AR-Project

Это прототип асинхронного серверного модуля входящего в состав проекта "Система сопровождения производственных объектов при помощи дополненной реальности".

Данный модуль обеспечивает следующие функции:

1. Обеспечивает соединение с клиентами (мобильныйми приложениями и не только) и обмен данными по протоколу TCP/IP;
2. Выполняет приём сообщений представленных в формате XML;
3. Выполняет распаковку и упаковку XML-контейнеров;
4. Выполняет обработку запросов и формирует ответ;
5. Осуществляет прогнозирование показателей объекта на основе исторических данных;
6. Выполняет аутентификацию/авторизацию пользователей пользователей.

Струкутура сервера имеет следующий вид:

Прогнозирование

Модуль прогнозирования использует следующие технологии:

1. Библиотеку RDFlib для работы с базой знаний и хранения в ней сведений об актуальной нейросетевой модели;
2. Библиотеку Keras для работы с нейросетевыми моделями;
3. Библиотеку PyMongo для работы с базами данных MongoDB и хранимыми в ней данными об объектах, датчиков, пользователях и данными для построения AR-интерфейса на клиентском приложении.

Изучив документацию к данному API PyMongo было принято решение написать ещё один слой интерфейса, потому что нативный интерфейс предоставляет лишь основные и базовые методы для работы с СУБД и самой базой данных MongoDB, что в контексте данного проекта не очень удобно, итоговый разработанный интерфейс к API PyMongo находится в модуле DBinterface.py

Серверный модуль прогнозирования испольует в качетсве модели нейросетевую двухслойную модель со слоями LSTM, при создании новой нейросетевой модели параметры для конструирования методами Keras подгружаются с базы знаний.

Модуль работы с нейронными сетями выполняет в автоматическом порядке:

1. Сканирование базы знаний на поиск актуальной нейросетевой модели*;
2. Провека модели на адекватность **;
3. Подготовка данных для обученя, переобучения, тестирования модели и генерации прогнозных значений.
4. Обучение новой нейросетевой прогностической модели;
5. Переобучение новой нейросетевой прогностической модели;
6. Генерация предсказаний на основе актуальной нейросетевой прогностической модели;
   * актуальная нейросетевая модель - модель, прогнозы которой по велечинам отклоняются не более чем на 5%.
   ** адекватная модель - модель, прогнозы которой по велечинам отклоняются не более чем на 5%.

Работа прогнозирующего модуля выполняется по следующему алгоритму:

---

Обработка запросов на сервере

Для обмена данными с сервером клиенту необходимо отвправлять ему запросы, которые помещаются в специальный XML-контейнер.

Вид XML запроса:

<?xml version="1.0" encoding="utf-8"?>
<message>
   <method>
      methodName
   </method>
   <parameters>
      ...
   </parameters>
</message>

Вид XML ответа:

<?xml version='1.0' encoding='utf-8'?>
<message>
    <method>
        response
    </method>
    <data>
        ...
    </data>
</message>

Обработчик запроса на данны момет обрабатывает следующие методы (methodName):

• getLast - возврат последних значений объекта;
• logIn - аутентификация пользователя;
• getBuildSettings – запрос на настройки для графопостроителя интерфейса AR;
• setBuildSettings – запись настроек для интерфейса AR;
• getPublicKey – запрос на публичный ключ для передачи данных в зашифрованном виде (Шифрование производится алгоритмом RSA-OAEP);
• getPrognose – запрос на прогнозные показания по сопровождаемому в данный момент объекту
• setNewStatus – включение/выключение объекта управления

Добавление обрабатываемых запросов выполняется добавлением соответствующей ветки в обработчике запросов HandleRequest.py

Структура обработчика запросов следующая:

if method == “method_name_1”: блок обработки запроса method_name_1

elif method == “method_name_2”: блок обработки запроса method_name_2

...

Else: сообщение о неправильном выбранном методе запроса