Спецтехника, 2003. - 496 с., ил.

44. Степанов, Е. А., Корнеев, И. К. Информационная безопасность и защита информации: Учебное пособие [Текст] / Е. А. Степанов. - М.: Ифра-М, 2001. - 304 с.

45. Торокин, А. А. Инженерно-техническая защита информации: Учебное пособие [Текст] / А. А. Торокин. - М.: Гелиос АРВ, 2005. - 960 с.

46. Тьюринг А.М. Вычислительные машины и разум. М.: Издательство АСТ. 2018. 128 с.

47. Фёдорова И. В. Массовая коммуникация как процесс общения // Вестник РУДН. Литературоведение, журналистика. 2009. № 3. С. 83-87.

48. Хореев, А. А. Защита информации от утечки по техническим каналам: учеб. пособие [Текст] / А. А. Хорев. - М.: Академия, 2008. - 256 с.

49. Чертовских О.О., Чертовских М.Г. Искусственный интеллект на службе современной журналистики: история, факты и перспективы развития // Вопросы теории и практики журналистики. 2019. № 3. С. 555- 568.

50. Чипига, А. Ф., Лапина, М. А. Организационное обеспечение информационной безопасности: Учебное пособие [Текст] / А. Ф. Чипига. - Ставрополь: СевКавГТУ, 2009. - 439 с.

51.  Чипига, А.Ф. Информационная безопасность автоматизированных систем: учеб. пособие для студентов вузов, обучающихся по специальностям в обл. информ. безопасности [Текст]/ А.Ф. Чипига. - М.: Гелиос АРМ, 2010. - 336 с., ил.

52. Шень, А. Стратегии информации с точки зрения математики. / А. Шень. - М.: МЦНМО. - 2008.

53. Щеголева Н.Л. Концепция построения комплекса программных средств для моделирования систем поиска изображений лиц. Известия СПбГЭТУ ЛЭТИ. 2016.

54. Ярочкин, В. И. Информационная безопасность: Учебное пособие для студентов непрофильных вузов [Текст] / В. И. Ярочкин. - М.: Междунар. Отношения, 2000. - 400 с.: ил.

55. Chaudhuri R., Fiete. Computational principles of memory. Nature Neuroscience, 19: 2016. - 394–403.

56. Hiar J., Tran N. Robust Exponential Memory in Hopfield Networks. The Journal of Mathematical Neuroscience. 2018.

57. Kalnoor G., Agarkhed J. Detection of intruder using KMP Pattern Matching Technique in Wireless Sensor Networks. Procedia Computer Science.

58. Perkins С., Muller G. 2015. Using Discrete Event Simulation to Model Attacker Interactions with Cyber and Physical Security Systems. Procedia Computer Science. 2018.

59. Rashid T. Make Your Own Neural Network. CreateSpace Independent Publishing Platform. 2016.

60. Yang D., Alsadoon A., Prasad P., Singh A., Elchouemi A. An Emotion Recognition Model Based on Facial Recognition in Virtual Learning Environment. Procedia Computer Science. 2018.