Ученые СПбГУ и "Сириуса" предложили синхронизировать устройства без GPS и центрального сервера
Исследователи Санкт-Петербургского государственного университета и Университета "Сириус" разработали подход, который позволяет согласовывать внутренние часы автономных устройств без GPS, спутниковой навигации и единого управляющего сервера. Технология предназначена для распределенных систем, где множество приборов обмениваются данными и должны действовать как единый механизм.
Проблема рассинхронизации особенно важна для сетей датчиков, промышленных комплексов, робототехники и космической техники. У каждого устройства есть собственные часы, однако они постепенно начинают показывать разное время. Причиной становятся погрешности генераторов, температурные колебания, задержки передачи информации и временные потери связи между узлами.
Даже небольшое расхождение способно привести к серьезным последствиям. Система может неправильно определить, какое событие произошло раньше, а какое - позже. Для промышленной автоматики это чревато ошибочной последовательностью команд, для роботов - несогласованными действиями, а для сенсорных сетей - искажением результатов измерений.
Обычно для синхронизации используют внешний эталон, например GPS, либо вычисляют среднее значение времени, полученного от всех участников сети. Однако у такого решения есть ограничения. Спутниковый сигнал недоступен под землей, в шахтах, внутри защищенных сооружений и во многих космических сценариях. Центральный сервер также не всегда применим: его отказ способен нарушить работу всей системы.
Российские ученые предложили отказаться от ориентации на среднее время и использовать в качестве опорного значения наиболее поздние показания среди всех узлов. Такой принцип предотвращает обратный ход часов. Устройство может немного отставать от остальных, но система не будет вынуждена переводить уже "ушедшие вперед" часы назад.
Сохранение последовательности событий имеет принципиальное значение для распределенных комплексов. Если внутреннее время одного устройства внезапно уменьшается, алгоритмы обработки данных могут принять новое событие за произошедшее раньше предыдущего. Выбор максимального значения помогает избежать подобных логических нарушений и поддерживать устойчивую временную шкалу даже при нестабильной связи.
Для реализации метода исследователи усовершенствовали алгоритм, который ранее применялся в задачах машинного обучения. Его адаптировали к условиям распределенной сети, где устройства должны самостоятельно обмениваться сведениями о времени и принимать согласованные решения без постоянного контроля из единого центра.
Одно из преимуществ разработки заключается в децентрализованной архитектуре. Каждый узел участвует в формировании общего временного ориентира, поэтому выход из строя отдельного устройства не обязательно приводит к остановке всей системы. Это особенно важно для объектов, доступ к которым затруднен или опасен для человека.
Технология может найти применение в сетях промышленных датчиков. На производстве десятки и сотни измерительных устройств фиксируют температуру, давление, вибрацию и другие параметры. Чтобы корректно определить причину аварии или отследить развитие технологического процесса, необходимо точно сопоставлять данные по времени.
Перспективным направлением остается робототехника. Группа автономных машин должна одновременно воспринимать окружающую обстановку, обмениваться сигналами и выполнять общие задачи. При отсутствии надежной синхронизации роботы могут по-разному интерпретировать одну и ту же ситуацию, что снизит эффективность комплекса и повысит риск столкновений или ошибок.
Метод также способен оказаться востребованным в космической отрасли. Аппараты, спутники и автономные модули не всегда могут рассчитывать на постоянную связь с Землей. Децентрализованная синхронизация позволит им координировать работу бортовых систем даже при задержках сигнала или временной потере контакта с наземным центром управления.
Еще одна область применения - подземная инфраструктура. В тоннелях, шахтах и метрополитене спутниковая навигация работает нестабильно или недоступна. При этом распределенные датчики должны непрерывно отслеживать состояние конструкций, движение техники, уровень газа и другие потенциально опасные параметры.
Разработка может быть полезна и для систем, работающих в условиях частичного отказа оборудования. Если один или несколько узлов перестают отвечать, остальные участники сети сохраняют возможность формировать общий временной ориентир. Это повышает отказоустойчивость и уменьшает зависимость от отдельных компонентов.
При практическом внедрении потребуется учитывать дополнительные факторы: задержки передачи данных, разную точность часов, энергопотребление и защиту от некорректных сигналов. Тем не менее предложенный принцип создает основу для построения автономных сетей, способных сохранять согласованность без постоянной поддержки извне.
Работа ученых СПбГУ и Университета "Сириус" демонстрирует, как методы машинного обучения могут использоваться не только для анализа данных, но и для решения инженерных задач в распределенных системах. Подобные разработки укрепляют научно-технологический потенциал Петербурга и открывают возможности для дальнейшего внедрения отечественных решений в промышленность, робототехнику и космические проекты.
