Алгоритмическое и программное обеспечение современного радиофизического эксперимента. Однако главный недостаток, присущий указанным методам проектирования срфи, заключается в том, что недостаточно полно используются возможности метрологического критерия о

Пилотажно-навигациопый комплекс представляет собой сложное сочетание аппаратных и программных средств, объединенных в единую сеть. Решение главной задачи - повышение надежности, безопасности и регулярности полетов достигается путем использования специальных автоматизированных систем оптимизации режимов полета. В этих условиях роль программного обеспечения в структуре ПНК возрастает неизмеримо по сравнению с отдельными навигационными устройствами и системами. Совершенство программного обеспечения ПНК во многом определяет эффективность и гибкость работы всего комплекса.

В широком смысле под программным обеспечением понимается совокупность математического, лингвистического, информационного и непосредственно программного обеспечения. Математическое обеспечение включает способы и методы обработки информации и расчетов, модели и алгоритмы. Лингвистическое обеспечение - это совокупность языков программирования, используемых в ПНК для описания различных процедур, алгоритмов, моделей. Информационное обеспечение делится на бортовые базы данных и оперативную информацию, поступающую от бортовых систем. Программное обеспечение состоит из программ и документов (на машинных и бумажных носителях).

Программы делятся на общесистемные, базовые и прикладные. Общесистемные программы, которые, по сути, являются операционными системами, предназначены для организации функционирования ПНК как вычислительной системы (планирование вычислительного процесса, управление им, распределение ресурсов и т.п.) и не отражают специфики конкретного ПНК. Непосредственно для нужд ПНК создается базовое и прикладное программное обеспечение. В базовое входят те программы, которые обеспечивают правильное функционирование прикладных программ. Прикладные программы реализуют элементы математического обеспечения ПНК и решают частные задачи. Прикладные программы создаются в виде отдельных модулей, которые подключаются управляющей программой на различных этапах полета и реализуют частные алгоритмы ПНК.

При разработке программного обеспечения необходимо учесть ряд требований, таких как малая вычислительная погрешность, минимальное время реализации, минимальный потребный объем памяти, возможность контроля хода вычислений, защита от систематических и случайных сбоев.

По принципу построения структуры программного обеспечения ПНК могут быть процедурно- и проблемно-ориентированными. Современное программное обеспечение ПНК строится по модульному принципу, когда каждый модуль предназначен для решения отдельной задачи и модули могут быть объединены в различных сочетаниях. Такая структура позволяет обеспечивать расширение функций ПНК без изменения его основной части путем создания и добавления новых модулей, но это ограничивает количество и направленность связей в комплексе, диктует жесткую логику его организации. В перспективных ПНК предполагается использовать элементы искусственного интеллекта, которые будут адаптироваться к изменению внешних условий, перестраивая структуру ПНК.

На рис. 2.25 приведена структура общего алгоритма ПНК, который состоит из совокупности связанных частных алгоритмов:

КНС - комплекс навигационных систем, включающий всю совокупность бортового навигационно-пилотажного оборудования;

АППО - алгоритмы преобразований и первичной обработки;

АКОИ - алгоритмы комплексной обработки информации;

АУ - алгоритмы управления объектом;

АОВИ- алгоритмы обмена и выдачи информации;

СОИ ПУ- система отображения информации и пульты управления;

АЗИО - алгоритмы защиты и исключения отказов;

АИП СВ - алгоритмы имитации полета и самолетовождения;

АДОП - алгоритмы диспетчеризации и организации прерываний;

АКП - алгоритмы контроля и проверок.

Общий алгоритм ПНК предназначен для реализации всего многообразия задач, стоящих перед комплексом, включает совокупности функционально связанных между собой частных алгоритмов, решающих единую задачу надежной обработки информации с требуемой точностью и заданной дискретностью и вырабатывающих управляющие и информационные сигналы.

КНС может включать одну или несколько инерциальных навигационных систем, являющихся основой ПНК, комплекс радиотехнических навигационных систем (РСБН, РСДН, СНС и др.), систему воздушных сигналов и другие системы, необходимые для решения задач управления конкретным объектом.

Алгоритмы преобразований и первичной обработки выполняют аналого-цифровое преобразование, осреднение или предварительную фильтрацию измерений. Эта же группа алгоритмов осуществляет приведение показаний различных датчиков к единой системе координат.

Алгоритмы комплексной обработки информации используют информационную избыточность измерителей ПНК для решения задачи фильтрации, экстраполяции и интерполяции данных. Качество этих алгоритмов определяет точность и надежность навигационного обеспечения полета. Наиболее широко в этом классе алгоритмов используются модификации цифрового фильтра Калмана,

Алгоритмы управления объектом реализуют все задачи управления, решаемые на борту самолета. Круг реализуемых задач существенно шире, чем у САУ, которая обеспечивает лишь управление движением самолета. Эта группа алгоритмов совместно с экипажем обеспечивает выполнение цели полета или полетного задания.

Все алгоритмы реализуются в виде программных модулей, выполняющих частные алгоритмы управления, которые в свою очередь делятся на целевые и функциональные. Первые реализуют законченные целевые задачи, такие как управление ПНК, траекторией движения, посадкой и др. Вторые формируют специфические функции процесса управления (оптимизации режимов полета, терминального управления, точностных характеристик комплекса и др.).

Алгоритмы обмена и выдачи информации являются элементом системы отображения информации. Они связывают абонентов ПНК с БЦВМ вычислительного комплекса и выполняют функции преобразования информации, приема, передачи и временного хранения данных.

Алгоритмы диспетчеризации и организации прерываний являются основой операционной системы вычислительного комплекса ПНК и СОИ. Главное их назначение - распределение последовательности и времени выполнения отдельных частных алгоритмов.

Алгоритмы контроля и проверок решают задачи оценки технического состояния, отключения или восстановления неисправного оборудования и реконфигурации ПНК.

Перечисленные частные алгоритмы отражают лишь самую общую структуру алгоритмического обеспечения ПНК, которая может существенно изменяться в зависимости от типа ЛА. Программно-алгоритмическое обеспечение перспективных ПНК должно создаваться с использованием искусственного интеллекта, свойств адаптивности и возможностей реконфигурации комплекса.

2.8. КОНЦЕПЦИЯ ТРЕБУЕМЫХ НАВИГАЦИОННЫХ ХАРАКТЕРИСТИК ПИЛОТАЖНО-НАВИГАЦИОННОГО ОБОРУДОВАНИЯ

Специальный комитет по будущим аэронавигационным системам ИКАО (FANS) разработал концепцию требуемых навигационных характеристик (RNP), которая позволяет перейти от требования к обязательному набору бортового навигационного оборудования к оптимальному сочетанию бортовой навигационной аппаратуры ЛА и технических возможностей конкретного воздушного пространства для всех фаз полета. Так реализуется переход от управления воздушным движением к более гибкой организации воздушного движения (ОрВД).

При полете ЛА по маршруту соответственно типу RNP устанавливается минимальная требуемая точность выдерживания навигационных характеристик, т.е. ширина коридора (в морских милях), в котором должен находиться ЛА в течение не менее 95% полетного времени. При этом точность определяется суммарной погрешностью навигационной системы, индикации и техники пилотирования.

Для полетов по маршруту намечено использовать четыре основных типа RNP:

RNP 1 предусматривает наиболее эффективное использование точной информации о местонахождении ЛА для обеспечения гибкости при организации и изменении маршрутов, а также для организации воздушного движения при переходе из зоны аэродрома к полету по маршруту и обратно;

RNP 4 предназначен для организации маршрутов ОВД и схем воздушного пространства при ограниченном расстоянии между наземными навигационными средствами и используется в континентальном воздушном пространстве;

RNP 12, 6 определяет возможность ограниченной оптимизации маршрутов в районах с пониженным уровнем обеспечения навигационными средствами;

RNP 20 характеризует минимальные возможности, которые считаются приемлемыми для обеспечения полетов по маршрутам ОВД.

С целью обеспечения требуемого уровня безопасности полетов для внедряемых в настоящее время в практику ОВД методов зональной навигации (RNAV) помимо типа RNP устанавливаются два дополнительных показателя:

целостность выдерживания коридора безопасности, определяемая вероятностью необнаружения навигационной системой превышения линейным боковым уклонением удвоенной допустимой погрешности навигационной характеристики (10 -5 за 1 ч полета);

непрерывность безотказной работы навигационной системы, определяемая вероятностью выдачи ложного или истинного предупреждения об отказе (10 -4 за 1 ч полета) в течение ответственных этапов полета.

Использование методов зональной навигации в рамках концепции RNP позволяет выполнять полет в любом воздушном пространстве в пределах предписанных допусков на точность местоположения, исключая при этом необходимость пролета непосредственно над наземными навигационными средствами.

Для наиболее ответственных этапов полета (захода на посадку, посадки и вылета) в дополнении к RNP устанавливаются требования по целостности, непрерывности и доступности (функциональной готовности, которая определяется вероятностью того, что в процессе осуществления запланированного маневра навигационная система способна выполнять свои функции) средств навигации в данном воздушном пространстве. Количественно параметры процедуры захода на посадку характеризуются границами внешнего и внутреннего коридоров удерживания ЛА, а также вероятностями нарушения целостности, непрерывности и доступности обеспечения навигационной информацией, получаемой от бортового оборудования и наземных навигационных средств. Так, для захода на посадку по категории сложности CAT III установлены следующие количественные показатели указанных параметров:

потеря целостности на интервале от контрольной точки конечного участка захода на посадку - до высоты 30 м над точкой приземления (165 с), от высоты 30 м до момента касания (30 с);

потеря непрерывности на указанных выше участках соответственно и ;

доступность 0,999 на высоте 30 м.

Данные о ширине коридоров по КИР САТ III представлены на рис. 2.26.

Рис. 2.26. Границы коридоров по RNP CAT III

Алгоритмическое обеспечение (Лекция)

ПЛАН ЛЕКЦИИ

1. Алгоритмы первичной обработки информации

2. Алгоритмы вторичной обработки информации

3. Алгоритмы прогнозирования значений величин и показателей

4. Алгоритмы контроля

Алгоритмическое обеспечение – совокупность взаимосвязанных алгоритмов. Множество алгоритмов делятся на 6 групп:

1. Алгоритмы первичной обработки информации (фильтрация, учет нелинейности характеристики).

2. Алгоритмы определения показателей процесса (алгоритмы вторичной обработки информации), определение интегральных и средних значений, скорости, прогнозирования и т.д.

3. Алгоритмы контроля.

4. Алгоритмы цифрового регулирования и оптимального управления.

5. Алгоритмы логического управления.

6. Алгоритмы расчета технико-экономических показателей.

1. Алгоритмы первичной обработки информации

Первичная обработка информации включает фильтрацию полезного сигнала, проверку информации на достоверность, аналитическую градуировку датчиков, экстраполяцию и интерполяцию, учет динамических связей.

Фильтрация – операция выделения полезного сигнала измерительной информации из его суммы с помехой. В зависимости от помех выделяют следующие фильтры:

1. фильтры низких частот (НЧФ).

2. высоко - частотные фильтры (ВЧФ).

3. полосовые фильтры (ПФ, пропускают сигналы определённой частоты).

4. режекторные фильтры (ПФ, не пропускают сигналы определенной частоты).

Наиболее распространенными являются НЧФ, которые подразделяются на фильтры скользящего среднего, фильтры экспоненциального сглаживания и медианные.

Разностное уравнение фильтра экспоненциального сглаживания

Получим уравнение фильтра экспоненциального сглаживания при следующих допущениях:

допущение 1: полезный сигнал x (t ) представляет собой случайный стационарный процесс с известными статическими характеристиками M x – математическое ожидание; D x – дисперсия; - автокорреляционная функция, показывающая степень связи между значениями сигнала в моменты времени, сдвинутые относительно друг друга на время τ. Полезный сигнал не коррелирован с помехой.

допущение 2: помеха f (t ) представляет собой случайный стационарный процесс, некоррелированный с полезным сигналом и с известными статическими характеристиками M f =0; ; при этом k <0 m >0.

В непрерывном варианте свойства фильтра экспоненциального сглаживания описываются ДУ:

.

Передаточная функция - апериодическое звено

.

Заменив производную - разностью и получаем разностное уравнение:

– разностное уравнение

А ,

где Т – постоянная времени, Т 0 – период опроса датчика, γ – параметр настройки регулятора. Оптимальное значение определяется путём минимизации погрешности фильтра. Оптимальное значение параметра настройки фильтра зависит от статических свойств полезного сигнала, помехи. На практике в большинстве случаев эти параметры определить нельзя, чем меньше , тем сильнее сглаживающее свойство фильтра, однако при малых значениях может произойти искажение полезного сигнала.

Данный фильтр является самым распространенным низкочастотный фильтром.

Разностное уравнение фильтра скользящего среднего

В аналоговом виде (непрерывный вариант) уравнение ФСК имеет вид:

.

Используя метод прямоугольников можно получить разностное уравнение:

Заменив интеграл суммой (применяя для интегрирования метод прямоугольников), получим:

где- площадь прямоугольников; Т – время усреднения;

Т= nT 0 , n – это число точек усреднения, параметр настроек фильтра. Оптимальное значение n определяется путём минимизации погрешности (дисперсии ошибки) фильтра и зависит от статических свойств полезного сигнала и помехи.

Чем больше n , тем больше сглаживающее свойство фильтра.

Статические фильтры нулевого порядка

Статический фильтр – фильтр, который в аналоговом варианте представляет собой параллельное соединение (n +1) цепочек, состоящих из усилительного звена и звена чистого запаздывания.

ПФ такого фильтра имеет вид:

где τ – время запаздывания; n – порядок фильтра.

При n =0 имеем статический фильтр нулевого порядка W (p )= b 0 → .

При использовании данной формулы y (t ) будет смещённой оценкой полезного сигнала x (t ),

т.е. - математическое ожидание выходного сигнала.

Для получения несмещённой оценки необходимо использовать следующую функцию:

В этом случае .

b 0 в качестве параметра настройки .

Для программной реализации статического фильтра нулевого порядка используют формулу:

Статические фильтры первого порядка

ПФ таких фильтров имеет вид: .

Математическое ожидание:

Для того чтобы фильтр имел несмещенную оценку при учете

Где - параметры настройки фильтра.

Минимизируя значение ошибки фильтрации, получаем: .

Для программной реализации - - период опроса датчика.

Разностное уравнение: .

при n =0 имеем статический фильтр нулевого порядка W (p )= b 0 .

При использовании данной формулы y (t ) будет смещённой оценкой полезного сигнала x (t ), т.е. - математическое ожидание выходного сигнала

Для получения несмещённой оценки необходимо использовать следующую функцию: .

В этом случае .

b 0 в качестве параметра настройки .

Для программной реализации статического фильтра первого порядка используют формулу: .

Робастные фильтры

Фильтры данного типа предназначены для фильтрации аномальных выбросов. К числу робастных фильтров относят медианный фильтр, фильтр релейно – экспоненциального сглаживания.

Медианный фильтр

Реализация медианного фильтра осуществляется по формуле: , где М – параметр настройки,

med – оператор, означающий операцию оценки медианы.

Оценка медианы проводится по следующему алгоритму:

Проводится упорядочение отсчетов в ряд по возрастанию.

При нечетном М в качестве медианы выбирается центральное значение этого ряда. При четном значении в качестве медианы выбирается полусумма двух средних значений ряда.

Фильтр релейно-экспоненциального сглаживания

Алгоритм работы данного фильтра имеет вид:

,

где - среднеквадратическое отклонение (СКО) помехи, - модуль приращения полезного сигнала на соседних отсчетах.

Разностные уравнения фильтров с заданной АЧХ

Если необходимо реализовать низкочастотный фильтр с заданной АЧХ, то для этих целей необходимо использовать ЛАЧХ (логарифмическая АЧХ).

- зависимость коэффициента передачи гармонического сигнала от частоты.

.

Необходимо определить ЛАЧХ, а затем ПФ и далее от ПФ перейти к дискретной ПФ, используя преобразования Лапласа.

Передаточная функция (ПФ) – отношение, в изображении Лапласа выходной функции к входной при нулевых начальных условиях.

, где р – комплексная величина.

Дискретное преобразование:

.

Произвели замену переменной:

.

Переход от ПФ к дискретной ПФ может быть произведен на основе от ношения: .

После получения дискретной ПФ можно легко получить разностное уравнение, пользуясь теоремой о смещении (запаздывании):

Смещенная решетчатая функция

.

Не рекуррентная, не рекурсивная система: - наличие только входных сигналов в правой части, - наличие выходных сигналов.

Для АЧХ, вида

(*);

.

A и B подставляем в выражение (*) и ДПФ определена. Далее необходимо написать разностное уравнение и составить программу.

Теорема о смещении:

;

Преобразуем, применяя теорему о смещении, и получаем

Для высокочастотного фильтра с характеристикой : ;

;

.

Для полосового фильтра:

;

;

.

Для режекторного фильтра:

;

;

.

Для реализации процедуры фильтрации применяются и другие фильтры кроме рассмотренных, являющиеся более сложными адаптивными и АЧХ с крутыми фронтами. К числу таких фильтров относят фильтры Чебышева, Калмана, Винера.

Проверка достоверности информации

Недостоверность информации появляется при отказах информационно-измерительных каналов. Отказы бывают двух видов: полные и частичные. Полный отказ наступает при выходе из строя измерительного преобразователя, или при повреждении линии связи. При частичном отказе технические средства сохраняют работоспособность, однако погрешность измерения превышает допустимое значение.

Алгоритмы, позволяющие обнаруживать полные отказы:

1) алгоритм допускового контроля параметра : проверка условия - X i min ≤ X i ≤ X i max

X i min – минимально возможное значение i -го параметра;

X i max – максимально возможное значение i -го параметра.

Если условие не выполняется, то информация недостоверная. В этом случае используют достоверную информацию, полученную в предшествующий момент времени, либо используют среднее значение i -го параметра.

2) Алгоритм основан на определении скорости изменения i -го параметра и проверки условия :

A ≤ Xi ≤ B

Х i =dX i (t)/dt

dX i (t )/ dt =(X i (k )- X i (k -1))/ T 0 , где T – период опроса, T=dt

3) Алгоритм аппаратного резервирования – алгоритм контроля информации, с помощью которого выявляются частичные отказы, основанные на использовании информационной избыточности. Избыточность может быть получена путем резервирования информационно – измерительных каналов (аппаратная избыточность), или путем определения некоторых параметров с помощью прямого измерения, так и путем расчетов через другие параметры.

Аппаратная избыточность – признак отказа, нарушение условия - | X i - ­ X ­| < C , где

‌Х­ – это среднее значение по всем измерительным преобразованием

X i – значение, полученное от i измерительного преобразования

С – наибольшее допустимое значение модуля разности (2-3 от средне квадратичной погрешности изменения преобразования)

4) Уравнение материального баланса имеет вид: f ( x 1 , x 2 , …. x n )=0. Уравнение выполняется лишь в том случае, если значения параметров x 1 , x 2 , …. x n соответствуют истинным значениям. Если параметры изменяются с погрешностью , имеем . При подстановке значений , получим . Если , то информация считается недостоверной.

X - измеряемая величина,

Y - установившийся сигнал

y = f (x ) -статическая характеристика датчика.

Под аналитической градуировкой датчика (АГД) понимают определение (восстановление) измеряемой величины по сигналу, снимаемому с датчика (преобразователя).

, где x ^ - оценка измеряемой величины, полученная по сигналу, снимаемому с датчика; f -1 – обратная функция y = f (x ).

Если градуировочная характеристика измерительного преобразования задана аналитически, то АГД сводится к реализации вычислительной операции.

Если статическая характеристика датчика линейная: y = ax + b , то аналитическая градуировка сводится к реализации вычислительных операций, то есть к формуле =(y - b )/ a .

В этом случае аналитическая градуировка датчика выражается в масштабировании. Однако большинство промышленных датчиков (преобразователей) имеют нелинейную статическую характеристику, которая часто определяется экспериментально и представляется в виде графика или градуировочной таблицы (для этого используют паспортные данные). При табличном представлении градуировочной характеристики применяют способ АГД, заключающийся в аппроксимации градуировочной характеристики аналитическим выражением. Одним их наиболее распространенных методов аналитической градуировки является аппроксимация при помощи степенных полиномов:

где - коэффициенты, которые должны быть численно определены;

n – степень полинома.

Используя эту формулу, возникает ряд задач:

1. Выбор критерия, по которому определяется коэффициенты a j ;

2. Определение степени полиномов (n ), обеспечивающие требуемую точность аппроксимации.

В зависимости от критерия, используемого для аппроксимации, различают следующие полиномы:

1. Полиномы наилучшего равномерного приближения (НРП).

Критерием определения коэффициентов данных полиномов выступает требование обеспечения заданной точности в любой точке диапазона работы датчика. Для аппроксимации данного полинома необходимо минимизировать линейную форму, для чего используются методы линейного программирования (решение задачи оптимизации). Линейное программирование – раздел математики, в которых рассматриваются методы определения экстремума линейного критерия при линейных ограничениях. Наиболее распространенный метод линейного программирования – симплекс метод (метод последовательно улучшения плана). Недостатком полинома НРП является сложность определения коэффициентов, то есть необходимость решения задачи линейного программирования.

2. Асимптотические полиномы.

Достоинством является возможность предварительной оценки степени полинома до расчёта коэффициента. Расчёт коэффициентов базируется на градуируемой таблице. Приведем фрагмент этой таблицы:

Степень	Используемые точки	Коэффициенты полинома	Параметр точности
	y 0 =b y 1 =(b-a)/2 y 2 =a	a 0 =1/4[(x 0 +2x 1 +x 2) – 2((b+a)/(b-a))(x 0 -x 2)] a 1 =(1/(b-a))(x 0 -x 2)	L 1 =1/2(1/2x 0 - x 1 - 1/2x 2)
	y 0 =b y 1 =b-1/4(b-a) y 2 =a+1/4(b-a) y 3 =a	a 0 =2/3((b+a)/(b-a)) 2 (x 0 -x 1 -x 2 +x 3)-1/3((b+a)/ (b-a))(x 0 +x 1 -x 2 -x 3)+1/6(-x 0 +4x 1 +x 2 -x 3) a 1 =2/3(b-a)[ 1-4((b+a)/(b-a))](x 0 -x 2)+(1+4) ((b+a)/(b-a))(x 1 -x 3) a 2 =2/3(2/(b-a)) 2 (x 0 -x 1 -x 2+ x 3)	L 2 =1/3(1/2x 0 - x 1 +x 2 -1/2x 3))

a≤y≤b

x 0 , x 1 , x 2 – значения измеряемого параметра, соответствующие y 0 , y 1 , y 2

3. Регрессионные полиномы используются для АГД нестандартных датчиков. В качестве критерия определения коэффициентов принимается величина среднеквадратической погрешности аппроксимации в диапазоне изменения измеряемой величины: (минимизируется сумма квадратов ошибок)

Для определения коэффициентов полинома используется метод наименьших квадратов, при котором минимизируется критерий и решается система уравнений:

dI (..)/ da 0=0

…..

dI (..)/ dan =0

Сравнивая разные полиномы можно сделать вывод: регрессионные полиномы дают наименьшую среднеквадратичную ошибку. Полиномы НРП дают минимум максимальной ошибки, а асимптотические занимают промежуточное положение между ними.

Применение интерполяции и экстраполяции при контроле параметров и показателей

Процесс получения инфо о непрерывно-изменяющихся величинах в АСУ ТП происходит дискретно во времени, поэтому возникает задача восстановления значений измеряемых величин в моменты времени, несовпадающие с моментами замеров.

Для управления, когда необходимо знать значение измеряемой величины в текущий или будущий момент времени используется метод экстраполяции значения величины, полученной в предшествующий момент времени.

Для анализа работы производства и вычисления технико-экономических показателей необходимо определить значение величин в предшествующие моменты времени, в этом случае используются методы интерполяции.

В большинстве случаев экстраполяцию осуществляют ступенчатым методом. При ступенчатой экстраполяции о значении измеряемой величины в любой текущий момент времени судят по измеренному значению величины последней токи замера. Погрешность ступенчатой экстраполяции: ,

где - автокорреляционная функция (устанавливает степень связи);

T 0 - период опроса датчик а;

Погрешность измерительного преобразования.

Таким образом, погрешность ступенчатой экстраполяции зависит от статических свойств измеряемой величины, периода опроса и погрешности измерительного канала, что необходимо учитывать при выборе периода опроса.

Для интерполяции чаще всего применяется кусочно-линейная аппроксимация, которая проводится по двум точкам с использованием следующей формулы:

Менее точной является ступенчатая интерполяция.

Учёт динамический связей

Наличие инерционного датчика может существенно исказить частотный состав измеряемого сигнала, например, при измерении температуры в печах применяют массивные чехлы для защиты термопар от механических повреждений, что вызывает значительную динамическую погрешность.

Если принять статический коэффициент передачи инерционного датчика равный единице, то есть при , то необходимо учитывать следующую связь: , т.е. в текущий момент времени на выходе датчика формируется сигнал несущий информацию о значении параметра в предшествующий момент времени, т.е. в момент времени .

2. Алгоритмы вторичной обработки информации

К основным операциям вторичной обработки относят:

· определение интегральных и средних значений величин и показателей;

· определение скорости изменения величины и показателей;

· определение величин и показателей, неизмеряемых прямым методом (косвенное измерение);

· прогнозирование значений величин;

· определение статических характеристик, величин и показателей.

Применяются для управления и анализа работы. Большое значение имеет определение суммарных количеств вещества или энергии, получаемых в производстве за определенный интервал времени. Примерами являются расходы электроэнергии, топлива за час, смену, сутки и так далее. Этим же целям служит определение средних значений измеряемых величин, являющихся режимными показателями (среднее время, среднее давление и т.д.)

Рассмотрим методы дискретного интегрирования, непрерывно изменяющейся во времени измеряемой величины. Далее приведены численные методы интегрирования.

1. Метод прямоугольников.

Суть метода состоит в замене реализации x(t ) её ступенчатой экстраполяцией за время t .

, , где - период опроса датчика.

В представленном виде алгоритм интегрирования используется редко, для его реализации требуется запоминать все значения . На практике используется рекуррентная формула:

2. Метод трапеций.

Более точным является метод трапеции. Рекуррентная формула: .

Погрешность метода трапеции меньше погрешности метода прямоугольников на величину:

.

Как показывают расчеты приблизительно на 10% уменьшается погрешность дискретного интегрирования при переходе от метода прямоугольника к методу трапеции при n >10, когда существеннее влияние на результат расчета оказывают кратные числа, следовательно, на практике в большинстве случаев используют метод прямоугольников, как более простой и экономичный.

Среднее значение определяется через интегральное: , где

Время интегрирования.

Дифференцирование дискретно – измеряемых величин. Для анализа хода технологического процесса весьма важным является определение не только численных значений параметров, но и тенденция их применения в текущий момент времени (увеличивается параметр или уменьшается). В этом случаи необходимо определять скорость изменения параметра, то есть осуществлять дифференцирование.

Производная от ошибки необходимо определять и при реализации регулятора, например с ПД, ПИД звеньями.

Наиболее простой алгоритм дискретного дифференцирования основан на использовании следующей функции: , где Т 0 – период опроса датчика.

3. Алгоритмы прогнозирования значений величин и показателей

Для расчета прогнозируемых значения необходимо построить математическую модель временного ряда. В практике краткосрочного прогнозирования наибольшее распространение получили модель авторегрессии и полиномиальная модель.

Модель авторегрессии имеет вид: , где а – коэффициенты, р – порядок. Расчет прогнозируемых значений проводится по формуле: , где - измеренные или прогнозируемые значения временного ряда в моменты времени t =(n - k + l ) To .

Данный алгоритм прост в реализации, но его недостатком является низкая точность, так как результаты а(к) не уточняются по результатам прогноза. Этого недостатка лишен метод полиномиальной модели: , где n - номер текущего шага, l - число шагов прогноза.

Оценка параметров этой модели а уточняется по мере поступления каждого нового значения временного ряда. Для этих целей используется экспоненциальные средние различного порядка.

1 порядка: Z 1 (j )=γ y (j )+(1-γ) Z 1 (j -1)

2 порядка: Z 2 (j )=γ Z 1 (j )+(1-γ) Z 2 (j -2)

… …

r порядка: Z N (j )=γ Z r -1 (j )+(1-γ) Z r (j -1), где - параметр настройки прогнозирования.

Выбор данного параметра основывается на следующих свойствах: если желательно чтобы прогноз базировался на последних значениях временного ряда, то следует выбирать значение , близкое к 1. Если необходимо учитывать и предыдущие значения временного ряда, то необходимо уменьшать.

Расчет коэффициентов осуществляется по формуле для модели 1 порядка:

Расчет коэффициентов осуществляется по формуле для модели 2 порядка:

Коэффициенты в полиномиальном законе рассчитываются через модели 1 и 2 порядка; модели высшего порядка применяются редко, т.к. качество прогноза растет незначительно.

Определение статистических показателей измеряемых величин

Знание статистических характеристик необходимо для оценки качества выпускаемой продукции и определения момента нарушения хода ТП. В этом случае меняются значения статистических характеристик измеряемых величин. Особенностью определения lfyys [ характеристик является использование рекуррентных формул.

Математическое ожидание (1 – не рекуррентная формула, 2 – рекуррентная формула)

Дисперсия (1 – не рекуррентная формула, 2 – рекуррентная формула)

4. Алгоритмы контроля

Понятие контроль более широкое понятие и включает в себя измерение величин и показателей и сравнение их с допустимыми пределами.

Рассмотрим общие и частные постановки задачи определения величин и показателей.

Общая постановка:

Задана совокупность величин и показателей, которые необходимо определить в объекте контроля. Указана требуемая точность их оценки. Имеется совокупность датчиков, которые установлены или могут быть установлены на автоматизированном объекте. Требуется для каждого отдельного показателя найти группу датчиков, частоту их опроса и алгоритмы обработки, получаемых от них сигналов. В результате чего значение этой величины определилось бы с требуемой точностью.

Точность оценки искомой величины определяется точностью работы измерительных цепей (датчика, преобразователя), частотой их опроса и точностью вычислительной переработки измерительных сигналов в искомую величину.

Частные постановки:

1. Определение текущего значения величины непосредственно измерением автоматическим прибором или датчиком.

- когда требуемая точность измерения намного меньше точности датчика с преобразователя;

- когда требуемая точность измерения больше точности датчика или преобразователя.

Второй случай является более общим. Для контроля необходимо найти такие алгоритмы преобразования сигнала датчика, которые бы увеличили точность до требуемого значения. Для этого необходимо произвести анализ существующей погрешности и выявить отдельные ее составляющие, а затем их скомпенсировать, путем использования специальных алгоритмов.

В зависимости от причин возникновения погрешностей применяют следующие алгоритмы, уменьшающие погрешность:

Аналитическая градуировка датчиков.

Если погрешность вызвана нелинейностью статической характеристики датчика.

Фильтрация сигнала от помех.

Если внутри объекта или датчика существует источник значительной помехи, который накладывается на полезный сигнал.

Экстраполяция и интерполяция

Если значительная погрешность оценки величины вызвана большим значением периода опроса.

Коррекция динамической погрешности датчика

Если датчик представляет собой инерционное звено, а измеряемая величина меняется во времени со значительной скоростью.

2. Определение значения величины, вычисляемой по измеренным датчиком сигналам.

Например, оценка суммарного значения, среднего значения, скорости и т. д. В этом случае необходимо выбрать рациональные алгоритмы переработки измеряемого сигнала.

Кроме того здесь не исключено применение алгоритмов АГД, фильтрации и т. д.

Данная задача наиболее сложна в тех случаях, когда не известен характер связи между измеряемыми сигналами и искомой величиной (косвенное измерение). В этом случае необходимо произвести анализ уравнений материального и теплового баланса, которые позволяют выявить эту связь или использовать регрессионный анализ.

Определение периода опроса датчиков измеряемых величин

Период опроса существенно влияет на точность контроля. Рассмотрим способ определения периода опроса, основанный на определении автокорреляционной функции.

Пусть задана среднеквадратичная погрешность . Определение величины x (t ). Требуется найти интервал времени T 0 между замерами, при которых погрешность определение величины не превышало бы заданного значения. Методика основана на зависимости ошибки и автокорреляционной функции:

где- автокорреляционная функция.

,

где n - объем выборки, по которой определяется автокорреляционная функция.

Сущность методики состоит в следующем:

1. Осуществляется съем данных с произвольным периодом опроса T 0 (как можно меньше). Число точек опроса: 30-50. Полученные данные заносятся в таблицу:

	Время	Значение	Отклонение за время
			T 0		2 T 0		3 T 0
		x 0
	T 0
	2 T 0
	3 T 0
	n T 0
Значение ошибки

;

, , где i – номер строки таблицы, k – номер столбца.

.

2. Строится график зависимости ошибки от периода опроса.

3. По значению по графику определяется значение .

Значение периодов опроса датчиков, используемых на практике.

· Расход: 0.1 – 2с.

· Уровень: ≈5с.

· Давление: 0.5 – 10с.

· Температура: 5 – 30с.

· Концентрация: ≈20с.

Виды контроля

Общей функцией автоматического контроля является фиксация хода технологического процесса во времени и непрерывное (периодическое) сравнение параметров процесса с заданными.

Различают следующие виды контроля:

1. Контроль технологических процессов в нормальном режиме.

2.

3.

4.

5. Контроль включения / выключения оборудования.

6. Контроль производительности оборудования.

7.

Основная операция контроля состоит в том, что для каждого контролируемого параметра x (t i ) в момент времени t необходимо проверять выполнение условия: , где - число параметров, m i – нижний допустимый предел изменения i -го параметра, M i – верхний допустимый предел.

Все контролируемые параметры можно разбить на три группы:

1. Параметры, требующие непрерывного контроля.

2. Параметры, нуждающиеся в периодическом контроле.

3. Свободные показатели процесса.

Непрерывный контроль из-за дискретного характера процесса измерения в автоматических системах осуществить невозможно, так как встает вопрос о шаге дискретизации (период опроса).

Этот шаг должен выбираться из условия: .

Чтобы максимум изменения параметра на отрезке времени t 0 не превышало некоторой заданной положительной величины . С учетом этого условия непрерывного контроля сводится к проверке неравенства: .

К параметрам, нуждающимся в периодическом контроле относятся такие параметры, для которых в некоторый момент времени допустим выход за установленные пределы. Для таких параметров на ;

- начало отсчета времени.

Свободные показатели процесса – это некоторые функции параметров, которые необходимо контролировать: , . Обычно на практике свободные показатели требуют периодического контроля.

Контроль технологического процесса в нормальном режиме.

В зависимости от того к какой группе принадлежит технологический параметр проводится соответствующий контроль (непрерывный либо периодический).

В случае выхода за установленные пределы фиксируется время, номер параметра или соотношения, предел которого был нарушен и величина отклонения от предела со знаком «-». Кроме того оператор, ведущий процесс, должен иметь возможность проконтролировать текущее значение любого технологического параметра. Такой вид контроля называется контролем по запросу. Таким образом, контроль технологии в нормальном режиме сводится к определению значения величин и сравнению их величин с заранее установленными величинами (пределами).

Контроль качества выпускаемой продукции.

Данный вид контроля осуществляется теми же методами, однако в большинстве случаев показатели качества нуждаются в периодическом контроле.

Контроль процесса при выходе его на номинальный уровень мощности.

Основная задача состоит в обеспечение безопасности, поэтому предельные значения могут отличатся от предельного значения в нормальном режиме. Для этих целей используется специальная подпрограмма.

Контроль исправности оборудования.

При выходе их строя оборудования предусматривается ручное или автоматическое включение резервного оборудования.

Контроль включения/выключения оборудования осуществляется по дискретным сигналам, характеризующим текущее состояния оборудования. Например, при заполнении резервуара, он отключается и подключает пустые резервуары.

Контроль производительности оборудования осуществляется на основе технико - экономических показателей.

Контроль над процессом в аварийных режимах.

Предусматривается автоматическая сигнализация, защита и блокировка. Возможно распознавание аварийных ситуаций и автоматический вывод из такой ситуации.

Для реализации алгоритмического и программного обеспечения информационных систем при поставленной цели необходимо последовательное решение следующих задач.

1. Разработка принципов построения и архитектуры инструментальной системы для интеграции производственных данных, включая интеграцию технологических данных различных, используемых отрасли.

2. Создание интеграционной модели производственных данных (ИМПД) НГДК на основе предложенных принципов построения и сформулированных требований к разрабатываемой инструментальной системе.

3. Разработка алгоритмического обеспечения инструментальной СИПД. Решение данной задачи предполагает также исследование эффективности предлагаемых алгоритмов.

4. Разработка программного обеспечения (ПО) инструментальной СИПД. Результатом решения этой задачи должны явиться программные средства, созданные с учетом разработанных принципов и архитектуры инструментальной системы и реализующие предложенные алгоритмы.

5. Создание и внедрение разработанной инструментальной системы при решении практических задач создания конкретных СИПД и интеграции с их помощью производственных данных современных ИС.

В организации системы обработки информации лежит:

Комплекс взаимосвязанных методов и средств сбора и обработки данных, необходимых для организации управления объектами.

СОИ основываются на применении ЭВМ и других современных средств информационной техники, поэтому их также называют автоматизированными системами обработки данных (АСОД). Без ЭВМ построение СОИ возможно только на небольших объектах.

Применение ЭВМ означает выполнение не отдельных информационно-вычислительных работ, а совокупности работ, связанных в единый комплекс и реализуемых на основе единого технологического процесса.

СОИ следует отличать от автоматизированных систем управления (АСУ). В функции АСУ включается прежде всего выполнение расчётов, связанных с решением задач управления, с выбором оптимальных вариантов планов на основе экономико-математических методов и моделей и т. п. Их прямое назначение - повышение эффективности управления. Функции же СОИ - сбор, хранение, поиск, обработка необходимых для выполнения этих расчётов данных с наименьшими затратами. При создании АСОД ставится задача отобрать и автоматизировать трудоёмкие, регулярно повторяющиеся рутинные операции над большими массивами данных. СОИ - это обычно часть и первая ступень развития АСУ. Однако СОИ функционируют и как независимые системы. В ряде случаев более эффективно объединять в рамках одной системы обработку однородных данных для большого числа задач управления, решаемых в разных АСУ; создавать СОИ коллективного пользования.

Автоматизированная информационная система имеет обеспечивающую и функциональную части, состоящие из подсистем (рис. 1.38).

Рис. 1.38 Автоматизированная информационная система

Подсистема – это часть системы, выделенная по какому-либо признаку.

Функциональная часть информационной системы обеспечивает выполнение задач и назначение информационной системы. Фактически здесь содержится модель системы управления организацией. В рамках этой части происходит трансформация целей управления в функции, функций – в подсистемы информационной системы. Подсистемы реализуют задачи. Обычно в информационной системе функциональная часть разбивается на подсистемы по функциональным признакам:

· уровень управления (высший, средний, низший);

· вид управляемого ресурса (материальные, трудовые, финансовые и т.п.);

· сфера применения (банковская, фондового рынка и т.п.);

· функции управления и период управления.

Например, информационная система управления технологическими процессами – компьютерная информационная система, обеспечивающая поддержку принятия решений по управлению технологическими процессами с заданной дискретностью и в рамках определенного периода управления.

В табл. 5 указаны некоторые из возможных информационных систем, однако их достаточно для иллюстрации связи функций систем и функций управления.

Функциональный признак определяет назначение подсистемы, а также ее основные цели, задачи и функции. Структура информационной системы может быть представлена как совокупность ее функциональных подсистем, а функциональный признак может быть использован при классификации информационных систем.

Например, информационная система производственной фирмы имеет следующие подсистемы: управление запасами, управление производственным процессом и др.

В хозяйственной практике производственных и коммерческих объектов типовыми видами деятельности, которые определяют функциональный признак классификации информационных систем, являются: производственная, маркетинговая, финансовая, кадровая.

Функции информационных систем Таблица 5

Таким образом, «функциональные компоненты» составляют содержательную основу ИС, базирующуюся на моделях, методах и алгоритмах получения управляющей информации.

Функциональная структура ИС – совокупность функциональных подсистем, комплексов задач и процедур обработки информации, реализующих функции системы управления. В системе управления крупных предприятий-корпораций выделяются самостоятельные подсистемы (контуры) функционального и организационного уровня управления:

1. Стратегический анализ и управление. Это высший уровень управления, обеспечивает централизацию управления всего предприятия, ориентирован на высшее звено управления.

2. Управление производством.

Развитые ERP-системы зарубежного производства имеют устоявшуюся структуру базовых компонентов системы управления предприятием:

1. Бухгалтерский учет и финансы.

2. Управление материалами (логистика).

3. Производственный менеджмент.

4. Обеспечение производства.

5. Управление перевозками, удаленными складами.

6. Управление персоналом.

7. Зарплата.

8. Моделирование бизнес-процессов.

9. Системы поддержки принятия решений (DSS).

Обеспечивающая часть ИС состоит из информационного, технического, математического, программного, методического, организационного, правового и лингвистического обеспечения. Особое место в процессе информатизации общества занимает создание компьютерных сетей и построение на их основе распределенных систем обработки информации (РСОИ) . РСОИ представляют собой множество территориально отдаленных друг от друга узлов, объединенных системой передачи данных и взаимодействующих посредством обмена сообщениями. Такие системы обеспечивают распределенную обработку данных, при которой прикладной процесс из одного узла может обращаться к информации любого другого узла. Конечной целью создания РСОИ является интеграция информационных и вычислительных ресурсов, а также средств коммуникации и оргтехники и т. п. целого региона пользователей.

Примером РСОИ может служить распределенная база данных (РБД), представляющая собой совокупность логически связанных баз данных, размещенных в различных узлах, и потоков прикладных задач – глобальных транзакций, которые могут одновременно использовать несколько баз данных как единое целое. Важнейшей проблемой, возникающей в любой РБД, является предохранение информационных ресурсов, хранящихся в ней, от некорректных действий. В результате выполнения параллельных транзакций некоторые из этих транзакций могут временно нарушить целостность РБД. Очевидно, что необходима определенная дисциплина обработки транзакций, позволяющая

устранить проблемы. Такая дисциплина существует и известна как сериализация транзакций. Для практической реализации этой дисциплины в РБД чаще всего используются механизмы блокирования, временных меток и оптимистический подход. В реализации алгоритмов управления параллелизмом в РБД предлагается использовать в качестве неотъемлемой части СУРБД ¾ отказоустойчивую систему управления транзакциями (ОСУТ), обеспечивающую взаимодействие прикладных процессов с информационными ресурсами РБД.

ОСУТ представляется в виде распределенного программного комплекса, состоящего из отдельных модулей. Основными требованиями и отличительными особенностями ОСУТ является обеспечение непротиворечивости РБД в процессе обработки параллельных пользовательских запросов при возможных асинхронных отказах узлов (процессов).

В каждом узле J функционируют следующие компоненты ОСУТ:

Модуль (transaction generator) – генератор транзакции;

Модуль (synchronization nucleus) – синхронизатор транзактных запросов;

Модуль (transaction manager) – менеджер фиксации транзакции;

Модуль (data manager) – менеджер данных;

Модуль (election manager) – менеджер выборов координатора;

Модуль (rollback manager) – менеджер отката транзакции;

Имитационное моделирование является мощным инженерным методом исследования сложных систем, используемых в тех случаях, когда другие методы оказываются малоэффективными. Имитационная модель представляет собой систему, отображающую структуру и функционирование исходного объекта в виде алгоритма, связывающего входные и выходные переменные, принятые в качестве характеристик исследуемого объекта. Имитационные модели реализуются программно с использованием различных языков.

Лабораторная работа № 2 «Поверка термопреобразователя»

Тема: ИЗУЧЕНИЕ И Поверка термопреобразователя.

1. Изучить методы измерения и устройство термопреобразователя платинородий-платинового эталонного.

2. Ознакомиться со схемой установки и размещением приборов на лабораторном стенде.

Ход работы: Преобразователь термоэлектрический платинородий-платиновый эталонный предназначен для передачи размера единицы температуры (рис 1.39). Материалы термоэлектродов термопреобразователей в соответствуют требованиям следующих нормативных документов положительный термоэлектрод из проволоки диаметром 0,5 мм из сплава марки ПлРд-10 (платина +10% родий) по ГОСТ. Термоэлектроды термопреобразователей армированы цельной керамической двухканальной трубкой, один из каналов которой маркирован условным знаком находящегося в нём термоэлектрода, материал трубки - алюмооксидная керамика с содержанием не менее 99%.

Рис 1.39 Преобразователь термоэлектрический платинородий-платиновый

Классы допуска Преобразователей:

1. Преобразователи сопротивления изготавливаются с номинальной статической характеристикой преобразования (НСХ) и допускаемым отклонением сопротивления при 0°С (R0) от номинального значения по ГОСТ 6651.

Таблица 6

2.Значение W100, определяемое какое отношениесопротивления термопреобразователя сопротивления при 100°С(R100) к сопротивлению термопреобразователя при 0°С (R0), по ГОСТ 6651.

Таблица 7

Лабораторная работа № 3 « Поверка нормирующего преобразователя ГСП»

Изучение устройства и поверка нормирующего преобразователя ГСП

поверки преобразователя нормирующего ГСП.

Ход работы:

Государственная система промышленных приборов и средств автоматизации (ГСП) создана с целью обеспечения техническими средствами систем контроля, регулирования и управления технологическими процессами в различных отраслях народного хозяйства.

На ранних этапах создания средств автоматики в различных организациях и на предприятиях разрабатывалось множество различных приборов измерения и контроля со сходными техническими характеристиками, однако при этом не учитывалась возможность совместной работы приборов различных производителей. Это приводило к увеличению стоимости разработок сложных систем и тормозило широкое внедрение средств автоматизации.

В настоящее время ГСП представляет собой эксплуатационно, информационно, энергетически, метрологически и конструктивно организованную совокупность изделий, предназначенных для использования в качестве средств автоматических и автоматизированных систем контроля, измерения, регулирования технологических процессов, а также информационно-измерительных систем. ГСП стала технической базой для создания автоматических систем управления технологическими процессами (АСУ ТП) и производством (АСУП) в промышленности. Ее развитие и применение способствовали формализации процесса проектирования АСУ ТП и переходу к машинному проектированию.

В основу создания и совершенствования ГСП положены следующие системотехнические принципы: типизация и минимизация многообразия функций автоматического контроля, регулирования и управления; минимизация номенклатуры технических средств; блочно-модульное построение приборов и устройств; агрегатное построение систем управления на базе унифицированных

приборов и устройств; совместимость приборов и устройств.

По функциональному признаку все изделия ГСП разделены на следующие четыре группы устройств: получения информации о состоянии процесса или объекта; приема, преобразования и передачи информации по каналам связи; преобразования, хранения и обработки информации, формирования команд управления; использования командной информации.

В первую группу устройств в зависимости от способа представления информации входят: датчики; нормирующие преобразователи, формирующие унифицированный сигнал связи; приборы, обеспечивающие представление измерительной информации в форме, доступной для непосредственного восприятия наблюдателем, и устройства алфавитно-цифровой информации, вводимой оператором вручную.

Вторая группа устройств содержит коммутаторы измерительных цепей, преобразователи сигналов и кодов, шифраторы и дешифраторы, согласующие устройства, средства телесигнализации, телеизмерения и телеуправления. Эти устройства используют для преобразования как измерительных, так и управляющих сигналов.

Третью группу составляют анализаторы сигналов, функциональные и операционные преобразователи, логические устройства и устройства памяти, задатчики, регуляторы, управляющие вычислительные устройства и комплексы.

В четвертую группу входят исполнительные устройства (электрические, пневматические, гидравлические или комбинированные исполнительные механизмы), усилители мощности, вспомогательные устройства к ним, а также устройства представления информации.

Минимизация номенклатуры средств контроля и управления реализуется на основе двух принципов: унификации устройств одного функционального назначения на основе параметрического ряда этих изделий и агрегатирования комплекса технических средств для решения крупных функциональных задач.

В настоящее время разработаны параметрические ряды датчиков давления, расхода, уровня, температуры и электроизмерительных приборов.

Тем не менее продолжается их оптимизация по технико-экономическим показателям, например по критерию минимума суммарных затрат на удовлетворение заданных потребностей. Этот критерий основан на противоречии между интересами потребителя и изготовителя: чем меньше в ряду приборов, тем меньше затраты на их разработку и освоение, и тем большими партиями они выпускаются, что также снижает затраты изготовителя. Увеличение числа приборов в ряду дает экономию потребителю за счет более эффективного использования их возможностей или более точного соблюдения режимов технологических процессов.

Агрегатные комплексы (АК ) представляют собой совокупность технических средств, организованных в виде функционально-параметрических рядов, охватывающих требуемые диапазоны измерения в различных условиях эксплуатации и обеспечивающих выполнение всех функций в пределах заданного класса задач.

Принцип агрегатирования в ГСП применяют очень широко. Унифицированная базовая конструкция датчиков теплоэнергетических величин с унифицированными пневматическим и электрическим сигналами была создана всего из 600 наименований деталей, при этом было получено 136 типов и 863 модификации этих датчиков.

Заложенные в ГСП общие для всех изделий понятия совместимости можно сформулировать следующим образом.

Информационная совместимость - совокупность стандартизированных характеристик, обеспечивающих согласованность сигналов связи по видам и номенклатуре, их информативным параметрам, уровням, пространственно-временным и логическим соотношениям и типу логики. Для всех изделий ГСП приняты унифицированные сигналы связи и единые интерфейсы, которые представляют собой совокупность программных и аппаратных средств, обеспечивающих взаимодействие устройств в системе.

Конструктивная совместимость - совокупность свойств, обеспечивающих согласованность конструктивных параметров и механическое сопряжение технических средств, а также выполнение эргономических норм и эстетических требований при совместном использовании.

Эксплуатационная совместимость - совокупность свойств, обеспечивающих работоспособность и надежность функционирования технических средств при совместном использовании в производственных условиях, а также удобство обслуживания, настройки и ремонта.

Метрологическая совместимость - совокупность выбранных метрологических характеристик и свойств средств измерений, обеспечивающих сопоставимость результатов измерений и возможность расчета погрешности результатов измерений при работе технических средств в составе систем.

По роду используемой энергии носителя информационных сигналов устройства ГСП делятся на электрические, пневматические, гидравлические, а также устройства, работающие без использования вспомогательной энергии - приборы и регуляторы прямого действия. Для того чтобы обеспечить совместную работу устройств различных групп, применяют соответствующие преобразователи сигналов. В АСУ наиболее эффективно комбинированное применение устройств различных групп.

Достоинства электрических приборов общеизвестны. Это, в первую очередь, высокая чувствительность, точность, быстродействие, удобство передачи, хранения и обработки информации. Пневматические приборы обеспечивают повышенную безопасность при применении в легко воспламеняемых и взрывоопасных средах, высокую надежность в тяжелых условиях работы и агрессивной атмосфере. Однако они уступают электронным приборам по быстродействию, возможности передачи сигнала на большое расстояние. Гидравлические приборы позволяют получать точные перемещения исполнительных механизмов и большие усилия.

В технической документации наиболее широко используется такой классификационный признак, как тип изделия - совокупность изделий одинакового функционального назначения и принципа действия, сходных по конструктивному исполнению и имеющих одинаковые главные параметры. В состав одного типа может входить несколько типоразмеров и модификаций или исполнений изделия. Типоразмеры изделия одного типа различаются значениями главного параметра (обычно выделяются для однофункциональных изделий).

Модификация - совокупность изделий одного типа, имеющих определенные конструкционные особенности или определенное значение неглавного пара-

метра. Под исполнением обычно понимают изделия одного типа, имеющие определенные конструктивные особенности, влияющие на их эксплуатационные характеристики, например тропическое или морское.

Комплекс - более крупная классификационная группировка, чем тип. В ГСП комплексы разделяются на унифицированные и агрегатные. Отличительной особенностью унифицированного комплекса является то, что любые сочетания его технических средств между собой не приводят к реализации этими средствами новых функций. В агрегатных комплексах различным сочетанием технических средств можно реализовать новые функции. Наиболее широко используются агрегатные комплексы средств электроизмерительной техники (АСЭТ), вычислительной техники (АСВТ), телемеханики (АСТТ), сбора первичной информации (АСПИ) и др.

Обмен информацией между техническими средствами ГСП реализуется при помощи сигналов связи и интерфейсов.

В АСУ наиболее распространены электрические сигналы связи, достоинствами которых являются высокая скорость передачи сигнала, низкая стоимость и доступность источников энергии, простота прокладки линий связи. Пневматические сигналы применяют в основном в нефтяной, химической и нефтехимической промышленности, где необходимо обеспечить взрывобезопасность и не требуется высокое быстродействие. Гидравлические сигналы в основном применяют в гидравлических следящих системах и устройствах управления гидравлическими исполнительными механизмами.

Информационные сигналы могут быть представлены в естественном или унифицированном виде.

Естественным сигналом называется сигнал первичного измерительного преобразователя, вид и диапазон изменения которого определяются его физическими свойствами и диапазоном изменения измеряемой величины. Обычно это выходные сигналы измерительных преобразователей, чаще всего электрические, которые можно передать на небольшое расстояние (до нескольких метров). Вид носителя информации и диапазон изменения унифицированного сигнала не зависят от измеряемой величины и метода измерения. Обычно унифицированный сигнал получают из естественного с помощью встроенных или внешних нормирующих преобразователей. Основные виды унифицированных аналоговых

сигналов ГСП приведены в табл. 8.

Из электрических сигналов наиболее распространены унифицированные сигналы постоянного тока и напряжения. Частотные сигналы используют в телемеханической аппаратуре и комплексе технических средств локальных информационно-управляющих систем.

Таблица 8

Лабораторная работа № 4 « Поверка пирометрического милливольтметра»

Изучение устройства и поверка милливольтметров пирометрических

Цель работы: Ознакомление с принципом действия, устройством и методикой

поверки милливольтметров пирометрических.

Ход работы: При поверке пирометрических милливольтметров должны выполняться операции, указанные в табл. 9

Таблица 9

СРЕДСТВА ПОВЕРКИ

2. 2.1. При проведении поверки применяют следующие образцовые средства

3.
поверки:

4. образцовые милливольтметры классов точности 0,2 и 0,5;

5. потенциометры постоянного тока классов точности 0,05-0,002;

6. нормальные элементы классов точности 0,002-0,005;

7. измерительные катушки электрического сопротивления класса точности 0,01.

8. 2.2. При проведении поверки применяют вспомогательные средства поверки:

9. нулевые указатели с постоянной по току (0,1-15)·10 А/дел и внешним критическим сопротивлением не более 500 Ом;

10. источники постоянного тока;

11. батареи накаливания напряжением 1,28 В и емкостью 500 А·ч,

12. кислотные аккумуляторы с напряжением от 2 до 6 В;

13. стабилизаторы постоянного тока малого напряжения;

14. регулируемые источники постоянного тока типа ИРН;

15. магазины сопротивления постоянного тока классов точности 0,2 и 0,1;

16. ползунковые реостаты от 100 до 1000 Ом;

17. лупа 2 и 2,5 ;

18.
устройства для проверки уравновешенности с углами 5 и 10°.

19. Технические характеристики средств поверки.

20. Погрешность образцовых средств поверки должна быть в 5 раз меньше допускаемой погрешности поверяемого прибора по ГОСТ 22261-76.

21. 2.3. Допустимо применение других средств поверки с параметрами..

22. 3. УСЛОВИЯ И ПОДГОТОВКА К ПОВЕРКЕ

23. 3.1. Поверку проводят при нормальных значениях всех влияющих величин по ГОСТ 22261-76.

24. 3.2. Перед проведением поверки выполняют следующие подготовительные работы:

25. а) подготавливают и включают поверяемый прибор в соответствии с технической документацией по эксплуатации на поверяемый прибор и указаниями на циферблате и корпусе прибора;

26. б) пирометрические милливольтметры, имеющие шкалу, выраженную в градусах температуры, включают в измерительную цепь последовательно с резистором . Сопротивление резистора должно соответствовать сопротивлению , указанному на шкале поверяемого прибора, с допуском:

27. Ом;

28. в) при поверке пирометрических милливольтметров со шкалой, выраженной в милливольтах, а также предназначенных для работы с телескопами суммарного излучения, резистор не включают в измерительную цепь;

29.
г) корректирующий реостат (корректор показаний) пирометрического милливольтметра, предназначенного для работы с телескопами пирометров суммарного излучения, при определении основной погрешности устанавливают в крайнее (нулевое) положение;

30. д) при поверке милливольтметров градуировки ПП-1 и ПР 30/6 для отметок шкалы от 1000°С и выше значение сопротивления увеличивают на 1,2 Ом, что соответствует условному приросту сопротивления термопары при нагревании;

31. е) при определении основной погрешности и вариации показаний регулирующих милливольтметров указатели заданной температуры устанавливают за пределами отметок шкалы так, чтобы они не препятствовали свободному движению стрелки. Контактное устройство регулирующего милливольтметра включают в сеть за 2 ч до начала поверки (если другое время не указано в техническом описании прибора);

32. ж) при поверке многоточечных самопишущих пирометрических милливольтметров все входные цепи поверяемого прибора соединяют параллельно.

33. 4. ПРОВЕДЕНИЕ ПОВЕРКИ

34. 4.1. Внешний осмотр

35. 4.1.1. При проведении внешнего осмотра должно быть установлено:

36. а) соответствие милливольтметров ГОСТ 22261-76 и ГОСТ 9736-68;

37. б) надежность крепления наружных и внутренних деталей прибора и отсутствие повреждений;

38. в) отсутствие обрывов в цепи милливольтметра, что обнаруживают при замыкании зажимов и покачивании прибора;

39. г) свободное перемещение указателя.

40.
При несоответствии милливольтметра хотя бы по одному из требований настоящего стандарта его признают к применению непригодным и дальнейшую поверку не производят.

41. 4.2. Опробование проводят при включении милливольтметра в измерительную цепь, при этом проверяют:

42. а) правильность работы корректора в соответствии с ГОСТ 9736-68;

43. б) исправность корректирующего реостата (корректора показаний), встроенного в милливольтметр, предназначенный для работы с телескопами суммарного излучения. Для этого, установив указатель на наибольшей отметке шкалы при нулевом положении корректирующего реостата, постепенно вращают ручку реостата и наблюдают за изменением показаний милливольтметра.

43 4.3. Определение метрологических параметров

4.3.1 Определение внутреннего сопротивления милливольтметра проводят компенсационным методом сличения с образцовой катушкой по схеме, указанной на рис 1.40 ,

либо методом замещения по схеме, следующим образом рис 1.41:

а) на магазине сопротивления устанавливают значение, близкое к внутреннему сопротивлению поверяемого милливольтметра;

б) в положении I переключателя П измеряют потенциометром падение напряжения на поверяемом милливольтметре , устанавливая регулируемым сопротивлением ток, отклоняющий стрелку в пределах шкалы милливольтметра;

в) в положении II переключателя П изменяют сопротивление магазина до получения значения падения напряжения, измеренного потенциометром на милливольтметре , при этом значение внутреннего сопротивления милливольтметра равно установленному сопротивлениию.

44 5. ОФОРМЛЕНИЕ РЕЗУЛЬТАТОВ ПОВЕРКИ

455.1. Данные поверки милливольтметров классов точности 0,2 и 0,5 заносят в протокол который хранится в организации, производившей поверку, в течение срока между двумя почерками прибора.

465.2. Данные о поверке приборов классов точности 1; 1,5; 2,5 заносятся в журнал наблюдений.

475.3. Милливольтметры, соответствующие предъявляемым к ним требованиям, после поверки подлежат клеймению.

485.4. На милливольтметры классов точности 0,2 и 0,5 по требованию заказчика выдается выписка из протокола поверки с указанием значений поправок в милливольтах.

495.5. В случае непригодности милливольтметра органы метрологической службы выдают извещение о непригодности с указанием причин и гасят клеймо.

Лабораторная работа № 5 « Поверка автоматического потенциометра»

Изучение устройства и поверка автоматического потенциометра

Цель работы: Ознакомление с принципом действия, устройством и методикой

автоматического потенциометра.

Ход работы: При поверке автоматических потенциометров и мостов должны соблюдаться "Правила технической эксплуатации электроустановок потребителей и правила техники безопасности при эксплуатации электроустановок потребителей", утвержденные Госэнергонадзором, и требования, установленные ГОСТ 12.2.007.0-75.

При поверке автоматического потенциометра по переносному потенциометру типа ПП-П необходимо учитывать, что эти приборы являются потенциометрами одного класса точности. Поэтому для надежности поверки автоматического потенциометра на диапазон, например, 16,76 мв необходимо знать поправки любой точки шкалы реохорда потенциометра ПП с точностью до 0,03 мв и секционного переключателя до 0,01 мв. При поверке прибора на другой диапазон измерений пропорционально изменяются требования к образцовому прибору. При поверке автоматического потенциометра по переносному потенциометру типа ПП необходимо учитывать, что эти потенциометры являются приборами одного класса точности. Поэтому, например, длянадежной поверки автоматического потенциометра на диапазон измерений 16,76 мв необходимо знать поправки любой точки шкалы реохорда потенциометра ПП с точностью до 0,03 мв и секционного переключателя до 0,01 мв. При поверке прибора на другой диапазон измерений пропорционально изменяются требования к образцовому прибору. Третий способ предусматривает применение только переносного потенциометра. При поверке автоматического потенциометра по переносному потенциометру типа ПП-П необходимо учитывать, что эти приборы являются потенциометрами одного класса точности. Поэтому для надежности поверки автоматического потенциометра на диапазон, например, 16,76 мв необходимо знать поправки любой точки шкалы реохорда потенциометра ПП с точностью до 0,03 мв и секционного переключателя до 0,01 мв. При поверке прибора на другой диапазон измерений пропорционально изменяются требования к образцовому прибору.

Лабораторная работа № 6 « Поверка термопреобразователя сопротивления»

Изучение устройства и поверка термопреобразователя сопротивления

Цель работы: Ознакомление с принципом действия, устройством и методикой

термопреобразователя сопротивления ГОСТ 8.461-2009.

Ход работы: термопреобразователи сопротивления из платины, меди и никеля. Методика поверки действующий Настоящий стандарт распространяется на термопреобразователи сопротивления из платины, меди и никеля по ГОСТ 6651, предназначенные для измерения температуры от минус 200 0 С до плюс 850 0 С или в части данного диапазона, а также на находящиеся в обращении термопреобразователи сопротивления, выпущенные до введения в действие ГОСТ 6651, и устанавливает методику их первичной и периодической поверок. В соответствии с настоящим стандартом могут быть поверены также чувствительные элементы термопреобразователей сопротивления, используемые в качестве средств измерений температуры. Значения температуры в настоящем стандарте соответствуют Международной температурной шкале МТШ-90

Лабораторная работа № 7 « Измерение температуры пирометром излучения»

Цель работы: Ознакомление с принципом действия, устройством и методикой

пирометром излучения.

Ход работы: ознакомление с устройством и работой пирометров излучения.

ОПИСАНИЕ ПИРОМЕТРОВ ИЗЛУЧЕНИЯ

При высокой температуре любое нагретое тело значительную долю тепловой энергии излучает в виде потока световых и тепловых лучей. Чем выше температура нагретого тела, тем больше интенсивность излучения. Тело, нагретое приблизительно до 600°С, излучает невидимые инфракрасные тепловые лучи. Дальнейшее увеличение температуры приводит к появлению в спектре излучения видимых световых лучей. По мере повышения температуры цвет меняется: красный цвет переходит в желтый и белый, представляющий собой смесь излучений разной длины волны.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Кафедра: Общая Физика

На тему: Алгоритмическое и программное обеспечение современного радиофизического эксперимента

Москва, 2008 год

Алгоритмическое и программное обеспечение современного радиофизического эксперимента

Поскольку АСРФИ создается для решения определенного круга задач, связанных с исследованием ранее неизвестных свойств объектов исследования, характеристики ее звеньев и требования, предъявляемые к системе в целом, ориентированы на наиболее эффективную реализацию вполне определенных алгоритмов, обеспечивающих максимальную информативность. Следовательно, к началу разработки комплекса технических средств АСРФИ основные алгоритмы управления должны быть проработаны в такой степени, чтобы можно было получить оценки основных характеристик отдельных программ, их связей между собой и массивов данных.

Последовательность этапов создания алгоритмического и программного обеспечения приведена на рис. 1.8. В отличие от систем, предназначенных для решения задач, связанных с функционированием технических объектов, характеристики которых в значительной степени могут быть известны заранее, АСРФИ разрабатываются для исследования радиофизических объектов, свойства которых заранее, как правило, неизвестны. Поэтому задаче разработки алгоритмов управления обязательно предшествует решение задачи определения математических моделей, описывающих ОИ. Обе эти задачи составляют содержание алгоритмизации процесса измерения РФВ. Полученные математические модели ОИ и радиофизических процессов, протекающих в нем и определяющих его свойства, алгоритмы управления и реализующие их программы являются составной частью математического обеспечения АСРФИ.

Обобщенная схема алгоритмического обеспечения при реализации АСРФИ приведена на рис.1.9 Алгоритмы АСРФИ 1 определяются тремя укрупненными блоками: алгоритмы управления системой 2, алгоритмы ввода - вывода информации 3, алгоритмы решения вычислительных задач 4. Основными укрупненными функциями алгоритмов управления системой являются организация управления параметрами отдельных функциональных модулей (ФМ) 5 [оператор R 2 1 в формуле (1.27) при детализации оператора R 2 ] и структурной перестройкой 6 [оператор R 2 2 в (1.27)]. Блок алгоритмов 3 обеспечивает прием 7 и выдачу 8 [операторы R 2 3 , R 2 4 в (1.27)] всех сигналов (и цифровых, и аналоговых) при взаимодействии ЭВМ с внешними устройствами. Блок алгоритмов 4 предназначен для решения всех вычислительных задач, которые функционально взаимосвязаны также и с предыдущими блоками алгоритмов. Предварительная цифровая обработка сигналов 9 [оператор R 2 5 в (1.27)] предполагает обеспечение качества их дальнейшей обработки (предотвращение эффекта наложения спектров, цифровую фильтрацию сигнала, взвешивание введенных массивов цифровой информации весовыми окнами и т.д.), если в этом возникает необходимость.

Математическая обработка сигнала 10 [оператор R 2 6 в (1.27)] должна обеспечивать все вычислительные процедуры, включая специальную математическую обработку для получения измерительного результата в конкретном РФЭ.

В случае, если АСРФИ по своей организации достигает уровня интеллектуальной, то ее функционирование обязательно предполагает создание экспертных систем, в функции которых также входит реализация соответствующих принципов управления 11 [оператор R 2 7 в (1.27)].

Для проведенной обобщенной классификации аппаратного и алгоритмического обеспечения АСРФИ с учетом сказанного выше, общее уравнение измерений в операторной форме будет иметь вид:

(1.31)

На схеме рис.1.9 разделение алгоритмов условное. Между ними существуют разветвленные функциональные связи, которые будут раскрыты далее.

В п.1.4 2 показано, что принципиального повышения информативности СРФИ можно достичь, внося элементы гибкости во все звенья ее аппаратного обеспечения и, следовательно, обеспечивая их адаптивные свойства, позволяющие программно перестраивать параметры СРФИ, не прерывая текущий эксперимент. Между этими звеньями и ЭВМ существуют функциональные связи, а управление их характеристиками в пределах гибкости осуществляется по определенным алгоритмам, реализуемым в ЭВМ программными средствами. Кроме того, возможности современных ЭВМ позволяют реализовать многие аппаратные аналоги ФМ в алгоритмическом исполнении. Причем во многих случаях характеристики алгоритмических ФМ лучше, чем у их аппаратных аналогов.

Рис.1.8 Последовательность этапов разработки алгоритмического и программного обеспечения сложной системы

Рис.1.9 Обобщенная структура алгоритмического обеспечения АСРФИ:

1 - алгоритмы; 2 - управления системой; 3 - обмена с внешними устройствами; 4 - решения вычислительных задач; 5 - функционального управления; 6 - структурного управления; 7 - ввод сигналов; 8 - вывод сигналов; 9 - предварительная цифровая обработка сигналов; 10 - математическая обработка сигнала; 11 - анализ баз данных и знаний, формирование логических выводов.

Программное обеспечение (ПО) АСРФИ разрабатывается на основе уже разработанных алгоритмов. После того как определен состав всех задач разрабатываемой АСРФИ, выбраны методы их решения, установлены информационные связи между ними и последовательность их решения, произведено их объединение в подсистемы, уместно распределить функции управления ими между программным обеспечением, техническим обеспечением и человеком (экспертом). Оно определяется, исходя из системных соображений, с учетом материальных затрат. Эти характеристики находят отражение в требованиях к алгоритму (или временной диаграмме) работы системы. Следовательно, построение алгоритма (временной диаграммы) и выбор распределения функций между экспертом, аппаратными и программными средствами представляют задачу, решение которой определяет все последующие решения.

Известно 76, что по функциональному признаку ПО также можно разделить на функционально завершенные ФМ. Всеобъемлющее, унифицированное ПО для сложного РФЭ создать практически невозможно. Некоторая унификация ПО возможна только для стандартизованных средств организации эксперимента, например с использованием упомянутых выше систем ВЕКТОР, КАМАК, FASTBUS, VME и др. , имеющих также и логический стандарт.

Современными тенденциями в развитии ПО для обеспечения АСРФИ, вероятно, следует считать создание программных оболочек, в пределах которых возможен синтез виртуальных систем. Примером таких программных оболочек являются ПО в составе labVIEW, labWINDOWS и т.д. . Одним из наиболее перспективных направлений развития ПО в настоящее время, очевидно, следует считать ПО для организации интеллектуальных систем. Однако, как далее будет показано, в этом случае обязательно будет сказываться специфика конкретного эксперимента, что в данном случае делает невозможным полную унификацию АО и ПО.

Существующие методы проектирования гибких систем для научных исследований

Появление микропроцессорных средств (МПС) сразу же привело к появлению нового класса измерительной техники - цифровых измерительных приборов (ЦИП) , обладающих некоторой функциональной гибкостью и адаптивностью (в частности, автоматическим выбором диапазонов измерений и т.д.), что в определенной степени делало их использование более удобным. Однако возможности МПС настолько значительны, что есть смысл использовать их не просто для измерения РФВ, но и для дальнейшей их математической обработки, чего не позволяют производить ЦИП из-за отсутствия возможности гибкого программирования.

С появлением МПС появились также мини - и микро-ЭВМ с возможностью гибкого программирования, способные взаимодействовать (производить обмен информацией) с внешними устройствами. Это обеспечивало возможность ввода и обработки измерительной информации в ЭВМ с использованием всех ее вычислительных и других возможностей. Наличие таких качеств у МПС привели к созданию разнообразных интерфейсных средств , обеспечивающих взаимодействие между МПС и другими устройствами в системах различной конфигурации и предназначенных в том числе для измерительных целей.

Появление интерфейсов позволило наращивать вычислительную мощность, объединяя несколько ЭВМ, создавать многоуровневые (иерархические) вычислительные структуры, позволившие решать все более сложные задачи, в том числе и в экспериментальных исследованиях . Наличие возможности выдачи информации из МПС во внешние устройства позволяет формировать управляющие воздействия по заданному алгоритму.

Стандартизация и унификация составных частей измерительных и управляющих вычислительных систем явились основой для создания формализованных методов проектирования измерительно-вычислительных комплексов (ИВК) на основе использования типовых технических решений . Одним из первых применений метода компоновки явилось создание АСУТП . Однако такие системы программной гибкостью и адаптивностью в режиме реального времени не обладают.

Дальнейшим развитием компоновочного метода является метод проектирования ИВК с применением унифицированных компоновочных элементов модульного типа (метод проектной компоновки ). Как известно, ИВК являются средствами измерений, в состав которых входят измерительные, вычислительные и программные компоненты. В отмечается, что для проектирования ИВК могут использоваться и аппаратные, и программные модули. Отдельные аппаратные субблоки могут быть построены на основе стандартных систем модульного типа (например, средства сопряжения в стандарте КАМАК). Такие измерительно-вычислительные средства обладают свойствами гибкости на уровне модульной перестройки. Однако им присущи недостатки, указанные в п.1.4.2

Проектирование особо сложных измерительных систем для проведения комплексных исследований в ядерной физике, физике космоса, аэрокосмических исследованиях и т.д. производится с использованием композиционного метода . Этот метод предполагает декомпозицию сложной задачи по нескольким важнейшим параметрам, решением которой занимаются многие коллективы профильных специалистов, с применением сетевого планирования. Результатом последующей композиции полученных решений являются сложные иерархические системы. Решение таких задач доступно только для группы научных коллективов (НИИ, КБ и т.д.).

Дальнейший прогресс в развитии ЭВМ и элементной базы привели к появлению новых подходов в разработке СРФИ: придание свойств максимальной гибкости, адаптивности и интеллектуализации (создание БД, БЗ и измерительных ЭС). В развитии средств сопряжения их гибкость стала обеспечиваться не принципом модульности, а с использованием программно-управляемых электронных коммутаций в пределах одной модульной платы. В последнее время стали также проявляться интеграционные процессы при синтезе как аппаратного, так и алгоритмического обеспечения СРФИ. Эти же процессы, но менее динамично, стали проявляться и при сращивании измерительно-вычислительной части СРФИ с экспериментальными установками. В частности, в нашем случае это проявлялось при реализации нескольких (более двух) смежных, взаимодополняющих и взаимозависимых методов измерения РФВ и при организации программно-управляемого воздействия на ОИ в составе одной и той же СРФИ . Интеграция аппаратного и алгоритмического обеспечения СРФИ в сочетании с внесением свойств гибкости и адаптивности при организации программно-управляемого воздействия но ОИ, безусловно, приводит к повышению их эффективности.

Однако главный недостаток, присущий указанным методам проектирования СРФИ, заключается в том, что недостаточно полно используются возможности метрологического критерия оптимизации в целях достижения предельных характеристик. Это приводит к неоптимальности синтеза СРФИ уже на начальном этапе, что в дальнейшем ведет к необходимости ее доработки.

Указанные выше недостатки существующих методов проектирования систем для проведения научных исследований требуют разработки новых методов, создания соответствующих гибких, программно-управляемых средств сопряжения и средств воздействия на ОИ с целью обеспечения адаптивных свойств этих систем для решения наиболее современных задач в радиофизических измерениях.

Литература

Алферов Ж.И. Гетеропереходы в полупроводниковой электронике близкого будущего // Физика сегодня и завтра / Под ред. В.М. Тучкевича. Л., 1973.

Алферов Ж.И. Гетеропереходы в полупроводниковой электронике // Физика сегодня и завтра: Прогнозы науки. М.: Наука, 1975.

Алферов Ж.И., Конников С.Г., Корольков В.И. // ФТП. 1973. Т.7.

Алферов Ж.И. Инжекционные гетеролазеры // Полупроводниковые приборы и их применение / Под ред. Я.В. Федотова. М., 1971.

Алферов Ж.И., Андреев В.М., Портной Е.Л., Протасов И.И. // ФТП. 1969. Т.3. № 9. С.1324-1327.

Алферов Ж.И. // ФТП. 1967. Т.1. С.436.

Гвоздев В.И., Нефедов Е.И. Объемные интегральные схемы СВЧ. М.: Наука. Гл. ред. физ. - мат. лит., 1985.256 с.

Нефедов Е.И. Дифракция электромагнитных волн на диэлектрических структурах. М.: Наука, 1979.

Неганов В.А., Раевский С.Б., Яровой Г.П. Линейная макроскопическая электродинамика / Под ред. Неганова В.А. Т.1. М.: Радио и связь, 2000.509 с., ил.123, табл.5.

Дмитренко А.Г., Колчин В.А. // Изв. вузов. Радиофизика. 2000. Т.43. Вып.9. С.766-772.

Подобные документы

Дифференциальное уравнение теплопроводности. Поток тепла через элементарный объем. Условия постановка краевой задачи. Методы решения задач теплопроводности. Численные методы решения уравнения теплопроводности. Расчет температурного поля пластины.

дипломная работа , добавлен 22.04.2011


Алгоритмы решения задач по физике. Основы кинематики и динамики. Законы сохранения, механические колебания и волны. Молекулярная физика и термодинамика. Электрическое поле, законы постоянного тока. Элементы теории относительности, световые кванты.

учебное пособие , добавлен 10.05.2010


Изучение гармонических процессов в линейных цепях, описание амплитудно-частотных характеристик четырехполюсников. Основные методы расчета и проектирования электрических цепей и современных средств вычислительной техники и программного обеспечения.

курсовая работа , добавлен 16.11.2013


Что такое задача, классы, виды и этапы решения задач. Сущность эвристического подхода в решении задач по физике. Понятие эвристики и эвристического обучения. Характеристика эвристических методов (педагогические приемы и методы на основе эвристик).

курсовая работа , добавлен 17.10.2006


Автоматизированная система управления освещением, ее алгоритм работы, аппаратная база и программное обеспечение. Вероятные проблемы при реализации и пути их решения. Расчет мощности стабилизаторов напряжения. Расчеты по регулированию напряжения.

дипломная работа , добавлен 01.07.2014


Особенности разработки принципиальной электрической схемы управления системой технологических машин. Обоснование выбора силового электрооборудования, аппаратуры управления и защиты. Характеристика методики выбора типа щита управления и его компоновки.

методичка , добавлен 29.04.2010


Разработка математических методов и построенных на их основе алгоритмов синтеза законов управления. Обратные задачи динамики в теории автоматического управления. Применение спектрального метода для решения обратных задач динамики, характеристики функций.

курсовая работа , добавлен 14.12.2009


Автоматизация систем переключения и управления водоснабжением и водоочисткой здания. Установка реле уровня для автоматизации работы насосов. Классификация числового программного управления. Принципиальная схема АВР трансформатора одностороннего действия.

контрольная работа , добавлен 06.12.2010


Рассмотрение основных целей и задач проектирования ядерных энергетических установок современной атомной электростанции. Изучение норм проектирования в соответствии с требованиями, руководящих документов. Особенности создания энергоблока в учебных целях.

реферат , добавлен 18.04.2015


Анализ эффективности энергоресурсов. Аналитический обзор современного состояния научных исследований в области ресурсосбережения на предприятиях топливно-энергетического комплекса. Инновационные проекты, перспективы развития ООО "Газпром добыча Ноябрьск".

«АстроСофт» имеет многолетний опыт разработки алгоритмов для программного обеспечения в различных прикладных областях. Опираясь на передовые достижения алгоритмики и компетенции наших сотрудников в области математики и физики, мы предлагаем наиболее эффективные решения сложных математических задач для бизнеса и науки.

Основные направления :

• Цифровая обработка сигналов и изображений
• Имитационное моделирование
• Математическая оптимизация
• Статистическая обработка данных
• Машинное обучение

Мы берем на себя решение сложных прикладных математических задач, стоящих перед вашей организацией. В состав нашей команды входят высококвалифицированные математики-программисты, из них 15 – кандидаты наук.

С нами вы сможете сосредоточиться на своих ключевых задачах, снизить риски и сократить сроки разработки.

Мы предлагаем услуги по разработке решений в области Digital Signal Processing (DSP), или цифровой обработки сигналов .

Наши решения используются для фильтрации, улучшения отношения сигнал/шум, подавления помех, выделения сигнала на фоне помех и шумов, корреляционного анализа.

Мы совершенствуем методы, создаем и дорабатываем алгоритмы, которые применяются в системах связи, акустики, передачи данных, автоматического управления, и радиолокационных комплексах в таких областях, как телекоммуникации, авионика, судо- и машиностроение, электроника, промышленность и др.

: создание программного обеспечения по обработке и кодированию голосового сигнала для сетей мобильной связи.

Также мы обладаем компетенциями компьютерной обработки изображений (Image Processing) . Мы участвуем в проектах внедрения машинного зрения в системы промышленного Интернета вещей на производственных предприятиях, а также разрабатываем алгоритмические комплексы обработки и распознавания образов для систем видеонаблюдения на различных объектах.

Пример успешно завершенного проекта : решение, которое позволяет системе видеонаблюдения непрерывно отслеживать движущиеся объекты через зоны обзора нескольких камер:

• интеграция нескольких HD-камер,
• бесшовное соединение в панораму,
• задержка менее четырех кадров,
• точная синхронизация камер,
• сведение изображения с соседних камер с точностью до пикселя,
• коррекция геометрических и цветовых искажений.

Мы используем имитационное моделирование, когда невозможно или нецелесообразно проведение экспериментов на реальной системе из-за высокой стоимости, трудоемкости и длительного ожидания результатов.

По спецификациям клиентов мы разрабатываем модели разнообразных объектов и процессов, которые позволяют:

• проанализировать поведение объекта во времени,
• осуществить раннее прототипирование разработки для ее отладки на модели,
• проверить сценарии, которые могут быть опасны для дорогостоящего оборудования,
• сократить использование ресурса оборудования,
• снизить уровень неопределенности и риски.

Пример успешно завершенного проекта : модель волнения моря.

Мы разрабатываем математические модели для поиска оптимальных решений при заданных ограничениях.

Багодаря нашему опыту в области математической оптимизации и линейного программирования, мы поможем разработать, протестировать и выбрать надежные и эффективные механизмы оптимизации.

Пример успешно завершенного проекта : модель оптимизации работы мерчендайзеров группы компаний.

Мы разрабатываем алгоритмы и математические модели, которые позволяют анализировать большие объемы данных - оценивать скрытые параметры в данных, их достоверность, осуществлять прогнозирование.

Наши решения на основе спектрального и стохастического анализа могут быть применены в промышленности, авионике, радиолокации, геофизике, медицине, экономике.

Примеры успешно завершенных проектов : алгоритмы спектрального анализа состава сырья для технологического процесса на цементном заводе, траекторное сопровождения БПЛА.

С помощью алгоритмов машинного обучения мы решаем задачи классификации, распознавания изображений и речи, прогнозирования. На основе искусственных нейронных сетей мы создаем решения по борьбе с БПЛА.

Пример успешно завершенного проекта : разработка программно-аппаратного комплекса обнаружения, классификации и сопровождения БПЛА.

24.09.2018

Проблемы графов не имеют срока давности. Теория графов используется в компьютерных сетях, применяется в геоинформационных системах, при маршрутизации сигналов в цифровых сетях и т.д. Даже социальные сети – это воплощение графов, где каждый пользователь (или его страничка) - это вершина графа, а подписчики и друзья – его ребра. Именно поэтому нас заинтересовала статья о решении одной из проблем в области графов, перевод которой мы вам предлагаем.