close

Вход

Забыли?

вход по аккаунту

?

65 stud konf

код для вставкиСкачать
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
САНКТ­ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ
ШЕСТЬДЕСЯТ ПЯТАЯ
МЕЖДУНАРОДНАЯ СТУДЕНЧЕСКАЯ
НАУЧНАЯ
КОНФЕРЕНЦИЯ ГУАП
Часть I
ТЕХНИЧЕСКИЕ НАУКИ
Сборник докладов
16–20 апреля 2012 г.
Санкт-Петербург
2012
УДК 001
ББК 72
С28
С28
Шестьдесят пятая международная студенческая научная конференция
ГУАП: Сб. докл.: В 2 ч. Ч. I. Технические науки / СПбГУАП. СПб., 2012.
516 с.: ил.
ISBN 978-5-8088-0759-4 (ч. I)
ISBN 978-5-8088-0758-7
Представлены доклады Шестьдесят пятой международной студенческой науч­
ной конференции ГУАП, прошедшей в апреле 2012 г.
Научные работы студентов ГУАП посвящены актуальным проблемам авиацион­
ного и аэрокосмического приборостроения, проблемам развития новых информаци­
онных технологий, радиотехники, электроники и связи, современным проблемам
экономики, философии и права.
Под общей редакцией
доктора технических наук, профессора,
Заслуженного деятеля науки Российской Федерации
В. И. Хименко
Редакционная коллегия:
А. Р. Бестугин, кандидат технических наук, доцент,
В. М. Боер, доктор юридических наук, профессор,
А. С. Будагов, кандидат физико-математических наук, доцент,
К. В. Лосев, кандидат экономических наук, доцент,
Е. А. Крук, доктор технических наук, профессор,
И. А. Павлов, кандидат военных наук, доцент,
Е. Г. Семенова, доктор технических наук, профессор,
В. А. Фетисов, доктор технических наук, профессор,
Л. И. Чубраева, доктор технических наук, профессор,
А. П. Шепета, доктор технических наук, профессор
Ответственный секретарь редакционной коллегии В. Н. Соколова
ISBN 978-5-8088-0759-4 (ч. I)
ISBN 978-5-8088-0758-7
 ГОУ ВПО «Санкт-Петербургский
государственный университет
аэрокосмического приборостроения», 2012
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
АЭРОКОСМИЧЕСКИЕ
ПРИБОРЫ И СИСТЕМЫ
УДК 62-5
А. А. Алексеев – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ АСТРОНАВИГАЦИОННОЙ СИСТЕМЫ
При движении спутника по орбите, для его ориентации могут быть использованы следующие способы: ориентация по Солнцу, по Земле, по магнитному полю Земли, по звездам.
Последнюю задачу выполняют так называемые звездные датчики. Принцип работы датчика
описывается следующим образом. Свет от звезд, проходя через оптическую систему, проецируется на фоточувствительную матрицу. Данные с матрицы проходят аналого-цифровое
преобразование и поступают для обработки в вычислительный блок прибора. Задачей программной составляющей прибора является анализ последовательности кадров звездного
неба для выделения на фоне помех звезд и их дальнейший поиск в бортовом каталоге.
После нахождения звезд в бортовом каталоге система выдает положение КА в системе
координат, связанной с Землей. В работе рассматривается моделирование работы подобной астронавигационной системы.
Моделирование системы можно разделить на несколько этапов:
1) моделирование видимого изображения звездного неба;
2) обработка изображения, распознавание звездных участков и сравнение с бортовым
каталогом;
3) вычисление местоположения объекта и его ориентации в пространстве.
По значениям параметров светил, взятых из звездного каталога [1], составлена база
звезд (до четвертой звездной величины, 56 созвездий из 88) и по её значениям моделируется изображение видимого участка звездного неба. Далее происходит распознавание полученного изображения. Задачей распознавания является выделение среди светящихся точек
звезд и их дальнейший поиск по бортовому каталогу. Существуют различные методы распознавания участков неба и алгоритмы поиска звезд в бортовом каталоге [2]. Одни из них
относятся к геометрическим алгоритмам, суть которых заключается в том, что группы звезд
характеризуются различными свойствами (площадь, периметр и т. д.), составленными из
них сферических многоугольников.
Поиск в каталоге групп звезд, зафиксированных в поле зрения прибора, осуществляется, согласно этим характеристикам. Суть графовых алгоритмов заключается в поиске
3
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
изоморфного подграфа в графе, при наличии погрешности в весах ребер подграфа. Характерной особенностью графовых алгоритмов является то, что в бортовом каталоге хранятся
все взаимные угловые расстояния рабочих звезд, попадающих одновременно в поле зрения
прибора. В сеточных алгоритмах группа звезд опознается как дискретизированный образ на
декартовой системе координат. Среди всех звезд выбирается опорная звезда (pivot star)
и ближайшая к ней. Система координат плоскости анализа преобразуется таким образом,
что опорная и ближайшая к ней звезды лежат на одной оси координат. В дальнейшем анализируются только звезды, находящиеся в пределах заданного радиуса от опорной звезды.
Плоскость анализа делится на квадратные сегменты. Если на площадь сегмента попадает
проекция светящейся точки, то соответствующее сегменту значение принимается равным 1,
и 0 – в противном случае. Дальнейший анализ состоит в побитовом сравнении полученного
образа с образами, хранящимися в базе данных. Изображение представляется в виде массива значений в каждом пикселе. Вычисляются центры масс тех участков, где значения
отличны от порогового значения, которое определяет фон. Из полученных данных на
предыдущем шаге выбираются три звезды, которые формируют треугольник. Основываясь
на этих данных, происходит определение (вычисление) ориентации.
а
б
Рис. 1. а – векторно-угловой геометрический метод распознавания звезд;
б – системы координат поля зрения камеры и плоскости изображения
На рис. 1, а представлен метод, иллюстрирующий геометрический метод распознавания
звезд [3]. Векторно-угловой метод учитывает углы между двумя векторами V1 и V2, V2 и V3,
V1 и V3, которые вычисляются для каждого плоского треугольника и сохраняются в таблице
сравнений.
Для моделирования и дальнейшего исследования были выбраны геометрический векторно-угловой метод.
Заключительным этапом моделирования является определение ориентации объекта.
Для этого необходимо связать плоскость изображения и поле зрения камеры, что представлено на рис. 1, б.
Далее необходимо преобразовать полученные направляющие векторы Vк в системе координат камеры в векторы в геоцентрической инерциальной системе координат. Для этого
могут быть использованы алгоритмы Triad и Quest. Суть Triad алгоритма состоит в поиске
4
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
матрицы А, преобразующей значение координат вектора Vk, полученного на распознанном
изображении в вектор геоцентрической системы координат.
T
A = VкVeci
(1)
Для Quest алгоритма необходим поиск ортогональной матрицы Aopt, которая минимизирует функцию потерь [3]. После ее поиска, выражение для матрицы А, используя кватернион
будет выглядеть следующим образом
Q  =  0
q
 3
 q2
q 3
q2 
0

0 
q1
q1 
(2)
Выражение для А записано для кватерниона, где элементы представлены формулами (3)
q1 = e1 sin α / 2 ,
q2 = e2 sin α / 2 ,
(3)
q3 = e3 sin α / 2 ,
q4 = cos  α / 2
После моделирования были получены следующие результаты (рис. 2).
а
б
Рис. 2. а – показатель количества звезд попадающих в поле зрения камеры
при поле зрения равным 8°; б – распознанный участок звездного неба
Было произведено моделирование и исследование модели астронавигационной системы, расположенной на спутнике; применен геометрический метод идентификации звездных
конфигураций, а так же рассмотрен TRIAD алгоритм. При исследовании было показано, что
5
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
поле зрения является достаточно эффективным при значении 8°. Полученная модель астронавигационной системы может быть использована в лабораторном стенде для исследования её принципов работы и используемых в ней алгоритмов.
Библиографический список
1. Hipparcos Catalogue ftp://cdsarc.u-strasbg.fr/pub/cats/I%2F311
2. Кружилов И. С. Методы и программные средства повышения эффективности распознавания групп звезд в автономной астронавигации: Автореф. дис. к-та технических наук: 05.13.11/ Моск. энерг. ин-т (Техн. ун-т). М., 2010. 22 с.
3. Kenneth Daniel Diaz, Performance analysis of a fixed point star tracker algorithm for use onboard of a pico satellite.
Master thesis, California Polytechnic State University, San Luis Obispo, August 2006.
__________
УДК 629.7.036.001.2(082)
М. А. Баранов – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно- вычислительных комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ МЕТОДА КОМПЛЕКСНОЙ ОПТИМАЛЬНОЙ
ФИНИТНОЙ ОБРАБОТКИ НАВИГАЦИОННЫХ СИГНАЛОВ
С УЧЁТОМ НАДЁЖНОСТИ ИЗМЕРИТЕЛЕЙ
В работе исследуются комплексные оптимально-инвариантные спектрально-финитные
методы обработки навигационных сигналов. Как известно, методы обработки сигналов на
финитном интервале времени широко использовались до появления рекуррентных методов
фильтрации марковских сигналов. Эти методы являются более универсальными по отношению к виду априорных данных и устойчивыми при их изменении в процессе работы устройства в сравнении с фильтрацией Калмана.
Идеология этих методов заключается в представлении реализаций наблюдаемых сигналов на скользящем финитном интервале времени в виде частичной суммы ряда Фурье.
В качестве базиса ряда Фурье целесообразно использовать базис Карунэна-Лоэва, который
обеспечивает наилучшую сходимость ряда к исходной реализации из всех рядов Фурье
и некоррелированность коэффициентов разложения. Как известно вид базиса КарунэнаЛоэва определяется корреляционной функцией оцениваемого процесса. В работе рассматривается двухмерная модель измерения с аддитивными погрешностями в общем случае не
стационарными, нормально распределенными и коррелироваными. Предполагается, что
скалярный полезный сигнал измеряется датчиками, которые могут находиться в состояниях
безотказной работы или частичного отказа. Считается, что известны надежностные характеристики измерителей, корреляционные функции и математические ожидания погрешностей измерителей в каждом из их возможных состояний. Выбирается интервал разложения
сигнала и размерность спектра исходя из точности представления сигнала в виде спектрально-финитной модели. В качестве критерия оптимизации рассматривается средний
квадрат ошибки оценки. В работе рассматриваются несколько методов обработки информации с учетом надежности измерителей в сравнении с фильтрацией Калмана.
1. Нелинейный комплексный оптимально-инвариантный алгоритм оценки, где оптимальная оценка низкочастотной погрешности измерителя на основании теоремы Дуба опре6
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
деляется условным математическим ожиданием. Вид этой оценки определяется двойной
суммой, взятой по всем возможным состояниям измерителей комплексной системы оптимальных оценок низкочастотной погрешности при условии, что состояния измерителей известны. Элементы двойной суммы определяются произведением оптимальных нелинейных
весовых коэффициентов, зависящих от результатов измерения, на условные оптимальные
оценки низкочастотной погрешности при известных состояниях измерителей.
2. Линейный комплексный оптимально-инвариантный алгоритм оценки. Где в качестве
весовых коэффициентов частных оценок используются надежностные характеристики измерителей.
3. Минимаксный комплексный оптимально-инвариантный алгоритм оценки.
4. комплексный оптимально-инвариантный алгоритм оценки по критерию квазиэффективной точности.
5. Безынерционный комплексный оптимально-инвариантный алгоритм оценки.
Основными недостатками методов обработки сигналов на финитном интервале времени
являются большой объем запоминаемых данных и недостаточно высокая точность.
Использование спектральной модели сигналов при обработке информации на финитном
интервале времени снижает эти недостатки.
В данной работе был проведен сравнительный анализ оптимальных методов линейной
фильтрации сигналов на основе спектральной модели сигнала и фильтрации Калмана.,
определены параметры спектральной финитной фильтрации сигналов, при которых точность оценки незначительно уступает фильтрации Калмана.
Исследуется алгоритм оптимальной спектральной фильтрации сигналов с учетом
надежности измерителей. По результатам моделирования определяется область применения спектральной финитной фильтрации сигналов.
На основе моделирования указанных алгоритмов были получены следующие результаты:
– эффективность использования нелинейного алгоритма возникает при значительном
изменении математического ожидания и дисперсии ДИСС;
– использование нелинейного алгоритма позволяет осуществить идентификацию состояний измерителей без использования показаний контрольной аппаратуры;
– при выборе интервала дискретизации кроме теоремы Котельникова необходимо учитывать длительность реализации моделирования, интервал разложения входных сигналов
в ряд Фурье и точность аппроксимации сигнала;
– по точности получаемой ошибки оценки, исследуемые алгоритмы можно расположить
в след мажоритарный ряд: нелинейный, линейный, по критерию квазиэффективной точности и минимаксный.
Библиографический список
1. Тихонов В. И., Харисов В. Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио
и связь, 1991. 608 с.
2. Иванов Ю. П., Синяков А. Н., Филатов И. В. Комплексирование информационно-измерительных устройств летательных аппаратов. Л.: Машиностроение, 1984. 207 с.
3. Чернов В. Ю., Никитин В. Г., Иванов Ю. П. Надежность авиационных приборов измерительно-вычислительных
комплексов: учеб. пособие. СПб.: СПбГУАП, 2004. 96 с.
4. Иванов Ю. П., Никитин В. Г. Информационно-статистическая теория измерений: учеб. пособие. СПб.: СПбГУАП,
2011. 104 с.
__________
7
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 004.35
П. С. Захаров – магистрант кафедры компьютерного проектирования аэрокосмических измерительно-вычислительных комплексов
Н. Г. Шибаловский – начальник лаборатории НИИ ВС «Спектр», научный руководитель
В. Я. Мамаев (канд. техн. наук, доц.) – научный консультант
РАЗРАБОТКА И ИССЛЕДОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ОБЗОРОМ
В КАБИНЕ ВИРТУАЛЬНОГО САМОЛЕТА
Современные авиационные тренажеры требуют дорогостоящего оборудования для передачи пользователю возможности одновременно наблюдать приборную панель и окружающее пространство виртуального самолета. Предлагается использовать обыкновенный
монитор компьютера и специальную систему, которая даст возможность пользователю
иметь интуитивно понятный интерфейс, управления обзором в кабине виртуального самолета, что сделает такую систему более доступной для малобюджетных тренажеров, эмуляторов системы целеуказания и систем регистрации распределения внимания на приборах
летательного аппарата. В данной работе выполнено построение данной системы и проведено исследование ее быстродействия и выходной погрешности системы.
Для реализации данной системы подойдет оптико-телевизионная система позиционирования, состоящая из цифровой видеокамеры, регистрирующей перемещение трех световых
реперов с известным взаимным расположением, закрепленных на специальном держателе,
на голове пользователя системы.
Цифровая видеокамера регистрирует перемещение трех световых реперов и передает полученные данные в компьютер для специальной программы, которая выполняет
функцию фильтрации получаемого кадра изображения, его последующую интерполяцию,
определение двумерных координат световых реперов и на основе их двумерных координат вычисляет трехмерное положение реперов в пространстве относительно цифровой
видеокамеры. Трехмерные координаты позволяют определить пространственное положение головы пользователя относительно монитора, включая углы поворота головы пользователя системы. Полученные координаты и углы передаются программе авиационного
тренажера (АТ), которая формирует на экране монитора изображение нужной части кабины виртуального самолета в зависимости от расположения головы пользователя относительно монитора АТ.
Фильтрация получаемого изображения необходима для компенсации помех цифровой видеокамеры. Для этого используется простой алгоритм двумерного сглаживания
Гаусса [1].
(1)
Минусом фильтрации помех на изображении является сглаживание максимума светового репера, что приводит к снижению точности определения координат центра светового
репера, но позволяет избежать серьезных ошибок определения двумерных координат реперов из-за помех видеоматриц.
8
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Метод «Центра массы» [2] позволяет определить субпиксельные координаты центра
светового репера. Данный метод существенно позволяет повысить точность системы
в целом.
(2)
,
где Uij – яркость ячейки ij координат изображения
Несколько более точные измерения координат обеспечивают методы аппроксимации
изображений световых реперов аналитическими функциями. Наиболее подходящей аналитической функцией описывающей распределения яркости изображения светового репера
является распределение Гаусса [2].
(3)
,
где r – расстояние от центра изображения, a, b – параметры, определяющие вид функции.
Для определения трехмерного пространственного положения световых реперов относительно видеокамеры используется алгоритм “P3P”. Иллюстрация алгоритма приведена на рис. 1.
Рис. 1. Иллюстрация принципа работы алгоритма P3P
Исходя из анализа рисунка, можно составить систему уравнений [3]:
2
2
2
d mn || am qm  an qn ||  am  2am an (q m q n )  an ,
a1  2a1a2 (q1 q2 )  a22  d122  0

2
2
a2  2a2 a3 (q2 q3 )  a3  d 23  0

2
2
a1  2a1a3 (q1 q3 )  a3  d13  0
(4)
9
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Для данной системы уравнений требуется знать расстояния между световыми реперами
d1,2, d2,3 и d1,3 (которые заранее известны с заданной точностью). Для решения данной системы
уравнений может быть использован метод оптимизации Гаусса или метод Гаусса–Зейделя [4].
Используя предыдущее положение световых реперов (l1 l2 l3) и вновь полученное (r1 r2 r3)
можно воспользоваться методом Хорна [5] для определения пространственного смещения и
поворота головы пользователя относительно цифровой видеокамеры [R | t]. Иллюстрация
принципа работы алгоритма Хорна приведена на рис. 2.
Рис. 2. Иллюстрация принципа работы алгоритма Хорна
Реализации алгоритма Хорна:
xˆ 2 
yˆ 2 
r2  r1
r2  r1
,
( r3  r1 )  (( r3  r1 ) xˆ 2 ) xˆ 2
| ( r3  r1 )  (( r3  r1 ) xˆ 2 ) xˆ 2 |
,
xˆ1 
yˆ1 
zˆ2  xˆ 2  yˆ 2 ,
M 2  [ xˆ 2 yˆ 2 zˆ2 ],
l 2  l1
l 2  l1
,
(l 3  l1 )  ((l 3  l1 ) xˆ1 ) xˆ1
| (l 3  l1 )  ((l 3  l1 ) xˆ1 ) xˆ1 |
,
(5)
zˆ1  xˆ1  yˆ1 ,
T
R  M 2 M1 ,
M1  [ xˆ1 yˆ1 zˆ1 ].
Смещение найдем вычитанием центройдов:
t  Cl  Cr ,
1
Cl  ( l1  l 2  l 3 ),
3
1
Cr  (r1  r2  r3 ).
3
10
(6)
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Воспользовавшись методом Радригеса [6], определим углы вращения:
. (7)
На основании данных алгоритмов была построена математическая модель системы.
Было проведено исследование ее погрешности и быстродействия, от изменения алгоритмов
и параметров работы системы.
Проведены следующие исследования:
– произведен анализ влияния разных типов фильтрации изображения на выходную погрешность системы и ее быстродействие (удаление малых компонент, усредняющий
фильтр, фильтр Гаусса);
– проанализировано влияние разных видов алгоритмов интерполяции и влияния разрешения видеоматрицы на выходную погрешность системы и ее быстродействие;
– исследованы алгоритмы решения системы алгебраических уравнений и влияния
погрешностей коэффициентов на выходную погрешность системы (метод Гаусса, метод
Гаусса–Зейделя);
– проведен анализ алгоритма определения пространственного поворота на выходную
погрешность системы и ее быстродействие.
Исходя из проведенных исследований, были выбраны алгоритмы и параметры системы,
которые обеспечивают минимальную погрешность системы.
В результате проделанной работы получена система, позволяющая пользователю получить на экране монитора возможность интуитивно понятного интерфейса управления
направлением взгляда в кабине виртуального самолета авиационного тренажера, а также
имеется возможность создать эмуляцию системы целеуказания и построить систему регистрации распределения внимания на приборах летательного аппарата.
Библиографический список
1. Шапиро Л., Стокман Дж. Компьютерное зрение. Бином, 2006. 238 с.
2. Гусева И. С. Небесные и земные координаты. СПб.: СПБГУ, 2011. 222 с.
3. Дэвид Форсайт, Жан Понс. Компьютерное зрение. М., 2004. 561 с.
4. Мак-Кракен Д., Дорн У. Численные методы и программирования на Фортране. МИР, 1969. 290 с.
5. Horn B. K. P. Robot Vision. Cambridge. MA: MIT Press, 1989. 254 с.
6. Johan E. Mebius. Derivation of the Euler-Rodrigues formula for three-dimensional rotations. arXiv General Mathematics.
2007. 128 с.
7. Сиргиенко А. Б. Цифровая обработка сигналов. СПб.: Питер, 2002.
8. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. Ай-Эс-Эс Пресс, 2009.
9. Федосеев В. Оптико-электронные приборы ориентации и навигации космических аппаратов. М., 2007.
__________
11
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.054.07
С. А. Клёчкин – студент кафедры компьютерного проектирования аэрокосмических измерительно- вычислительных комплексов
П. С. Виноградов – зам. начальника НИО-А ФГУП ОКБ «Электроавтоматика», научный
руководитель
СИСТЕМА ОТОБРАЖЕНИЯ ИНФОРМАЦИИ
КОРРЕЛЯЦИОННО-ЭКСТРЕМАЛЬНОЙ НАВИГАЦИОННОЙ СИСТЕМЫ
Дождь, снег и туман на взлетно-посадочной полосе всегда являются большой неприятностью для пилотов. Шанс попасть в авиакатастрофу увеличивается при заходе на посадку
в плохих погодных условиях. Виртуальные подсказки, ориентиры и указатели позволят пилотам замечательно ориентироваться при заходе на посадку даже в чрезвычайно плохих
погодных условиях.
Система отображения информации внекабинной обстановки предназначена давать визуальные подсказки, ориентиры и указатели пилоту в плохих погодных условиях.
Возможности системы:
– отображение рельефа местности;
– дополненная реальность (наложение на реальное изображение объектов и ориентиров);
– отображение: текущего местоположения, скорость, высота и др.
Рис. 1. Пример реализации системы
Блок текущего изображения
(РЛС + оптич.)
Корреляционноэкстремальная
навигационная система
Графический модуль
(Построение объёмного
изображение )
База данных (эталонное
изображение)
База данных
(Готовые примитивы)
Рис. 2. Структурная схема системы
12
Система нашлемного
целеуказания
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Опишем назначение блоков структурной схемы системы.
Блок текущего изображения формирует изображение местности текущего положения
летательного аппарата для корреляционно-экстремальной навигационной системы, посредством радиолокационной и оптической системы.
База данных эталонного изображения содержит изображения участков местности, созданных ранее, для сопоставления и вычисления координат в корреляционно-экстремальной
навигационной системе.
Корреляционно-экстремальными системами называются системы, использующие принцип взаимной корреляции эталонного изображения (ЭИ) и текущего изображения (ТИ).
Сравнение ЭИ и ТИ производится с помощью взаимной корреляционной функции, которая
принимает экстремальное значение при совпадении положений этих изображений [1].
Графический модуль обеспечивает вывод информации дополненной реальности на
нашлемную систему целеуказания.
База данных готовых примитивов содержит простые блоки объёмных моделей дополненной реальности.
Всепогодность и круглосуточность помехоустойчивого наблюдения достигается:
– одновременно использованием РЛС и оптического диапазона;
– диаграмма РЛС направлена «вперёд-вниз»;
– использование РЛС с синтезированной апертурой (РСА);
– голографические РЛС (РСА + фаза).
Устойчивые признаки изображения:
– интенсивность (либо контраст) элемента;
– геометрические линии, контур различных участков изображения;
– «точка».
Рис. 3. Выделение признаков на изображении РЛС и оптической системы
13
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Перед выявлением общих признаков изображений, дифференцируют их (обвести контуры и точки), а затем ограничить «снизу» их по уровню (убрать слабоконтрастные детали).
Степень устойчивости характерных признаков [2]:
c
d ij 
nij
c
p
o
nij  nij  nij
c
где nij – количествово объектов i типа на j радиолокационном изображении, для которых
p
o
найдены соответствующие объекты на j оптическом изображении; nij , nij – количество
объектов i типа на j радиолокационном и оптическом изображениях для которых не найдены
соответствующие объекты на j изображениях.
Таблица 1
Степень устойчивости характерных признаков
Основной признак
Степень
устойчивости
дорога; полет параллельно дороге
форма
0,9
дорога; полет параллельно дороге
форма
0,6
дорога с лесопосадкой
форма
0,95
граница «суша-вода», водоем
форма
0,92
граница «лес-поле»
форма, текстура
0,82
овраг
форма, текстура
0,54
Объект
железная дорога
форма
0,9
населенный пункт, промзона
форма, текстура
0,93
граница поля с лесопосадкой
форма
0,4
форма, текстура
0,24–0,26
форма
0,61–0,7
форма, текстура
0,6–0,7
граница поля и пашни
взлетно-посадочная полоса
сильно пересеченная местность
В статье был рассмотрен принцип построение системы отображения информации внекабинной обстановки. В частности рассмотрен блок корреляционно-экстремальной навигационной системы. В котором использованы датчики различной физической природы (РЛС и
оптические), что позволяет обеспечить круглосуточное и всепогодное наблюдение и универсальность работы в части применения изображений местности, полученных в различных
диапазонах электромагнитных колебаний.
Библиографический список
1. Красовский А. А., Белоглазов И. Н., Чигин Г. П. Теория корреляционно-экстремальных навигационных систем.
М.: Наука, 1979.
2. Реутов А. П. Радиолокационные станции бокового обзора. М.: Соврадио, 1970.
__________
14
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 62-1
К. А. Корольков – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
В. Г. Никитин (канд. техн. наук, доц.) – научный руководитель
СИСТЕМА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ЭКИПАЖА
ПРИ ПРЕКРАЩЕНИИ ВЗЛЕТА В СЛУЧАЕ ОТКАЗА ОБОРУДОВАНИЯ
Целью работы является создание системы, помогающей пилоту в принятии решения
о продолжении или прекращении взлета.
Прерванный взлёт – процедура, применяемая в аварийных ситуациях во время взлёта,
при которой воздушное судно вынужденно прерывает разбег и аварийно останавливается.
Необходимость в прерванном взлёте может возникнуть в силу различных причин: полный
или частичный отказ одного или нескольких двигателей, помеха на ВПП, пожар на борту,
техническая неисправность и т. п.
Основными сложностями выполнения прерванного взлёта являются:
– большая масса самолёта;
– дефицит времени для оценки ситуации и принятия решения;
– неполная длина ВПП для торможения, невозможность ухода на второй круг;
– большая нагрузка на тормозную систему из-за значительного веса и малой тормозной
дистанции;
– при отказе одного или нескольких двигателей, полная или частичная невозможность
использования реверса.
При возникновении нештатной ситуации пилот располагает крайне ограниченным временным интервалом, не более 3-х секунд. При возникновении такого события на высокой
скорости, близкой к скорости V1 времени на реакцию пилота может не хватить, и прерывание взлета произойдет на скорости больше V1, после которой нет гарантий в безопасной
остановке ВС в пределах ВПП.
Система состоит из четырех блоков – блока входных данных, блока неисправностей (БН),
блока расчета торможения (БРТ) и блока выдачи информации на лобовое стекло (ИЛС).
Рис. 1. Блок-схема системы
15
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В блок входных данных поступают два вида данных – данные о параметрах самолета от
приборов самолета (температура наружного воздуха, обороты двигателя, длина ВПП)
и данные вводимые экипажем перед взлетом (давление воздуха, масса самолета, коэффициенте сцепления, скорость принятия решения V1). В БН стекается информация от бортовых систем самолета о неисправностях и отказах оборудования. При наличии неисправности, влияющей на возможности торможения самолета, эта информация поступает в БРТ.
В БРТ торможения непрерывно поступает информация от блока входных данных и информация от БН. На основе поступающих данных непрерывно, в режиме реального времени
рассчитывается потребная дистанция для немедленного торможения и остановки самолета.
Экипажу на указатель ИЛС выводится информация о скорости ВС, оборотах двигателя,
и, графически – дистанция, в пределах которой возможно начать торможение с гарантированно безопасным исходом.
При возникновении отказа в системах или оборудовании самолета, информация о нём
поступает в БН. Если данный отказ может повлиять на безопасность продолжения взлета,
выдается предупреждающий сигнал экипажу на указатель ИЛС. Если неисправность может
повлиять на возможность торможения ВС (отказ тормозной системы, отказ двигателя, и как
следствие невозможность использования одного реверса), информация о ней так же поступает в БРТ. Исходя из данных с учетом отказа, БРТ пересчитывает значение длины тормозной дистанции, и выдает его экипажу на указатель ИЛС.
После взлета система отключается.
Библиографический список
1. Котик М. Г. Динамика взлета и посадки самолетов. М.: Машиностроение, 1984. 256 с.
2. Воробьев В. Г., Зубков Б. В., Уриновский Б. Д. Технические средства и методы обеспечения безопасности полетов. М.: Транспорт, 1989. 151 с.
3. Ерусалимский М., статья «Анализ принятия решения о прекращении или продолжении взлета в авиационных
происшествиях и инцидентах». http://www.aex.ru/docs/4/2011/11/7/1447/
__________
УДК 681.5
Е. В. Панфилов – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
Р. Н. Малаханов (канд. техн. наук, доц.) – научный руководитель
СРАВНЕНИЕ СТЕПЕННОГО НЕЛИНЕЙНОГО
И НЕЧЕТКОГО ЛОГИЧЕСКОГО ПД-РЕГУЛЯТОРОВ
В ЗАДАЧЕ УПРАВЛЕНИЯ ВЫСОТОЙ ПОЛЕТА САМОЛЕТА
Перед автором была поставлена задача произвести синтез нелинейного степенного
и нечеткого регуляторов для управления высотой полета самолета и сравнить их. Критерием сравнения является время переходного процесса; перерегулирование должно быть не
более 2%, статическая ошибка должна отсутствовать.
В задаче управления высотой ЛА на вход регулятора будут поступать действительное
и желательное значения высоты (Hзад), а на выходе регулятора будем получать угол отклонения рулей высоты ЛА.
16
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В качестве режима полета выбран подъем с высоты Hнач = 4000 м до Hзад = 4100 м
с числом М = 0.65. Коэффициенты для данного режима для легкого самолета приведены
в табл. 1.
Таблица 1
nB
n22
n32
n33
n0
C1
C2
24,5
2,66
10,63
1,69
0,59
4,94
15,13
Модель самолета представлена в виде передаточных функций углов тангажа и атаки по
углу отклонения руля высоты (Равенства (1), (2) соответственно).
υ
δB
=
α
δB
nB  p + n22 

2
p p + C1p + C2
=

nB
2
p + C1p + C2
(1)
(2)
Зная (1) и (2), на основании формулы (3) можно получить выражение для передаточной
функции угла наклона траектории по углу отклонения руля высоты.
 =υ +α
(3)
Принимая скорость ЛА во время переходного режима постоянной, окончательно составим модель ЛА для данной задачи.
Рис. 1. Модель объекта регулирования в Simulink
Прежде всего, для модели с помощью диаграммы Боде был синтезирован классический
линейный ПД-регулятор. Его коэффициенты в дальнейшем были использованы при инициализации исследуемых регуляторов.
Настройка регуляторов производилась методом численной оптимизации параметров
с использованием генетических алгоритмов. Данный метод успешно проявил себя в задачах
глобальной оптимизации.
17
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Критерием оптимизации выбран взвешенный интегральный критерий в виде:
ITE =  t e  t  dt ,
M
N
(4)
где N, M – целочисленные коэффициенты, отличные от 1 (N = M = 2).
Степенной нелинейный ПД-регулятор описывается формулой:

U  s  = E  s  K P +  e  t 
K
X
K D sign  e  t   s

(5)
Для улучшения параметров переходного процесса дифференциальная составляющая
возводится в степень. Был настроен ряд данных нелинейных регуляторов с различными
значениями Kx (табл. 2).
Таблица 2
Kx
0.8
0.9
1 (линейный)
1.1
1.2
t_пп
2.5c
2.42c
2.7c
2.31c
2.42c
Изменение Kx достаточно сложно влияет на динамику системы. Тем не менее, наилучший
переходный процесс проявляется при Kx = 1.1, что, отчасти, совпадает с результатами в [4].
Следующим шагом, были синтезированы нечеткие регуляторы с количеством термов
для входных и выходной переменных 3-3-5 и 5-5-7. Функции принадлежности гауссовские.
Правила представлены в табл. 3 и 4:
Правила для регулятора 3-3-5
d e rror
om
n
pm
om
os
om
n
e rror
n
om
n
pm
Таблица 3
pm
n
pm
ps
Таблица 4
Правила для регулятора 3-3-5
ob
om
n
pm
pb
d e rror
ob
ob
ob
os
om
n
om
ob
os
om
n
pm
e rror
n
os
om
n
pm
os
pm
om
n
pm
os
pb
pb
n
pm
os
pb
pb
Время переходного процесса для систем с указанными регуляторами
18
р-р
3-3-5
5-5-7
t_пп
2.24с
2.03с
Таблица 5
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Графики переходных процессов системы с синтезированными регуляторами приведены
на рис. 2 и 3.
Рис. 2. Переходные характеристики для степенных регуляторов
Рис. 3. Переходные характеристики для нечетких регуляторов
По проведенной работе можно сделать следующие выводы:
– использование приведенных нелинейных регуляторов вместо классического ПД позволяет уменьшить время переходного процесса на величину до 30%;
– нечеткий регулятор (3-3-5) исследованной структуры может быть заменен нелинейным
степеннным без потерь качества;
– наилучшим среди представленных является нечеткий регулятор (5-5-7).
Библиографический список
1. Боднер В. А., Козлов М. С. Стабилизация летательных аппаратов и автопилоты. М.: Оборонгиз, 1961. 508 с.
2. Рутковская М., Плинский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линния –
Телеком, 2007. 452 с.
__________
19
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.018.3
Г. А. Подшивалов – студент кафедры компьютерного проектирования аэрокосмических
приборов и измерительно-вычислительных комплексов
А. П. Ласточкин – научный руководитель
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПОДГОТОВКИ ЛЁТНОГО СОСТАВА
НА ОСНОВЕ ПРИМЕНЕНИЯ КОМПЬЮТЕРНЫХ ПРОЦЕДУРНЫХ ТРЕНАЖЁРОВ
Прогресс гражданской авиации в целом, требует разработки и внедрения новых эффективных мер в область обучения экипажей, практического повышения профессионального
мастерства [1]. В современных условиях организация обучения должна быть безопасной
и экономичной, а значит эффективной. Для обеспечения этих условий наиболее целесообразно в процессе использовать авиационные тренажеры.
Процесс подготовки летного состава можно описать схемой, представленной на рис. 1 [1].
Профессиональный
отбор
Изучение теоретических
кусов, РЛЭ и
наставлений
Использование аудиовизуальных
средств, аппаратуры
программированного обучения и ЭВМ
Тренировки на
тренажерах
(ПАТ, САТ, КАТ)
Полеты на
учебнотренировочных
ЛА
Завершающие
полеты на основных
ЛА
Формирование
комплекса
знаний и навыков
и умений
Достижение
высокого
профессионального
уровня
Рис. 1. Процесс подготовки летного состава
При этом необходимо отметить, что этапы подготовки летного состава не являются независимыми, а должны проводиться в строгой последовательности. Так, например, отработка навыков точного управления оборудованием и его эксплуатации должна производиться
только после того, как курсанты хорошо запомнят расположение этого оборудования, его
назначение, особенности, как и в какой последовательности с ним нужно обращаться.
Также стоит отметить, что для успешного освоения необходимых знаний, умений
и навыков необходимо обеспечить неразрывность процесса обучения [2]. В частности, при
переходе от изучения теоретических курсов к тренировкам на тренажерах, у обучаемого
могут возникнуть определенные затруднения, связанные со сменой обстановки обучения,
изменением порядка его проведения. Эти факторы могут негативно сказаться на времени
20
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
обучения (курсанту потребуется длительное время, чтобы ознакомиться с неизвестной ему
ранее средой), а значит и на его экономичности. Также, при недостатке знаний устройства
и принципов работы некоторых систем АТ, обучаемый не сможет полностью освоить все
операции необходимые на данном этапе обучения, ввиду отсутствия понимания выполняемых им функций. Таким образом, между этапами обучения должна существовать определенная связка, которая позволила бы эффективно использовать знания, полученные на
предыдущем этапе для перехода на новый этап обучения.
Покажем способ реализации неразрывного обучения оператора навигатора на примере
решения задачи «Расчет элементов разворота».
Алгоритм решения данной задачи представлен на рис. 2.
Входные данные:
1) Линия упрежденного разворота
2) Угол разворота
3) Истинная воздушная скорость
Расчет радиуса
разворота
Расчет
воздушной
скорости
Расчет
времени
разворота
Сообщение самолету
рассчитанный угол
крена и включение
секундомера одновременно
Выполнение
разворота
По истечении
рассчитанного времени
возврат самолета в
начальное положение
Рис. 2 Алгоритм решения задачи «Расчет элементов разворота»
При этом в качестве инструментов решения задачи могут выступать навигационная линейка, калькулятор и другие средства программного обучения.
На этапе тренажерной подготовки оператор-навигатор выполняет разворот, воздействуя
на некоторые органы управления АТ, при этом результат своих действий отслеживает по
индикаторам, расположенным на рабочем месте обучаемого.
Для примера, перечислим, какие приборы задействованы при выполнении разворота на
специальном навигационном тренажере штурмана «РЕФРЕН-Н»: указатель штурмана, вариометр, комбинированный указатель скорости, баровысотомер, авиационные часы самолета, авиагоризонт.
Алгоритм выполнения разворота при занятии на СНТШ РЕФРЕН-Н представлен на рис. 3.
Неподготовленный курсант потратит длительное время на изучение месторасположения
приборов на СНТШ РЕФРЕН-Н их шкал, реакции и способов воздействия на них, что означает неэффективное применение тренажера на этом этапе обучения.
Для решения данной проблемы необходимо уже в процессе теоретического обучения познакомить обучаемого с оборудованием, дать ему возможность отработать воздействие на
элементы управления, изучить градуировку приборов и научить считывать показания индикаторов. Средство, с помощью которого можно решить поставленные задачи должно быть легкодоступным и простым в обращении, для того, чтобы освоение дисциплины на данном этапе
21
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
могли проходить как можно большее число курсантов. В свою очередь, рост числа обучаемых,
как правило, провоцирует потребность роста числа инструкторов, привлеченных к преподаванию на текущем этапе. Для того чтобы этого избежать необходимо предоставить пользователям средство обучения, позволяющее осваивать учебный материал самостоятельно, снабдив
его всеми необходимыми инструкциями и разработав удобный интерфейс пользователя.
1) Проверка начального курса по УШ
2) Проверка истинной воздушной скорости по КУС
3)Проверка высоты и вертикальной скорости
1
1) Задание Угла Крена на ПУДП
2) Запуск секундомера
2
1) Контроль угла крена по АГД
2) Контроль времени разворота по секундомеру
3
По истечении расчетного времени
1) Остановка секундомера
2) Выход из крена ПУДП
4
Проверка конечного курса
Рис. 3. Алгоритм выполнения разворота на СНТШ РЕФРЕН-Н
В качестве такого средства обучения предлагается использовать компьютерный процедурный тренажер (КПТ) на базе OpenEaagles.
OpenEaagles – это каркас для построения имитационных приложений, в частности, заточенный под построение авиационных симуляторов, он состоит из набора библиотек,
написанных на языке С++ и является свободным программным обеспечением [3].
Строение КПТ может быть представлено в виде схемы на рис. 4.
Текстуры,
шрифты
Файл
аэродинамических
моделей
NanoFlightSim.exe
Создание объектов
Конфигурационный
файл (*.edl)
Конфигурационный
файл (*.lua)
Рис. 4. Работа программы имитации
Центральным элементом КПТ является компактный авиасимулятор NanoFlightSim
(NFS), который использует основные возможности OpenEaagles, и позволяет имитировать
полет на выбранном типе самолета. При запуске авиасимулятора для создания имитационного окружения NFS использует конфигурационные файлы СPT.edl и СPT.lua. При запуске
исполняемого файла считывается структура симуляции из файла СPT.edl и создается набор
динамических объектов, которые используют внешние ресурсы, такие как файлы аэродина22
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
мических моделей, текстуры, шрифты и т. п. Затем инициализируется основное окно приложения и начинается имитация.
Оговорим подробнее, что особенности конфигурационных файлов.
Для того чтобы приложение было более модульным и настраиваемым, разработчики
OpenEaagles используют свой собственный язык описания настроек, он называется EDL
(Eaagles Discription Language). Все построение системы отображения информации можно осуществлять на нем, а затем подключить к программе имитации. Конфигурационный файл *.edl
представляет собой совокупность компонентов, обладающих определенными свойствами,
причем некоторые компоненты могут быть частью другого объекта более высокого порядка.
По сути, весь файл состоит из описания различных объектов и их свойств. Однако, для построения системы отображения информации, в частности для построения имитаторов индикаторов,
необходимо обрабатывать воздействие пользователя на имитаторы органов управления. Язык
EDL не предусматривает наличие каких-либо математических выражений в самом *.edl файле.
Поэтому, в нем используется специальный компонент «LUAsistem», который принимает сигнал
от имитатора органа управления о его состоянии, выполняет все математические преобразования, описанные в предназначенном для этого файле *.lua, и выдает результат этого преобразования. Этот файл написан на интерпретируемом языке программирования LUA [4].
Таким образом, после выполнения необходимых расчетов, пользователь сможет сначала отработать методику выполнения разворота на КПТ, а затем выполнить задачу и на
СНТШ РЕФРЕН-Н. Так как все необходимые для выполнения разворота приборы дублированы на КПТ и СНТШ РЕФРЕН-Н, обучаемый сможет быстро приспособиться к неизвестному ему ранее рабочему месту обучаемого, тем самым уменьшив время использование более дорогостоящего в плане изготовления и эксплуатации тренажера.
К достоинствам КПТ можно отнести:
– модульность и расширяемость;
– кроссплатформенность;
– простоту в обслуживании и эксплуатации;
– использование свободно-распространяемого программного обеспечения;
– возможность использоваться в научных исследованиях для изучения взаимодействия
авиационного тренажера и человека-оператора.
Выводы:
1. Разработан программное средство обучения, устраняющее разрыв между этапом
теоретического обучения и тренажерной подготовке по решению конкретной задачи – «Выполнение разворота самолета и перехода на новый этап маршрута».
2. Создан некоторый инструментарий и подготовлены описания по созданию множества подобных компьютерных процедурных тренажеров, предназначенных для решения иных задач.
3. Созданный КПТ открывает путь к исследованию вопросов обучаемости летного состава. Собранные материалы по этому исследованию могут стать основой для создания
более совершенных обучающих систем.
Библиографический список
1. Меерович Г. Ш., Годунов А. И., Ермолов О. К. Авиационные тренажеры и безопасность полетов М.: Воздушный
транспорт, 1991. 342 с.
2. Красовский А. А. Основы теории авиационных тренажеров. М.: Машиностроение, 1995. 303 с.
3. http://openeaagles.org
4. http://www.lua.ru/
___________
23
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 629.7.036.001.2(082)
Е. В. Приходько – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
ИССЛЕДОВАНИЕ СПЕКТРАЛЬНОГО МЕТОДА ОЦЕНКИ
АПОСТЕРИОРНОЙ ДОСТОВЕРНОСТИ ПРОГНОЗА
НЕДОСТИЖЕНИЯ НАВИГАЦИОННЫМИ СИГНАЛАМИ ДОПУСТИМЫХ ГРАНИЦ
В работе рассматривается спектральный метод оценки достоверности невыхода навигационных параметров за пределы поля допуска на финитном интервале времени в случае,
когда известны законы распределения навигационных параметров. Традиционные методы
нахождения достоверности недостижения случайным процессом заданных границ на выбранном интервале времени на основе решения уравнений Фоккера-Планка-Колмогорова
и Стратоновича-Кушнера обладают рядом недостатков. К наиболее существенным недостаткам можно отнести то, что для получения аналитических решений поставленных задач
предъявляются жёсткие требования к граничным условиям и виду случайных процессов,
решения получается в виде плохо сходящегося ряда с коррелированными коэффициентами
и отсутствует оценка точности полученных результатов [1].
На основе спектрального метода решается задача нахождения априорной и апостериорной достоверностей прогноза. Знание апостериорной достоверности позволяет прогнозировать возникновение опасной навигационной ситуации и предпринять соответствующие
меры по повышению безопасности полёта летательного аппарата [2]. Использование интервальных оценок достоверностей значительно упрощает методы их нахождения и расширяет
область решаемых задач. В данной работе исследуется метод оценки апостериорной достоверности прогноза недостижения навигационным параметром допустимых границ на
выбранном интервале времени на основании полученных результатов его измерений.
В работе исследуются линейная модель с аддитивной погрешностью измерения навигационного параметра. Предполагается, что полезный сигнал и погрешность измерения не
зависят между собой. Математическими моделями сигнала и помехи являются случайные
стационарные процессы, описанные нормальными законами распределения. Решение задачи осуществляется в условии полной априорной определенности.
Основная идея метода состоит в замене с оцениваемой точностью приближения случайного процесса, являющегося моделью навигационного сигнала, квазидетерминированным процессом на основе использования частичной суммы разложения по ортогональному
базису, в частности, ряда Карунена-Лоэва и замены области допустимых значений для случайного процесса соответствующей областью допустимых значений для коэффициентов
ряда представления сигнала. Оценка достоверности невыхода рассматриваемого навигационного процесса определяется вероятностью недостижения коэффициентами спектрального разложения стационарного случайного процесса допустимой области [3].
На основании рассматриваемой модели измерения определяется апостериорная плотность вероятности коэффициентов разложения Карунена-Лоэва и оценивается достоверность прогноза [4].
24
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В работе проводится сравнительный анализ оценок достоверности прогноза невыхода
навигационного параметра за пределы поля допуска на выбранном интервале времени на
основе проведенного моделирования решаемой задачи относительно классического и спектрального описания рассматриваемого случайного процесса и на основе теоретических
расчетов.
По результатам моделирования определены области использования спектрального
подхода поставленной задачи и намечены пути дальнейшего исследования.
Таким образом, для решения поставленной задачи отпадает необходимость решения
уравнений Фоккера-Планка-Колмогорова и Стратоновича для заданных начальных и граничных условий, аналитические решения которых во многих случаях найти не удаётся.
На основе указанного подхода можно решать следующие задачи:
– повышения безопасности полёта летательного аппарата (Л.А.) на основе высоко достоверного априорного и апостериорного прогнозирования его координат на выбранном
интервале времени;
– автоматизации работы диспетчера при управлении полётами Л.А.;
– мониторинга и прогнозирования геофизических, метеорологических, радиоактивных
и других опасных явлений в выбранных местах;
– обеспечения и контроля качества технологических процессов;
– обеспечения непрерывного автоматического контроля за состоянием пациента
в больнице;
– контроля за финансовыми процессами с целью повышения безопасности работы банков.
Достоинства данного метода заключаются в следующем:
– осуществляется оценка как априорной, так и апостериорной достоверностей прогноза невыхода за пределы поля допуска на выбранном интервале времени исследуемых
сигналов;
– упрощается решение задачи по сравнению с классическими методами;
– решается задача как в случае нестационарности рассматриваемых процессов так
и в случае переменных границ полей допусков;
– унифицируется решение задачи для широкого ряда корреляционных функций случайных процессов, на основе базиса Карунена-Лоэва для скалярного марковского стандартного
случайного процесса.
1.
2.
3.
4.
Библиографический список
Тихонов В. И., Харисов В. Н. Статистический анализ и синтез радиотехнических устройств и систем: Учебное
пособие вузов. М.: Радио и связь, 1991. 608 с.
Иванов Ю. П., Бирюков Б. Л. Информационно-статистическая теория измерений. Модели сигналов и анализ
точности систем: учеб. пособие. СПб.: СПбГУАП, 2008. 160 с.
Френкс К. Л. Теория сигналов. М.: Cоветское Радио,1974. 343 с.
Чернов В. Ю., Никитин В. Г., Иванов Ю. П. Надежность авиационных приборов и измерительно-вычислительных
комплексов: учеб. пособие. СПб.: СПбГУАП, 2004. 96 с..
___________
25
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
УДК 681.5.01
А. А. Степанова – магистрант кафедры компьютерного проектирования аэрокосмических
измерительно-вычислительных комплексов
В. Я. Мамаев (канд. техн. наук, доц.) – научный руководитель
АДАПТИВНАЯ ОБУЧАЮЩАЯ СИСТЕМА
Любая обучающая система имеет свои недостатки. Адаптивная обучающая система
подстраивается под обучаемого, что позволяет наиболее полно оценить его знания. Эта
статья представляет обзор методов и форм адаптации.
Адаптивное обучение представляет собой технологическую педагогическую систему
форм и методов, способствующих эффективному индивидуальному обучению. Эта система
учитывает уровень и структуру начальной подготовленности, оперативно отслеживает результаты текущей подготовки, что позволяет рационально подбирать задания и упражнения
для дальнейшего быстрого продвижения.
Недостаточная информированность о реальном уровне знаний учеников и естественные различия в их способностях усвоить предлагаемые знания стали главной причиной
появления адаптивных систем, основанных на принципе индивидуализации обучения.
Это принцип не мог быть реализован сколько-нибудь эффективным образом в условиях
традиционных классно-урочных форм занятий. В современном варианте адаптивные
формы появились недавно, как результат взаимосвязи трёх прогрессивных тенденций:
компьютеризации образования, возрастание роли аутодидактики и развития теории педагогических измерений. Компьютеризация образования позволяет уменьшить затраты
живого труда преподавателей и преобразовать их из урокодателя в технолога учебного
процесса.
Целесообразность адаптивного контроля вытекает из соображений рационализации
традиционного тестирования. Подготовленному учащемуся нет необходимости давать лёгкие задания, потому что высока вероятность их правильного решения. Лёгкие материалы не
обладают заметным развивающим потенциалом, в то время как трудные задания у большинства учащихся снижают учебную мотивацию. Симметрично, из-за высокой вероятности
неправильного решения нет смысла давать трудные задания слабому учащемуся. Адаптивное обучение позволяет обеспечить выдачу учебных заданий на оптимальном, примерно
50%-ом, уровне трудности [1].
Управление обучением определяется самой обучающей системой на основании результатов обучения. Обучающая система состоит из четырех основных элементов (рис. 1):
– системы формирования задания;
– системы диагностики;
– системы модели обучения;
– решателя проблем.
Система формирования задания представляет собой совокупность базы данных с заданиями и подпрограммы, формирующей или выбирающей задание из базы.
Система диагностики предназначена для контроля знаний обучаемого. Она осуществляет ввод ответа, сравнивает его с правильным ответом и принимает решение о правильности выполнения задачи.
26
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Рис. 1. Схема адаптивной обучающей системы
Система модели обучения предназначена для формирования последовательности обучения. Принимает информацию о результатах обучения и принимает решение о продолжении обучения.
Решатель проблем предназначен для выполнения сгенерированного задания. Наличие
этой системы позволяет отказаться от предварительного формирования заданий и эталонных ответов к ним.
Существует алгоритм работы адаптивной тестовой системы: создаётся банк заданий,
программа изначально выдаёт задание средней сложности. При правильном ответе на это
задание компьютер подбирает следующее задание с более высоким уровнем сложности.
При неправильном ответе – с более низким уровнем сложности. Этот вариант адаптивного
тестирования называется пирамидальным. Также существуют ещё два варианта тестирования: «flexilevel» (гибкоуровневый) – начало контроля с любого подходящего уровня трудности, с постепенным приближением к реальному уровню знаний; стратифицированный –
тестирование проводится посредством банка заданий, разделённых по уровням трудности,
при правильном ответе следующее задание берётся из верхнего уровня, при неправильном – из нижнего.
Таким образом, адаптивный тест представляет собой вариант автоматизированной системы тестирования, в которой заранее известны параметры трудности и дифференцирующие способности каждого задания. Самая главная характеристика заданий адаптивного
теста – это уровень их трудности, полученный опытным путём, что означает: прежде чем
попасть в банк, каждое задание проходит эмпирическую апробацию на достаточно большом
числе типичных учащихся.
При построении тестовых заданий за основу был взят пирамидальный вариант построения адаптивной системы. Изначально был построен граф состояний изучаемой главы «Влияние ветра на полёт самолёта».
В качестве способа проверки знаний используются тестовые задания следующих форм:
Закрытая форма. Задание содержит некоторое утверждение или вопрос и варианты
ответов, из которых нужно выбрать правильный. В классической теории тестирования верным бывает один ответ. В современном компьютерном тестировании допустимо использование множественного ответа.
Открытая форма. Тестируемый сам формулирует ответ к вопросу. Под эту категорию
попадает широкий класс тестовых заданий. Например, ввод правильного ответа в тестах на
расчеты, ввод пропущенных слов, символов в определениях.
На установление соответствия. Задание содержит два множества элементов (не обязательно содержащих равное число элементов), необходимо связать элементы из двух
27
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
множеств между собой. Например, в определениях может устанавливаться соответствие
между словами и их положениями в предложении.
На установление правильной последовательности. В задании требуется определить
порядок следования элементов множества (например, символов, слов, формул, рисунков).
Данная форма наиболее близка к форме на установления соответствия и может быть рассмотрена как ее частный случай.
Наиболее часть на практике используются первые две формы. Каждая имеет свои преимущества и недостатки.
Преимуществами закрытой формы являются универсальность, сравнительная простота
создания тестов и программной реализации. Но у нее есть очень важный и значимый недостаток: из-за того, что вариантов ответа немного (от 4 до 6), велика вероятность угадывания.
Открытая форма тестирования почти полностью защищена от этого недостатка, но у нее
есть и свои проблемы: большой процент случайных ошибок, связанных с невнимательностью обучаемого, опечатками и ошибками в округлении чисел, если задание подразумевает
вычисление какого-либо значения. Закрытая форма более сложная с точки зрения программной реализации. В совокупности эти два вида тестов дают наиболее полную картину
знаний обучаемого.
Иерархию учебного материала для адаптивной обучающей системы можно представить
в следующем виде (рис. 2) [2] .
Рис. 2. Иерархическая декомпозиция учебного материала
28
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Опираясь на изложенное выше можно сказать, что для создания наиболее жизнеспособной адаптивной обучающей системы следует использовать пирамидальный вариант
построения системы с заданиями открытой и закрытой формы. Для написания тестовых
заданий рубежного и итогового контроля стоит использовать только задания открытой формы.
Библиографический список
1. Челышкова М. Б. Разработка педагогических тестов на основе современных математических моделей: учеб.
пособие. М.: Исследовательский центр проблем качества подготовки специалистов, 1995. С. 32.
2. Чулюков В. А., Топчиев А. В. Модели адаптивного обучения в компьютерных системах // Современные наукоемкие технологии. 2010. № 5. С. 62–68.
__________
УДК 53.088+519.688+629.7.058.77
К. В. Трусова – магистрант кафедры компьютерного проектирования аэрокосмических измерительно-вычислительных комплексов
А. В. Небылов (д-р техн. наук, проф.) – научный руководитель
ИССЛЕДОВАНИЕ ЧАСТОТНОГО МЕТОДА ОЦЕНКИ МАКСИМАЛЬНОЙ ОШИБКИ
ЛИНЕЙНОЙ ДИНАМИЧЕСКОЙ СИСТЕМЫ
Для самолётов и вертолётов полёт на предельно малой высоте нельзя рассматривать
как оптимальный режим движения по показателям экономичности, скорости или безопасности, однако он может оказаться необходимым при решении специальных задач [1]. К числу
таких задач относятся поисково-спасательные операции и аварийные работы на море, десантирование людей или грузов на заданную площадку малых размеров, рыбопромысловая
разведка, обеспечение лоцманских и досмотровых операций, океанографические и океанологические исследования, автоматизированная геологоразведка на шельфе морей и океанов, морской экологический мониторинг и другие.
Системы управления движением современных самолётов и вертолётов включают достаточно совершенные и в определённой мере унифицированные бортовые приборы, обеспечивающие полёт в широком диапазоне высот. Если аппарат специально предназначен
для выполнения тех или иных функций вблизи морской поверхности, на нём при необходимости могут быть установлены дополнительные приборы или предусмотрены другие средства обеспечения управляемого движения на малой высоте над морем, включая посадку на
воду. Однако самостоятельного значения они не имеют и являются лишь дополнением
к стандартной аппаратуре, расширяющим её функциональные возможности.
Максимальная ошибка во многих случаях является наиболее объективной характеристикой точности управления [2]. В то же время довольно длительный период применения
в области динамической фильтрации исключительно винеровского и калмановского методов
статистического синтеза при полном спектрально-корреляционном описании воздействий
привёл к тому, что максимальная ошибка была вытеснена среднеквадратичной.
Принятие концепции синтеза робастных динамических систем, отказ от применения
недостоверных спектральных моделей воздействий и их замена числовыми характеристиками производных, в первую очередь – максимальными значениями, создают хорошие
29
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
условия для возрождения использования максимальной ошибки при исследовании систем
управления.
Рассматривается анализ максимальной ошибки по максимальным значениям производных воздействия, когда гарантируется выполнение неравенств вида
(i )
i
| g (t ) | gM , i  K ,N , 0  K  N ,
i
где g ( i ) (t ) – набор производных задающего воздействия; g M – максимальные производные задающего воздействия; i – порядок производной; t – текущее время; K – порядок
младшей производной задающего воздействия; N – порядок старшей производной задающего воздействия.
Оцениваемая динамическая ошибка рассматривается как результат прохождения задающего воздействия через фильтр с передаточной функцией замкнутого контура по ошибке
n
n 1
n
i r
i 1
i r
He ( p)  [1  W ( p)]1   ai p i (1   bi p i   ai p i ) 1 ,
где p – оператор Лапласа; W ( p) – передаточная функция разомкнутого контура; n – порядок системы; r – порядок астатизма системы; a i – коэффициенты знаменателя; bi – коэффициенты числителя.
Для нахождения оценки максимальной динамической ошибки достаточно выполнения
только одного из неравенств, ограничивающего ту производную задающего воздействия,
порядок которой совпадает с порядком астатизма рассматриваемой системы. Для статических систем может быть задано только максимальное значение задающего воздействия.
i
Дополнительная информация, заключающаяся в совокупности нескольких величин g M ,
должна привести к уточнению оценки максимальной ошибки.
Максимальная ошибка фактически не является статистической характеристикой точности системы, так как она достигается при некотором детерминированном воздействии,
наиболее неблагоприятном в этом смысле, и в определённый момент времени. Математическое выражение для максимальной ошибки во временной области
T
egm   w e ( )gHH (Ty  )d ,
y
0
где w e ( ) – весовая функция системы; gHH – наиболее неблагоприятное воздействие;
Ty – длительность реализации процесса управления;  – переменная интегрирования
с размерностью времени. Нахождение наиболее неблагоприятного входного воздействия
и определение максимальной ошибки – взаимосвязанные задачи, которые должны решаться совместно.
Анализ целесообразности применения частотного метода для нахождения оценки максимальной ошибки динамической системы при ограничении производных задающего воздействия, а также исследование влияния параметров системы и характеристик задающих воздействий на величину максимальной ошибки были проведены с использованием программы
математического моделирования MATLAB. В качестве примера использования частотного
30
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
метода для нахождения оценки максимальной ошибки, рассматривается следящий позиционный локационный измеритель высоты с передаточной функцией разомкнутого контура
K (1  b1p)
W ( p)  1
,
p(1  T1p )
где коэффициент добротности по скорости – K1 = 12 с-1; постоянные времени пропорционально-интегрирующего измерителя – T1 = 20 с и b1 = 1 с. Задающее воздействие – гармоническое воздействие с амплитудой колебаний u1 и частотой  . В качестве дополнительной информации о воздействии рассматриваются ограничения на две его производных.
(1)
Максимальное значение первой производной воздействия – g M = 0.3 м/с, максимальное
(2)
значение второй производной воздействия – g M = 0.025 м/с2.
Краткий алгоритм применения частотного метода для нахождения оценки максимальной
ошибки изложен ниже.
Передаточная функция, связывающая изображение ошибки и К-й производной воздействия
H e1 ( p ) 
1
[1  W ( p)]p

1  T1p
K1  (K1b1  1) p  T1p 2

(1  T1p)T11
q 2  2qp  p 2
,
где q  K1 / T1 ; коэффициент демпфирования –   (K1b1  1) / 2 K1T1 .
Амплитудно-частотная характеристика (АЧХ) передаточной функции по ошибке
2
H e1 ( j  ) 
1  T1 
2
2
2
2
2
K1  [(K1b1  1)  2K1T1 ]  T1 
4
.
Для того чтобы найти частоту наиболее неблагоприятного воздействия 1HH , необходимо обеспечить выполнение равенства
d [ u1 ()]
d 1
1
| HeK ( j 1HH )  u1 (1HH )
HeK ( j ) | .
d
d
Условие выполнения равенства
1
HH
1
HH
1
u1 (1HH )  HeK
( j 1HH ) ,
где  – масштабирующий коэффициент, уравнивающий части равенства. Таким образом,
выполняется построение графиков 20lg | He1 ( j ) | и 20lg u1 () , и находится абсцисса
точки их пересечения   1HH , которая будет частотой наиболее неблагоприятного
воздействия.
Максимальная динамическая ошибка при гармоническом воздействии
(2)
egM 
He1 ( j 1HH ) gM
1HH
.
31
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
В ходе исследования проведено сравнение частотного и временного методов нахождения максимальной ошибки.
Анализ результатов моделирования позволил сделать следующие выводы.
1. Значение максимальной динамической ошибки, полученное частотным методом, не
превышает ее верхнюю оценку. Относительное занижение оценки, полученной частотным
методом, по сравнению с временным методом составляет 27%, что не превышает предельного значения 48%.
2. Для уменьшения величины максимальной динамической ошибки и повышения быстродействия системы необходимо увеличивать запас устойчивости системы и величину добротности по скорости K1 , а также уменьшать величину постоянной времени пропорционально-интегрирующего усилителя T1 .
3. К преимуществам частотного метода можно отнести сравнительную простоту реализации и возможность исследования широкого класса задающих воздействий (отсутствие
строгих ограничений). К недостаткам можно отнести приближённость частотного метода.
Частотные методы позволяют сравнительно просто получить оценку максимальной
ошибки с относительной погрешностью, не превышающей 27% – 48%. В ряде интегрированных навигационных систем максимальная ошибка является единственным эффективным
показателем качества функционирования.
Библиографический список
1. Небылов А. В. Измерение параметров полёта вблизи морской поверхности. СПб.: СПбГААП, 1994. 307 с.
2. Небылов А. В. Гарантирование точности управления. М.: Наука. Физматлит, 1998. 304 с.
__________
УДК 519.2+681.3
С. Н. Филиппов – студент кафедры аэрокосмических приборов и измерительно-вычислительных комплексов
Ю. П. Иванов (канд. техн. наук, доц.) – научный руководитель
СРАВНИТЕЛЬНЫЙ АНАЛИЗ «СПЕКТРАЛЬНО-СИНГУЛЯРНОГО» СПОСОБА
АДАПТИВНОЙ ФИЛЬТРАЦИИ СИГНАЛОВ НА ОСНОВЕ ПОСТРОЕНИЯ
ПЕРИОДОГРАММ ШУСТЕРА С АЛГОРИТМОМ КАЛМАНА
Методы оптимального оценивания параметров по мере поступления измерительной
информации широко применяют в различных областях техники. Оптимальные алгоритмы
оценивания являются результатом решения соответствующих модельных задач при наличии полной априорной статистической определённости относительно моделей сигналов,
помех и погрешностей. На практике же, как правило, встречаются такие ситуации, в которых
априорная статистическая информация либо известна приближенно, либо полностью отсутствует. В этом случае условия модельных задач оказываются нарушенными, полученные
алгоритмы оценивания становятся неоптимальными, а формируемые ими оценки могут
стать несостоятельными и, более того, оказаться расходящимися. [1]
32
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
Степень априорной неопределенности может быть различной:
– полная априорная статистическая неопределенность: неизвестны ни виды, ни параметры законов распределения вероятностей компонент оцениваемых и измеряемых случайных процессов; заданы лишь допустимые конечные области, в которых изменяются
соответствующие компоненты случайных процессов;
– частичная априорная статистическая неопределенность: закон распределения компонент оцениваемых и измеряемых случайных процессов известен с точностью до некоторой
совокупности параметров.
Для преодоления параметрической неопределенности флюктуационных погрешностей
измерения обычно применяют адаптивный байесов подход [3]. Существующие на данный
момент алгоритмы адаптивной фильтрации при априорной неопределенности являются
сложными, имеют ряд серьезных ограничений на область применения и обычно используются в условиях непараметрической априорной определенности информации о сигнале или
помехах измерения [1]. Одним из методов, позволяющих преодолеть значительную неопределенность априорной статистической информации как сигнала так и помехи, значительно
упростить алгоритмы обработки сигналов и обеспечить требование ко времени адаптации,
является предлагаемый алгоритм адаптивной спектрально-марковской инвариантной фильтрации сигналов.
В данной работе исследуется метод фильтрации сигналов ССА (спектрально-сингулярный анализ) в условиях непараметрической априорной неопределенности на основе сравнения с оптимальным фильтром Калмана. ССА был разработан одновременно и независимо
в США и России и использовался для распознавания образов и обработки детерминированных
сигналов. Как алгоритм фильтрации для стохастического процесса он используется в этой
работе впервые. Предполагается, что модель измерения линейная с аддитвной погрешностью, некоррелированной с полезным сигналом.
Входным сигналом устройства фильтрации является реализация результата измерения,
полученная от датчика информации. Первый этап обработки сигнала включает в себя анализ полученной реализации. Для анализа временного ряда выбирается целый параметр L;
назовем его длина окна. Параметр L может выбираться достаточно произвольно. Затем на
основе ряда строится траекторная матрица, столбцами которой являются скользящие отрезки ряда длины L: с первой точки по L-ю, со второй по (L + 1)-ю и т. д. Следующий шаг –
это сингулярное разложение траекторной матрицы в сумму элементарных матриц. Каждая
элементарная матрица задается набором из собственного числа и двух сингулярных векторов – собственного и факторного.
Предположим, что исходный временной ряд является суммой нескольких рядов. Теоретические результаты позволяют при некоторых условиях определить по виду собственных
чисел, собственных и факторных векторов, что это за слагаемые и какой набор элементарных матриц соответствует каждому из них. Суммируя элементарные матрицы внутри каждого набора, и затем, переходя от результирующих матриц к ряду, мы получаем разложение
ряда на аддитивные слагаемые, например, на сумму тренда, периодики и шума или на сумму
низкочастотной и высокочастотной составляющих. В качестве критерия эффективности
фильтрации была выбрана дисперсия ошибки оценки полезного сигнала.
Таким образом, целью метода является разложение временного ряда на интерпретируемые аддитивные составляющие. При этом метод не требует стационарности ряда, знания
модели тренда, а также сведений о наличии в ряде периодических составляющих и их периодах.
33
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
При таких слабых предположениях метод ССА может решать различные задачи, такие как,
например, выделение тренда, обнаружение периодик, сглаживание ряда, построение полного разложения ряда в сумму тренда, периодик и шума. [2]
Метод группировки компонент основан на анализе собственных векторов и собственных
чисел полученных на этапе разложения. Наибольший интерес представляет метод использующий периодограмму Шустера, построенную по собственным векторам.
Такой широкий спектр возможностей при достаточно слабых предположениях заключается в идеологии метода, не требующего полного знания модели измерения. Для проверки
гипотезы о наличии помехи измерения и фильтрации сигнала вообще требуется построение
модели, которое может быть проведено с помощью метода ССА. Отметим также, что рассматриваемый непараметрический метод позволяет получить результаты часто лишь незначительно уступающие по точности параметрическим методам фильтрации. [2]
По результатам моделирования стало известно, что по дисперсии ошибки оценки ССА в диапазоне отношения СКО сигнал/шум от 0.5 до 10 ССА дает лучшие результаты, чем метод, основанный на фильтре Калмана, но по среднеквадратическому отклонению Калман на 1–2% лучше
Гусеницы. Также было выяснено, что на качество результата больше всего влияет шаг группировки. Были исследованы два метода группировки: по собственным числам и по построению
периодограммы Шустера по собственным векторам. Метод основанный на периодограмме Шустера несколько более затратен по вычислительным ресурсам, но позволяет фильтровать более
сложные по структуре сигналы. Таким образом, было сохранено главное достоинство алгоритма – возможность работы в условиях полной априорной неопределенности. Также во время моделирования было обнаружено, что параметр длины окна лучше всего брать равным 1/4–1/3 от
длины обрабатываемой последовательности. Также были проведены исследования с коррелированной помехой, при этом не было необходимости в изменении самого алгоритма.
Библиографический список
1. Огарков М. А. Методы статистического оценивания параметров случайных процессов. М.: Энергоатомиздат, 1990.
208 с.
2. Голяндина Н. Э. Метод «Гусеница»-SSA: анализ временных рядов: учеб. пособие. СПб., 2004. 76 с.
3. Репин В. Г., Тартаковский Г. П. Статистический синтез при априорной неопределённости и адаптации информационных систем. М:. Советское радио, 1977. 432 c.
__________
УДК 629.4.058.74
М. Э. Юдин – студент кафедры компьютерного проектирования аэрокосмических измерительно-вычислительных комплексов
П. С. Виноградов – зам. начальника НИО-А ФГУП ОКБ «Электроавтоматика», научный
руководитель
СИСТЕМА ОТОБРАЖЕНИЯ ИНФОРМАЦИИ С ДОПОЛНЕННОЙ РЕАЛЬНОСТЬЮ
Дождь, снег и туман на взлетно-посадочной полосе всегда являются большой неприятностью для пилотов. Стоит отметить, что шанс попасть в авиакатастрофу при этом намного
выше, чем шанс попасть в нее, находясь уже в воздухе. Виртуальные подсказки, ориентиры
34
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
и указатели позволят пилотам замечательно ориентироваться на взлетно-посадочных
и рулежных полосах аэропортов даже в чрезвычайно плохих погодных условиях.
Система отображения информации внекабинной обстановки предназначена давать визуальные подсказки, ориентиры и указатели пилоту в плохих погодных условиях.
Возможности системы:
– отображение рельефа местности;
– дополненная реальность (наложение на реальное изображение объектов и ориентиров);
– отображение: текущего местоположения, скорость, высота и др.
Рис. 1. Пример реализации системы
Вперёд смотрящая
Камера
Блок текущего изображения
(РЛС + оптич.)
Корреляционноэкстремальная
навигационная система
Графический модуль
(Построение объёмного
изображение )
Система нашлемного
целеуказания
База данных (эталонное
изображение)
База данных
(Готовые примитивы)
Рис. 2. Структурная схема системы
Целью было, создать систему, которая бы совмещала в себе возможности существующих систем, так называемого, улучшенного видения и систем дополненной реальности. Это
позволит пилоту управлять самолётом в плохих метеоусловиях, практически не отвлекаясь
35
АЭРОКОСМИЧЕСКИЕ ПРИБОРЫ И СИСТЕМЫ
на приборы, так как он будет получать всю необходимую для пилотирования информацию
поверх, наблюдаемой им, реальной обстановки.
Было решено объединить систему дополненной реальности с корреляционноэкстремальной навигационной системой (КЭНС), так как в ней уже решается часть поставленных задач. Особенности работы и адаптация КЭНС под требуемые задачи в этой статье
не рассматривается.
Основными задачами для системы дополненной реальности являются – распознавание
объектов, построение 3D-изображения и вывод его на систему индикации, учитывая ориентацию и положение в пространстве головы пилота и самолёта. Ниже представлен алгоритм
работы устройства. [1]
Рис. 3. Схема работы
От КЭНС будет поступать информация об объектах и их приблизительное положение,
далее распознавание этих объектов на изображении, построение 3D-сцены и вывод. Наиболее сложной является задача распознавания. Для её решения рассматриваются алгоритмы
на основе нейронной сети и алгоритм Виолы-Джонса. [2]
В дальнейшем планируется дальше вести исследования в области алгоритмов распознавания, для увеличения скорости работы и точности распознавания. Так же планируется
обеспечить более глубокое взаимодействие систем распознавания и КЭНС, с целью уменьшить требования к вычислительным ресурсам и увеличить надёжность.
Библиографический список
1. Шапиро Л., Стокман Дж. Компьютерное зрение. М. : БИНОМ. Лаборатория знаний, 2006.
2. Foyle D. C., Andre A. D. & Hooey B. L. (2005). Situation Awareness in an Augmented Reality Cockpit: Design, Viewpoints and Cognitive Glue. // In Proceedings of the 11th International Conference on Human Computer Interaction. Las
Vegas, NV.
__________
36
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
РАДИОТЕХНИКА,
ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 615.471.03:616.12-073
Л. С. Васильченко – студент кафедры медицинской радиоэлектроники
К. В. Зайченко (д-р техн. наук, проф.) – научный руководитель
ИССЛЕДОВАНИЕ ЭКГ-СИГНАЛА СО СВЕРХВЫСОКИМ РАЗРЕШЕНИЕМ
В настоящее время основными тенденциями в электрокардиографии являются понижение минимальных значений амплитуды и увеличение верхних пределов значений частотного
диапазона для записи и обработки ЭКГ-сигналов. Другими словами, расширение диапазонов
записываемых электрокардиограмм. Эти тенденции в развитии электрокардиографии отражены в диаграмме, показанной на рис. 1. На рисунке показана последовательность методов
электрокардиографии (в хронологическом порядке их использования на практике): классическая ЭКГ, расширенная электрокардиография (LS ECG) [1]; электрокардиография высокого
разрешения (HR ECG) [2]; высокочастотная кардиография (HF ECG) [3]; электрокардиография сверхвысокого разрешения (UHR ECG) [4].
U, uV
10000
Классическая
Classic ECG ЭКГ
1000
100
Large-scale
ECG
Крупномасштабная
ЭКГ
10
HR ECG
ЭКГ
ВР
1
0,1
Высокочастотная
ЭКГ
High-frequency
ECG
UHR ECG
0,01
0,001
0,01
0,1
1
10
100
1000
F, Hz
Рис. 1. Сравнение современных методов ЭКГ
Площади прямоугольников на графике соответствуют методам ЭКГ. Ось Х – частотный
диапазон записи и обработки ЭКГ-сигнала, ось Y – амплитудный диапазон. Исследования
в получении и анализе низкоамплитудных высокочастотных компонентов ЭКГ-сигналов были
37
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
использованы для регистрации новых информационных компонентов ЭКГ-сигналов и для
обнаружения симптомов болезней сердца на ранних стадиях. Материалы [5, 6] описывают
исследования возможности диагностирования заболевания коронарной артерии, используя
ЭКГ-сигналы высокочастотного диапазона.
Эти исследования показали, что присутствие высокочастотных компонентов ЭКГ-сигнала
не зависит от возраста человека, и у пациентов с ишемической болезнью сердца присутствуют высокочастотные компоненты в электрокардиограмме, отсутствующие в ЭКГ здоровых
пациентов. Нужно отметить, что эти исследования обеспечили только качественную оценку
этого явления.
В 2010 г. мы провели комплекс научных исследований для оценки изученной теории, методов [7] и лабораторных моделей для регистрации низкоамплитудных и высокочастотных
компонентов ЭКГ-сигналов в расширенном амплитудно-частотном диапазоне [8]. Метод двухканальной регистрации ЭКГ с одного отведения был использован, что бы решить проблемы
обработки ЭКГ-сигнала гарантируя регистрацию его низкоамплитудных высокочастотных
компонентов. Этот метод позволяет обработку ЭКГ-сигнала в широком амплитудном и частотном диапазоне благодаря наличию канала синхронизации, который является источником
информации для дополнительной вторичной обработки данных в высокочастотном канале.
В части программного обеспечения вторичной обработки для анализа тонкой структуры ЭКГсигнала, авторами были разработаны ряд методов и алгоритмов для синхронизации высокой
точности для периодических и квазипериодических сигналов для точной машинной обработки
серии кардиосигналов.
Главной частью комплекса исследований было изучение влияния экспериментально вызванных заболеваний сердца на параметры и частотные составляющие ЭКГ-сигнала в высокочастотной области спектра. Исследование проводилось совместно с сотрудниками СанктПетербургского Государственного медицинского университета им. Павлова. В этих экспериментах производилось моделирование патологических изменений в функциональной деятельности сердца. Исследования производились с использованием экспериментального макета сверхвысокого разрешения.
Мы записывали электрокардиограммы здоровых животных, и затем на всех этапах искусственно созданных патологий.
В результате этого эксперимента мы получили не только качественные, но и количественные характеристики ЭКГ-сигнала, подтверждающие присутствие диагностической информации о патологиях в высокочастотной низкоамплитудной области ЭКГ-сигнала. Рис. 2
показывает сравнение спектрального состава сигналов кардиограммы, полученных перед
операцией (кривая 1) и в начале ишемии миокарда (кривая 2).
Показаны существенные изменения в спектральном составе вначале созданной кардиопатологии. Такие изменения невозможно зафиксировать при использовании стандартных методов электрокардиографии. Эти, и другие исследования, проведенные нашей
группой, позволяют прийти к выводу, что существуют различные низкоамплитудные компоненты, включая ранее не изученные, временные периоды и частотные диапазоны ЭКГсигнала.
Существование таких компонентов, совместно с основным понятием микропотенциалов,
подтверждено многими работами российских и иностранных ученых, в решении особой проблемы обнаружения ранних и поздних потенциалов желудочков и выявление диагностических особенностей, основанных на их анализе.
38
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
S(F)
1
2
40
20
0
200
400
600
800
F, Hz
Рис. 2. Спектр электрокардиосигнала до операции (кривая1) и в начале ишемии миокарда (кривая 2)
Мы планируем развить и расширить эти исследования, увеличивая число исследованных
кардиопатологий, ряд статистически действительных данных, моделируя различные стадии
болезней, используя новые методологические и технические решения, и т. д.
Это будет основанием для поиска и формализации ранее неизвестных особенностей как
известных сердечно-сосудистых заболеваний, так и различных кардиопатологий на ранних
стадиях.
Результатом предложенного исследования может стать разработка компьютеризированного образца электрокардиографа нового поколения, это перспектива на 10–15 лет.
В его создании могут быть использованы все известные достижения в электрокардиографии для записи и обработки кардиограммы и диагностики кардиопатологий, а так же
главные тенденции в современной электрокардиографии, направленные на расширение
амплитудного и частотного диапазонов для записи, обработки и анализа электрокардиосигналов.
Библиографический список
1. Янушкевичус З. И., Чирейкин Л. В., Пранявичус А. А. Дополнительно усиленная кардиограмма. Л.: Медицина.
1990. 192 с.
2. Новые методы электрокардиографии. Серия: Мир биологии и медицины / Под ред. С. В. Грачева, Г. Г. Иванова,
А. Л. Сыркина. М.: Техносфера, 2007. 552 с.
3. Schlege T., Kulecz W., DePalma J., et al. Real-time 12-lead high-frequency QRS electrocardiography for enhanced
detection of myocardial ischemia and coronary artery disease. Mayo Clin Proc 2004; 79:339-350.
4. Зайченко К. В., Зяблицкий А. В., Краснова А. И., Сергеев Т. В. От струнного гальванометра до электрокардиографии сверхвысокого разрешения // Биомедицинская радиоэлектроника. 9/2010. С. 62–78.
5. Boyle D., Carson P., Hamer D., High Frequency Electrocardiography in Ischsemic Heart Disease Brit Heart J., 1966, 28,
539.
6. Abboud S., Cohen J., Selwyn A., et al. Detection of transient myocardial ischemia by computer analysis of standard and
signal-averaged high-frequency electrocardiograms in patients undergoing percutaneous transluminal coronary
angioplasty. Circulation 1987; 76:585-96.
7. Зайченко К. В., Зяблицкий А. В. Высокоточная синхронизация электрокардиосигналов сверхвысокого разрешения // Известия высших учебных заведений России. Радиоэлектроника. 1/2010. СПб.: СПбГЭТУ «ЛЭТИ», 2010.
8. Зайченко К. В., Сергеев Т. В. Аналоговая обработка электрокардиосигналов со сверхвысоким разрешением. // Известия высших учебных заведений России. Радиоэлектроника. 3/2009. СПб.: СПбГЭТУ «ЛЭТИ»,
2009. С. 27-34.
__________
39
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.397.6
И. Н. Гладкая – магистрант кафедры электронных и телевизионных систем
О. С. Астратов (канд. техн. наук, проф.) – научный руководитель
МЕТОД ОБНАРУЖЕНИЯ ЛЕСНЫХ ПОЖАРОВ,
ОСНОВАННЫЙ НА ЦВЕТОВЫХ И ДИНАМИЧЕСКИХ ПРИЗНАКАХ
Детектирование дыма и огня по видеоизображению имеет ряд преимуществ по сравнению с традиционными методами. В последнее время, когда камеры резко подешевели
и получили широкое распространение, эта проблема стала особенно актуальной. В работе
приведено описание алгоритма, позволяющего эффективно определять области лесных
пожаров на видеоизображении.
В настоящее время наиболее распространенными методами обнаружения задымления
и огня являются пробы частиц воздуха, измерение внешней температуры и прозрачности
среды. Однако они все требуют соответствующих датчиков и приборов в непосредственной
близости от источника возгорания, что затрудняет работу на открытом пространстве. Детектирование очага возгорания по видеоизображению имеет ряд преимуществ: возможность
обнаружения дыма и огня даже на открытых пространствах, где обычные методы химического анализа бесполезны; обнаружение огня происходит в момент его возникновения; видеоизображение позволяет точно определить месторасположение очага возгорания. Алгоритм обнаружения пламени и/или дыма основан на использовании информации о цвете
и движении объектов в кадре.
Цветовые характеристики
Опираясь на предыдущие труды в области обнаружения огня, следует отметить,
что главной характеристикой огня является цвет. Одним из основных требований ме трологии цвета является однозначность и воспроизводимость результатов измерений.
Под однозначностью понимается способность одного и того же признака всегда давать
одинаковые значения, а под воспроизводимостью – сопоставимость полученных результатов измерения. Для удовлетворения этих условий необходимо, чтоб измерения
проводились в одних и тех же условиях принятых за норму. Совокупность нормирова нных условий измерений цвета составляет колориметрическую систему, основанную на
законах Грассмена [1].
Для исследования цветовых характеристик используем несколько тестовых изображений огня и дыма, представленных в колориметрических системах
.
В системах
содержится информация не только цвете
и
, но и
отдельно о яркости объекта . При съемке в темное время суток компоненты цвета равны
нулю, что позволят исследовать информацию только о яркостной составляющей.
В соответствии с отсечениями по порогам яркости (1) и (2), для каждого изображения
создается маска местоположения огня (маска огня), элементы которой равны 1, если соответствующий пиксель изображения имеет заданный цвет, и равны 0 для фоновых пикселей
(рис. 1, б) [2].
,
(1)
40
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
,
где
,
,
(2)
– яркости каналов R (красного), G (зеленого) и B (синего) цветов.
а)
б)
Рис. 1. а – исходные RGB, YCrCb и YIQ изображения; б – cозданные маски
Созданные маски позволяют акцентировать внимание только на зоны очага возгорания – области интереса. Гистограммы, полученные путем разложения на цветовые составляющие областей интереса (рис. 2) наглядно показываю, что пороги (1) и (2) вставленные
при создании маски, являются правильными и соответствуют требованиям.
Динамические характеристики
Одного признака, каковым является цвет, недостаточно для корректной идентификации
огня и тем более дыма на изображениях. Ряд сходных областей могут попасть в маску огня,
и поэтому дополнительный анализ необходим, для уточнения результата. В дополнение
цветовому анализу можно применить динамические признаки. В качестве таких признаков
можно использовать изменения формы пламени, его перемещение и мерцание. В промежутке между двумя последовательными кадрами (рис. 3) форма пламени может меняться
весьма существенно, присутствуя в конкретном пикселе только определенное время. Поэтому для корректного детектирования огня/дыма необходимо использовать признаки, основанные на динамических изменениях сцены D(x, y) в сочетании с признаками, определяющими цвет пламени/дыма. Динамические характеристики определяются при помощи
усреднения по n кадрам модуля разности интенсивностей одного и того же пикселя между
двумя последовательными кадрами (рис. 3, в) [3]:
,
где J – функция, которая для данных значений (R, G, B) возвращает значение, равное
(R + G + B)/3.
41
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 2. Гистограммы, полученные при разложении изображений:
а – на R, G и B составляющие системы RGB; б – на Y составляющие системы YCbCr;
в – на Y составляющие системы YIQ
Наибольшие значения величина D(x, y) принимает для пикселей, соответствующих отблескам огня/дыма, а движение объектов обычно характеризуется медленными временными изменениями интенсивности (рис. 3, г).
Интенсивность пикселя может меняться также вследствие движения объектов. Поэтому
точно такая же разность N(x, y) вычисляется для фоновых пикселей:
и вычитается из D(x, y) для устранения эффектов движения (рис. 3, д):
,
где M – это количество пикселей изображения, являющихся фоном.
Все полученные результаты сведены в табл. 1.
42
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 3: а – последовательность кадров лес с дымом; б – лес без дыма;
в – разность интенсивностей одного и того же пикселя между двумя последовательными кадрами;
г – созданная маска; д – устранение эффектов движения фона
Таблица 1
Средние значения
Лес без
огня и
дыма
Лес с
огнём/
дымом
Изображения Огонь_1 Огонь_2
R
10
25
RGB
G
15
17
B
3
10
YCbCr
Y
86
114
Огонь_3
72
Дым_1
80
Дым_2
52
Дым_3
75
Дым_4
50
71
24
100
77
65
112
45
30
100
68
40
100
55
50
109
YIQ
Y
R
0.07
253
0.04
252
0.125
252
0.1
153
0.06
245
0.1
178
0.13
200
RGB
YCbCr
G
B
Y
194
5
86
220
80
109
179
40
110
165
180
135
240
200
158
190
204
143
220
240
148
YIQ
Y
0.33
0.4
0.4
0.17
0.29
0.24
0.25
43
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Заключение
В работе использовались видеоизображения леса, содержащие огонь и дым. В табл. 1
представлены результаты, полученные путем определения огня/дыма по признаку цвета,
и по яркости. Исходя из них видно, что исследованные методы обнаружения огня/дыма
правильны, и их можно применять для различных колориметрических систем не подстраиваясь под каждую систему индивидуально. Исследуя одно и то же изображение одновременно во всех системах (RGB, YCbCr, YIQ), позволяет повысить точность определения места возгорания в лесном массиве по изображению.
Библиографический список
1. Горбачев В. Н. Элементы обработки цифровых изображений. СПб., 2012. 49 с.
2. Paulo Vinicius Koerich Borges, Joceli Mayer, Ebroul Izquierdo. «EFFICIENT VISUAL FIRE DETECTION APPLIED FOR
VIDEO RETRIEVAL». LPDS – Dept. of Electrical Engineering, Federal University of Santa Catarina, Brazil. MMV – Dept.
of Electronic Engineering, Queen Mary, University of London, UK. 2008. 5 с.
3. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. M.: Ай-Эс-Эс Пресс, 2009. 518 с.
__________
УДК 550.388.2
И. О. Епикова – студент кафедры антенн и эксплуатации радиоэлектронных систем
Д. В. Благовещенский (д-р физ.-мат. наук, проф.) – научный руководитель
ИОНОСФЕРНЫЕ ВОЗМУЩЕНИЯ
Активные области на Солнце, такие как вспышки и корональные дыры, являются причиной большинства нестационарных процессов в межпланетной среде и магнитосфере Земли.
Энергия солнечных возмущений выделяется в виде электромагнитного и корпускулярного
излучений, ударных волн и выбросов вещества. Солнечный ветер обладает магнитным
и электрическим полем, а вариации напряженности и направления полей и интенсивности
потока плазмы является главной причиной магнитосферных возмущений на Земле. Магнитосферное возмущение образуется в результате взаимодействия магнитосферы с потоком
плазмы солнечного ветра, и охватывает все области околоземного пространства. Начало
взаимодействия ударной волны с магнитосферой определяет момент зарождения ее возмущения, появляется внезапное начало магнитных бурь в виде скачка Н-компоненты геомагнитного поля за счет поля токов, текущих по поверхности магнитосферы. Для магнитных
бурь характерна чрезвычайно высокая возмущенность магнитосферы.
В настоящем солнечном цикле, когда активность Солнца уменьшается, недавно возник
период экстраординарной активности в октябре-ноябре 2003 г. Эта активность была
настолько высока, насколько она может быть во время солнечного максимума и была высочайшей по многим аспектам. Так, активная область 486 на Солнце содержала наибольшую
группу пятен из всего цикла № 23, наибольшую с ноября 1990 г. В трех различных активных
регионах, например, имело место 17 больших вспышек за период конец октября – начало
ноября. Было опознано шесть отдельных протонных событий за этот возмущенный период.
Имели место две очень интенсивные геомагнитные бури с корональными выбросами вещества, которые являются мощнейшими бурями цикла № 23. Безусловно, период октября–
44
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ноября 2003 г. является крайне интересным для ученых-исследователей в области геофизики, радиофизики, прогнозирования космической погоды и в других смежных областях.
С другой стороны важно выявить, какие конкретные последствия указанного возмущенного
периода произошли во многих областях деятельности человека. Были предприняты попытки
организовать соответствующие научные конференции и мероприятия, например, Space
Weather Week 2004, Boulder, April 13–16 и Международный симпозиум «Экстремальные
события на Солнце в 2003 году: фундаментальная наука и прикладные аспекты (SEE2003)», Москва, МГУ, 12–14 июля 2004 г. Цель подобных мероприятий – проанализировать
события солнечной и геомагнитной активности 2003 г., выявить последствия воздействий
космической погоды и дать научное обоснование и описание этой активности. Освещались
события по нескольким направлениям, касающимся околоземного пространства: геомагнитные бури, ионосферные возмущения, работа GPS, задержка движения спутников, проблемы
авиалиний, электроснабжения, навигации, радиосвязи и др.
Настоящая работа посвящена детальному анализу аномального события солнечной
вспышки 17 ноября 2003 г. и связанных с ней явлений в магнитосфере и ионосфере Земли.
Рассмотрен комплекс данных наблюдений по прохождению радиосигналов на линиях связи.
В течение суток 20 ноября 2003 г., когда имело место событие мощного геомагнитного возмущения, был выполнен анализ условий прохождения сигналов на двух субполярных
КВ радиотрассах. Первая, длиной 1000 км, имеет точку отражения на геомагнитной широте
ФL = 61. Вторая трасса характеризуется соответственно длиной 2600 км и ФL = 61.7. Естественно ожидать, что мощная геомагнитная буря 20 ноября 2003 г. должна была существенно повлиять на условия прохождения сигналов в радиоканалах, особенно высокоширотных.
Исследовалось поведение нескольких параметров распространения на радиотрассах по
данным наклонного зондирования ионосферы (НЗИ). НЗИ осуществлялось на скользящей
частоте в диапазоне f = 3.5 – 27.5 МГц. На первой трассе имелась возможность изучать
полный набор характеристик распространения, таких как: F2МНЧ, F2ННЧ, EsМНЧ, EsННЧ,
степень многолучевости и других непосредственно по ионограммам наклонного зондирования. Здесь F2МНЧ и F2ННЧ – максимально наблюдаемая и наинизшая наблюдаемая
частоты при отражении сигнала от слоя F2 ионосферы, а EsМНЧ и EsННЧ – то же самое
при отражении сигнала от спорадического слоя Es. На другой трассе фиксировались только два параметра МНЧ и ННЧ без указания конкретного механизма распространения.
Имеется в виду либо механизм отражения сигналов от слоя F2 ионосферы или от спорадического Es.
Сначала исследовался суточный ход четырех параметров распространения F2МНЧ,
F2ННЧ, EsМНЧ и EsННЧ на первой трассе для двух дней ноября 2003 г.: спокойного 7 ноября
и возмущенного 20 ноября. Анализ показывает существенное различие характера распространения радиоволн для рассматриваемых дней. Прежде всего, для 20 ноября во время
максимума возмущения, начиная с 11 UT, прохождение сигналов на трассе полностью прекращается вплоть до 20UT, то есть перерыв(сбой) в радиосвязи составил почти 40% всего
времени суток. Тогда как в спокойное время 7 ноября днем преобладают F2-отражения,
а ночью Es-отражения, но общее прохождение сигналов на трассе имеет место в течение
всего времени суток.
Для второй радиотрассы характер распространения радиоволн в значительной степени
напоминает характер распространения на первой трассе. В спокойный период днем имеют
место в основном F2-отражения, ночью преобладают Es-отражения сигналов. В возмущен45
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ный период, как и на первой трассе, имеет место полное пропадание распространения
начиная с 11 UT и до 20 UT, то есть отсутствие радиосвязи также составляет около 40%
от всего времени суток.
__________
УДК 620.179.16
А. Г. Жданов – магистрант кафедры медицинской радиоэлектроники
Б. С. Гуревич (д-р техн. наук, проф.) – научный руководитель
ПРИНЦИПЫ ДИСКРЕТИЗАЦИИ ИЗОБРАЖЕНИЙ
ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ОБЪЁМА ИНФОРМАЦИИ,
ПЕРЕДАВАЕМОЙ ОПТИЧЕСКОЙ СИСТЕМОЙ
Рассмотрение информационных процессов, происходящих при работе с различными
оптическими приборами, при формировании изображений, в фотографии, спектральном
анализе, голографии, оказываются необходимым дополнением к анализу оптических процессов, особенно учитывая, что эти процессы, во многих случаях являются составной частью новых информационных технологий. К технологиям, определяющим общий технический прогресс, относятся регистрация, хранение и обработка информации оптическими
методами. Возможность параллельной обработки больших массивов информации и голографической записи ее в объеме регистрирующих сред позволяет рассматривать оптические методы обработки как альтернативу электронным методам.
Из сказанного следует, что важную роль играет возможность количественной оценки обрабатываемой и передаваемой информации в оптических системах. Следовательно, можно
заключить, что любые попытки формализовать процесс прохождения информации через
оптическую систему являются шагом к количественной оценке способности систем передавать и обрабатывать информацию и позволяют оптимизировать их информационные характеристики. Одним из способов формализовать этот процесс является использование концепции оптических степеней свободы.
Установление связи между количеством оптических степеней свободы различных типов
и объемом информации, которую система в состоянии переработать, позволит дать конкретные рекомендации по оптимизации оптической системы, и это делает данную задачу
весьма актуальной.
В работе рассмотрена концепция оптических степеней свободы, связь степеней свободы различного типа с физическими и физико-техническими характеристиками системы.
На базе проведенного анализа литературных данных и собственных расчетов устанавливается связь между числом оптических степеней свободы, объемом обрабатываемой информации и отношением сигнал/шум на выходе оптической системы. Сформированы практические рекомендации, позволяющие провести информационную оптимизацию некоторых
оптических систем.
В рамках настоящей работы необходимо рассмотреть и установить условия дискретизации световых полей в отдельных звеньях оптических систем для более точного опре46
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
деления их информационных параметров и для осуществления уплотнения хранимой
и передаваемой информации. Следует также рассмотреть отдельные виды степеней
свободы (по третьему измерению, спектральные степени свободы), а также определить
оптимальные условия возможного обмена одного вида степеней свободы на другие. Для
определения общего объема информации, обрабатываемого системой, необходимо рассмотреть оптимальные критерии разрешения как пространственного по координатам х, у
и z, так и по длине волны.
Несмотря на существенные потери в третьем измерении, общее число степеней свободы для трехмерного изображения значительно превышает это число для двухмерного. Кроме того, часто информация, распределенная вдоль оси z, оказывается более важной, чем
другая информация, т. е., ей могут быть приписаны более высокие весовые коэффициенты.
Примером такой системы может служить оптический профилометр, в оптической схеме
которого используется линза с сильной хроматической аберрацией. У такой линзы наблюдается сильная зависимость фокусного расстояния от длины волны света (рис. 1).
С помощью такой линзы может быть создано профилометрическое устройство, работающее на отражение, при условии, что длина волны источника света будет изменяться необходимым образом в реальном времени. Последнее обстоятельство может быть обеспечено
применением акустооптического перестраиваемого фильтра.
Рис. 1. Линза с сильной хроматической аберрацией
Для такого типа приборов может быть предложен специальный критерий разрешающей
способности по третьему измерению, учитывающий отношение сигнал/шум и, следовательно, однозначно связанный с числом оптических степеней свободы по третьему измерению.
Разумно предположить, что плоскость фотоприемника в таком приборе должна в точности совпадать с фокальной плоскостью изображающей оптической системы в случае, если
из наблюдений либо измерений записанного изображения следует, что глубина модуляции
на высоких пространственных частотах достигает максимума. Это означает, что незначительное смещение плоскости вызовет ухудшение фокусировки. Другие изображения, добавляемые к зарегистрированному, могут рассматриваться как помехи, препятствующие распознаванию изображения.
Пусть сфокусированная картина представляет собой изображение тест-таблицы с определенной, достаточно высокой пространственной частотой. Это сфокусированное изображение
может быть записано с глубиной модуляции M1. Одновременно мы записываем несфокусированное изображение тест-таблицы с той же пространственной частотой, но сдвинутое на полпериода по отношению к сфокусированному изображению, как показано на рис. 2.
47
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 2. К методу измерения разрешающей способности по z-измерению
Такая запись сфокусированного и дефокусированного изображений может быть осуществлена, если эти изображения сформированы светом разных длин волн. При этом благодаря хроматической аберрации линзы фокальные плоскости для этих изображений расположены в различных местах.
Очевидно, что дефокусированное изображение записывается с глубиной модуляции М2,
причем M1<M2. Сумма двух кривых показана на рисунке 3 жирной линией. Полную интенсивность света можно представить как
It  I0  I1 cos x ,
где I0 и I1 показаны на рис. 2, а – круговая пространственная частота изображения на
тест-таблице. Легко видеть, что глубина модуляции всей картины Mt = I1/I0 существенно
меньше, чем М1.
Критерий разрешающей способности по оси z подразумевает, два положения фокуса на
этой оси разрешимы, если глубина модуляции превышает некоторую величину. Если мы
хотим применить к этой ситуации критерий Рэлея, то разумно предположить, что эта величина постоянна и составляет, к примеру, 20%. Однако на практике эта величина оказывается различной для различных условий эксперимента и требований задачи. По нашему мнению, наиболее адекватным критерием разрешающей способности по оси z является такая
величина глубины модуляции, которая позволяет распознать данную пространственную
частоту тест-таблицы с вероятностью, задаваемой условиями задачи. Это означает, что
необходимо измерить отношение сигнал/шум (ОСШ) и рассчитать, какая величина ОСШ
соответствует заданной вероятности распознавания сигнала.
Измерить ОСШ можно следующим образом. Необходимо многократно измерить величины I0 и I1, а затем рассчитать средние величины и среднеквадратичные отклонения. ОСШ
можно будет вычислить как
I
(2)
SNR  1 ,
0
где SNR – ОСШ, а – среднеквадратичное отклонение для I0.
Такой подход был реализован экспериментально. Эксперименты включали в себя определение диапазона сканирования фокусом по оси z и определение пространственной
48
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
разрешающей способности вдоль этой оси. В эксперименте использовались стандартные
миры и юстировочные элементы. Линзы с сильной хроматической аберрацией были специально изготовлены из монокристаллов диоксида теллура ТеО2. Выходное изображение фокусировалось на входном окне ПЗС-камеры. Экспериментальные данные сведены в табл. 1.
Таблица 1
Результаты измерений разрешающей способности по оси z
Границы
диапазона
Радиус
длин волн, мкм линзы, мм

0,48
0,40
0,63
0,8

0,80
0,63
0,64
1,0
10
88
15
10
Показатели
преломления
для граничных
значений длин волн


2,337
2,226
2,432
2,260
2,260
2,256
2,226
2,208
Диапазон
сканирования
положением
фокуса, мм
Число
разрешимых
положений
фокуса
0,67
8,38
0,03
0,12
50
50
3
20
Таким образом, короткофокусные линзы с размерами радиусов 10 и 15 мм обеспечивают разрешение в десятки микрон в видимом диапазоне. С точки зрения профилометрии это
можно считать удовлетворительным для исследования сильно шероховатых поверхностей,
но непригодным для изучения профилей дифракционных голографических элементов.
Итак, число степеней свободы, связанное с третьим измерением, играет столь же,
а иногда и более важную роль с точки зрения информационных возможностей систем, чем
другие пространственные степени свободы.
В процессе работы рассмотрена и проанализирована концепция оптических степеней
свободы и их связь с общим объемом информации, обрабатываемой оптической или оптико-электронной системой.
Рассмотрены отдельные виды оптических степеней свободы, в том числе пространственные степени свободы по координатам х, у, и z, а также спектральные степени свободы – по длине волны. Предложены критерии разрешения оптических систем по этим координатам, которые позволяют связывать число степеней свободы, объем обрабатываемой
информации и физико-технические характеристики систем.
__________
УДК 621.396.969.34
В. Ю. Киселев – магистрант кафедры бортовой радиоэлектронной аппаратуры
Е. А. Антохин (канд. техн. наук, доц.) – научный руководитель
СОПРОВОЖДЕНИЕ МАНЕВРИРУЮЩЕЙ ВОЗДУШНОЙ ЦЕЛИ
ПО ДАННЫМ РЛС С ИСПОЛЬЗОВАНИЕМ ФИЛЬТРА КАЛМАНА
Определение координат и скоростей объектов по последовательности измерений, формируемых радиолокационной станцией, является центральной задачей любой системы
слежения за целями в военной или гражданской сфере. При сопровождении решаются
49
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
задачи предсказания и фильтрации траектории движения воздушной цели. Одними из широко распространённых и применяемых на практике рекуррентных алгоритмов фильтрации
являются алгоритмы фильтрации Калмана. Данные алгоритмы подробно описаны в литературе [1, 2]. Очень хорошо исследовано применение классического линейного фильтра Калмана. Фильтр функционирует устойчиво и с высокой точностью при малых интервалах дискретизации, а расчетные значения являются оптимальными оценками по критерию
минимума среднеквадратической ошибки, что и обуславливает широкое применение данного алгоритма. Однако, в ряде случаев, при выполнении целью маневров, классический
фильтр оказывается непригодным, поскольку несоответствия между заложенной в алгоритме моделью движения цели и реальной траекторией становятся существенными, а ошибка
оценивания на участке маневра – недопустимо большой. В данной работе рассмотрен линейный алгоритм фильтрации и его модификация с обнаружителем начала маневра.
Воздушная цель рассматривается как линейная динамическая система. Динамика n
мерного вектора состояния цели s(k) описывается матричным разностным уравнением:
где s(k) – вектор состояния системы в момент tk, F(k) – матрица перехода системы, v(k) – формирующий гауссов шум, с нулевым средним и известной ковариационной матрицей Q(k).
Линейная модель наблюдений определена уравнением:
где s(k) – вектор наблюдаемых параметров, H(k) – матрица проекции пространства состояний на пространство наблюдений, w(k) – белый гауссов шум наблюдения с нулевым средним и известной ковариационной матрицей R(k).
Вектор фильтруемых параметров состоит из координат и скоростей цели
.
От радиолокатора поступают только измеренные значения координат цели, поэтому на
втором шаге алгоритма необходимо оценить производные по соответствующим координатам, рассчитать начальную ковариационную матрицу ошибок оценки вектора состояния
системы, и затем применять алгоритм экстраполяции.
Начальные значения вектора состояния и матрицы ковариации ошибок находятся следующим образом:
,
где Т – период обзора РЛС, если наблюдение ведется в полярных координатах, СКО оценок
в декартовой системе рассчитываются по формулам:
,
,
50
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
где
– измеренные значения дальности и азимута цели,
ности и азимута.
Ковариационная матрица шума наблюдения
,
– СКО измерений даль-
:
.
Алгоритм состоит из этапов экстраполяции и фильтрации. Экстраполяция параметров
траектории и ковариационной матрицы ошибок оценки состояния производится по формулам:
где
– экстраполированный на следующий обзор вектор состояния системы,
– обновленный в момент
вектор состояния системы,
–
экстраполированная на следующий обзор ковариационная матрица вектора состояния си– обновленная в момент
ковариационная матрица вектора
стемы,
состояния системы,
– матрица усиления дисперсий случайных ускорений,
– ковариационная матрица гауссова формирующего шума вида
, где
– дисперсия случайных ускорений.
Далее рассчитывается матричный коэффициент усиления, корректируется экстраполированная оценка и ковариационная матрица ошибок с учетом очередного наблюдения:
,
,
где
– невязка измерения и его экстраполированной оценки,
– матричный коэффициент усиления фильтра Калмана,
– обновленный вектор состояния системы.
Получив оценку состояния на k-ом шаге и, рассчитав ковариационную матрицу ошибки
оценки состояния, обращаются к уравнениям экстраполяции на следующий такт. Затем
алгоритм начинает работу заново, т. е. является рекурсивным.
Линейный фильтр Калмана является надежным алгоритмом сопровождения неманеврирующей или слабоманеврирующей цели, интенсивность маневра может быть учтена
в элементах матрицы Q. Однако, в случае интенсивного маневрирования с большими перегрузками, оценка фильтра сильно расходится с истинной траекторией на участке маневра,
что может привести к полному срыву сопровождения.
Одним из алгоритмов устранения расходимости фильтра Калмана является использование S – модификации [3]. Вводится решающее правило автоматической адаптации коэф51
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
фициента усиления фильтра, с помощью которого определяется момент начала манёвра
воздушной цели. Обнаружение расходимости производится на основе сравнения теоретической и фактической дисперсий невязок измерений:
Аналогичным образом рассчитывается коэффициент для координаты у. В режиме
устранения расходимости проверяется неравенство
. Как только это неравенство
перестает выполняться, считается, что расходимость устранена, после чего отключается
механизм подавления расходимости и фильтр продолжает работу в нормальном режиме.
при
при
,
.
Применение этой модификации автоматически обеспечивает коррекцию коэффициентов усиления невязки и коррекцию результатов экстраполяции. Следует отметить, что увеличение вычислительных затрат S-модифицированного фильтра Калмана по сравнению
с классическим – незначительно.
При моделировании алгоритма были использованы следующие матрицы наблюдения,
перехода системы и усиления дисперсий случайных ускорений:
,
,
Для исследования качества работы синтезированного алгоритма, в среде Matlab был
разработан блок имитатора цели и блок фильтра Калмана. Первый блок имитирует перемещение цели относительно станции, рассчитывая текущие значения дальности и азимута
цели. Полученные значения суммируются с шумами, тем самым имитируется работа канала
наблюдения. На выходе второго блока формируется оценка траектории движения воздушной цели.
Было смоделировано два сценария движения цели. Сценарий 1 соответствует маневру
захода гражданского воздушного судна на посадку. При этом использовались три модели
движения: прямолинейное с постоянной скоростью, прямолинейное равнозамедленное,
координатный разворот с постоянной скоростью.
В сценарии маневрирующей воздушной цели использовались модели координатного
разворота с интенсивностями маневра
и
(
), при скорости цели 300 м/с.
Представлены результаты оценки траектории движения для классического фильтра
Калмана и S-модифицированного фильтра.
Из рис. 1 видно, что классический линейный фильтр Калмана при отсутствии интенсивных маневров хорошо выполняет свои функции. Использование S-алгоритма не дает выигрыша в улучшении качества сопровождения.
На рис. 2 представлены оценки траектории маневрирующей воздушной цели при сопровождении классическим фильтром Калмана и при использовании модифицированного
алгоритма.
52
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Рис. 1
Рис. 2
Из анализа графиков следует, что оценка классического фильтра Калмана сильно расходится с истинной траекторией, что делает его неспособным решать подобные задачи.
Использование S-модифицированного алгоритма с обнаружителем начала маневра позволяет уменьшить расхождение на участке маневра и устойчиво сопровождать маневрирующую цель.
Библиографический список
1. Bar-Shalom Y., Rong Li X., Kirubarajan Т. Estimation with Applications to Tracking and Navigation. New York, Wiley,
2001.
2. Фарина А., Студер Ф., Цифровая обработка радиолокационной информации. Сопровождение целей. М.: Радио
и связь, 1993.
3. Кошелев В. И., Белокуров В. А. Сопровождение маневрирующей цели на фоне помех. Вестник РГРТУ. № 1 (выпуск 31). Рязань, 2010.
__________
53
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.396.6
И. А. Миронович – магистрант кафедры антенн и эксплуатации радиоэлектронной аппаратуры
А. Ф. Крячко (д-р техн. наук, проф.) – научный руководитель
МОДЕЛЬ СИГНАЛОВ ОЭС ОПТИЧЕСКОГО ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ АТМОСФЕРЫ
Современные системы дистанционного зондирования (ДЗ) окружающей среды из космоса работают посредством измерения полной яркости излучения, поступающего на приемные устройства, и требуют множества алгоритмов обработки сигналов оптико-электронных
систем (ОЭС) зондирования. Системы лидарных измерений, наиболее широко использующиеся в настоящий момент, имеют довольно узкие границы применимости. Все существующие алгоритмы обработки сигналов строго ориентированы на плоские среды, что не соответствует реальному трехмерному пространству. [1]
Важным моментом является тот факт, что все спутниковые измерения принципиально
косвенные. Радиометры измеряют яркость, а в конечном счете требуется восстановление
характеристики среды или подстилающей поверхности (ПП). Поэтому, по своей сути, они
сводятся к обратным задачам теории переноса. Обратные задачи – некорректные задачи,
особенностями которых является неустойчивость. Независимо от конкретного метода, используемого для решения таких задач, будь то метод Байеса, регуляризация по Тихонову
или иной метод, в основе решения лежит сужение класса и привлечение дополнительной информации – комплексирование эксперимента по Розенбергу. Поэтому сегодняшние
ОЭС ДЗ – это многоспектральные, многоугловые и поляризационные приборы.
Данные, получаемые системами ДЗ, позволяют определять концентрацию и размер частиц
аэрозоля над земной поверхностью, оценивать степень её облученности, учитывая поляризацию,
а также определение характеристик облачного покрова (высота, плотность, термодинамические
параметры), долю отраженного им излучения и количество водяного пара в атмосфере.
Проводимые измерения атмосферы и земной поверхности под различными углами
предъявляют требования к алгоритму обработки – расчет прямой задачи должен выдавать
угловое распределение яркости и поляризационных характеристик. Следует отметить, что
необходимость учета состояния поляризации излучения возникает так же и в скалярных
системах ДЗ, которые предназначены для анализа полной яркости излучения. Таким образом, можно выделить два краеугольных камня обработки и интерпретирования данных ДЗ:
создание баз характеристик реальных сред и отражающих поверхностей, нахождение методов их математического описания; вследствие того, что поляризационные измерения всегда
являются косвенными, для их интерпретации требуется устойчивая математическая модель
переноса поляризованного излучения в рассеивающей и поглощающей среде.
На базе решения прямой задачи осуществляется переход к решению обратных задач –
определению свойств исследуемых природных образований. Для этого модель должна
иметь высокую скорость сходимости, чтобы было возможным применять ее на вычислительной технике, установленной на бортах спутников и в центрах, где производится работа
над полученными данными. В условиях зондирования аэрозолей эта проблема становится
особенно актуальной, поскольку аэрозоль в атмосфере довольно неустойчив и часто требуется возможность обработки в режиме реального времени.
54
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Запишем лидарное уравнение для неоднородной рассеивающей и поглощающей среды
в следующем виде:
(1)
где P(z) – мощность эхо-сигнала;
аппаратная
функция
лидара;
–
–
длительность
зондирующего
импульса;
– лидарное отношение;
прозрачность чистой атмосферы на участке
–
;
– прозрачность аэрозольного образования на участке
; Kопт – коэффицент пропуска-
ния оптической системы лидара.
В общем случае лидарное уравнение (1) содержит три неизвестные оптические характеристики аэрозольного образования: показатель ослабления s{z),показатель рассеяния cr(z) и значение индикатрисы рассеяния %„(z) для угла 180°. Поэтому для разрешения лидарного уравнения
относительно показателя ослабления необходимо доопределить задачу путем введения соответствующей априорной информации об оптических свойствах зондируемого объекта.
Рассмотрим метод логарифмической производной. При зондировании аэрозольных образований небольшой протяженности и малой оптической плотности, когда сигнал превышает шумы как перед шлейфом, так и за ним, из (1) нетрудно получить формулу для среднего (по сечению шлейфа) значения коэффициента ослабления ε ,
В случае шлейфов промышленных выбросов большой оптической плотности задача интерпретации данных лазерного зондирования сильно осложняется из-за существенной оптической неоднородности аэрозольных образований, неизбежного присутствия фона многократного рассеяния и малых величин эхо-сигналов, приходящих из глубины рассеивающей
среды. В таких случаях применяются методы интегрального накопления.
Приняв   1 , преобразуем уравнение (1) к виду:
,
где
(2)
– экспериментально определяемая функция.
Логарифмируя и дифференцируя (2):
,
(3)
Получаем уравнение Бернулли:
.
(4)
Общее решение уравнения Бернулли имеет вид
,
(5)
где z* – произвольная точка интервала  z0 , z  ; C – постоянная интегрирования.
55
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Пусть известно значение
 z0 , z  .Назовем точку
в какой-нибудь точке
калибровочной. Полагая в (5)
трассы локации
, получаем калибровочное
соотношение
(6)
Подставляя (6) в (5), получаем алгоритм обработки лидарных сигналов с локальной калибровкой:
.
Используя уравнение (2), выражение
(7)
можно записать в виде
и пред-
ставить (7) с калибровкой интегрального вида:
.
(8)
Недостатком полученных выражений является необходимость абсолютной калибровки
лидара. Алгоритм относительных измерений можно получить путем несложных преобразований выражения (8).
Используя из (2) соотношение
,
Можно записать решение (8) относительно
(9)
:
.
(10)
При
.
Затем, представив
(11)
в (8) в виде
,
(12)
получим алгоритм относительных измерений с интегральной калибровкой:
,
где
щийся через значение прозрачности
56
(13)
– безразмерный параметр, выражаюили оптической толщи
участка
.
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Как следует из (2), кроме измеряемого экспериментально лидарного сигнала
и известной аппаратной функции лидара A(z), входными данными для обращения лидарного
уравнения являются оптические параметры атмосферы
. Переход к относительным измерениям снимает проблему измерения прозрачности атмосферы на участке
до аэрозольного образования.
Формулы (7) (с локальной калибровкой) и (14) (с интегральной калибровкой) содержат
практически все известные варианты аналитических методов решения лидарного уравнения
в приближении однократного рассеяния. Среди них наибольшее распространение для контроля аэрозольных загрязнений получили метод Клетта и метод S-функции.
Метод Клетта подразумевает предположение
в выражении (7)
,
(14)
где
– сигнал, умноженный на квадрат расстояния.
Формула (14) является математическим выражением алгоритма метода Клетта, который
основан на калибровке сигнала S(zk) по известному коэффициенту ослабления (zk). Устойчивость этого метода в области больших оптических толщ в значительной мере зависит от
выбора опорной точки. Помещение последней вглубь рассеивающей среды делает алгоритм более устойчивым.
С целью повышения надежности интерпретации лидарных сигналов при зондировании
оптически плотных аэрозольных образований для вычисления
вместо (7) используют
выражение, следующее из (12):
,
где
(15)
.
Здесь параметр
находится из данных лазерного зондирования и используется для
стабилизации решения (15) в области больших оптических толщ. Корректирующий множитель
подбирается экспериментально.
В методе S-функции трасса зондирования разбивается на отрезки
(I = 1,
…, m) и измеряется отношение сигналов в соседних точках
и
, считая
.
  zi 
  z i 1 
P  zi  zi
2

P

z i 1 z i21

S  zi 
S  z i 1 
(16)
Пересчет оптических параметров от (i-1)-го к i-му слою проводится по формуле (7), положив
:
.(17)
Здесь интеграл вычислен по формуле трапеций в предположении малости
.
57
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Далее, деля поочередно (16) на
и
, получим
;
(18)
(19)
Соотношения (18), (19) дают схему последовательного пересчета показателя ослабления в любую сторону от опорного значения, измеренного в любой точке трассы. Такая схема
позволяет снизить влияние фона за счет измерения отношения сигналов в двух близких
точках.
Практически все программы и цели дистанционного зондирования сводятся к решению
обратных задач – к нахождению параметров исследуемой среды. Одними из самых распространенных методов решения обратной задачи является метод фиттинга и метод, основанный на байесовском критерии, который в случае гауссовых шумов, наиболее часто представленных в решении практических задач, по сути, является обобщением метода
наименьших квадратов [2]. Суть метода заключается в многократном решении прямой задачи с различными параметрами и последующим подбором получившихся теоретических
кривых к экспериментальной. Таким образом, решение обратных задач выдвигает серьезные требования по точности и скорости к многократному решению векторного уравнения
переноса излучения (ВУПИ). С этих позиций критически рассмотрим существующие методы
решения ВУПИ.
Библиографический список
1. Розенберг Г. В., 1977: Луч света (К теории светового поля) // УФН, Т. 121, Вып. 1. С. 97–138.
2. Rodgers CD., 2000: Inverse Methods for Atmospheric Sounding: Theory and Practice. Singapore: World Scientific Publishing, 238 P.
__________
УДК 621 397.13:656.021
О. А. Николюк – студент кафедры электронных и телевизионных систем
Н. А. Обухова (д-р техн. наук, проф.) – научный руководитель
ПРЕДВАРИТЕЛЬНЫЙ АНАЛИЗ ИЗОБРАЖЕНИЙ
В ТЕЛЕВИЗИОННЫХ СИСТЕМАХ РАННЕЙ ДИАГНОСТИКИ
ОНКОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ
Смертность от рака шейки матки на сегодняшний день остается достаточно высокой,
особенно в развивающихся странах, где проведение планового осмотра является довольно
дорогой процедурой. По этой причине задача создания консультативных систем, способных
сделать обследование более дешевым и качественным, является очень актуальной. Наличие на шейке жидкости приводит к образованию бликов в процессе получения изображения.
Присутствие бликов на изображении может замаскировать патологические области, в некоторых случаях блики могут быть ошибочно приняты за ацетобелые области. Они вмешива58
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ются в алгоритмы обработки, приводя к неправильной сегментации и классификации. Блики
являются серьезным препятствием на пути осуществления автоматического анализа, поэтому необходимо проводить предобработку изображений с целью выявления бликов
и удаления их из дальнейшей обработки.
Был предложен метод обнаружения бликов на изображениях шейки матки, использующий
информацию об оценке яркости цвета, оценке насыщенности цвета и градиенте яркости.
Отражения всегда имеют очень высокую яркость и низкую насыщенность цвета. Это
наблюдение позволяет определить начальные области интереса. Для определения оценки
яркости и оценки насыщенности цвета использовалась цветовая система RGB. Оценка яркости и оценка насыщенности ищут следующим образом:
где
– оценка яркости пиксела;
села соответственно;
– значение красного, зеленого и синего цвета пик-
– оценка насыщенности цвета пиксела.
Для выделения области кандидата необходимо произвести пороговую обработку.
,
где
и
– максимальное значение оценки яркости цвета и максимальное значение
– пороговое значение для оценки яркости
оценки насыщенности цвета пиксела;
цвета пиксела;
– пороговое значение для оценки насыщенности цвета пиксела
= 0,6 [1]).
Все пиксели, оценка яркости и оценка насыщенности которых удовлетворяет данному
условию, помечаются как блики.
Основная проблема операции порогового преобразования заключается в выборе
надлежащего значения порога. В [1] значение порога было подобрано вручную, исходя из
анализа имеющихся изображений. Для обеспечения обработки изображений в автоматическом режиме предложена процедура формирования адаптивного порога.
Для определения порога был использован метод Отсу [2]. С помощью данного метода
вычисляется значение порога:
, где t – переменная величина, минимизирующая среднюю ошибку сегментации, т. е. среднюю ошибку от принятия решения о принадлежности пикселей изображения области блика или ткани.
После процесса пороговой обработки были получены области кандидата. Блики связаны с высоким градиентом яркости на границе. Уточнение области кандидата осуществляется при помощи выбора пикселей только вблизи высоких градиентов яркости:
где k = 0,15 [1].
59
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Ниже представлена структурная схема алгоритма выделения бликов на изображении.
Структурная схема алгоритма выделения бликов
В ходе исследования было проведено моделирование данного алгоритма. Разработка
велась в операционной системе Windows 7 EnterpriseSP1, язык программирования – Delphi.
Полученные результаты представлены в табл. 1.Слева располагается исходное изображение, справа – изображение после обработки. На сегментированном изображении области
бликов помечены черным цветом. Апробация алгоритма проводилась на 16 различных
изображениях: до применения растворов, после применения уксуса и Люголя.
Таблица 1
Исходное
изображение
60
Сегментированное
изображение
Исходное
иображение
Сегментированное
изображение
Test 1
Test 2
Test 3
Test 4
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Окончание табл. 1
Исходное
изображение
Сегментированное
изображение
Исходное
иображение
Сегментированное
изображение
Test 5
Test 6
Test 7
Test 8
Test 9
Test 10
Test 11
Test 12
Test 13
Test 14
Test 15
Test 16
61
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Эффективность сегментации была определена при помощи критерия:
– ошибка сегментации,
и
– площадь бликов на изображении и выделенная
где
площадь бликов соответственно.
В табл. 2 приведены результаты моделирования.
Таблица 2
№ изображения
Sэт, pxl
Sм, pxl
Er, %
test 1
5214
4514
15,66
test 2
33591
23742
29,32
test 3
1720
1409
18,08
test 4
1515
1281
15,45
test 5
1575
1284
18,48
test 6
11114
7731
30,44
test 7
8993
6678
25,74
test 8
18834
16032
14,88
test 9
29593
18705
36,79
test 10
10409
7347
29,42
test 11
2848
3003
21,96
test 12
9646
7204
25,32
test 13
11475
8462
26,26
test 14
1966
1487
24,36
test 15
784
590
24,74
test 16
1916
1621
15,4
Как видно из табл. 2 максимальное значение ошибки составляет 36,79%, минимальное
значением – 14,88%.Среднее значение ошибки сегментации составило 23,27%. Такой уровень ошибки обеспечивает корректную работу алгоритмов дальнейшего анализа, поэтому
предложенный метод может быть использован в методах предварительного анализа изображений в телевизионных системах ранней диагностики онкологических заболеваний.
Библиографический список
1. Zimmerman-Moreno G., Greenspan H. Automatic Detection of Specular Reflections in Uterine Cervix Images// SPIE
Medical Imaging Symposium. 2006.
2. Otsu N.A. Threshold Selection Method from Gray-Level Histograms// IEEE Transaction onSystems, Man and Cybernetics,
SMC-9(1), 62-66, 1979.
__________
62
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.395.7
В. Ю. Пак – магистрант кафедры медицинской радиоэлектроники
В. Ф. Михайлов (д-р техн. наук, проф.) – научный руководитель
ИССЛЕДОВАНИЕ ХАОТИЧЕСКИХ ДЕТЕРМИНИРОВАННЫХ СИГНАЛОВ
В КВ ДИАПАЗОНЕ
В последние годы исследование динамического или «детерминированного» хаоса (ДХ)
является одним из наиболее ярких и интенсивно развивающихся научных направлений
в области нелинейных колебаний. Разрабатываемые на основе этого явления теории
и подходы могут привести к появлению новых технологий. Таким образом, встал вопрос
о практическом использовании ДХ, в первую очередь в телекоммуникационных системах.
Интерес к теме в значительной степени определяется тем, что даже простейшие хаотические синхронизируемые системы обладают определенной степенью конфиденциальности. Речь идет о том, что посторонний наблюдатель должен обладать достаточно подробной
информацией об используемой в передатчике хаотической системе, чтобы иметь потенциальную возможность для организации перехвата этой информации.
Детерминированный хаос есть решение нелинейного дифференциального уравнения
(или их системы), описывающего некоторую автоколебательную систему. На выходе этой
системы воспроизводится непериодический процесс (напряжение, ток), по своим статистическим характеристикам близкий к шумовому. В отличие от цифровых схем, формирующих
ПСП, хаос реализуется аналоговыми методами.
Для реализации нетрадиционных алгоритмов записи, хранения, обработки и передачи
информации, использующих свойства хаотической динамики систем, необходимы генераторы хаоса (ГХ) – устройства, преобразующие энергию, взятую от некоторого внешнего источника, в энергию хаотических колебаний.
Нелинейные системы с хаотической динамикой могут иметь математическое описание
двух видов. Системы с непрерывным временем описываются дифференциальными уравнениями вида
dx
 f  x ,μ  ,
dt
где µ – вектор параметров нелинейной функции f(x), и могут быть физически реализованы
на аналоговых электронных устройствах. Системы с дискретным временем описываются
разностными уравнениями, для их реализации необходима аппаратура цифровой обработки
сигналов. Для формирования и обработки хаотических сигналов на относительно невысоких
частотах (диапазон КВ) удобнее использовать системы с дискретным временем.
Перейдём к рассмотрению способов скрытой передачи информации на основе хаотической синхронизации. Начнём с рассмотрения режима полной синхронизации, поскольку
большинство известных способов и устройств основаны именно на этом типе синхронного
поведения. Использование полной хаотической синхронизации для скрытой передачи информации подразумевает наличие, как минимум, двух однонаправленно связанных идентичных хаотических генераторов. Предложено достаточно много таких способов скрытой
передачи данных. Это, в первую очередь, хаотическая маскировка, переключение хаотиче63
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
ских режимов и др. На основе этих методов было предложено множество способов скрытой
передачи данных. Поэтому рассмотрение основных принципов работы таких схем является
очень важным. Остановимся на них более подробно.
Хаотическая маскировка – один из первых и наиболее простых способов скрытой передачи данных. Принципиальная схема реализации этого способа приведена на рис. 1.
На передающей стороне информационный сигнал m(t ) подмешивается в сумматоре
к несущему сигналу, генерируемому передающей хаотической системой x (t ) , и далее передается по каналу связи. В приёмнике осуществляется полная хаотическая синхронизация
находящегося в нём хаотического генератора u (t ) с помощью принимаемого сигнала,
в результате чего динамика принимающего генератора становится идентичной динамике
передающего. Детектированный сигнал m(t ) получается после прохождения через вычитающее устройство как разность между принимаемым сигналом и синхронным откликом
генератора хаоса в приемнике.
Рис. 1. Схема скрытой передачи информации с помощью хаотической маскировки
(CS – полная хаотическая синхронизация)
В начале 90-х годов XX в. было предложено, помимо хаотической маскировки еще
несколько способов скрытой передачи данных, объединенных общим названием «переключение хаотических режимов». Одна из схем переключения хаотических режимов приведена
на рис. 2.
Рис. 2. Схема скрытой передачи информации на основе переключения хаотических режимов
64
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Передающее устройство содержит два хаотических генератора, x1 (t ) и x2 (t ) , которые могут быть разными или одинаковыми, но с различающимися параметрами, однако
в интересах конфиденциальности передачи данных предпочтительнее использовать последние; более того, сигналы, генерируемые этими системами должны иметь сходные спектральные и статистические свойства. Полезный цифровой сигнал m (t ) , представленный
последовательностью бинарных битов 0/1, используется для переключения передаваемою
сигнала, т. е. сигнал, производимый первым хаотическим генератором, кодирует, например,
бинарный бит 0, а сигнал от второго генератора хаоса соответственно – бинарный бит 1.
Полученный таким образом сигнал передается по каналу связи на принимающее устройство. В зависимости от числа генераторов, находящихся на принимающей стороне канала
связи, различают несколько схем скрытой передачи данных на основе переключения хаотических режимов. В схеме, представленной на рис. 2, принимающее устройство содержит
один хаотический генератор х (t ) , идентичный любому из передающих, например первому.
Параметры генераторов должны быть выбраны таким образом, чтобы генерируемые ими
сигналы приводили к возникновению режима полной хаотической синхронизации лишь в том
случае, если передаётся только бинарный бит 0 (или только бинарный бит 1). Так же как
и при хаотической маскировке, восстановленный сигнал m (t ) получается после прохождения через вычитающее устройство сигнала, передаваемого по каналу связи, и синхронного
отклика хаотического генератора принимающего устройства.
Динамический хаос и системы связи с хаотическими колебаниями дают новый виток
в истории радиотехники. Дальнейшие исследования применения этого явления для обеспечения радиосвязи позволят создать более надежные, компактные системы связи, обеспечивающие высокую скорость передачи информации.
__________
УДК 621.391
А. Ф. Свистунов – магистрант кафедры антенн и эксплуатации радиоэлектронной аппаратуры
В. Н. Красюк (д-р техн. наук, проф.) – научный руководитель
МЕТОДИКА РАСЧЕТА ЛАЗЕРНОГО КАНАЛА СВЯЗИ
Для решения задач формирования качественного высокоскоростного канала связи на
небольших дистанциях в пределах прямой оптической видимости используются системы
лазерной связи. Наряду с преимуществами, у систем АОЛС (Атмосферные Оптические Линии Связи) есть существенный недостаток – зависимость от погодных условий. Интенсивные осадки, а в особенности густой туман, могут оказать сильное влияние на качество связи. Разработано немало конструктивных решений, снижающих негативное влияние осадков
и других атмосферных факторов. Так как погодные условия существенно разнятся в зависимости от места эксплуатации АОЛС, при проектировании систем требуется особый подход, учитывающий местоположение и особенности конкретного приложения, для которого
создается система.
65
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Поэтому для эффективного проектирования системы связи необходимо проанализировать ситуацию, поставить соответствующую задачу и обосновать оптимальность выбора
таких параметров системы, как рабочая длина волны излучения, мощность передатчика, их
количество, чувствительность приемника излучения, расходимость излучения, диаметр
апертуры приемной антенны и др.
В настоящей работе рассмотрен вопрос расчета энергетического потенциала канала связи
систем АОЛС, установлена взаимосвязь между указанными параметрами системы, а так же факторами, влияющими на качество работы АОЛС, которые должны быть учтены при проектировании.
Для того, чтобы система АОЛС корректно работала на заданной дистанции, необходимо, чтобы запас мощности системы превосходил суммарные потери мощности излучения на
трассе, а так же внутри системы. Для этого при проектировании рассчитывают энергетический потенциал Асистемы связи:
 PN
A  10log  t 
 Pr 
где Pt – мощность передатчика, N – количество излучателей в передатчике, Pr – чувствительность приемника.
Величина энергетического потенциала при правильной установке оборудования однозначно и полностью описывает энергетику линии связи, поскольку включает в себя все основные технические характеристики оборудования и дальность линии связи. Эта величина
также определяет устойчивость линии к погодным условиям. АОЛС работоспособна только
при условии превышения ее энергетического потенциала над суммарными потерями передающего тракта:
.
Таким образом, при проектировании системы необходимо уметь рассчитать полные потери излучения на пути от излучателя к приемнику.
Полные потери включают в себя потери на оптических системах
и
, суммарные
, общие геометрические потери
, потери
потери излучения в чистой атмосфере
за счет разъюстировки оборудования
, а так же дополнительные потери
, обусловленные различными метеоявлениями, которые теоретически могут возникать в районе
использования АОЛС [1]:
.
Потери энергии излучения в оптической антенне и модуляторе передатчика включают
в себя рассеяние, отражения от поверхностей, поглощение и прочие потери, и характеризуются коэффициентом передачи передающей системы:
 P 
 t  10log  t  ,
 Plas 
где
– мощность лазера, а
– мощность на выходе передающей системы.
Потери излучения в приемной оптической антенне
вычисляются аналогичным образом.
Суммарные потери излучения в чистой атмосфере
включают в себя потери из-за
турбулентности внутри луча
, фоновые потери
, и ослабление излучения за счет
молекулярного поглощения и рассеяния
:
.
66
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Потери
, вносимые турбулентностью атмосферы в работу АОЛС, как правило, не
превышают 2 дб/км [1].
Фоновые потери можно найти по выражению
bgr  Sr   ,
где

– яркость фона 


,
см срмкм 
дБ
2
– площадь приемника (см2),
– угол зрения
приемника (ср),
– диапазон длин волн принимаемый фотоприемником (мкм).
Потери за счет молекулярного поглощения и рассеивания
практически не влияют
на распространение излучения при правильном выборе рабочей длины волны, которая
должна находиться на участках спектра атмосферы, занятых широкими окнами прозрачности или в промежутках между слабыми линиями поглощения, в микроокнах прозрачности.
Геометрические потери определяются как отношение радиуса луча в месте приема
к радиусу приемной антенны:
где
– угол расходимости излучения – один из параметров передатчика,
– диаметр
антенны приемника, – расстояние между передатчиком и приемником.
Приведенные выражения справедливы для прямоугольной модели профиля пучка.
Дополнительные геометрические потери возникают из-за турбулентности атмосферы,
приводящей к некоторому расширению пучка [2].
где
– диаметр пучка в плоскости приемной антенны с учетом турбулентности,
– диаметр пучка в плоскости приемной антенны без учета турбулентности, T – параметр, учитывающий влияние турбулентности.
Величина дополнительных геометрических потерь на расхождение пучка под влиянием
турбулентности атмосферы находится из отношения ширины пятна в плоскости приемной
антенны с учетом турбулентности к ширине пятна без учета турбулентности [2]:
Работа систем АОЛС существенным образом зависит от метеоусловий. Учет потерь
, вызванных метеоявлениями, характерными для места предполагаемой эксплуатации системы, играет ключевую роль в расчете энергетического бюджета линии.
Мощность сигнала при распространении в рассеивающей среде, согласно закону Бугера, уменьшается экспоненциально по длине трассы.
Отношение мощности сигнала на расстоянии L к его первоначальной величине определяется выражением
Pr
 exp  L  ,
Pt
где (1/км) – общий коэффициент затухания, учитывающий влияние поглощения и рассеивания, на трассе передатчик – приемник.
67
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Основным параметром, описывающим процесс взаимодействия оптического излучения
с атмосферой, является метеорологическая дальность видимости (МДВ) V (км). Она определяется как расстояние, на котором видимое излучение источника света уменьшается
в 50 раз по отношению к первоначальной величине:
V
ln50


3,91

.
Факторы затухания рассеивания, обычно измеряемые в дБ/км, определяются как [3]
S
 I0 

 I (L)   4,34  .
10log 
L
Таким образом, МДВ (в км) и затухание рассеивания (в дБ/км), имеют тесную взаимосвязь между собой, которая выражается соотношением:
S (дБ / км ) 
17
V  км 
.
Тогда дополнительные потери на неблагоприятных метеоявлениях αд будут определяться выражением
 д  SL .
Пользуясь выражением для расчета энергетического потенциала системы, можно вычислить запас мощности системы на преодоление ослабления неблагоприятными метеоявлениями Amet:
 PN
Аmet  А     10log  t     ,
 Pr 
где
– потери в линии связи, не зависящие от метеоусловий, то есть имеющие место
в любом случае, даже при самой благоприятной погоде:
.
Для любой конкретной аппаратуры АОЛС, обеспечивающей запас мощности Amet,
и дальности связи L, можно рассчитать минимальное, или критическое, значение МДВ Vmin,
при котором при ухудшении погодных условий происходит нарушение работоспособности
канала АОЛС [4]:
ln 50
,
Vmin  L
ln K 
где K – резерв мощности, K = 10
A
met
10
, тогда
Vmin 
L 10ln 50
Amet ln10

1
L
0,06 Amet
.
Отсюда, при известном значении V, для конкретного запаса мощности Amet, можно рассчитать максимально возможную дальность линии связи. Если известны статистические
метеоданные, то при проектировании и расчете энергетического бюджета линии логично
68
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
отталкиваться от как можно меньшего значения V для данной местности, что обеспечит
высокую устойчивость системы к метеоявлениям.
Большая величина энергетического бюджета позволяет обеспечить работу системы при
меньших дальностях видимости.
Для расчета дальности действия АОЛС в зависимости от МДВ и параметров компонентов, входящих в систему, было выведено следующее выражение:
2
L
3
Pt N d r  t rV  atm
Pr
50
2
,
где
,
, – коэффициенты ослабления, которые соответствуют потерям в оптических
– потери в чистой атмосфере.
антеннах,
Из этого соотношения видно, что на дальность действия системы влияют мощность передатчика и их количество, чувствительность приемника, расходимость излучения, а так же
потери, вносимые различными факторами.
Таким образом, установленные взаимосвязи между параметрами компонентов систем
АОЛС и характеристиками атмосферного канала связи позволяют выполнить расчет энергетического бюджета линии связи. Основной проблемой являются неблагоприятные метеоявления, такие как туман, способные вызвать значительное снижение МДВ. Для их преодоления требуется увеличение мощности или количества излучателей, либо чувствительности
приемника, либо выбор излучателя с меньшей расходимостью. При наличии данных по МДВ
для заданной местности, которыми обычно располагают местные аэропорты, представленная методика позволяет оптимально подобрать компоненты системы исходя из выдвинутых
технических требований.
Библиографический список.
1. Милютин Е. Р. Энергетический бюджет атмосферной оптической линии связи // Вестник связию. 2010. № 2.
2. Милютин Е. Р. Определение геометрических потерь в атмосферных оптических линиях связи // Вестник связи.
2005. № 10.
3. Медвед Д. Б. Влияние погодных условий на беспроводную оптическую связь // Вестник связи. 2001. № 4.
4. Сидорович В. Г., Рагульский В. В. О доступности атмосферных оптических линий связи // Оптика и спектроскопия.
2002. т. 93. № 1.
__________
УДК 621
Д. В. Смирнов – магистрант кафедры бортовой радиоэлектронной аппаратуры
А. А. Филиппов (д-р техн. наук, проф.) – научный руководитель
ОБНАРУЖЕНИЕ МАЛОГАБАРИТНЫХ НАЗЕМНЫХ ПОДВИЖНЫХ ЦЕЛЕЙ
ПРИ ПОМОЩИ БОРТОВОЙ РЛС С ИСПОЛЬЗОВАНИЕМ
ПРОСТРАНСТВЕННО-ВРЕМЕННОЙ АДАПТИВНОЙ ОБРАБОТКИ
Обнаружение целей есть одна из главных задач радиолокации, включающая в себя обнаружение как воздушных, так и наземных целей. В отличие от обнаружения воздушных целей, задача обнаружения наземных целей при помощи бортовых РЛС сталкивается
69
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
с большими проблемами, связанными с помехами, возникающими при отражении зондирующего сигнала о поверхность земли. Принимаемый сигнал содержит как полезную составляющую, отраженную от цели, так и помеху, отраженную от земли. В настоящее время созданы алгоритмы, позволяющие обнаруживать подвижные наземные цели на фоне
подстилающей поверхности земли. Это обнаружение основано на том, что сигнал от движущейся цели смещен на частоту Доплера
fD  
2Vrad
(1)

Если радиолокационная станция неподвижна, то для выделения полезного сигнала
достаточно использовать обычный доплеровский фильтр высоких частот. Так как бортовая РЛС находиться в движении относительно поверхности, то сигнал от неподвижной
земли тоже будет иметь доплеровский сдвиг, который обусловлен движением РЛС относительно земли. Спектр принимаемого сигнала в азимутально-доплеровской плоскости
показан на рис. 1.
Частотный фильтр
Полоса
заграждения
Пространственный
фильтр
Полоса
заграждения
Быстрая
цель
fD
Медленная
цель
Пространственновременной фильтр
Азимутально Доплеровский спектр
Полоса
заграждения
COS α
Рис. 1. Спектр принимаемого сигнала в азимутально-доплеровской плоскости
Спектр располагается по диагонали и модулируется диаграммой направленности передающей антенны. Применение пространственной или временной обработки не позволит
выделить полезный сигнал. Пространственно-временная обработка использует тот факт,
что спектр помехизанимает узкую полосу в азимутально-доплеровской плоскости. Поэтому
70
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
пространственно-временной «фильтр» имеет узкую полосу заграждения, тем самым отфильтровывая только помеху.
Основополагающим принципом во всех системах пространственно-временной адаптивной обработки является использование нескольких приемных антенн. Сигналы, принимаемые каждой антенной, адаптивно взвешиваются с целью изменения направления усиления
антенны в сторону полезного сигнала и создания нулей диаграммы направленности в сторону нежелательных сигналов и помех. Базовая структура систем пространственновременной адаптивной обработки показана на рис. 2.
Антенна
Приемник
Адаптивные
веса
X
X
X
X
Рис. 2. Базовая структура систем пространственно-временной адаптивной обработки
Задача обнаружения может быть представлена в рамках проверки гипотез (2),(3)
H0 : x  d
(2)
H1 : x  e(t ,ft )  d
(3)
где х – полученные данные в соответствии с любой гипотезой, d – суммарная помеха,
е – является пространственно-временным вектором, моделью сигнала цели, который возвращается с определенного угла t с определенной частотой Доплера ft ,  является н
еизвестной комплексной амплитудой цели.
Антенная решетка состоит из эквидистантных элементов, поэтому пространственный
и временной вектор можно записать следующим образом (4),(5),(6).
( N 1) T
et  1 zt

zt2
...
es  1 zs
zs2
... zs( J 1) 

zs  e
j 2 f
s
e
zt
(4)

T
(5)

d
( j 2  sin  )

,
t
zt  e
j 2f f
t
R
(6)
где et и es представляют временные и пространственные вектора, соответственно.
В формуле (6) t и ft представляют угол наблюдения и доплеровскую частоту, fR – частота следования импульсов, а  – длина волны. Пространственно-временной вектор будет
находиться в соответствии с формулой
e  et  es
(7)
где  представляет произведение Кронекера для двух векторов.
71
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Для достижения проверки гипотез адаптивные алгоритмы определяют весовой вектор.
H1
H
 w x

2


(8)
H0
где ( – эрмитово сопряжение для векторов/матриц, а  в (8) является порогом, который
определяется уровнем ложной тревоги.
Оптимальным случаем обработки при известной помехе является метод с ковариационной матрицей помех Rd. Тогда вектор весов W будет определяться по известной ковариационной матрице Rdв соответствии с зависимостью (9) [2].
)H
1
w
Rd e
H
(9)
1
e Rd e
На практике ковариационная матрица помех не известна и должна быть оценена.
В большинстве современных алгоритмов пространственно-временной адаптивной обработки (10) [2] ковариационная матрица оценивается, использую экземпляры принятого сигнала

Rd 
1
K
1
 xk xkH  K XX H
K
(10)
k 1
Адаптивные веса определяются в соответствии с формулой
 1
w  Rd e
(11)
При реализации этого подхода можно столкнуться с рядом проблем – трудность расчетов, большое количество данных, необходимых для формирования ковариационной матрицы, неоднородность этих данных. Для решения этих проблем были разработаны частично
адаптивные алгоритмы.
Рассмотрим один из примеров частично адаптивного алгоритма – JDL (jointdomainlocalized – совместная область локализации) алгоритм. Этот алгоритм отображает данные
в угло-доплеровской плоскости. Создатели алгоритма полагают, что антенна представляет
собой линейный массив эквидистантных датчиков. Исходя из этого предположения, пространственно-временные данные преобразуются в угло-доплеровскую область при помощи
двухмерного дискретного преобразования Фурье. Преобразование в угло-доплеровскую
область локализует цель и помеху в нескольких углах и доплеровских частотах, это существенно сокращает количество данных, необходимых для формирования ковариационной
матрицы помех и уменьшает трудность вычисления.
Рассмотрим еще один важный метод пространственно-временной адаптивной обработки – D3 метод. Этот алгоритм является нестатистическим, то есть весовой вектор может
быть определен без оценки ковариационной матрицы помех. Основой D3 алгоритма является то, что угол наблюдения и частоту Доплера определяет направленный вектор сдвига
фазы сигналы цели от одного антенного элемента/импульса к другому (6). Угол наблюдения
72
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
и частота Доплера определяет zs, фазовый сдвиг от одного антенного элемента к другому
и zt, сдвиг фазы от одного импульса к другому. Если x j (n ) есть суммарный сигнал на j элементе n-го импульса, тогда x j (n)  zs 1 * x( j 1) (n) и x j (n)  zt 1 * x j (n  1) должны содержать только помехи и шумы. D3 метод уменьшает величину этих членов, то есть мощность
помех и шумов. Определение весов w, определение матрицы помех A (13)[2] и оптимальных
весов ws является следующей задачей оптимизации (12) [2].
opt
ws
2
 wHe

H T *
s s ,0:J  2 ()  k s w s A A w s  ,


w ,w ,w 1 
 arg max
(12)
H
s
s
s
где оператор T и * являются транспонированием и сопряжением соответственно; вектор
es,0:J-2() представляет собой первые J – 1 элементов пространственного вектора длиной J.
Первое слагаемое отображает влияние весового вектора на усиление в направлении
угла наблюдения, в то время как второе слагаемое представляет собой остаточную мощность помехи при фильтрации одними и теми же весами.
Таким образом, оптимальные веса D3 алгоритма максимизируют разность между усилением в наблюдаемом направлении и остаточной мощностью помех. Коэффициент ks выбран
как компромисс между усилением и фильтрацией помех [2]
 x (0)  z 1x (0)
0
s 1


x 0 (1)  z s1x1 (1)
A


1
 x 0 (N  1)  zs x1 (N  1)


1

x ( J  2) (1)  zs x ( J 1) (1)



1
x ( J  2) (N  1)  z s x ( J 1) (N  1) 
1
x ( J  2) (0)  zs x ( J 1) (0)
(13)
Используя метод множителей Лагранжа (метод нахождения условного экстремума
функции) можно показать, что желаемый весовой вектор есть собственный вектор соответствующий максимальному собственному значению матрицы (J – 1)(J – 1) a0:J-2a0H:J-2 – ATA*.
Временной весовой вектор можно найти аналогично, и общий весовой вектор будет определяться выражением (14) [2]
w t   w s 
(14)
w    
0 0
где  представляет произведения Кронекера, и добавленные нули представляют потерю
одной степени свободы в пространстве и времени.
Обратим внимание на то, что весовой вектор получается без оценки ковариационной
матрицы. Это дает наибольшее преимущество и наибольшие недостатки. Отсутствие оценки ковариационной матрицы позволяет использовать D3 алгоритм в сильно неоднородных
ситуациях. По своей природе данный алгоритм эффективен против дискретных помех и не
так эффективен против однородной помехи. Это происходит потому, что он игнорирует все
статистические данные.
Пространственно-временная адаптивная обработка является методом двухмерной
фильтрации, которая позволяет фильтровать помехи. Этот метод использует несколько
73
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
пространственных каналов в фазированной антенной решетке и зондирование пачками
когерентных импульсов и прием сигнала с помощью радиолокатора для формирования
вектора адаптивных весов. В зависимости от метода формирования вектора адаптивных
весов, системы пространственно-временной адаптивной обработки подразделяют на статистические и нестатистические. Статистические методы определяют вектор весов при помощи ковариационной матрицы, в нестатистических методах ковариационная матрица не требуется. Статистические методы хорошо справляются с подавлением однородной помехи,
в свою очередь нестатистические хорошо фильтруют неоднородные. Также стоит отметить,
что минусом статистических методов является высокая трудность вычислений, а также
большое количество входных данных, необходимых для формирования ковариационной
матрицы. Поэтому были разработаны частично адаптивные алгоритмы, позволяющие сократить количество вычислений, а также уменьшить число необходимых выборок входного
сигнала. Необходимо также заметить, что данный алгоритм позволяет находить, только
подвижные цели. Неподвижные цели являются для данного алгоритма не заметными, потому что их спектр в угло-доплеровской плоскости совпадает с помехой.
Библиографическийсписок
1. Klemm R., Principles of Space-Time Adaptive Processing, IEE, London, UK, 2002.
2. Wicks M. C., Rangaswamy M., Adve R., Hale T.B., Space-time adaptive processing, Signal Processing Magazine, IEEE,
Volume 23, Issue 1, Date: Jun.2006, Pages: 51-65.
__________
УДК 615.837.3
Н. А. Степанова – студент кафедры медицинской радиоэлектроники
А. И. Краснова (канд. техн. наук, доц.) – научный руководитель
ТЕХНИЧЕСКИЕ МЕТОДЫ УЛЬТРАЗВУКОВОЙ ИМПУЛЬСНОЙ ТЕРАПИИ
Давно известно, что ультразвук, действуя на ткани, вызывает в них биологические изменения. Интерес к изучению этой проблемы обусловлен, с одной стороны, естественным
опасением, связанным с возможным риском применения ультразвуковых диагностических
систем для визуализации, а с другой – возможностью вызвать изменения в тканях для достижения терапевтического эффекта. На современном этапе развития медицины актуальным будет являться анализ и исследование технических методов ультразвуковой терапии,
а в частности импульсной терапии.
Действие ультразвуковых колебаний на ткани организма имеет сложный механизм, в котором можно различить три основных составляющих: механическое действие, тепловое
и физико-химическое.
Для получения ультразвуковых колебаний в физиотерапевтических аппаратах используют обратный пьезоэлектрический эффект, т. е. физическое явление, которое может развиваться в некоторых кристаллах (кварц, титанат бария и др.). При воздействии на такие
кристаллы (пьезоэлементы) переменным током высокой частоты происходит их последовательное сжатие и расширение, что лежит в основе развития колебаний, соответствующих
74
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
частоте подаваемого тока. В терапевтической практике используют ультразвук в диапазоне
частот 800–3000 кГц.
Для лечения используют аппараты ультразвуковой терапии. Кроме них, используют
и еще ряд аппаратов непрерывной и импульсной ультразвуковой терапии.
На рис. 1 приведена структурная схема аппарата ультразвуковой терапии.
Модулятор (управляемый ключ) управляется генератором импульсов регулируемой
длительности. Предварительный усилитель производит ступенчатую регулировку коэффициента усиления. Все регулировки осуществляются с помощью пульта управления с процедурными часами, которые отключают блок питания по истечении установленного времени
длительности процедуры. Индикатор показывает наличие сигнала ультразвуковой частоты
на выходе усилителя.
Автогенератор
УЗ частоты
Предварительный
усилитель
Модулятор
Генератор
импульсов
регулируемой
длительности
Пульт
управления
с процедурными
часами
Выходной
усилитель
Блок
питания
Излучатель
Биообъект
Индикатор
Рис. 1. Обобщенная структурная схема аппарата ультразвуковой терапии
Терапевтический ультразвук может быть условно разделен на ультразвук низких и высоких интенсивностей. Основная задача применения ультразвука низких интенсивностей –
не повреждающей нагрев или какие-либо нетепловые эффекты, а также стимуляция и ускорение нормальных физиологических реакций при лечении повреждений. При более высоких
интенсивностях основная цель – вызвать управляемое избирательное разрушение в тканях.
Воздействие ультразвука на ткани осуществляется обычно контактно через гель, путем
приложения торцевой поверхности головки излучателя к области, подлежащей воздействию. Кроме контактного способа, применяется также воздействие (озвучивание) через
воду: в ванне или с помощью наполненных водой мешочков.
При озвучивании используются различные виды ультразвука: непрерывный и пульсирующий. При этом используется контакт вибратора с больной тканью или органом прямой или
непрямой. Различают метод озвучивания стабильный (стационарный) и лабильный (массаж), а также метод локального и косвенного воздействия на больной орган.
При косвенном – непрямом – озвучивании воздействуют на спинномозговые корешки,
симпатический ствол, отдельные нервы и сосуды. Разновидностью косвенного озвучивания
75
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
является сегментарное озвучивание. При этом проводят озвучивание межпозвоночных узлов определенной области или всех отделов спинного мозга и симпатического ствола. Как
при прямом, так и при косвенном воздействии используют различные виды ультразвука:
непрерывный и пульсирующий. Поток ультразвуковых волн без перерыва и скважности
принято называть непрерывным ультразвуком (рис. 2, а).
Пульсирующий ультразвук представляет собой прерывистое излучение, т. е. ультразвук
посылается отдельными импульсами через определенные промежутки времени – паузы
(рис. 2, б, в, г); эти паузы – скважности – могут быть различны и относятся по отношению к ультразвуковой волне так же, как 1:2 (см. рис. 2, б) или 1:5 (см. рис. 2, в) или 1:10
(см. рис. 2, г).
Рис. 2. Непрерывный и пульсирующий ультразвук
При одной и той же интенсивности ультразвуковых колебаний в один и тот же промежуток времени в импульсном режиме «излучается» меньше энергии, чем в непрерывном. При
импульсном озвучивании возникающее в ткани тепло отводится циркулирующей кровью
в большей степени, чем при непрерывном озвучивании, в результате чего термическое
действие выражено меньше. Этим видом озвучивания часто пользуются при сегментарном
воздействии и при озвучивании по ходу нервных стволов.
При выборе интенсивности УЗ учитывается не только характер, острота и тяжесть патологического процесса, но и методика, и локализация воздействия. При этом следует руководствоваться тем, что:
– чем острее процесс, тем меньше дозировка;
– при стабильной методике интенсивность уменьшают на 1/3 по сравнению с подвижной;
– сегментарное (паравертебрально) озвучивание проводят при интенсивности 0,2–0,4 Вт/см2;
– симпатические узлы и биологически активные точки озвучиваются при интенсивности
0,1–0,2 Вт/см2;
– при лечении глаза используют интенсивность до 0,5 Вт/см2;
– озвучивание по ходу нервных стволов проводят при интенсивности 0,1–0,6 Вт/см2
(в зависимости от глубины расположения нерва);
– в оториноларингологии используют 0,2–0,4 Вт/см2;
– внутренние органы, мышечные ткани озвучивают 0,4–0,6–0,8 Вт/см2;
– суставы озвучивают при интенсивности от 0,2 до 0,8 Вт/см2 в зависимости от величины мягких тканей окружающих сустав.
76
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таким образом, делаем вывод о том, что механизм терапевтического действия ультразвука многообразен. В результате проведенного анализа можно судить о том, что применение
ультразвука в области медицины достаточно широко – косметология, стоматология, хирургия,
лекарственный ультрафонофорез, физиотерапия, гинекология, урология, ортопедия.
В заключение стоит отметить, что одним из важнейших блоков ультразвуковой терапии
является генератор импульсов регулируемой длительности, в котором можно улучшить
характеристики, исходя из заданных параметров.
__________
УДК 629.735.33
М. Д. Таранюк – магистрант кафедры антенн и эксплуатации радиоэлектронной аппаратуры
А. Ф. Крячко (д-р техн. наук, проф.) – научный руководитель
ВОССТАНОВЛЕНИЕ ГОЛОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ В БЕЛОМ СВЕТЕ
С ИСПОЛЬЗОВАНИЕМ ДИФРАКЦИОННОГО ЭФФЕКТА ЛИППМАНА-БРЭГА
На сегодняшний день существуют проблемы в восстановлении монохроматического
изображения голограммы в лучах белого (например, солнечного) света. Для их решения
возможно использование метода получения рефлексных голограмм в липпмановских фотоэмульсиях. Его основные положения были предложены еще Денисюком в 1962 г. Так же
этот способ продемонстрирует возможность использования трехмерных решеток в качестве
оптического аналога кристаллической решетки.
На рис. 1, а показано устройство, которое возможно использовать для получения голограмм двумерных или трехмерных предметов. При освещении голограммы лучами обычного
солнечного света (или, например, светом электрического фонарика) по схеме, приведенной
на рис. 1, б, происходит восстановление «одноцветного» изображения предмета.
Рис. 1. Схема получения в лазерном свете решетчато-подобной голограммы (а),
которая при освещении белым светом (б) восстанавливает одноцветные изображения
на основе эффекта Липпмана–Брэгга [1]
77
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Физические основы голографического метода получения изображений, иллюстрируемого на рис. 1, можно легко объяснить. Отбор одного цвета при восстановлении осуществляется благодаря многократной интерференции белого света на слоях, которые образуются
в объеме эмульсии при интерференции опорного поля с полем, рассеянным от предмета.
Расстояние между образующимися слоями равно /2, когда оба пучка в виде плоских волн
падают на фотопластинку по нормали. В случае же произвольного рассеивающего предмета
(см. рис. 1, а) максимумы многослойной структуры смещаются вдоль оси z в соответствии со
сдвигами фаз рассеянного электрического поля относительно опорного поля, а степень
почернения проявленной фотоэмульсии по глубине z для заданных координат (x) плоской
голограммы будет определяться суммарной амплитудой рассеянного поля.
При восстановлении (см. рис. 1, б) голограмма освещается белым светом с той же стороны, с которой падал опорный пучок. Как и в случае дифракции на кристалле, образуется
одноцветное восстановленное изображение, которое получается в соответствии с принципом восстановления волнового фронта, описанным Габором в 1948 г. [2].
Восстановленная волна характеризуется:
– локальной фазовой модуляцией, определяемой местными сдвигами отражающих слоев многослойной структуры;
– локальной амплитудной модуляцией, определяемой местными вариациями почернения голограммы;
– цветом, отбираемым при брэгговской дифракции света на слоях, образующих решетчатую структуру.
При этом расстояние между слоями можно изменять, используя специальный метод
фотохимической обработки, например опуская процесс фиксирования фотоэмульсии.
Основы теории рефлексной голограммы такого типа впервые были разработаны Денисюком в 1962 г. для случая, когда предмет освещался сквозь голограмму, а не отдельным
пучком, который обычно отделяется перед попаданием на голограмму (см. рис. 1, а). Денисюк описал эксперимент с зеркалами, которые он использовал в качестве предметов, освещаемых светом от ртутной лампы. Однако он не продемонстрировал никаких фотографий
скорее всего потому, что у него тогда еще не было лазера, без которого очень трудно получить хорошие голограммы [3].
Интересно заметить, что в работе Хоффмана и Дойджа было описано устройство, аналогичное схеме получения рефлексной голограммы Липпмана–Брэгга [4], но предназначенное для доказательства возможности освещения обращенным опорным пучком обычной
монохроматической голограммы на просвет. При этом, авторы не стремились получить
рефлексные голограммы с последующим восстановлением изображений в лучах белого
света, как это описано выше. В их работе введение обращенного опорного пучка имело
определенные достоинства, так как оно давало возможность помещать опорное зеркало не
вблизи удаленного предмета, а рядом с лазером, если, конечно, была достаточной длина
когерентности света лазера.
Многими авторами были описаны наблюдавшиеся ими рефлексные изображения, которые получались при освещении лазером обычной голограммы на просвет. Необходимо,
однако, отметить, что все методы в голографии были развиты на основе первой работы
Габора [2].
Теоретическое описание голографического процесса, приведенное в этой статье, можно
изложить, рассматривая модулированную рефлексную решетку Липпмана–Брэгга.
78
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Пусть рассеянное поле в плоскости голограммы (плоскость x) описывается выражением
, и пусть рассеянная волна и опорный пучок падают на голограмму вдоль
оси z, перпендикулярной плоскости голограммы. Интенсивность, регистрируемая голограммой, равна
,
где k = 2/, а  – длина волны света, используемая при получении голограммы.
При освещении голограммы плоской волной белого света в трехмерной решетке, описываемой последним уравнением, произойдет процесс дифракции Липпмана–Брэгга и востолько одной длины.
становится волна
Нужно отметить, что восстановленные изображения должны получиться особенно яркими, если использовать такую схему, в которой рассеянное поле при получении голограммы
сводится линзой в фокус на определенном расстоянии за голограммой со стороны опорного
пучка. Существует, описанный в литературе, наиболее совершенный рецепт обработки
липпмановской эмульсии, созданный Айвсом в 1908 г., который особенно удобен для контроля расстояния между отдельными слоями.
Метод «рефлексной голографии» имеет дальнейшее распространение, в частности получение трехмерной кристаллической решетки в фотографической эмульсии. Последнее
может представлять особый интерес при использовании подобных решеток для моделирования дифракции в оптическом диапазоне и в качестве средства упрощения некоторых
аспектов синтеза рентгеновских изображений, например при изучении структуры протеинов
и в кристаллографии. По-видимому, метод найдет применение во многих областях интерферометрии и спектроскопии, а также в цветной голографии.
Библиографический список
1. Дж. Строук, Введение в когерентную оптику и голографию: пер. с англ. Мир, 1967/
2. Gabor D. Nature, 161, 1948.
3. Денисюк Ю.Н. Принципы голографии (лекции).: Л., 1979.
4. Hoffman A.S., Doidge J.G., Mooney D.G., J. Opt. Soc. Am.: 1965.
__________
УДК 616.151.5-07(07)
А. Р. Хайбуллин – студент кафедры медицинской радиоэлектроники
О. В. Кривохижина (канд. техн. наук, доц.) – научный руководитель
СИСТЕМА ГЕМОСТАЗА В ЛАБОРАТОРНОЙ ДИАГНОСТИКЕ
Лабораторная диагностика состояния системы гемостаза является важнейшим фактором эффективности лечения многих заболеваний, а следовательно и снижения смертности
населения. Система гемостаза призвана поддерживать и регулировать нормальное агрегатное состояние крови, кроме того обеспечивать сохранение ее жидкого состояния, остановку возникающего кровотечения при повреждении стенки сосуда, а также ликвидацию
тромба и поддержание гомеостаза.
Необходимо отметить, что существует множество различных тестов, характеризующих
состояние системы, однако выполнение их в полном объеме для пациентов практически
79
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
нереальная задача. Особое место в системе лабораторной диагностики состояния гемостаза занимают так называемые скрининговые тесты, которые позволяют исследовать активацию ряда реакций каскада гемостаза. Перечислим основные: АПТВ (активированное парциальное давление) – тест, оценивающий свертывание крови внутреннего каскада, ПВ
(протромбиновое время) – тест, оценивающий свертывание крови внешнего каскада, ТВ
(тромбиновое время) – тест, оценивающий конечный этап свертывания – превращение
фибриногена в фибрин под действием тромбина, КФ (концентрация фибрина в плазме) –
тест, определяющий образование фибрина и его стабилизацию, представляющие собой
финальный этап формирования тромба.
Для более точного отражения общей картины состояния системы гемостаза к стандартным скрининговым тестам иногда добавляют ряд специальных тестов: Д-димер, антитромбин III, Протеин С и другие.
Измерения результатов тестирования производятся как ручными методами, так и автоматизированными методами, с применением специальных приборов, называемых коагулометрами. К ручным методам относят: время кровотечения – это хронологический период от
момента нанесения стандартной раны кожи до момента прекращения вытекания крови,
а также время рекальцификации плазм – метод, основанный на определении протяженности
свертывания плазмы при добавлении к ней оптимального количества хлорида кальция.
У ручных методов есть весомые недостатки, среди которых неточность показаний и несоответствие нормам санитарно-эпидемиологических требований.
К автоматизированным методам оценки системы гемостаза относятся следующие:
функциональные коагуляционные или так называемые «клоттинговые» (предназначены для
оценки времени свертывания мануально или с использованием коагулометров разных конструкций), амидолитические (включают тесты с использованием хромогенных субстратов
к тромбину, плазмину, различным факторам и фотометров с фиксированной длиной волны
измерений), а также иммунологические методы (позволяют выявить уровень искомого антигена (или антител при антифосфолипидном синдроме, гепарин-индуцированной тромбоцитопении и др.), преимущественно за счет иммуноферментных определений или на основе
агглютинации частиц латекса). При сопоставлении результатов лабораторных исследований, выполненных ручным (визуальным) методом с результатами, полученными на коагулометрах, было определено, что точность анализа при работе на коагулометрах значительно более высока. В настоящий момент больницы оснащены лишь приборами для общего
обследования гемостаза (по клоттинговому методу), в связи с чем, при выявлении патологии, пациентов приходится отправлять в специализированные лаборатории для проведения
более глубокого анализа по амидолитическим и иммунохимическим методам, что в свою
очередь создает множество неудобств.
Таким образом, весьма актуальным и выгодным решением указанной проблемы, на мой
взгляд, является объединение всех вышеперечисленных методов и их функционирование
в одном приборе, чтобы в медицинских учреждениях была возможность единовременного
проведения всех этапов исследования системы гемостаза.
__________
80
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
УДК 621.375.026:681.5
А. А. Черепанов – студент кафедры медицинской радиоэлектроники
В. Ф. Михайлов (д-р техн. наук, проф.) – научный руководитель
АНАЛИТИЧЕСКАЯ ОЦЕНКА РАДИОТЕХНИЧЕСКИХ ХАРАКТЕРИСТИК
БОРТОВЫХ АНТЕНН ВОЗВРАЩАЕМЫХ КОСМИЧЕСКИХ АППАРАТОВ
В УСЛОВИЯХ АДЕКВАТНЫХ НАТУРНЫМ
П о с т а н о в к а з а д а ч и: разработка математических моделей определения коэффициента полезного действия, диаграммы направленности, проводимости антенного окна возвращаемого космического аппарата в условиях полета на различных участках траектории спуска.
К р а т к о е о п и с а н и е п р е д л а г а е м о г о р е ш е н и я: разработка математических моделей антенных окон сводится к решению внешней задачи электродинамики – задачи электромагнитного возбуждения тел или дифракции радиоволн. При этом будут использованы
аналитические методы решения. В теоретическом плане задача электродинамическая задача в общем виде может быть сформулирована следующим образом. Имеется излучающий
раскрыв антенны, расположенный на бесконечном экране, перед которым находится диэлектрический слой d1 с диэлектрической проницаемостью εα1, за ним слой толщиной d2
с комплексной диэлектрической проницаемостью εα2. Первый слой эквивалентен твердому
диэлектрическому слою теплозащиты, второй – расплавленному слою теплозащиты материала или плазменной оболочке. В такой общей постановке решение электродинамической
задачи связано со значительными математическими трудностями, основная из которых
заключается в необходимости решения уравнения Максвелла при произвольном законе
изменения параметров сред в пространстве и во времени. При некоторых упрощающих
допущениях поставленная задача решается в лучевом приближении. Из аналитических
методов решения возможно применение метода интегральных преобразований и метода
собственных функций. Используем метод интегральных преобразований, при этом сделаем
предположение, что параметры теплозащиты не зависят от времени, т. е. фактически рассматривается медленно протекающие процессы прогрева диэлектрической теплозащиты.
Для простоты преобразований будем рассматривать случай однородной теплозащиты, что
можно интерпретировать как равномерный нагрев по толщине. Также с целью упрощения не
будем учитывать наличие слоя расплава или плазмы. В первом приближении также будем
считать, что распределение поля в раскрыве излучателя не зависит от параметров теплозащиты. Расчет проводится для круглого волновода. Задачу можно сформулировать как
граничную по отношению к касательному магнитному полю в раскрыве, так и по отношению
к касательному электрическому полю [1].
В ы в о д ы : знание математических моделей антенных окон необходимо по следующим
причинам, во-первых, для выбора на основании численного анализа разработанных математических моделей радиотехнических характеристик антенного окна, подлежащих прогнозированию; во-вторых, для получения исходных данных для проектирования радиотехнической
части радиотехнических комплекcов прогнозирования; в-третьих, для оценки погрешности
прогнозирования; в-четвертых, для выявления причин изменения радиотехнических характеристик антенных окон в полете с целью их совершенствования и, как следствие, для
устранения различий между расчетными и полетными значениями радиотехнических харак81
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
теристик антенных окон; в-пятых, для аналитического прогнозирования радиотехнических
характеристик антенных окон в условиях полета с учетом влияния нагретой теплозащиты
и плазмы. В настоящее время использование математических моделей для прогнозирования
характеристик антенных окон в условиях полета ограничено отсутствием исходных сведений для расчета, сведений об электрических параметрах теплозащиты в условиях интенсивного нагрева и параметров плазменной оболочки. Однако по мере получения и накопления указанных данных важность разработки математических моделей антенных окон для
условий воздействия аэродинамического нагрева и плазмы будет еще более возрастать [2].
Библиографический список
1. Глаголевский В. Г., Михайлов В. Ф. Проблема радиосвязи на траектории спуска гиперзвукового летательного
аппарата: учеб. пособие. СПб.: СПбГААП, 1996. 45 с.
2. Михайлов В. Ф. и др. Прогнозирование эксплуатационных характеристик антенн с теплозащитой. СПб.: Судостроение, 1994. 105 с.
__________
УДК 629.735.33
А. С. Черкасов – магистрант кафедры антенн и эксплуатации радиоэлектронной аппаратуры
А. Ф. Крячко (д-р техн. наук) – научный руководитель
ПРИБОРЫ НОЧНОГО ВИДЕНИЯ
С АВТОМАТИЧЕСКИМ РАСПОЗНАВАНИЕМ ИЗОБРАЖЕНИЙ
В РЕАЛЬНОМ ВРЕМЕНИ
В современной технике все большее применение находят роботизированные системы,
позволяющие исключить или резко ограничить участие человека-оператора в распознавании
объектов. В связи с этим возникает проблема создания приборов ночного видения (ПНВ),
в которых задача распознавания объекта наблюдения решается не оператором, а автоматизированным устройством.
В качестве такого устройства наиболее целесообразно использовать когерентнооптический коррелятор с голографическим запоминающим устройством. Принцип действия
системы основан на голографическом методе распознавания на основе сравнения в частотной области коррелятора пространственно-частотного спектра анализируемого изображения
объекта и голографических согласованных фильтров в памяти распознающего устройства.
Корреляционная обработка входного сигнала осуществляется по классической схеме
В. Люгдта.
Чтобы исключить влияние геометрических искажений входного изображения объекта
(при произвольном его движении в поле зрения ПНВ) на характеристики распознавания
коррелятора, для каждого объекта наблюдения на диск голографического запоминающего
устройства записывается около 150 эталонных ГСФ (голографический согласованный
фильтр) объекта при различных его кренах, ракурсах и масштабах. Один ГСФ позволяет
надежно распознавать соответствующий ему и находящийся в поле зрения ПНВ объект при
рассогласовании между его эталонным и анализируемым изображением: по масштабу 10%,
по ракурсу 15...20°, по крену 3...5°. При использовании обобщенных фильтров объектов,
82
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
учитывающих характеристические пространственные частоты изображения объекта, устойчивые к изменению условий его наблюдения, число эталонных фильтров на один объект
резко сокращается. С помощью одного сменного голографического диска возможно распознавание до 10 типовых объектов при их произвольном положении в поле зрения ПНВ. Частота работы коррелятора 10 Гц, т. е. время анализа входного изображения и выдачи координат объекта наблюдения 0,1 с. Объем памяти одного сменного голографического диска
~1500 эталонных ГСФ (в зависимости от количества информации от одного фильтра). Количество информации в одном ГСФ – до 106 бит.
Производительность коррелятора, в котором не применяется наложение голограмм
в ГЗУ, примерно 5000 корреляций в секунду. Поток информации, обрабатываемый в реальном времени, составляет 107 бит/с. Масса коррелятора 10 кг, объем 10 л, энергопотребление 100 Вт при питании от напряжения 24 В постоянного тока. Использование описанной
выше оптической обратной связи обеспечивает надежную работу коррелятора в условиях
применения на борту самолета. Система автоматической юстировки компенсирует вибрации
в диапазоне частот до 10 кГц.
Испытаниям были подвергнуты:
– пассивный ТВ ПНВ «Пихта» на базе системы ЭОП + ПЗС-матрица;
– пассивный ПHB «Гном-7» на базе ЭОП;
– активно-импульсный ТВ ПНВ, разработанный в СКВ ТНВ;
– тепловизионный ПНВ ТМ101.
Испытания проводились при распознавании объекта как в ПНВ человеком-оператором,
так и системой «ПНВ + коррелятор». Объектом испытаний являлась объемная модель танка
Т-62, расположенного на летнем фоне. В результате испытаний получены зависимости
вероятности распознавания от дальности до объекта наблюдения, приведенные на рис. 1.
Из графиков видно, что в пределах точности испытаний коррелятор может заменить человека-оператора.
Рис. 1. Зависимость вероятности распознавания от дальности до наблюдаемого объекта
для ПНВ различных типов: а – пассивный ПНВ на базе ЭОП; б – тепловизионный ПНВ;
в – пассивный ТВ ПНВ; г – активно-импульсный ПНВ с ТВ выводом изображения;
–––– – система ПНВ + коррелятор; – – – – система ПНВ + человек-оператор
83
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
Таким образом, показана эффективность применения коррелятора для автоматизированного распознавания изображений в ПНВ различных типов. Для определения возможности применения коррелятора в ПНВ конкретного назначения необходимо проведение дополнительных исследований в целях накопления статистических данных при работе по
объектам различных типов в широком диапазоне изменения внешних условий.
В последние десятилетия основные усилия исследователей, работающих в области
распознавания образов оптическими средствами, были направлены на разработку, в первую
очередь, когерентных устройств. Тем не менее, интерес к некогерентной корреляционной
обработке не угасал, а в последнее время даже возрос, что связано с бурным развитием
оптоэлектронной элементной базы.
Остановимся на основных особенностях и проблемах некогерентной параллельнооптической обработки. Такая обработка в плоскости изображений имеет ряд преимуществ
по сравнению с когерентной: более широкая элементная база, отсутствие шумов, связанных
с когерентностью света, и т. д.
Однако имеется ряд недостатков, ограничивающих практические возможности некогерентной параллельно-оптической обработки в плоскости изображений:
– ограниченные функциональные возможности и круг решаемых задач (алгоритмическая ограниченность). Это следует из того, что оптическая обработка реализует «жесткий»
алгоритм (свертка), с помощью которого информация, предоставляемая в виде изображения, может обрабатываться фактически только по одному признаку – распределению интенсивности по координатам, т. е. геометрической форме, и при условии выполнения критерия
Джонсона. Обработка информации с использованием совокупности разнородных независимых признаков (цвет, размер, площадь, периметр, движение и т. д.) не реализуется, что
существенно ограничивает возможности оптической обработки при решении, например,
задач распознавания, особенно малоинформативных объектов;
– достаточно низкие соотношение сигнал/шум и точность результатов.
Анализ показывает, что кроме дифракции (ограничивает пространственно-полосовое
произведение) существует еще ряд причин указанных недостатков.
1. При параллельно-оптической обработке первичная информация об объекте, полученная с помощью входного устройства (изображение), «пропускается» по всему тракту обработки, подвергаясь при этом искажениям и воздействию шумов. Этим параллельнооптическая обработка существенно отличается от цифровой, надпорото вой, защищенной от
воздействия шумов и искажений первичной информации. Здесь первичная информация
подвергается обработке только на начальном этапе – при оцифровке. Дальше реализуются
чисто счетные операции над «обезличенными» (с точки зрения признаков объекта) числами,
и основная задача – исключить ошибки вычислений.
2. Результат вычислений – аналоговый, не счетный и представлен в виде экстремума
(min или max), что требует достаточно высоких информативности и соотношения сигнал/шум
обрабатываемого изображения, т. е. возможности обработки малоинформативных изображений ограничены.
3. Оптимальными с точки зрения скорости обработки и количества операций (преобразований) являются параллельно-параллельные системы, т. е. системы, в которых не только
обработка, но и ввод информации осуществляются параллельно-оптически. При обработке
видеосигналов (ТВ, ТПВ, ФПУ), а такие системы в практике более распространены, необходимо вводить дополнительное преобразование «электрон – свет», т. е. формирование
84
РАДИОТЕХНИКА, ЭЛЕКТРОНИКА И СВЯЗЬ
двумерного оптического изображения, и устройство для его осуществления. Это приводит
к появлению дополнительных шумов и искажений информации и, кроме того, к увеличению
общего времени обработки за счет времени, необходимого для этого преобразования.
4. В результате несоответствия между физическим значением величины, являющейся
признаком, и ее информационным значением, которое имеет вероятностный характер,
в процессе математических операций происходит либо потеря информации о некоторых
признаках, либо ее вырождение (когда получается множество одинаковых значений при
операциях над различными признаками). По той же причине невозможна обработка разнородных признаков, например полученных по разным информационным каналам.
5. Имеет место избыточность информации и операций. Это является следствием параллельности обработки, так как обрабатывается весь массив анализируемой информации,
включая и признаки, не принадлежащие искомому объекту, в результирующей функции
появляется избыточная информация, совершается большое число «лишних» операций.
Использование некогерентной оптической обработки изображения позволит существенно повысить информативность, а функциональное объединение одно- или многоканальных
ПНВ с когерентно-оптическим коррелятором даст возможность создать полностью автоматизированные системы. Они найдут широкое применение при разработке роботизированных
устройств в интересах горного дела, космической техники и всех работ в сложных условиях
и в зонах повышенной опасности.
Малогабаритные комплексы ПНВ могут широко применяться в наголовных устройствах.
В сочетании с информационными системами, использующими спутниковую связь, и встроенными компьютерами они смогут в любое время суток представить в наголовный дисплей
оператора данные об окружающей обстановке, дать соответствующие указания и рекомендации. Объединение такого комплекса с современными и индивидуальными системами
вооружения приблизит солдата по его боевой эффективности к объекту бронетанковой техники. Такая система незаменима также для поиска пострадавших при стихийных бедствиях.
Библиографический список
5. Милютин Е. Р. Энергетический бюджет атмосферной оптической линии связи // Вестник связи. 2010. № 2.
6. Милютин Е. Р. Определение геометрических потерь в атмосферных оптических линиях связи // Вестник связи.
2005. № 10.
7. Медвед Д. Б. Влияние погодных условий на беспроводную оптическую связь // Вестник связи. 2001. № 4.
8. Сидорович В. Г., Рагульский В. В. О доступности атмосферных оптических линий связи // Оптика и спектроскопия.
2002. т. 93. № 1.
__________
85
СИСТЕМЫ УПРАВЛЕНИЯ
СИСТЕМЫ
УПРАВЛЕНИЯ
УДК 629.78.05
С. И. Артамонов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
РАСЧЕТ СПЕКТРАЛЬНОЙ ПЛОТНОСТИ ШУМА ДВУХКАСКАДНОГО УСИЛИТЕЛЯ
ПРИ ТЕМПЕРАТУРЕ 20°К
В статье [1] рассматривается вопрос считывания информации с матричного фотоприемного
устройства при лабораторных исследованиях характеристик ФПУ. Анализ вариантов показал, что
наиболее предпочтительным является метод считывания с коммутацией сигналов. В данной
статье рассматривается расчет спектральной плотности шума двухкаскадного усилителя коммутированного сигнала, размещаемого в охлаждаемой зоне фотоприемного устройства.
Модернизации инфракрасного фотоприемного устройства (ИКФПУ), за счет внесения
в его охлаждаемую зону схемы аналоговой коммутации вызывает необходимость в создании макетной платы для отработки схемы коммутации, и последующей обработки коммутируемой информации. Помимо микросхемы коммутации на этой плате должна располагаться
схема усиления.
На рис. 1 приведена часть схемы электрической принципиальной платы коммутации и усиления, а именно, схема двухкаскадного усилителя, построенного на микросхемах OPA211AID.
Первый каскад усилителя представляет собой неинвертирующее включение ОУ, с фильтром низких частот. Второй каскад усилителя выполнен на основе инвертирующей схемы
включения ОУ.
Резистор R5 – защитный резистор. Операционный усилитель U1 включен как неинвертирующий усилитель. Это сделано для того, чтобы коэффициент усиления не зависел от
сопротивления цепи на положительном входе ОУ. Однако при больших коэффициентах
усиления такая схема усилителя работает нестабильно. Коэффициент усиления вычисляется по формуле
.
Таким образом коэффициент усиления в данной схеме равен:
.
86
СИСТЕМЫ УПРАВЛЕНИЯ
C1 75pF
R1 43K
R2 24K
+3V
+3V
R3
10K
0
3
U1
OPA211AID
-
6
0
R4 1K
2
+
3
U2
OPA211AID
-
0
6
+
4
4
R5 1K
2
C3
0.33
7
7
C2
0.33
R6
1K
-3V
-3V
C4
0.33
0
C5
0.33
0
0
Рис. 1. Схема двухкаскадного усилителя коммутированного сигнала
Конденсатор С1 в цепи ООС служит как фильтр низких частот, его частота среза вычисляется по формуле:
.
Для данной схемы, исходя из параметров сигнала, выбрана частота среза 50кГц.
Второй усилитель, U2 включен как инвертирующий усилитель, и служит для окончательного усиления сигнала. Его коэффициент усиления вычисляется по формуле:
Таким образом коэффициент усиления второго каскада равен 24, а общий коэффициент
усиления равен: 5 * 24 = 120.
Согласно [2] эквивалентная схема операционного усилителя выглядит, как показано на рис. 2.
На схеме R1, R2, R3 – идеальные нешумящие резисторы, е1, е2, е3 – источники шума
плотность шума которых вычисляется по формуле
, inn, inp, en – внутренние
источники шума операционного усилителя [3].
Согласно [2] и [3] плотность шума неинвертирующего усилителя, изображенного на рисунке 1, вычисляется по формуле:
87
СИСТЕМЫ УПРАВЛЕНИЯ
где
Рис. 2. Эквивалентная схема операционного усилителя при инвертирующем
и неинвертирующем включении
Для OPA211 внутренние источники шума en = 1.1 нВ/√Гц, in = 1.7 пА/√Гц.
Вычислим тепловой шум сопротивления источника и резисторов: R5 = 2кОм, R3 = 10кОм,
R1 = 43кОм.
Вычислим плотность шума неинвертирующего усилителя:
.
88
СИСТЕМЫ УПРАВЛЕНИЯ
Согласно [2] и [3] плотность шума инвертирующего усилителя, изображенного на рис 1,
вычисляется по формуле:
,
где
;
;
.
Вычислим тепловой шум сопротивления источника и резисторов: Rs = 5Ом, R4 = 1кОм,
R2 = 24кОм.
;
;
.
Вычислим плотность шума инвертирующего усилителя:
;
.
Согласно [2] общую спектральная плотность шума двухкаскадного усилителя, изображенного на рисунке 1, вычислим по формуле:
.
Согласно приведенным расчетам плотность шума двухкаскадного усилителя составила
1,9 мкВ/√Гц. Собственный шум ФПУ составляет 0.5 мкВ/√Гц, после усиления эта величина
составит 60 мкВ/√Гц. Шум усилителя составляет 3.2% от собственного шума ФПУ. Таким
образом, расчеты показали, что двухкаскадный усилитель не вносит существенных искажений в сигнал от схемы считывания информации с ФПУ.
Библиографический список
1. Артамонов С. И. Программно-аппаратная часть стенда для измерения характеристик фотоприемных устройств /
С. И. Артамонов // Шестьдесят четвертая международная студенческая научная конференция ГУАП. Ч.1 Технические науки: сб. докладов. СПб., 2012. С. 87–90.
2. Texas Instruments Incorporated. Noise Analysis in Operational Amplifier Circuits http://focus.ti.com/lit/ds/symlink/ddc101.pdf
3. Texas Instruments Incorporated. OPA211 Datasheet http://www.ti.com/lit/ds/symlink/opa211.pdf
__________
89
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 62-523.8
С. В. Болтрушевич – магистрант кафедры управления и информатики в технических
системах
А. Ю. Кучмин (канд. техн. наук, доц.) – научный руководитель
ПРОБЛЕМЫ СИНТЕЗА
ОПТИМАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ АНТЕННОЙ УСТАНОВКОЙ
С ПРИМЕНЕНИЕМ МНОГОФАЗНЫХ АСИНХРОННЫХ ДВИГАТЕЛЕЙ
Современные антенные установки (АУ) используют системы автовыбора люфта, в рабочем режиме движутся на ползучих скоростях, и требуют большого пускового момента.
Одной из проблем создания надежных антенных установок, наряду с проблемами управления приводом такой системы и компенсации внешних нагрузок, является выбор двигателя
для привода.
Сегодня является очевидным то, что электроприводы постоянного тока уже не являются
единоличными представителями регулируемых электроприводов (РЭП). Развитие науки,
техники и технологии подошло к тому рубежу, когда стало возможно создание РЭП переменного тока вообще и в первую очередь на основе асинхронных двигателей.
Преимущества РЭП – повышение качества обслуживаемого технологического процесса,
реализация возможности энергосбережения за счет экономии электроэнергии до 30% при
оптимизации рабочего процесса механизма, снижение износа механического оборудования
за счет «мягкой» динамики и пр. – были, разумеется, известны специалистам ранее, однако
его широкое применение сдерживалось отсутствием необходимой элементной базы. Все
большее место в продукции электромашиностроительных заводов занимают модификации
и специализированные исполнения электродвигателей.
Многофазный асинхронный двигатель (МАД) может являться альтернативой трехфазным машинам при питании последних от преобразователей частоты (ПЧ). Под многофазными асинхронными двигателями понимают такие двигатели, у которых число фаз обмотки
статора более трех t > 3 – и обмотка является расщепленной (статорная обмотка, оси одноименных фаз которой сдвинуты по расточке статора на /t ряд), соединена в t/3 симметричные группы и питается симметричной системой напряжения, имеющей временной сдвиг,
равный пространственному сдвигу фаз.
Проблема обеспечения надежности остро стоит перед создателями энергетических
объектов, систем управления, электрических машин для различных областей народного
хозяйства России. Именно в этих областях МАД проявляет все присущие ему достоинства,
которые будут описаны ниже.
Многофазные асинхронные машины применяются в основном в установках с полупроводниковыми преобразователями, т. е. являются системой «Многофазный ПЧ – асинхронный двигатель». В таких системах фазные напряжения и токи статорных обмоток машин
могут иметь значительные искажения. Данная проблема решается путем введения микропроцессорного управления ПЧ для обеспечения постоянства частоты питающего напряжения, а значит и частоты вращения вала МАД. Важным преимуществом использования многофазных асинхронных машин в системах управления является то, что увеличение числа
фаз статорных обмоток позволяет снизить пульсации момента и скорости на валу МАД.
90
СИСТЕМЫ УПРАВЛЕНИЯ
Следует отметить, что двигатели данного типа остаются работоспособными при отключении
(обрыве) одной или даже нескольких фаз обмотки статора, так как в этом случае в нем продолжает создаваться вращающееся магнитное поле, что является существенным фактором
вообще и в особенности в ответственных задачах управления и технологических процессах.
При увеличении числа фаз также уменьшаются потери энергии в роторе от высших пространственных гармонических составляющих. Многофазная конструкция особенно эффективна в высокооборотных машинах, в которых масса и объем активных элементов сравнительно невелики, и существует проблема снижения поверхностных потерь энергии в роторе.
При математическом описании многофазного асинхронного двигателя принято, что он
имеет несколько трехфазных обмоток, взаимно сдвинутых по фазе на угол, равный отношению 60 электрических градусов к количеству обмоток [1]. Нулевые точки обмоток выведены.
Ротор короткозамкнутый. Описание асинхронной машины выполнено при ее подразделении
на подсхемы, взаимосвязанные через зависимые источники напряжения и тока, как изображено на рис. 1.
Рис. 1. Подсхемы многофазной асинхронной машины
Статорные обмотки описаны в фазных осях при следующих обозначениях: n – номер
фазы, m – номер обмотки, М – количество трехфазных обмоток, unm – напряжения фаз, inm –
токи фаз. В подсхемах статорных обмоток в качестве зависимых источников учтены фазные
ЭДС enm (обусловленные магнитным потоком в зазоре), а также ЭДС взаимной индукции
фаз по путям рассеяния esnm. Учтены индуктивности фаз l и активные сопротивления r1. ЭДС
esnm и индуктивность l определяются при использовании следующих параметров: lsm – индуктивность рассеяния фаз в симметричном режиме работы всех обмоток, ls1 – индуктивность
рассеяния фаз в симметричном режиме работы одной трехфазной обмотки (остальные
разомкнуты), l0 – индуктивность нулевой последовательности. Роторные контуры описаны
во взаимно перпендикулярных осях d и q, неподвижных относительно ротора. В подсхемах
роторных контуров по осям d и q учтены в качестве зависимых источников токи реакции
якоря id и iq. Учтены индуктивность намагничивания lm, активное сопротивление цепи намаг91
СИСТЕМЫ УПРАВЛЕНИЯ
ничивания rm, индуктивность рассеяния обмотки ротора ls2 и активное сопротивление обмотки ротора r2.
В модели машины используются следующие индуктивности:
l  2l s1  l sm la  M (l sm  l s1 ) l b 
l0  l
3
.
В модели машины также используются коэффициенты
m  1 
 2 
 n  1 

2M  
3
m  1 
 2 
 sin   n  1 


3
2M  



cm  cos  ( m  1) 
M



sm  sin  ( m  1) 
M

cnm  cos 
snm
Для подсхемы статорных обмоток справедливы уравнения
di nm
dt

di nm 
1 
 enm  esnm  unm  r1inm  l st

l  l st 
dt 
Взаимное влияние фаз по путям рассеяния и токи реакции якоря определяются при использовании следующих переменных
di 
dt
di
dt
di 0
dt
3
di nm
  cnm
3M
dt
m 1 n 1

di  0
dt
M
2

M
2
3
  snm
3M
di nm
m 1 n 1


M
3
m 1
n 1
M
3
m 1
n 1
 cm 
di nm
di nm
 sm 
dt
dt
dt
ЭДС взаимной индукции фаз статорных обмоток по путям рассеяния


esnm  l a  cnm
92
di 
dt
 snm
di 
di0 
 di
 l b  c m  0  sm

dt 
dt
dt 

СИСТЕМЫ УПРАВЛЕНИЯ
Токи реакции якоря по осям α и β
M
2
3
  cnm inm
3M
i 
m 1 n 1
M
2
3
  snm inm
3M
i 
m 1 n 1
Токи реакции якоря по осям d и q
i d  i  cos   i sin 
i q  i  sin   i cos 
Производные токов якоря по осям d и q
did
dt
diq
dt


di 
dt
di 
dt
cos  
sin  
di
dt
di
dt
sin   iq
cos   id
Токи роторных контуров по осям d и q определяются из следующих уравнений
diad
dt
diaq
dt


did
ls2
dt
 rm iad  r2 i 2d
lm  ls2
ls2
diq
dt
 rm iaq  r2 i 2q
lm  ls2
, i 2d  id  iad
, i 2q  iq  iaq
Проекции ЭДС на оси d и q асинхронной машины


ed   l m  iaq  


eq  l m  iad  
diad 

dt 
diaq 
dt 
ЭДС по осям α и β
e  ed cos   eq sin 
e  ed sin   eq cos 
ЭДС зависимых источников в фазах обмоток статора
enm  e  cnm  e snm
93
СИСТЕМЫ УПРАВЛЕНИЯ
Электромагнитный вращающий момент, частота вращения многофазной асинхронной
машины определяются с учетом числа пар полюсов и здесь не приводятся.
Условно разделив исследования за рубежом и в нашей стране, можно перечислить следующее применение многофазных асинхронных двигателей. В США отмечают перспективность МАД для электромобилей, медицинской техники, в испытательных приборах, а также
существует патент на многофазный асинхронный электропривод для глубоководного аппарата [2]. В Германии МАД применяются для привода компрессоров и проводились исследования, которые выявили целесообразность выполнения ЭП переменного тока мощностью
выше 7 МВт с двумя трехфазными обмотками [3]. В Японии фирма «SANYO» использует
различные типоисполнения пятифазных двигателей для применения в металлорежущих
станках для работы в глубоком вакууме. В Португалии на химическом комбинате в Porto
Torres установлен частотно-регулируемый асинхронный электропривод турбокомпрессора
мощностью 13 кВт.
В СССР серийно выпускались шестифазные генераторы, которые применялись на
атомном ледоколе «Ленин». Многофазными машинами и изучением электромагнитных процессов в них занимались Б. П. Соустин и В. Ф. Бражников. В настоящее время в России
многофазными машинами занимаются в Ивановском Государственном Техническом Университете Голубев А.Н., его коллеги и другие исследователи [4].
Преимущества МАД и их свойства требуют дополнительных исследований в области
моделирования их магнитных, тепловых полей и надежности указанных двигателей.
Библиографический список
1. Пронин М. В., Воронцов А. Г., Калачиков П. Н., Емельянов А. П. Электроприводы и системы с электрическими
машинами и полупроводниковыми преобразователями (моделирование, расчет, применение) / Под ред. Е. А. Крутякова. СПб.: Силовые машины «Электросила», 2004. 252 с.
2. Multiphase Induction Drive For Submarines. Patent Number 4,743,828 May 10,1988.
3. Hughes, Austin. Electric motors and drives. 2nd ed., 1993. 339 pp.
4. Глухов Д. М. Автореферат диссертации Моделирование асинхронных двигателей в аварийных режимах работы,
Томск, 2005.
__________
УДК 621.313.33.001.24
А. О. Гращенков – студент кафедры электромеханики
М. А. Волохов (канд. техн. наук, доц.) – научный руководитель
МОДЕЛИРОВАНИЕ АСИНХРОННОЙ ЭЛЕКТРИЧЕСКОЙ МАШИНЫ
В СРЕДЕ MATLAB
Асинхронные машины принадлежат к классу электрических машин переменного тока.
Они применяются на практике главным образом как двигатели. Наибольшее распространение имеют трехфазные асинхронные двигатели. Они находят себе самое широкое применение на заводах, фабриках, в сельском хозяйстве, на строительных работах, для вспомогательных механизмов электрических станций. Асинхронные двигатели являются основными
преобразователями электрической энергии в механическую и составляют основу электропривода большинства механизмов, используемых во всех производствах.
94
СИСТЕМЫ УПРАВЛЕНИЯ
При проектировании электрических машин не обойтись без оценки соответствия технико-экономических показателей современному мировому уровню при соблюдении требований
государственных и отраслевых стандартов. Так же необходимо учитывать назначение
и условия эксплуатации, коэффициент полезного действия, стоимость материалов, технологию производства и надежность в работе.
Технология изготовления электрических машин напрямую связана с их расчётом и конструированием. Поэтому при проектировании необходимо стремиться к максимальному
снижению трудоемкости изготовления.
При оптимальном проектировании современных серий двигателей в основу положен
критерий минимума приведённых суммарных затрат на производство и эксплуатацию двигателей. При установлении геометрических размеров и основных параметров проектируемых
двигателей используют математические методы нелинейного программирования. Известно
немало методов оптимального проектирования, но они малопригодны для решения сложных
и специфических задач, касающихся проектирования электрических машин. Потому по сегодняшний день наилучшие решения достигаются путём расчёта и сравнения различных вариантов проекта.
Для того, чтобы получить оптимальный проект необходимо сопоставить многие варианты
расчета. По этой причине без применения ЭВМ не обходится ни один серьезный расчет электрических машин. С развитием компьютерных технологий и появлением на рынке огромного
количества программного обеспечения для инженеров стало возможно исследовать поведение
электрических машин в различных режимах работы, что значительно ускоряет расчёт и проектирование. Гибкая система регулирования параметров при моделировании виртуальных машин позволяет существенно повысить точность расчётов и определить слабые места проектируемых аппаратов, что даёт возможность сэкономить на проведении опытных испытаний.
В качестве решения вышеизложенной проблемы проведём исследование на компьютерной модели асинхронного двигателя электромагнитных и электромеханических процессов. За основу возьмём данные рассчитанного асинхронного двигателя по заданным номинальным данным.
Трёхфазная асинхронная машина описывается системой из шести дифференциальных
уравнений. Для упрощения исследования на ЭВМ проведём преобразование трёхфазной
машины к двухфазной, которую можно описать четырьмя уравнениями. Уравнения трёхфазной машины преобразуем по средствам представления в другой системе координат, вращающейся с синхронной скоростью. Так же выразим токи статорных и роторных обмоток
через потокосцепления. После выполнения вышеописанных действий получим нелинейные
дифференциальные уравнения с постоянными коэффициентами, удобные для численного
решения. В результате преобразования возникают структурные изменения уравнений:
– добавлены ЭДС вращения в роторной цепи, которые учитывают взаимные перемещения статора и ротора;
– ротор остановлен, а оси обмоток статора и ротора совмещены – коэффициенты постоянны.
Пакет прикладных программ MATLAB предоставляет нам возможность провести анализ
виртуального асинхронного электродвигателя. Поставленную задачу можно реализовать
при помощи пакета Simulink, используя библиотеку блоков SimPowerSystems и в частности
раздел Machines – электрические машины.Simulink-модель асинхронной машины с короткозамкнутым ротором приведена на рис.1
95
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Simulink-модель асинхронной машины с короткозамкнутым ротором1
Рис.2. Окно задания параметров
1 Черных И. В. SimPowerSystem: Моделирование электротехнических устройств и систем в Simulink.
Сайт сообщества пользователей Matlabи Simulink:matlab.exponenta.ru
96
СИСТЕМЫ УПРАВЛЕНИЯ
Модель асинхронной машины включает в себя модель электрической части, представленной моделью пространства состояний четвертого порядка и модель механической части
в виде системы второго порядка. Все электрические переменные и параметры машины
приведены к статору. Исходные уравнения электрической части машины записаны для
двухфазной системы координат.
В виртуальную модель асинхронного двигателя вводятся относительные параметры
машины. Окно задания параметров модели асинхронной машины представлено на рис. 2
Параметры блока:
1) тип ротора;
2) координатная система отсчёта;
3) номинальная мощность, действующее линейное напряжение, номинальная частота;
4) сопротивление и индуктивность статора;
5) сопротивление и индуктивность ротора;
6) взаимная индуктивность;
7) момент инерции, коэффициент трения и число пар полюсов;
8) начальные условия: параметр задаётся в виде вектора включающего в себя скольжение, угол фазы, начальные значения токов статора, начальные фазы токов статора.
Исходными данными для расчета параметров машины являются следующие: PH – номинальная мощность, Вт; UH – номинальное линейное напряжение, В; f – частота сети, Гц;
nH– номинальная скорость вращения вала, об/мин; p – число пар полюсов; n – коэффициент
полезного действия, о.е.;cosφ – коэффициент мощности, о.е.; IH – номинальный ток статора, A; kI – кратность пускового тока, о.е.; mп – кратность пускового момента, о.е.;
–
кратность максимального момента, о.е.; J – момент инерции, кг м2.
Окно настройки блока измерения переменных состояния представлено на рис. 3.
Рис. 3. Окно настройки блока измерения переменных состояния
97
СИСТЕМЫ УПРАВЛЕНИЯ
Результатами моделирования являются кривые
и
пуске и последующем сбросе нагрузки, представленные на рис. 4 и 5.
при прямом
Рис. 4. Кривая
Рис. 5. Кривая
Для оптимального проектирования разумно использовать метод планирования экспериментов. После проведения ряда экспериментов по их результатам строиться функция отклика. Функция отклика отыскивается в виде алгебраического полинома – отрезка степенного ряда. Для записи условий проведения опытов и результатов используется таблица,
называемая матрицей планирования. Применение метода планирования экспериментов
позволяет при минимальном количестве опытов построить функцию отклика и определить
оптимальное сочетание факторов.
__________
УДК 921.9.06
И. В. Дворников – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
П. А. Хабаров (канд. техн. наук, доц.) – научный руководитель
РАЗРАБОТКА ТЕХНОЛОГИЧЕСКОГО КОМПЛЕКСА
ОБЪЕМНОГО ФОРМИРОВАНИЯ ПЕЧАТНЫХ СЛОЕВ
Производство многослойных печатных плат это сложный многоэтапный процесс с множеством возможных вариаций на каждом этапе производства. В предыдущей работе [3]
была рассмотрена возможность замещения существующих технологий производства технологией Селективного Лазерного Спекания (далее СЛС). Для решения задачи по изготовлению многослойных печатных плат (далее МПП) посредством технологии СЛС предложена
следующая схема организации процесса производства (рис. 1).
98
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Структурная схема технологической цепочки
Рассмотрим содержание задач по внедрению новой технологии в производство МПП.
1. Анализ технического задания на изготовление МПП. Рассматривается возможность
использования выбранной технологии. Проводится оценка требований, предъявляемых
к конечному изделию и его характеристик:
– серийность производства. Наиболее эффективно использовать данную технологию
при изготовлении единичных разнопрофильных изделий;
– массо-габаритные характеристики конечного изделия должны быть соизмеримы с характеристиками рабочей камеры установки;
– возможная сложность топологии изделия. В рамках технологии трехмерного производства МПП наиболее приоритетно изготовление максимально сложных топологических решений. В связи с отсутствием жесткой привязки линий проводника к конкретным слоям платы возможна оптимизация габаритов изделия и ресурсов для его изготовления.
2. Объемное моделирование МПП в адаптированной САПР. На данном этапе производится адаптация электрической схемы устройства и производится оптимальная трассировка
с целью уменьшения габаритов изделия.
Существуют различные программные средства для создания трехмерных моделей,
которые могут быть физически реализованы в установке СЛС. Рассмотрим возможность разработки устройства и формирования машинных кодов для его изготовления
в едином программном комплексе. Такой комплекс должен реализовывать функции
3d-графического редактора (SolidWorks, 3Ds Max и т. д.), иметь систему анализа логических связей и электрических соединений (Altera max+, PCad, OrCAD), а так же иметь
возможность оптимизировать трассировку проводников исходя из возможностей данной
технологии.
3. Физическое формирование структуры изделия в установке «3d-печати» МПП.
При изготовлении коммутационного основания МПП применяется два вида исходных
материалов: проводник и диэлектрик. Для реализации двухкомпонентной печати предлагается доработать типовую установку СЛС (рис. 2).
В типовой установке происходит однонаправленное распределение материала из зоны
подачи порошка по рабочей области. При добавлении второго перпендикулярного направления распределения порошка (рис. 3) появляется возможность формирования двухкомпонентной структуры.
При распределении порошка из наполнителя (1, 2) разравнивающим валиком (3, 5) по
рабочей области, происходит полное её заполнение. Поэтому для последовательного совмещения в одном слое различных материалов предложении использовать устройство уда99
СИСТЕМЫ УПРАВЛЕНИЯ
ления неспеченного материала (4).Таким образом, после описанных доработок формирование конечного изделия будет выглядеть следующим образом:
– Подготовка устройства к работе. На подготовительном этапе производится проверка
работоспособности установки, помещение исходных материалов в соответствующие
камеры: проводник (2), диэлектрик (1). В исходном состоянии платформа рабочей зоны
находится на одном уровне с поверхностью порошка в наполнителях (1, 2).
– Распределение порошка по рабочей области. Платформа рабочей зоны опускается на
уровень ниже, порошок диэлектрического материала из наполнителя разравнивается по ней
валиком (3).
– Сфокусированный луч лазера проходит по массиву порошка, спекая его гранулы по
контуру будущей модели (формируется подложка ПП).
Рис. 2. Базовая схема установки СЛС
Рис. 3. Модернизированная схема установки СЛС
100
СИСТЕМЫ УПРАВЛЕНИЯ
– Рабочая площадка опускается на уровень ниже, поршень подачи порошка наполнителя поднимает диэлектрик (1) на уровень выше, порошок диэлектрического материала
разравнивается валиком (3) по подложке ПП.
– Лазером спекается порошок в областях, где не будет проходить проводник. Т. е. зоны
трассировки остаются в неспеченном гранулированном виде.
– Устройством удаления (4) убирается неспеченный порошок из рабочей области. И на
его место разравнивающим валиком (5) подается проводящий порошок.
– Лазером спекается распределенный проводящий порошок, находящийся на одном
уровне с уже спеченным диэлектриком. Таким образом формируется первый коммутационный слой.
– Устройством всасывания (6) удаляются излишки проводящего порошка.
– Рабочая площадка опускается на уровень ниже, а площадки камер хранения исходных
материалов поднимаются уровнем выше.
– Цикл формирования коммутационного слоя повторяется.
Разработанная конструкция установки трехмерного производства печатных плат позволяет реализовывать двухкомпонентную «3d-печать» коммутационных изделий электронной
аппаратуры. Данный метод позволяет существенно ускорить производство единичных моделей электротехнического типа. Для получения конечного изделия используется всего два
вида исходных материалов, что так же позволяет увеличить экономическую эффективность
при производстве конкретного устройства.
Библиографический список
1. Макаров О. А. Популярная Механика. октябрь 2011. № 10 (108).
2. Шишковский И. В. Лазерный синтез функционально-градиентных мезоструктур и объемных изделий. М.: ФИЗМАЛИТ,
2009.
3. Дворников И. В. Шестьдесят четвертая международная студенческая научная конференция ГУАП. СПб., 2011.
__________
УДК 629.735.33
С. Д. Евсеев – студент кафедры электротехники и технической диагностики
М. В. Пронин (д-р техн. наук, проф.) – научный руководитель
А. Г. Воронцов (канд. техн. наук) – научный руководитель
РАЗРАБОТКА АЛГОРИТМОВ УПРАВЛЕНИЯ И ДИАГНОСТИКИ
СИСТЕМЫ УПРАВЛЕНИЯ АСИНХРОННОГО ДВИГАТЕЛЬ-ГЕНЕРАТОРА
С АКТИВНЫМ ДВУХУРОВНЕВЫМ ПРЕОБРАЗОВАТЕЛЕМ ЧАСТОТЫ
В современном мире в связи с увеличением потребления электроэнергии более перспективным является строительство гидроаккумулирующих электростанций – ГАЭС. Их действие
основано на цикличном перемещении одного и того же объема воды между двумя бассейнами: верхним и нижним. В ночные часы, когда потребность электроэнергии мала, вода
перекачивается из нижнего водохранилища в верхний бассейн, потребляя при этом излишки
энергии, производимой электростанциями ночью. Днем, когда резко возрастает потребление
электричества, вода сбрасывается из верхнего бассейна вниз через турбины, вырабатывая
101
СИСТЕМЫ УПРАВЛЕНИЯ
при этом энергию. Очевидно, что и ночной и дневной режимы имеют коэффициент полезного действия, меньший 100 %, то есть ГАЭС формально является убыточной. Однако в крупных энергосистемах большую долю могут составлять мощности тепловых и атомных электростанций, которые не могут быстро снижать выработку электроэнергии при ночном
снижении энергопотребления или же делают это с большими потерями. Этот факт приводит
к установлению существенно большей коммерческой стоимости пиковой электроэнергии
в энергосистеме, по сравнению со стоимостью электроэнергии, вырабатываемой в ночной
период. В таких условиях использование ГАЭС экономически эффективно и позволяет решать проблемы пиковых нагрузок. Агрегаты с переменной частотой вращения, или асинхронизированные гидрогенераторы, являются достойным ответом на такие требования. Кроме
того, в части повышения КПД, в сравнении с традиционными синхронными машинами, они
предоставляют больше преимуществ с точки зрения динамической работы.
Схема ГАЭС с АГД, турбиной (Т), преобразователем частоты (ПЧ) и защитным устройством (ЗУ) в цепи ротора, тиристорным пусковым устройством (ПУ) в цепи статора представлена на рис. 1.
Рис. 1. Схема ГАЭС с АГД и ПЧ в цепи ротора
Обмотка статора АГД подключается к энергосистеме через ПУ или выключатель. Обмотка ротора подключается к ПЧ, который через трансформатор подключается к энергосистеме. АГД снабжен датчиком положения ротора (ДПР). Особенностью системы является то,
что ПЧ в цепи ротора выполняется двухуровневым.
ПЧ содержит трансформатор (Тр), активный выпрямитель (АВ), автономный двухуровневый инвертор напряжения (АИН). АВ содержит несколько преобразовательных мостов,
102
СИСТЕМЫ УПРАВЛЕНИЯ
соединенных последовательно, образующих высоковольтный выпрямитель. В звене выпрямленного напряжения ПЧ имеется несколько конденсаторов, соединенных последовательно.
Тиристорное ПУ содержит выпрямитель (В), зависимый инвертор (И), сглаживающий
реактор Ld и токоограничивающие реакторы L1 и L2 в фазах выпрямителя. Защитное
устройство содержит резисторы и встречно-параллельно включенные тиристоры в каждой
фазе обмотки ротора.
С помощью программы Comsim выполним расчеты по разработанной модели АГД с двухуровневым ПЧ со следующими параметрами: активная мощность АГД 274 МВт, коэффициент
мощности 0.95, напряжение обмотки статора 15.75 кВ, частота напряжения статора 50 Гц.
На рис. 2 представлены кривые зависимости токов, напряжений, мощностей, частоты
вращения от времени, полученные при моделировании режимов работы АГД с двухуровневым ПЧ в программной среде Comsim.
Рис. 2. Установившиеся режимы при различных скольжениях частоты вращения АГД
Здесь показан интервал времени, охватывающий все режимы работы. Как видно из рисунка, на 45-й секунде происходит переход с номинального режима работы на режим +7%
и приблизительно к 50-й секунде он уже является установившимся. На интервале с 57-й
по 65-ю секунды происходит переход режима работы с 7 % на -7 % от номинала частоты
вращения. И начиная с 75-й секунды, режим работы снова становится номинальным.
Рассмотрим более подробно установившийся режим при 107% частоте вращения АГД (рис. 3).
В табл. 1 представлены результаты гармонического анализа установившегося режима
при частоте вращения генератора-двигателя +7% от номинала. Здесь показаны расчеты
выборочных кривых токов и напряжений. Электромагнитный момент при частоте вращения
107% равен приблизительно 92%. Активная мощность статора и активная мощность сети
имеют значения 256 и 274 МВт соответственно. А активная мощность ПЧ ротора со стороны
сети равна 18 МВт.
103
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 3 Установившиеся режимы при различных скольжениях частоты вращения АГД
Таблица 1
Результаты гармонического анализа
Действующее фазное напряжение сети, В
8832.249
Частоты гармоник (Гц)
Действ. знач. гарм.
Фазы (град.)
50
8819.703
-1.0363
Коэффициент гармоник:
0.05416
Действующий фазный ток сети, А
9603.989
Частоты гармоник (Гц)
Действ. знач. гарм.
Фазы (град.)
50
9602.754
-21.1362
Коэффициент гармоник:
0.01603
Действующий фазный ток статора, А
9102.725
Частоты гармоник (Гц)
Действ. знач. гарм.
Фазы (град.)
50
9101.836
-22.4694
Коэффициент гармоник:
0.01397
Действующий фазный ток ротора, А
1863.913
Частоты гармоник (Гц)
Действ. знач. гарм.
Фазы (град.)
3.57
769.681
114.8704
Коэффициент гармоник:
104
0.5678
СИСТЕМЫ УПРАВЛЕНИЯ
Кривые параметров АГД с двухуровневым ПЧ для установившегося режима работы при
частоте вращения – 7 % от номинала имеют схожий характер, как это видно из рис. 2. Только при частоте вращения 93% электромагнитный момент будет иметь значение около 106%,
а активная мощность статора будет равна 295 МВт. В номинальном режиме частота тока
в роторе равна 0, напряжение возбуждения мало, и почти все кривые, кроме фазного тока
статора, фазного напряжения сети и фазного тока сети преобразуются в прямые линии
и практически не изменяются.
Таким образом, асинхронный генератор-двигатель может работать в трех режимах частоты вращения, в то время как синхронный может работать только в номинальном режиме
с постоянной частотой вращения, что значительно влияет на КПД. Тем самым асинхронный
генератор-двигатель обеспечивает себе преимущество перед синхронным.
Библиографический список
1. Пронин М. В., Воронцов А. Г. Силовые полностью управляемые полупроводниковые преобразователи (моделирование и расчет). СПб.: ОАО «Электросила», 2003. 172 с.
2. Пронин М. В., Воронцов А. Г., Калачиков П. Н., Емельянов А. П. Электроприводы и системы с электрическими
машинами и полупроводниковыми преобразователями (моделирование, расчет, применение) / СПб.: ОАО Силовые машины «Электросила», 2004. 252 с.
3. Pronin, M. Computer model-based evaluation of energy losses components in the systems with asynchronous machines
and transistor converters. / Pronin M., Shonin O., Vorontsov A., Tereschenkov V. // IECON 2007. Taiwan. 2007.
__________
УДК 661.744.28
В. В. Егоров – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
ОХРАННАЯ СИГНАЛИЗАЦИЯ С ИНФРАКРАСНЫМ УПРАВЛЕНИЕМ
В связи с тревожной криминогенной обстановкой в обществе охранные системы стали
сегодня необходимым атрибутом в жизни людей.
Охранные системы можно разделить на два типа. Первый: автономная сигнализация,
оснащенная сиреной и оповещающая о тревоге лишь ближайших соседей. Второй: охранная
сигнализация с центральным пультом управления, на который поступает сигнал тревоги,
и в течение минимального времени на объект прибывает группа быстрого реагирования.
Задача разработки охранной сигнализации с инфракрасным управлением включает
в себя разработку охранной сигнализации, разработку передатчика и разработку приемнодекодирующего устройства.
Прибор контроля безопасности объекта представляет собой устройство, состоящие из
двух основных блоков: приемника и передатчика. Передатчик служит для того, чтобы установить под контроль анализируемый объект. Приемник необходим, чтобы воспринимать сигналы
передатчика, а именно, установку или снятие контроля, и разрешает доступ на объект.
Для увеличения помехоустойчивости целесообразно использовать инфракрасный канал
передачи информации, а не радиочастотный, поскольку последний может быть отсканирован специальными устройствами, которые в настоящий момент достаточно широко распространены.
105
СИСТЕМЫ УПРАВЛЕНИЯ
В качестве центрального процессора целесообразно выбрать микроконтроллер компании Microchiptechnology PIC16F84a, так как он имеет достаточное количество портов, универсальный таймер, а также отвечает всем техническим требованиям, что минимизирует
затраты при изготовлении прибора.
Для повышения степени защиты объекта сигнал передатчика должен быть закодирован.
В качестве кодировки целесообразно использовать последовательность двоичных символов
«1» и «0». Когда передается «1» – это называется Mark, когда передача отсутствует – «0»
(Spase). Во время Space на светодиод ничего не подается, он выключен, а во время Mark –
подается несущая частота. Т. е. светодиод вспыхивает с частотой 30–50кГц.
Передатчик состоит из инфракрасного светодиода, включенного в коллектор мощного
транзистора. Для управления мощным транзистором используется транзистор малой мощности, который по базе подключен к порту процессора RA0. Для защиты мощного транзистора служат диоды. Кварцевый резонатор подключен к ножкам 15 – 16 процессора, кнопки
подключены к портам RA1, RA2. Резистор, подключенный к 17 порту, служит для защиты
транзистора.
В приемно-декодирующее устройство входит интегральный инфракрасный приемник.
Он имеет фотодатчик – Pin-диод, который отличается от обычного фотодиода повышенной
чувствительностью и улучшенными частотными характеристиками. Input – входные цепи
(предварительный усилитель); AGS – (automaticgaincontrol) схема АРУ (автоматическая
регулировка усиления); Band Pass – полосовой фильтр, который пропускает сигнал вблизи
частоты заполнения и отфильтровывает все остальное; Control Circuit – схема управления;
Demodulator включает в себя интегратор и квантователь, а также (совместно с выходным
транзистором) формирователь выходного логического сигнала. Вся эта сложная схема на
практике реализуется в виде маленького пластмассового «трехногого» модуля, на которой
надо лишь подать питание и снять с его выхода готовый логический сигнал. Пластмассовый
корпус попутно выполняет роль оптического фильтра, который пропускает только инфракрасный диапазон и защищает входные цепи приемника от перегрузок даже при прямом
солнечном освещении.
Для того чтобы устройство вставало на контроль и снималось, необходимо декодировать переданный сигнал. Расшифровка кодового слова состоит в преобразовании инфракрасного сигнала в последовательность единиц и нулей и сравнение ее с эталоном.
После сканирования полученного сигнала производится сравнение его с эталоном.
В случае совпадения этого сигнала с одним из кодов включения или выключения переходим
к следующему блоку. При обнаружении включенной системы переходим к проверке признака тревоги. Этот промежуточный блок делается для того, чтобы в случае обрыва шлейфа,
вернув его в первоначальное состояние, сирена не прекращала свою работу. Далее проверяем шлейф, если он разомкнут – включается сирена, в противном случае возвращаемся
к сканированию кода и далее к проверке работы системы.
Если проверка показала, что система отключена, то производится отключение сирены
и возвращение к сканированию кода.
__________
106
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 629.735.33
П. А. Жуков – студент кафедры электротехники и технической диагностики
В. Я. Лавров (канд. техн. наук, проф.) – научный руководитель
МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА
ПРИ ИДЕНТИФИКАЦИИ НИЗКОЧАСТОТНЫХ ПОЛЕЙ
Во внешней области любого электротехнического устройства образуется низкочастотное
(магнитное) поле. Для его исследования на кафедре электроники и технической диагностики
ГУАП была разработана теория идентификации физических полей, в частности электромагнитных. Эта теория позволила разработать математические модели электромагнитных полей низкочастотных электротехнических изделий, работающих в реальных условиях. Такие
математические модели могут быть использованы для решения различных инженерных
задач, в частности, диагностики электротехнических изделий внешними средствами, решения задач электромагнитной совместимости и электромагнитной экологии, оптимального
размещения устройств в бытовых условиях для определения областей интенсивного и слабого электромагнитного загрязнения.
Математическое и программное обеспечение для идентификации низкочастотных магнитных полей должны быть проверены на их достоверность. Для проведения проверки достоверности идентификации низкочастотных полей необходимо произвести выбор математического обеспечения вычислительного эксперимента. Проверку можно осуществить на
основе натурного экспериментального исследования полей, но проблема этого пути состоит
в том, что при отсутствии достаточного финансирования нет возможности приобрести нужные технические средства.
Суть вычислительного эксперимента состоит в следующем. Строится математическая
модель эталонного низкочастотного поля и осуществляется задача идентификации этого
поля на основе использования обобщенной математической модели. Для этого на некоторой поверхности рассчитывается распределение радиальной составляющей эталонного
магнитного поля и определяются весовые коэффициенты, затем рассчитывается поле на
некоторой поверхности по эталонной модели и по обобщенной математической модели
низкочастотных полей. Условие достоверности вычислительного подхода состоит в совпадении результатов расчетов по эталонной и обобщенной моделям.
Для подготовки вычислительного эксперимента составлен алгоритм расчета специальных
функций математической физики и на его основе разработано программное обеспечение.
В качестве специальных функций математической физики использованы присоединенные
функции Лежандра – ряд, зависящий от количества слагаемых (n). Трудности программирования этого ряда заключаются в невозможности рассчитать большое количество слагаемых.
В качестве модели эталонного поля используется виток, находящийся в экваториальной
плоскости, а модель помехонесущего внешнего поля имеет смещенный виток. Были выбраны эталонные модели1 внешнего и внутреннего полей, которые являются основным алгоритмом расчета для программы.
1 Ганьшин Ю. А. Методическое обеспечение и средства электромагнитного контроля составляющих
скорости жидких полупроводящих сред. СПб., 2011. 3 с.
107
СИСТЕМЫ УПРАВЛЕНИЯ
Затем необходимо произвести выбор количества гармоник (n) при расчете полей, или
иначе, количество слагаемых в эталонных моделях полей. Рекомендуемое число слагаемых (n), обеспечивающее приемлемую точность расчета по программе, не может быть
ниже 20. Реально программа выполняет расчет до 80 слагаемых, что обеспечивает очень
высокую точность.
Данные вводятся при запуске программы. Программа выполнена на языке VBA (Visual
Basic Application) в качестве макроса для Microsoft Excel. По результатам расчета построены
графики эталонных полей.
_________
УДК 629.735.33
Е. М. Зуева – студент кафедры электротехники и технической диагностики
В. Я. Лавров (канд. техн. наук, проф.) – научный руководитель
РАЗРАБОТКА ТЕОРЕТИЧЕСКИХ ПРИНЦИПОВ
ПОСТРОЕНИЯ ЭЛЕКТРОМАГНИТНОГО ДАТЧИКА СКОРОСТИ СУДОВ
Одним из важных условий успешной эксплуатации морских и речных судов является
обеспечение безопасности судовождения. Для этой цели разрабатываются новые технические средства, которые вырабатывают информацию, необходимую судоводителю в различных условиях плавания.
Для контроля физических параметров управления судном, применяются различные методы измерения. В настоящее время твердую позицию среди методов измерения скорости
судов занимают электромагнитный метод измерения.
Электромагнитный метод измерения скорости основан на формировании электрического поля при движении полупроводящей жидкости в магнитном поле. Описывается это явление принципом Лоренца
E  V  B,
где V – вектор скорости полупроводящей жидкости, B – вектор магнитной индукции в зоне
размещения электродов, E – вектор напряженности, формируемый электрическое поле.
Напряжение между измерительными электродами определяется из интегрального соотношения

U   Ed l ,
a
где E – вектор напряженности электрического поля, a – место размещения электрода.
Электромагнитный метод измерения скорости обладает достаточно высокой точностью
измерения во всем диапазоне измеряемых скоростей, позволяет измерять скорость жидкостей с различными плотностями и вязкостью. Электромагнитные датчики скорости имеют
малые размеры, небольшую массу, не требует постоянного ухода [1].
Погрешность измерений при использовании электромагнитного метода измерения скорости судна определяется в основном погрешностью градуировки датчика и погрешностью
108
СИСТЕМЫ УПРАВЛЕНИЯ
измерения разности потенциалов между измерительными электродами. Электрохимические
процессы в потоке жидкости, вихри потоков воды в зоне измерения, различные помехи
и наводки не позволяют пока получить той потенциально высокой точности измерений, которая вытекает из теоретических принципов данного метода. Погрешности измерения электромагнитных датчиков скорости в основном находятся в пределах ± 0,5 % от измеряемой
величины [2].
Теоретические основы проектирования современных электромагнитных преобразователей скорости базируются на работах Кораблева А. В., Массарова В. Ф. [1], Воронова В. В.,
Саранчина А. И., Яловенко А. В., Полковникова В. В. , Филипченко В. Г., Спектора С. А.
и других.
Для одновременного измерения нескольких составляющих скорости судна применяются
многокомпонентные датчики. Большинство многокомпонентных электромагнитных приборов
для измерения скорости были запатентованы в семидесятых-восьмидесятых годах прошлого века. Среди разработчиков, занимавшихся проблемой электромагнитного контроля
нескольких составляющих скорости, необходимо отметить работы Болонова Н. И., Повх И. Л.,
Калинина Н. Д., Мирончука А. Ф., Крыловой Г. И., Вельта И. Д. К сожалению, их изобретения,
как и подавляющее большинство других многокомпонентных датчиков, не поступили в производство из-за низких показателей точности, сложности конструкции и проблем с электромагнитной совместимостью устройств. Поэтому до настоящего времени для одновременного
измерения нескольких составляющих скорости судов используется комплекс из нескольких
однокомпонентных датчиков скорости [3]. Для исключения их взаимного влияния друг на
друга датчики необходимо размещать на расстоянии друг от друга, что значительно снижает
их чувствительность к изменению течений, например, при поворотах судна.
Внесение поправок в методику преобразования исходного сигнала электромагнитного
датчика, учитывающих перечисленные выше факторы, влияющие на величину погрешности,
и усовершенствование конструкции многокомпонентных датчиков позволит повысить точность их измерений. Увеличение точности позволит использовать устройства, основанные
на электромагнитном методе измерений, в ситуациях, где необходимо точное и одновременное измерение двух или трех компонент скорости, например, при швартовке судна или
проведении различных исследовательских работ на подводных аппаратах [2]. Таким образом, проблема повышения точности одновременного измерения нескольких составляющих
скорости судов в морской воде является актуальной [4].
С вопросом улучшения параметром датчика скорости судов связан патент на двухкомпонентный датчик измерителя скорости электропроводящей жидкости [5].
Изобретение относится к измерительной технике, а именно к электромагнитным устройствам для измерения скорости электропроводящей жидкости, и может быть использовано
для измерения скорости, например, судов. Техническим результатом, достигаемым при
осуществлении заявляемого изобретения, является повышение чувствительности двухкомпонентного датчика измерителя.
Сущность изобретения поясняется чертежом (рисунок), где изображен двухкомпонентный датчик измерителя скорости электропроводящей жидкости. В точке С представлено
формирование электрического поля.
Изобретение содержит магнитную систему, состоящую из сердечника (не обозначен)
и обмотки возбуждения 3, и две пары электродов 4 и 2. Сердечник (он же магнитопровод)
выполнен пятистержневым и включает в себя центральный стержень 5, четыре боковых
109
СИСТЕМЫ УПРАВЛЕНИЯ
стержня 1 и основание 6 в форме креста. Центральный стержень 5 имеет цилиндрическую
форму, его верхний конец выполнен в виде полусферы. Обмотка возбуждения 3 размещена
на центральном стержне 5. Две пары электродов 4 и 2 ориентированы на поверхности датчика вдоль взаимно перпендикулярных осей, причем каждый из электродов 4, 2 размещен
между боковым 1 и центральным 5 стержнями и выполнен в виде сегмента сферы. От электродов 4 и 2 предусмотрено подключение к входу измерителя скорости электропроводящей
жидкости (не обозначено) [5].
Двухкомпонентный датчик измерителя скорости электропроводящей жидкости (рис. 1)
работает следующим образом.
При пропускании электрического тока через обмотку возбуждения 3 в центральном
стержне 5 возникает магнитный поток, который расщепляется на четыре одинаковых потока,
замыкающихся через воздушные промежутки на боковые стержни 1 и основание 6. Эти
потоки обтекают наружную поверхность электродов 4 и 2, размещенных в воздушных промежутках. При размещении датчика в электропроводящей жидкости таким образом, чтобы
вектор ее скорости был параллелен плоскости электродов 4, 2, в жидкости возникает электрическое поле, которое формирует на электродах 4, 2 напряжение, пропорциональное
скорости жидкости.
1
2
3
5
1
4
1
4
A
A
2
C
z
1
E
A-A
4
B
V
1
y
C
x
5
3
6
Двухкомпонентный датчик измерителя скорости электропроводящей жидкости
110
СИСТЕМЫ УПРАВЛЕНИЯ
Пятистержневая магнитная система с обмоткой возбуждения на средней части сердечника позволяет расщеплять магнитный поток, созданный одной обмоткой возбуждения, на
четыре одинаковых рабочих магнитных потока и получить достаточно простую двухкоординатную структуру датчика измерителя скорости электропроводящей жидкости.
Недостатками этого патента являются:
– наличие разомкнутого магнитного потока в области, где магнитный поток, пройдя центральный стержень, расщепляется на боковые стержни, что существенно снижает интенсивность потока;
– источник напряжения, снимаемого с датчика, обладает большим внутренним сопротивлением, определяемым параметрами среды;
– конструкция крепления измерительных электродов не определена, следовательно,
требует индивидуального подхода с учётом её минимального влияния на обтекание датчика.
Предлагается новая конструкция датчика, в которой почти полностью замкнут рабочий
магнитный поток, что существенно увеличивает интенсивность магнитного поля в рабочей
зоне измерения скорости электропроводящей жидкости и это значительно увеличивает
чувствительность датчика измерителя. Поработав над обтеканием жидкостью датчика,
можно уйти от так называемой вихревой цепочки Кармана [6]. Предлагаемая новая конструкция в этой статье не приводится, т. к. не прошла экспертную оценку.
Библиографический список
1. Кораблев, А. В. Электромагнитные навигационные приборы и системы / А. В. Кораблев, В. Ф. Массаров.
Л.: ВМОЛУА, 1976. 140 с.
2. Судовые измерители скорости / сост. Б. Г. Абрамович. Владивосток, 2005. 44 с.
3. А. с. 898328 СССР, МПК5G01 P5/08. Электромагнитный измеритель гидродинамических характеристик потока
жидкости / В. Б. Большаков (СССР). № 2866770 // Открытия. Изобретения. 1982. № 2. 6 с.
4. Методическое обеспечение и средства электромагнитного контроля составляющих скорости жидких полупроводящих сред / Ганьшин Ю. А. Санкт-Петербург, 2011. 3 с.
5. Патент 2399059 РФ, МПК G01 Р5/08. Двухкомпонентный датчик измерителя скорости электропроводящей жидкости / Ю. А. Ганьшин, В.Я. Лавров (РФ). 2009113093/28 // 2010. 6 с.
6. Фейнмановские лекции по физике: Физика сплошных сред. Т. 7. Гл. 41. Течение «мокрой» воды.
__________
УДК 681.3
В. А. Козлов – студент кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
МОДЕЛИРОВАНИЕ НЕЧЕТКОГО РЕГУЛЯТОРА В PROTEUS
В последние годы произошло обогащение возможностей пакетов схемотехнического
моделирования за счет имитации работы микроконтроллеров в составе электронных схем.
Это в полной мере относится к пакету Proteus, который позволяет очень достоверно моделировать и отлаживать достаточно сложные устройства, в которых может содержаться несколько МК одновременно и даже разных семейств в одном устройстве [1, 2]. Он состоит из
двух основных модулей: ISIS и ARES. Графический редактор принципиальных схем ISIS
служит для ввода разработанных проектов с последующей имитацией и передачей в ARES.
111
СИСТЕМЫ УПРАВЛЕНИЯ
Графический редактор печатных плат ARES имеет встроенный менеджер библиотек и автотрассировщик ELECTRA.
Цикл проектирования нечеткой системы управления начинается разработкой в MatLab
нечеткого регулятора, управляющего объектом, математическое описание которого задано
передаточной функцией (рис. 1).
Рис. 1. Структура нечеткой системы управления в MatLab
Для аппаратной реализации системы управления системы управления необходимо разработать алгоритм и программу, а также принципиальную схему микроконтроллерной системы управления.
В создаваемой системе управления микропроцессор должен выполнять следующие задачи [3]:
– выполнять аналого-цифровое преобразование;
– осуществлять расчет функции, имитирующей производную;
– хранить базу правил нечеткого регулятора и описание термов лингвистических переменных;
– вычислять степень принадлежности входящего сигнала и его производной к термам
лингвистических переменных;
– рассчитывать сигнал управления методом «центра масс»;
– выводить сформированный сигнал управления на соответствующие контакты, для передачи сигнала в ЦАП.
В качестве ядра системы управления был выбран ATMEGA8535. Этот микропроцессор
имеет встроенный АЦП, поэтому аналого-цифровое преобразование реализуется программно, а для цифро-аналогового преобразования понадобится внешний ЦАП (рис. 2).
Модель объекта управления, собранная на базе операционных усилителей, показана
на рис. 3.
Управляющая программа была разработана на языке Си с использованием элементов
языка ассемблера. Отладка управляющей программы связана с обеспечением близости
переходных процессов в системе, полученных при моделировании в МatLab и наблюдаемых
при моделировании принципиальной схемы в Proteus. Причины возникающих расхождений
могут быть самыми разнообразными – неверный выбор шага квантования, ошибки в логике
работы программы, неправильной выбор режимов работы периферийных устройств и т. п.
Использование Proteus дает здесь колоссальные преимущества, т. к. возможна пошаговая
отладка программы совместно с контролем состояния элементов схемы.
Как показывает рис. 4, была получена достаточно высокая степень близости.
112
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 2. Подключение ЦАП к микроконтроллеру
Рис. 3. Модель объекта управления в Proteus
Рис. 4. Сравнение графиков переходных процессов
113
СИСТЕМЫ УПРАВЛЕНИЯ
Первоначальный вариант переходного процесса (рис. 4) оказался более медленным,
чем полученный в MatLab, однако при уменьшении шага квантования по времени качество
управления было улучшено.
Таким образом, использование Proteus позволило довести процесс проектирования нечеткого регулятора до стадии аппаратной реализации.
Библиографический список
1. www.labcenter.co.uk – официальный сайт компании Labcenter.
2. Максимов А. Моделирование устройств на микроконтроллерах с помощью программы ISIS из пакета Proteus VSM //
Радио, №5, 2005. С.30-33.
3. Бураков, М. В. Нечеткие регуляторы: учеб. пособие / М. В. Бураков. СПб.: ГУАП, 2010. 252 с.
__________
УДК 004.312
Н. А. Конюшков, М. В. Трофимов, А. Д. Щербаков – студенты кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
ПРОЕКТ МУЛЬТИКОПТЕРА
Типичный мультикоптер – это дистанционно-управляемый или автономный мультиротационный беспилотный летательный аппарат (БЛА), имеющий от трех до двенадцати бесколлекторных электродвигателей с винтами.
Общим для всех аппаратов данного класса является конструктив и принцип полета.
Центральная часть мультикоптера – «фюзеляж» служит для размещения оборудования,
нагрузки и батареи. Радиально от центра на балках устанавливаются микроэлектродвигатели с несущими винтами, образуя звездообразную компоновку всего аппарата. В полете
мультикоптер поддерживает горизонтальное положение относительно поверхности земли,
может зависать, перемещаться в стороны, вверх и вниз. Для исключения вращения корпуса
у квадрокоптера, например, передний и задний винты вращаются по часовой стрелке,
а левый и правый – против часовой стрелки. Для начала движения квадрокоптер выводится
из состояния баланса (висения) путем увеличения скорости вращения (тяги) части винтов.
В результате квадрокоптер наклоняется и устремляется в нужном направлении. Для поворота квадрокоптера вокруг своей оси по часовой стрелке, передний и задний винты ускоряют
вращение, а левый и правый – замедляют. Аналогично – при повороте против часовой
стрелки.
Основные режимы полета обеспечивает контроллер, используя данные от нескольких
датчиков, и стабилизирует аппарат в воздухе в горизонтальном положении путем подачи
управляющих сигналов двигателям. Контроллер работает по специальной программе, вычисляет скорость для каждого винта, компенсирует внешние воздействия ветра.
Каркас коптера изготовлен из алюминия, что позволило свести к минимуму вес конструкции. Базовая конфигурация – квадрокоптер. Отличительными особенностями проекта
является широкий спектр конфигураций, а так же возможность изменения программ полета
без посадки на землю, благодаря установленному на linux веб-серверу. Взаимодействие
114
СИСТЕМЫ УПРАВЛЕНИЯ
с коптером может осуществляться через любой веб-браузер. Так же можно менять как конфигурацию двигателей, и комплектацию (например, установить оружие вместе с камерой),
так как дополнительные импульсы управления (10 независимых друг от друга шин) активируются через интерфейс управления. Области применения: военные нужды, спасательные
операции, киносъемки (коптер стоит гораздо дешевле аренды вертолета), видеонаблюдение
и другие.
В качестве платформы для мультикоптера планируется использовать Mini6410 Single
Board Computer (см. рис. 1). Управляющая система – Linux. Решение было обусловлено
богатыми возможностям по расширению. На плате установлен порт USB, к которому будет
подключен Wi-Fi модуль для дистанционного управления и передачи аудио- и видеосигнала,
аудио интерфейс (1 вход, 1 выход) и микрофон, а так же 20-пиновый интерфейс для камеры. Таким образом, обеспечиваются задачи видеонаблюдения со звуком, а так же появляется возможность аудио оповещения в случае необходимости.
Опционально на замену Wi-Fi может быть подключен 3G интернет модуль, который позволит управлять коптером с огромных расстояний. Достаточное и необходимое условие –
нахождение коптера и ноутбука/компьютера, с которого ведется управление в зоне действия
сотовых сетей.
Рис. 1. Управляющий модуль мультикоптера
115
СИСТЕМЫ УПРАВЛЕНИЯ
Устройство оборудовано слотом для карт памяти, что позволит записывать видео в случае неполадок с соединением. Применяемые двигатели – KD A22-20L Brushless Outrunner
Motor. Контроллеры скорости – HobbyKing 30A BlueSeries. Так же планируется установка
сервопривода для поворота камеры. Установленные датчики: гироскоп (для определения
фиксированного положения в пространстве), акселерометр (для установки абсолютно горизонтального положения), компас (абсолютное определение угла поворота) (3-х осевые),
барометр (для удержания на нужной высоте) позволяют надежно стабилизировать мультикоптер.
Для управления сервоприводами и контроллерами скорости будет использоваться микроконтроллер Atmega16, подключенный по интерфейсу UART к управляющей плате.
Устройство оборудовано слотом для карт памяти, что позволит записывать видео в случае
неполадок с соединением. Применяемые двигатели – KD A22-20L Brushless Outrunner Motor –
это бесколлекторный двигатель, развивающий до 20000 оборотов в минуту. Контроллеры
скорости – HobbyKing 30A BlueSeries. Работа контроллера заключается в том, чтобы передать мотору энергию батареи. Для передачи энергии контроллер использует MOSFET'ы –
силовые ключи, которые могут открываться и закрываться за долю секунды.
Установленные датчики: гироскоп (для определения фиксированного положения в пространстве), акселерометр (для установки абсолютно горизонтального положения), компас
(абсолютное определение угла поворота) (3-х осевые), барометр (для удержания на нужной
высоте) позволяют надежно стабилизировать мультикоптер.
Отличительной особенностью проекта является широкий спектр конфигураций, а так же
возможность изменения программ полета без посадки на землю, благодаря установленному
на linux веб-серверу. Взаимодействие с коптером может осуществляться через любой веббраузер. Так же можно менять как конфигурацию двигателей, и комплектацию (например,
установить оружие вместе с камерой), так как дополнительные импульсы управления
(10 независимых друг от друга шин) активируются через интерфейс управления. Области
применения: военные нужды, спасательные операции, киносъемки (коптер стоит гораздо
дешевле аренды вертолета), видеонаблюдение и другие.
Библиографический список
1. Open-Source Robotics and Process Control Cookbook / Lewin A. R. W. Edwards, Elsevier Inc. 2005, 243 pp.
2. Martin F. G. Robot Builder's Guide. MIT, 1992. 230 pp.
3. Advances in Robot Navigation / Edited by A. Barrera. InTech, 2011. 238 pp.
__________
УДК 650
Д. И. Крылов – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
О. Л. Смирнов (канд. техн. наук, доц.) – научный руководитель
АНАЛИЗ И ВЫБОР ЗАЩИТНЫХ ПОКРЫТИЙ ПЕЧАТНЫХ УЗЛОВ
В настоящий момент применение влагозащитных покрытий является наиболее оптимальным решением по обеспечению надежности печатных узлов от климатических
воздействий.
116
СИСТЕМЫ УПРАВЛЕНИЯ
Влагозащитное покрытие предназначено для защиты электронных изделий, подвергаемых воздействию влаги, агрессивных химикатов и соляного тумана, температурных колебаний, механической вибрации и органических образований (например, грибковых). Акриловые
покрытия (Ar) обладают наилучшей влагостойкостью, высокими диэлектрическими характеристиками, хорошей термоустойчивостью, высокой адгезией, однако имеют небольшую
химическую стойкость. Полиуретановые (уретановые) (Pu) обеспечивают отличную химическую стойкость в сочетании с хорошими показателями защиты от влаги, диэлектрическими
и температурными характеристиками. Силиконовые влагозащитные покрытия (Sr) обеспечивают высокие температурные (вплоть до 200 С), диэлектрические показатели. Помимо
этих видов покрытий также есть эпоксидные и париленовые.
Материалы на основе акрила отличаются хорошей прочностью, стойкостью к нагреву,
влагостойкостью, высокими диэлектрическими характеристиками. Применяются там, где
требуются хорошие электроизоляционные свойства. Акриловые покрытия в виде паяльных
масок и фоторезисторных пленок хорошо освоены и широко применяются за рубежом. Диапазон температур применения акриловых материалов –60... + 135 С. Покрытия ремонтопригодны, легко удаляются нагреванием до 150 С. Однако они имеют избирательную химическую стойкость и требуют для разных условий и изделий разное время сушки на воздухе,
имеют большую усадку при испарении растворителя.
Полиакриловые лаки на основе термореактивных полимеров (акриловые полимеры
и сополимеры) обладают высокой атмосферо- и светостойкостью, ударопрочностью, эластичны, имеют высокую адгезию. Служат для изготовления паяльных масок с последующим
ультрафиолетовым отверждением.
У р е т а н о в ы е п о к р ы т и я (U R )
Полиуретановые покрытия имеют хорошую химическую стойкость, атмосферостойкость
и высокие температурные показатели. Применяются там, где требуется низкая влагои газопроницаемость и сопротивление истиранию.
Наибольшее применение получили гетероцепные полимеры, содержащие незамещенные или замещенные уретановые группы – полиуретаны. Диапазон рабочих температур
уретановых покрытий –60...+120 °С. Покрытия ремонтопригодны. Тонкие покрытия можно
паять насквозь очень горячим (420 С) паяльником или удалять механически. Поддаются
восстановлению после ремонта. Имеют тусклый внешний вид.
Силиконовые покрытия или кремнийорганические полимеры имеют высокую термо-,
свето- и атмосферостойкость, высокую гидрофобность и электрические свойства, обеспечивают высокие температурные, диэлектрические показатели. Но в ходе тестирования режима
работы в условно влажной среде показывают результат в 10–20 раз хуже по сравнению
с другими покрытиями. Один из серьезных недостатков этого покрытия – относительно
большой коэффициент температурного линейного расширения, который может приводить
к отрыву компонентов и проводников.
Материалы на основе эпоксидных смол давно получили самое широкое применение.
Они обладают хорошей адгезией, высокой твердостью, химической стойкостью, хорошими
электроизоляционными свойствами. Используются в заливочных компаундах и в качестве
полимерной основы влагозащитных покрытий. Эпоксидная смола или олигомер под действием отвердителей превращается в полимер.
Процесс отверждения полимеров сопровождается объемными усадками и возникновением
усадочных напряжений. Эпоксидные смолы обладают минимальной химической усадкой.
117
СИСТЕМЫ УПРАВЛЕНИЯ
Признано, что двухслойное или многослойное покрытие эффективнее однослойного той
же толщины, так как часть дефектов (поры, раковины) первого слоя перекрываются при
нанесении второго слоя. Недостаток – появление «пузырьковой сыпи».
Диапазон рабочих температур этих покрытий –60...+200 С.
Покрытие ремонтопригодно. Тонкие покрытия можно паять насквозь, легко удалять механически. Поддается восстановлению после ремонта за счет процессов холодного отверждения. Имеет хороший внешний вид.
В табл. 1 дано сравнение некоторых свойств разных видов покрытий.
Сравнение свойств покрытий
Таблица 1
Мы рассмотрели четыре основные группы покрытий. В настоящее время большее внимание, особенно в микроэлектронике, уделяется париленовым покрытиям.
П о л и п а р а к с и л и л е н (п а р и л е н ) ( X Y )
Высокопрочное качественное покрытие с хорошей адгезией, устойчивостью к растворителям и хорошими электрическими свойствами, на ощупь напоминает полиэтиленовую
пленку. Пришло в Россию из военной промышленности США. Производство парилена – это
высокотехнологичный процесс без применения растворителей и катализаторов. Исходным
веществом для получения полипараксилиленового покрытия служат полимеры в виде сухого гранулированного белого порошка.
Получаемое покрытие покрывает все поверхности слоем одинаковой толщины, в том
числе тонкие зазоры, полости и «пазухи» при печатном монтаже. Полипараксилилен применим в микроэлектронике, оптике, при капсулировании веществ и материалов, чувствительных к влаге, когда требуется высокое качество и минимальная масса покрытия. Одно из его
преимуществ в том, что благодаря отсутствию внутренних напряжений и усадки не происходит обрыва проводников.
Но покрытие не ремонтопригодно и применяется там, где требуется идеальное сплошное и равномерное покрытие. Ремонт невозможен – его сдирают шкуркой.
Диапазон рабочих температур полипараксилилена –70... + 150 С.
Для защиты печатных узлов для военной техники используют эпоксиуретановые лаки
УР-231 и УР-231Л. Применение других покрытий запрещено военной приемкой. Для печатных узлов гражданской аппаратуры учитывают группу жесткости климатических
воздействий.
118
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 2
Группы жесткости климатических воздействий
Для аппаратуры 1 группы жесткости рекомендуется применять уретановые влагозащитные покрытия, которые обладают высокими химическими и атмосферными показателями,
но низкой влагопроницаемостью.
Для аппаратуры 2 и 3 групп жесткости применяют многие влагозащитные покрытия в зависимости от конкретных условий эксплуатации.
Для аппаратуры 4 группы жесткости рекомендуется применять акриловые влагозащитные покрытия, которые обладают высокими влаго- и термостойкостью.
Библиографический список
1. Журнал «Компоненты и технологии». http://www.kit-e.ru/articles/elcomp/2007_5_164.php
2. Энциклопедия производства изделий микроэлектроники ЗАО предприятие Остек. http://www.ostec-materials.ru/enc/6/19.html
3. Пирогова Е.В. Проектирование и технология печатных плат. М.: Форум: Инфра-М, 2005. 560 с.
__________
УДК 621.315
А. С. Любимов – студент кафедры микро- и нанотехнологий аэрокосмического приборостроения
К. Д. Шелест (д-р техн. наук, проф.) – научный руководитель
РАЗРАБОТКА МЕТОДИКИ КОНТРОЛЯ ЭЛЕКТРОФИЗИЧЕСКИХ ПАРАМЕТРОВ
КОММУТАЦИОННЫХ ПРОВОДНИКОВ АППАРАТУРЫ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
Зарождение и развитие авиации и ракетно-космической техники потребовало в 50-х годах разработки новых бортовых проводов для жгутов авиационной аппаратуры, обеспечивающих главным образом повышенную надежность. Необходимость создания бортовых
проводов повышенной надежности определялась:
– необходимостью повышения надежности бортовой сети;
– увеличение требований безопасности при авиаперевозках;
119
СИСТЕМЫ УПРАВЛЕНИЯ
– дороговизной поиска и устранения неисправностей при испытаниях на производстве;
– увеличением токовых нагрузок, в связи с ростом энерговооруженности самолетов,
а также увеличением температуры среды, окружающей бортовую сеть.
Последнее обусловлено тем, что существенно выросли как количество электрооборудования, выделяющего теплоту в окружающую среду, так и температура в некоторых отсеках
самолетов, например, вблизи зоны реактивного двигателя; кроме того, увеличение высоты
полетов в разреженной атмосфере приводит к резкому ухудшению отвода выделяемой
теплоты в окружающую среду.
Хотя бортовые провода предназначены в основном для работы в условиях фиксированного
монтажа, но уже при прокладке жгутов по борту их подвергают неоднократным перегибам из-за
ограниченности пространства и необходимости протаскивать жгут через отверстия в перегородках небольшого размера. В процессе эксплуатации корпус самолета подвергается значительной
вибрации, которая передается на жгут от стенок и элементов крепежа. Поэтому провода жгутов
подвергаются интенсивным продавливающим и истирающим нагрузкам. Кроме того, не исключена возможность попадания на поверхность проводов различных агрессивных жидкостей, имеющихся на борту: бензина, керосина, масел, гидравлических жидкостей и других.
Специфика эксплуатации аппаратуры на борту самолета предопределяет ряд внешних воздействий на бортовые провода, что позволяет отнести условия эксплуатации к особо жестким.
В последние годы в связи с увеличением скоростей гражданских и военных самолетов,
а также их вместимости постоянно ужесточаются требования по обеспечению безопасности
полетов, что приводит к появлению новых требований к проводам. За последнее время
значительно ужесточились требования к негорючести проводов, возникли нормы по количеству выделяемого при горении дыма и т. д.
Такие повышенные требования необходимо предъявлять ко всем проводам, используемых в авиации. Однако, универсальной методики, позволяющей провести быстрый входной
контроль по нескольким параметрам сразу, пока еще не применялось. Это ставит задачу
разработать методику контроля электрофизических параметров коммутационных проводников аппаратуры летательных аппаратов.
Обоснованность, причины, основная идея методики сплошного контроля, а также виды
испытаний, которым должны быть подвергнуты проводники, были описана в работе [4],
однако не все параметры и возможные дефекты возможно оценить сплошным контролем,
а некоторые и не целесообразно. В ходе анализа существующих методов контроля параметров проводов было принято решение, какие виды испытаний будут проводиться методом
сплошного контроля, а какие выборочным. Ниже в табл. 1 приведена сводка технической
возможности, целесообразности, использования ресурса испытуемых изделий, и как вывод
необходимости сплошного контроля по заданному виду испытания.
Данный анализ позволил определить какие виды испытаний можно будет реализовать
в новой методике сплошного контроля, а какие придется проводить старыми методами,
основанными на ГОСТ. Цель данной методики – заменить несколько опытов классического
контроля одним, чем сократить расходы на входной контроль и увеличить надежность выпускаемого оборудования.
Стоит заметить, что проводить испытания сплошным контролем необходимо в следующем порядке: сначала связанные механическими нагрузками, а уже потом с электрическими испытаниями. Такая последовательность позволит определить устойчивость провода
к такого рода механическим воздействиям при изготовлении жгутов и монтаже.
120
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 1
Возможность и целесообразность применения сплошного контроля по заданному виду испытания
Возможность
сплошного
контроля
Целесообразность
сплошного
контроля
Использование
ресурса
при
испытании
Внешний осмотр
да
да
нет
Испытание на наработку
да
нет
полное
Определение электрического
сопротивления изоляции
да
да
нет
сплошной
Испытание напряжением
да
да
нет
сплошной
Минимальная толщина изоляции
да
да
нет
сплошной
Среднее сопротивление на
единицу длинны
да
да
нет
сплошной
Напряжение прочности диэлектрика
да
да
нет
сплошной
Химическая стойкость к агрессивным средам
да
нет
возможно частичное выборочный
или полное
Точечные повреждения изоляции
да
да
нет
сплошной
Испытание на обрыв проводника
да
нет
полное
выборочный
Устойчивость к истиранию
да
нет
частичное или полное выборочный
Устойчивость к продавливанию
да
нет
частичное
выборочный
Устойчивость к перегибам
да
да
частичное
сплошной
Испытание на обрыв
да
да
нет
сплошной
да\нет
нет
выборочный
Вид испытания
Тангенс угла диэлектрических методики
потерь
найдено
не
Тип
необходимого
контроля
сплошной
выборочный
Устойчивость к горению
да
нет
полный
выборочный
Устойчивость к повышенным и
пониженным температурам
да
нет
частичное
выборочный
Библиографический список
1. Привезенцев В. А., Пешков И. Б. Обмоточные и монтажные провода. Изд. 4-е, переработ. и доп. М.: Энергия,
1971.
2. Дикерман Д. Н., Кунегин В. С. Провода и кабели с фторопластовой изоляцией. М.: Энергоиздат, 1982. 144 с.
3. Белорусов Н. И. и др. Электрические кабели, провода и шнуры: Справочник. М.: Энергоатомиздат, 1988. 536 с.
4. Любимов А. С. Разработка методики контроля электрофизических параметров коммутационных проводников
летательных аппаратов // Шестьдесят четвертая международная студенческая научная конференция ГУАП. Ч. 1.
Технические науки: сб. докладов. СПб., 2012.
__________
121
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 538.945
А. В. Макарова – студент кафедры микро- и нанотехнологий аэрокосмического приборостроения
В. П. Ларин (д-р техн. наук, проф.) – научный руководитель
ФОТОРЕЗИСТЫ ДЛЯ ВСТРЕЧНО-ШТЫРЕВЫХ ПРЕОБРАЗОВАТЕЛЕЙ
СИСТЕМ РАДИОЧАСТОТНОЙ ИДЕНТИФИКАЦИИ
НА ОСНОВЕ АКУСТОЭЛЕКТРОННЫХ ЭЛЕМЕНТОВ
НА ПОВЕРХНОСТНЫХ АКУСТИЧЕСКИХ ВОЛНАХ
Для решения проблем высокоскоростного железнодорожного и автомобильного транспорта на отечественный и зарубежный рынок вводятся системы радиочастотной идентификации (РЧИД) на основе элементов на поверхностных акустических волнах (ПАВ). Входящие
в состав систем считыватели и метки предназначены для автоматической идентификации
в реальном масштабе времени транспортных средств, и передачи идентификационных
кодов в систему автоматического управления (билинговую систему учета) для их дальнейшей обработки. Приемо-передающая антенна диапазона СВЧ предназначена для приема
и передачи сигналов в диапазоне частоты 2,45 ГГц, что соответствует длине волны, равной
365 нм. В электронной аппаратуре, использующей поверхностные акустические волны, для
возбуждения и детектирования этих волн служат встречно-штыревые преобразователи
(ВШП). Одной из наиболее распространенных на сегодняшний момент тонкопленочных
технологий при создании встречно-штыревых преобразователей является технология
«взрывной» фотолитографии (lift-off lithography). Ключевым моментом в технологии «взрывной» фотолитографии являются особенности применяемых фоторезистов. Таким образом,
существует задача анализа, выбора и применения разных фоторезистов с целью повышения качества операции «взрыва», которая существенно влияет на требуемые характеристики встречно-штыревых преобразователей изделий на поверхностных акустических волнах.
Технология создания встречно -штыревые преобразователи
ВШП относится к электродному типу преобразователей (рис. 1). На рабочей поверхности пьезоэлектрического кристалла создается жестко соединенная с этой поверхностью
решетка штырей из проводящего материала [3].
Рис. 1. Встречно-штыревой преобразователь в проекциях на горизонтальную
и вертикальную плоскости: ПЭ  пьезоэлектрик; Э – электроды ВШП;
αm , bm  координаты начала и конца m-го электрода (по ширине)
122
СИСТЕМЫ УПРАВЛЕНИЯ
Принцип действия (рис. 2) такого преобразователя заключается в следующем: когда на
преобразователь 1 подается переменное напряжение, в пьезоэлектрическом материале
возникают волны механического сжатия и растяжения с частотой переменного напряжения.
В том случае, если расстояние между штырями равняется длине волны, то волны от всех
штырей оказываются синфазными, т. е. совпадающими по фазе, и усиливают друг друга,
что приводит к возникновению поверхностной акустической волны. Когда волна доходит до
электродов 2, она становится причиной возникновения между парой соседних штырей переменного электрического напряжения той же частоты. Колебания напряжения между соседними парами штырей складываются. Поэтому напряжение на выходе оказывается
наибольшим в случае совпадения их фаз, т. е. тогда, когда расстояние между штырями
соседних пар равняется длине волны [2].
Рис. 2. Принцип действия сенсоров на ПАВ:
1 – встречно-штыревые преобразователи электрического сигнала в ПАВ;
2 – встречно-штыревые преобразователи ПАВ в электрический сигнал
Технология «взрывной» фотолитографии
Импульсом для распространения технологии «взрывной» фотолитографии явилась
необходимость формирования металлических токопроводящих дорожек на полупроводниковых и пьезоэлектрических подложках, где использование химического или плазменного
травления является нежелательным или несовместимым с технологией и материалами.
Другая причина – обеспечение надежного контроля над размерами элементов, так как при
использовании химического травления трудно контролировать, например, ширину металлизированных слоев вследствие подтравливания металла под маской фоторезиста.
ВШП наносят методом фотолитографии на хорошо отполированную поверхность тщательно сориентированного пьезоэлектрического кристалла. В качестве материала для ВШП
и отражательных структур используют металлы, такие как: Al, Au, Cu. При подаче на подобные электродные системы электрических колебаний за счет пьезоэффекта материала подложки возникают механические деформации ее поверхности, что в свою очередь ведет
к возбуждению акустической поверхностной волны.
В технологии «взрывной» фотолитографии на подложку сначала наносится пленка фоторезиста. После процессов экспонирования и проявления в пленке фоторезиста вскрываются участки, где предполагается осуществить металлизацию подложки. Затем вся поверхность, в том числе поверхность пленки фоторезиста, и вскрытые участки покрываются
123
СИСТЕМЫ УПРАВЛЕНИЯ
металлом. Следующей стадией является стадия «взрыва», при которой пленка фоторезиста
вместе с осажденным на него материалом удаляется с подложки с помощью подходящего
растворителя в специальной ультразвуковой ванне (рис. 3).
Рис. 3. Схема процесса взрывной фотолитографии
1 – адгезионный слой; 2 – слой фоторезиста; 3 – фотошаблон; 4 – металлический слой
Разрешение проекционной литографии зависит от длины волны излучения, числовой
апертуры, применяемых материалов и многих других факторов. Известно [4], что в стандартной проекционной системе, осуществляющей перенос изображения, фокус объектива (f)
является функцией диаметра его входного зрачка (D). Числовая апертура объектива (NA)
D
в среде с показателем преломления n определяется как NA  n  sin   .
2f
Числовая апертура является очень важным параметром проекционной оптической
cистемы, так как она во многом определяет значения ее разрешения и глубины фокуса.
Одним из фундаментальных законов проекционной литографии является критерий Рэлея,
в соответствии с которым разрешение проекционной системы (R) определяется дифракционным пределом: R  K1 / NA , где  – длина волны экспонирующего излучения; NA – числовая апертура проекционной системы, а коэффициент K1 (0  K1  1) определяется уровнем технологии конкретного производства. Необходимо отметить, что на современном этапе
развития технологии производства КМОП СБИС минимально достигаемое значение
K1 ~ 0,25 – 0,35.
Разрешение улучшается при использовании более коротковолнового экспонирующего
излучения и объектива с большой числовой апертурой. Однако это приводит к существен124
СИСТЕМЫ УПРАВЛЕНИЯ
ному сокращению глубины фокусировки (DOF), которая обратно пропорциональна квадрату
числовой апертуры [4]: DOF  K 2 / 2(NA)2 .
Таблица 1
Сравнительный анализ альтернативных фоторезистов,
применяемых в технологии «взрывной» фотолитографии
Характеристики
Разрешающая способность, мкм
ФП-05Ф
ФПН-20-ИЗО
AZ5214E
AZ nLof 2000
S1805
AZ ECI 3000
[6]
[6]
[5]
[5]
[5]
[5]
0,5
0,8
0,7
0,8
0,5
0,35
0,8-1,2
1,14-1,98
2,0-3,5
0,5-0,8
0,5-4,0
Толщина
пленки 0,45-0,60
фоторезиста, мкм
Термостойкость, °С
140
145
130
110
115
110
Устойчивость пленки
фоторезиста к проявителю, не менее,
мин.
25
60
40
50
35
30
Неравномерность
толщины пленки, нм,
не более
10
10
10
20
15
15
Проявитель
1%
раствор
КОН
1 % раствор КОН
AZ 726 MIF AZ 300 MIF
MF-321 AZ 3000 MIF,
0,5% раствор NaOH
Применение фоторезиста ФП-05Ф в технологии «взрывной» фотолитографии затрудняется из-за положительного наклона профиля стенок, что обусловлено объемным эффектом
(рис. 4) и недостаточной толщины, которая отрицательно сказывается в процессе «взрыва»,
так как толщина нанесенного металлизированного слоя превышает толщину фоторезистивной маски, что затрудняет процесс проявления и увеличивает количество дефектов топологии.
Рис. 4. Образование положительного наклона профиля стенок
при использовании положительных фоторезистов
Фоторезисты, представленные в табл. 1, разработаны специально для технологии
«взрывной» фотолитографии. При использовании таких фоторезистов устраняется проблема
125
СИСТЕМЫ УПРАВЛЕНИЯ
трудности проведения операции «взрыва» даже в тех случаях, когда нанесенного металлизированного слоя превышает толщину фоторезистивной маски и обеспечивается отрицательный наклон профиля стенки (рис. 5).
Рис. 5. Толщина металлизированного слоя превышает толщину фоторезистивной маски
Применение фоторезистов ФПН-20-ИЗО, AZ 5214E, AZ nLof 2000 и S1805 затрудняется
вследствие их неполного соответствия техническим характеристикам, предъявляемым
к фоторезисту ФП-05Ф, дороговизны и применению специальных проявителей в процессе
создания требуемой топологии, их применение затрудняется вследствие невозможности
работы с универсальными проявителями, а также специальными условиями эксплуатации.
Технология изготовления систем РЧИД на ПАВ-метках подразумевает разрешающую
способность фоторезиста 0,35 мкм и толщину пленки фоторезиста 0,7 мкм. Следовательно,
для исследований должен быть выбран позитивный быстрый фоторезист AZ ECI 3000.
Он также адаптирован для повсеместного применения, в том числе благодаря своей стоимости.
Заключение
Попытки решить задачу автоматической идентификации транспорта предпринимаются
уже несколько десятилетий. В последние годы все больший интерес вызывают системы
идентификации, построенные на базе технологии РЧИД. Уже сегодня представлены РЧИДприложения для рынка финансовых услуг и обеспечения безопасности, автомобильного
и общественного транспорта, небольших магазинов, библиотек, прачечных и медицинских
учреждений. Чтобы обеспечивать надежность такой системы, в ходе работы были проведены
анализ и сравнение ряда фоторезистов, из которых был выделен фоторезист AZ ECI 3000.
Использование данного фоторезиста очень перспективно, поскольку он отвечает всем требованиям, обеспечивающим технологию «взрывной» фотолитографии и работу в целом
РЧИД-систем на ПАВ-метках.
Библиографический список
1. Brian J. Thompson Microlithography. Science and Technology. Taylor & Francis Group, LLC. 2007. Р 846.
2. Дворников А. А., Огурцов В. И., Уткин Г. М. Стабильные генераторы с фильтрами на поверхностных акустических
волнах. М: Радио и Связь. 1983. 136 с.
3. Рычина, Т. А. Устройства функциональной электроники и электрорадиоэлементы / Т. А. Рычина, А. В. Зеленский.
М.: Радио и связь, 1989. 352 с.
4. Макарчук В. В., Родионов И. А., Цветков Ю. Б. Методы литографии в наноинженерии : учеб. пособие. М. : Изд-во
МГТУ им. Н. Э. Баумана, 2011. 176 с. (Библиотека «Наноинженерия» : в 17 кн. Кн. 9.)
5. http://micromechanical.com/photoresist/photoresists.html
6. http://frast.ru/_production.html
__________
126
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 629.735.33
В. С. Мамчич – студент кафедры электротехники и технической диагностики
В. А. Атанов (канд. техн. наук, доц.) – научный руководитель
РАСЧЕТ ПАРАМЕТРОВ И ЭЛЕМЕНТОВ КОНТУРА УПРАВЛЕНИЯ ПО ТОКУ
В настоящее время наибольшее распространение в электроприводах механизмов подач металлорежущих станков получили одно- и многоконтурные замкнутые системы регулирования.
Одноконтурные системы имеют один суммирующий усилитель, на вход которого подается алгебраическая сумма задающего сигнала и сигналов всех обратных связей. При этом
входной сигнал усилителя зависит одновременно от нескольких переменных. Это делает
практически невозможным регулирование системы от одной переменной вне связи с остальными переменными (сигналами скорости, положения, момента и др.) Отсюда высокое качество регулирования в таких системах затруднительно и в ряде случаев невозможно.
Эти недостатки устранены в многоконтурных системах, иначе системах подчиненного
регулирования. Здесь суммирующие усилители выполняют также математические операции, поэтому их называют регуляторами.
Далее выполнен расчет двухконтурной системы, где внутренний контур с регулированием по току подчинен внутреннему контуру с регулированием по скорости. Для внешнего
контура внутренний контур входит в состав объекта регулирования. Расчет выполнен по
методике, изложенной в [1, 2].
Наиболее часто используется пропорционально-интегральный ПИ-регулятор, параметры которого подлежат расчету.
Схема ПИ-регулятора приведена на рис. 1.
C2
R2
R1
Uвх
Uвых
Рис. 1 Схема ПИ-регулятора
Передаточная функция ПИ-регулятора:
Wp (p) =
Uвых (p)
Uвх (р)
=
z 2 (p)
z1 (p)
R2 +
=
1
pC 2
R1
=
pR 2 C + 1
pR1C 2
=
pT2 + 1
pT1
,
(1)
где p – оператор Лапласа; T1 = R1C1, T2 = R2C2 – постоянные времени; инверсия сигнала
учтена направлением стрелки напряжения Uвых.
127
СИСТЕМЫ УПРАВЛЕНИЯ
Сигнал Uвых (t) перестает изменяться во времени и сохраняет некоторое постоянное
значение, когда Uвх(t) становится равным нулю. Это соответствует астатическому принципу
регулирования.
На рис. 2 показана схема регулятора тока, для передаточной функции
T +1
которой необходимо определить параметры T1, T2 и элементы R1, C2, R2.
WРТ (р) = 2
T1p
Рис. 2. Структурная схема контура регулирования тока
Передаточная функция якорной цепи двигателя с известными параметрами активного
сопротивления Rя и постоянной времени Tя всей якорной цепи заданного электропривода [3]
KЯ
L
1
; Tя = я ; К Я =
WД (р) =
Tя р + 1
R я
Rя
Передаточная функция тиристорного преобразователя (управляемого выпрямителя)
имеет вид апериодического звена, где Kтп и Tтп – коэффициент усиления и постоянная времени преобразователя
WТП (р) =
К ТП
Т ТПp + 1
, К ТП = К * ТПК Я
.
Передаточная функция датчика тока – безынерционное звено с коэффициентом передачи
WДТ (р) = К ДТ .
Передаточная функция усилителя напряжения
WУН (р) = К УН .
Определим передаточную функцию замкнутого контура регулирования по току.
Передаточная функция разомкнутой цепи без обратной связи по току
К ТП (Т 2р + 1)
WРК (р) = WРТ (р)WТП (р)WД (р)WУН (р) =
128
1
Rя
К УН
T1p(TТПp + 1)(Tяp + 1)
.
(2)
СИСТЕМЫ УПРАВЛЕНИЯ
С целью повышения быстродействия электропривода по контуру тока необходимо
скомпенсировать наибольшую постоянную времени из числа Tтп и Тя. Поскольку Тя>>Ттп, то
необходимо скомпенсировать постоянную времени якорной цепи Т я. Из (2) следует, что это
возможно, если принять постоянную времени Т2 равной Тя, Тя = Т2.
Теперь (2) перепишется в виде
К ТП
WРК (р) =
1
Rя
К УН
.
T1p(TТПp + 1)
Передаточная функция замкнутой системы имеет вид
WЗК (p) =
WРК (р)
1+ WРК (р)WДТ (р)
.
При известных передаточных функциях звеньев системы получаем:
К ТП
WЗК (р) =
1
Rя
К УН
T1p(TТПp + 1)
1
К ТП
К УН
Rя
1
=
К ДТ
R я Т ТП Т1
2
р +
R я Т1
.
(3)
р+1
К ТПК ДТ К УН
К ТПК ДТ К УН
К ДТ
T1p(TТПp + 1)
Чтобы переходный процесс в замкнутом контуре по току был оптимальным (малые длительность переходного процесса и перерегулирование 4÷6%), необходимо, чтобы коэффи1+
2
 0,707 .
2
При указанном в табл. 1 соотношении коэффициентов характеристических уравнений
характер переходного процесса определяется не всеми членами уравнения, а вырожденным характеристическим уравнением второго порядка.
циент затухания был равен
Таблица 1
Порядок
уравнения
1
2
3
Полное
характеристическое
уравнение
2Т1p(T1p+1)+1
4T1p(2 Т1p(Т1p+1)+1)+1
8Т1p(4Т1p(2 1p(Т1p+1)+1)+1)+1
Вырожденное
характеристическое
уравнение
2 Т1p(Т1p+1)+1
4 Т1p(2 Т1p+1)+1
8 Т1p(4 Т1p+1)+1
Время
регулирования t1
Перерегулирование σ, %
4,7 Т1
7,6 Т1
14,4 Т1
4,33
8
6,2
Это условие выполняется, когда характеристическое уравнение контура на основе знаменателя Wзк(p) имеет вид
2 2
2Tminp + 2Tminp + 1= 0,
(4)
где Тmin – наименьшая постоянная времени контура тока, Tmin = Tтп.
129
СИСТЕМЫ УПРАВЛЕНИЯ
Приравниваем коэффициенты при р выражений (3) и (4):
R я T1
К ТПК ДТ К УН
= 2Т ТП .
(5)
Тогда многочлен знаменателя (3) принимает вид
2
2
2Tminp + 2Tminp + 1= 2ТТПр(ТТПр + 1) + 1 .
Из (5) постоянная времени
Т1 =
2Т ТПК ТПК ДТ К УН
RЯ
.
(6)
Сравнивая выражения для Т1 в (1) и (6) находим:
Т1 = R1C2 =
2Т ТПК ТПК ДТ К УН
RЯ
.
(7)
Поскольку для компенсации большой Тя принято Тя=Т2, то
T2 = Т Я = R2C2 .
Подставляя условие оптимума (7) в (1), находим передаточную функцию регулятора тока, обеспечивающую оптимальный переходный процесс (минимумы tпп и σ max)
WРТ (р) =
(Т Яр + 1)R Я
2Т ТПК ТПК ДТ К УНр
.
Передаточная функция замкнутого контура при таком регуляторе имеет вид
WЗК (р) =
1
1
К ДТ
К ДТ
=
2 2
2TТПp + 2TТПp + 1 2TТПр(TТПр + 1) + 1
.
Характеристическое уравнение по знаменателю
2TТПр(TТПр + 1) + 1= 0
.
соответствует полному характеристическому уравнению системы второго порядка (таблица).
Это означает, что переходный процесс в контуре тока при выбранной настройке регулятора будет оптимальным.
Библиографический список
1. Чиликин М. Г., Сандлер А. С. Общий курс электропривода: учебник для вузов. 6-е изд., доп. и перераб. М.: Энергоиздат, 1981. c. 466.
2. Ефимов? А. А. Проектирование средств контроля и диагностики электромеханических систем. Текст лекций. Ч. 1 /
А. А. Ефимов, С. Ю. Мельников; Санкт-Петербург. Государственный университет аэрокосмического приборостроения. СПб.: ГОУВПО «СПбГУАП», 2007. C. 25.
3. Найдис В. А. Лебедев А. М., Орлова Р. Т., Юферов В. Ф. Электроприводы с полупроводниковым управлением.
Системы постоянного тока на тиристорах / Под ред. М. Г. Чиликина. М.-Л.: Энергия, 1966. C. 54.
__________
130
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.822.6 (031)
П. И. Михеев − студент кафедры электротехники и технической диагностики
Е. В. Сударикова (канд. техн. наук, доц.) − научный руководитель
ПРОГНОЗИРОВАНИЕ РЕСУРСА МЕХАТРОННОЙ СИСТЕМЫ
ПО РЕЗУЛЬТАТАМ УСКОРЕННЫХ ИСПЫТАНИЙ
Мехатронные системы (МС) – это класс исполнительных устройств, у которых надежность и качество формирования выходных механических характеристик повышены за счет
выполнения ряда функций средствами электроники. Они широко применяются в производственных технологических процессах, бытовой, медицинской, военной и космической технике, связи. Требования, предъявляемые к этим изделиям, очень разнообразны. Одним из
важнейших требований, определяющих качество МС, является надежность.
Подтверждение гарантийного ресурса высоконадежных изделий является трудной задачей. В настоящее время она решается экспериментальным путем – путем проведения
ускоренных испытаний (УИ) до отказа испытываемых образцов контрольной выборки. При
этом испытания проводятся групповыми методами по двум способам: при постоянном значении коэффициента ускорения испытаний или при постоянстве форсирующего фактора
для всей выборки [1]. К недостаткам такого пути подтверждения надежности относится
большая длительность (и, соответственно, стоимость) испытаний; кроме того, остается
неясной динамика реодинамических процессов, приводящих к отказу изделий.
Для сокращения сроков получения информации о надежности изделия УИ необходимо
совмещать с ИП ресурса испытываемых образцов. Максимальные точность и достоверность
индивидуальной оценки ресурса испытываемого изделия при минимально возможной длительности испытаний позволяет обеспечить метод комплексного проведения УИ и ИП.
ИП параметра состояния и ресурса производится по результатам каждого этапа испытания.
Дополнение УИ индивидуальным прогнозированием (ИП) технического состояния и ресурса
МС позволит сократить время получения информации о надежности каждого испытываемого образца, причем испытания могут завершаться до перехода МС в предельное состояние.
По критерию надежности МС являются изделиями со слабой взаимосвязью между элементами. Наименее надежным элементом, ограничивающим ресурс МС в целом, являются
опоры вращения ее электромеханического блока (ЭМБ). Поэтому электронный блок управления МС в данной работе не рассматривается. Наиболее применяемыми опорами являются шариковые подшипники (ШП) на пластичной смазке.
Для проведения УИ и ИП выбор диагностических параметров (ДП) производится на основе анализа взаимосвязи основных процессов в опорах ЭМБ. Необратимые изменения
технического состояния опор происходят под действием вибрации и обусловлены многократным повторяющимся деформированием шариков и колец в контактных зонах, а также
деградацией смазочного слоя. Поэтому в качестве ДП выбраны: среднеквадратическое
значение и спектр виброускорения на корпусе изделия, функция контактирования элементов
опор и несущая способность смазочного слоя.
В качестве параметров состояния выбраны спектральные составляющие разложения
профилей беговых дорожек колец и средний радиальный зазор в подшипнике. Эти параметры количественно характеризуют усталостный износ элементов ШП.
131
СИСТЕМЫ УПРАВЛЕНИЯ
Прогнозирующие выражения имеют вид [2]
rqj ( )  rqj (0)  I j Aqj   rqj (0)  0Qe
w ( j  2)
Aqj  ;
n
 e w ( j 2) A0  ,
( )  (0)  3 Iэ A0   (0)  3 0Q
j 2
где rqj (0) ,   0 − начальные значения амплитуд гармоник rqj спектрального представления профилей беговых дорожек по следу качения и среднего радиального зазора в ШП;
q  1,2 – номер кольца ШП; j  2, , n – номер гармоники; I j , I э − j -е спектральные
составляющие и эффективное значение интенсивности изнашивания элементов ШП; Aqj –
амплитуды j -х гармоник разложения динамических нагрузок, действующих на q-е кольцо;
 0 , w − индивидуальные коэффициенты адаптации; Q − эффективное значение динамической нагрузки действующей на ШП.
Индивидуальный характер изменения технического состояния конкретного образца МС
учитывается путем корректировки численных значений 0( i ) , w  i  на каждом этапе УИ.
Корректирование коэффициентов адаптации 0( i ) , w  i  производится на основании ИП ДП
на момент окончания i-х этапов УИ и сравнения их с измеренными значениями. Изменение
индивидуальных оценок величин rqj ( i ) ,  в процессе изнашивания опор является критерием оценки индивидуального ресурса МС.
ИП ресурса МС реализовано на основании метода обратного аналитического прогнозирования, заключающегося в определении момента выхода прогнозируемого процесса за
допустимые границы, определяемые предельным состоянием.
Индивидуальный ресурс находится с помощью правила [2]
T
пр

пр
пр
 min Tr ,T
qj
 , q  1,2 ; j  2,n ,
пр
пр
Tr ( m ) 
где
qj
пр
T ( m ) 

пр
 (т )
н
н
3 I э( т ) A0( m )
rqj  rqj ( m )
н
н
I j ( m ) Aqj ( m )
т
т
  k yq ( i )T( i ) ;
ф
i 1
  k y ( i )T( i ) ;
ф
i 1
k yq ( i ) , k y ( i ) − величины реализованных индивидуальных коэффициентов ускорения, распр
пр
считываемые по ДП, измеренным на начало i-го этапа УИ; rqj ,  − параметры предель-
ного состояния.
132
СИСТЕМЫ УПРАВЛЕНИЯ
Достигнутая точность прогноза определяется для m  3 этапов УИ дисперсией предсказания
 r
2
п
qj ( m ) 
,

2
qj
(
m
)
где

m
m
(   (  i )  (  i )  )( mTп2  2Tп   li   (  li )2 )
i 1
m
i 1
m
i 1
,
( m  2)( m  (  li )  (   li ) )
i 1
2



2
m
   Tп  

пр
пр
2
2
2
2
п  ( m )  , п Tr  , п T ( m )   п   
Tп  − дисперсия ошибки (помехи)
2
2
i 1
( ) на момент предсказания; (  i ) − действи-
тельные значения параметров ТС, диагностируемые в моменты времени  i окончания i-х
этапов УИ по известным методикам, а также действительное значение ресурса.
Библиографический список
1. Надежность и эффективность в технике/ Справочник под ред. В. С. Авдуевский и др. М: Машиностроение, 1989.
Т. 6: Экспериментальная отработка и испытания / Под ред. Р. С . Судакова. 376 с.
2. Приборные шариковые подшипники / Справочник под ред. К. Н. Явленского и др. М.: Машиностроение, 1981. 351 с.
__________
УДК 621.313.13
А. А. Морозов – студент кафедры электротехники и технической диагностики
В. Д. Косулин (канд. техн. наук, доц.) – научный руководитель
КОМПЛЕКС ТЕПЛОВИЗИОННОЙ ДИАГНОСТИКИ
ОБОРУДОВАНИЯ ТРАНСФОРМАТОРНЫХ ПОДСТАНЦИЙ
В настоящее время во многих структурах электроэнергетики наблюдается тенденция
перехода от плановых ремонтов оборудования к ремонтам по фактическому состоянию
оборудования. Такой подход предполагает внедрение и развитие различных методов диагностики состояния электрооборудования, одним из которых является метод тепловизионной диагностики. Эффективность тепловизионного контроля, являющегося одним из методов неразрушающего контроля за состоянием оборудования, заключается в том, что
аномалии в тепловых полях энергетического оборудования носят опережающий характер по
отношению к аварийному развитию аномалий в электрических процессах. В связи с этим
актуальной представляется задача создания комплекса тепловизионной диагностики, позволяющего осуществлять оперативный контроль за состоянием электроэнергетического
оборудования, и в частности, оборудования трансформаторных подстанций. При этом обследование оборудования возможно проводить без отключения, т. е. в рабочем состоянии [1].
Тепловизионная диагностика основана на регистрации интенсивности инфракрасного
излучения (ИК), поскольку температура является универсальным «отражением» состояния
133
СИСТЕМЫ УПРАВЛЕНИЯ
оборудования. Практически любые дефекты или поломки токоведущих и связанных с ними
частей электрооборудования влекут за собой изменения температуры дефектных элементов. Поэтому изменение рабочей температуры того или иного узла свидетельствует о снижении надежности соответствующих узлов, и как следствие – преждевременном выходе их
из строя. Упрощенная схема термографирования оптически непрозрачного объекта показана на рис. 1.
T

Ta
Рис.1 Схема термографирования непрозрачного объекта
Поток регистрируемого излучения  складывается из потока собственного излучения
соб и потока отр излучения окружающей среды и посторонних объектов, отраженного
от поверхности объекта контроля:

  соб  отр  1
АЧТ
   R (T )   2

2
1

    а R 

2
АЧТ
(Tа ) ,
(1)
1
где   – коэффициент излучения;  – коэффициент отражения; T – температура тела;
АЧТ
R
– спектральная плотность мощности собственного теплового излучения абсолютно
черного тела (АЧТ); Г1, Г2 – геометрические факторы, описывающие ослабление потоков излучения от объекта контроля и окружающей среды в зависимости от геометрии эксперимента,
а индекс «а» относится к окружающей среде (ambient). Без потери общности можно считать,
что окружающая среда излучает как АЧТ, тогда уравнение (1) можно записать в виде


  1    RАЧТ (T )   2  (1    ) RАЧТ (Tа ) .

2

1
2
1
Рассмотрим связь приращений T и  , которая вытекает из законов теплового излучения. Для серых тел из закона Стефана-Больцмана следует, что
T
T
134

1 
4 
.
СИСТЕМЫ УПРАВЛЕНИЯ
Например, если на поверхности объекта контроля со средней излучательной способностью   0.9 имеют место локальные вариации данного параметра с амплитудой   0.02 ,
что часто наблюдается на практике, то при термографировании объекта с комнатной температурой ( T  300 K ) эквивалентные шумовые флуктуации температуры будут
T  1.7 C , что значительно превышает объявленную паспортную чувствительность
современных тепловизоров (до 0.03 C ).
Обнаружение дефектов в контролируемых объектах, определение их параметров и теплотехнических характеристик самого объекта производится путем измерения температуры
по контролируемой поверхности и параметров окружающей среды с последующей компьютерной обработкой изображений тепловых полей и расчетом искомых характеристик с использованием программно-аппартного комплекса, включающего: тепловизор (инфракрасный
сканер), набор приборов для определения параметров окружающей среды и объекта контроля, компьютерную систему и пакет прикладных программ обработки изображений и расчета характеристик контролируемого объекта и обнаруженных дефектов.
При создании комплекса тепловизионной диагностики в качестве основной модели принят тепловизор Testo 882, который обеспечивает сохранение изображений в виде полноформатных радиометрических изображений в формате bmt. Эти изображения совместно
с результатами измерений, текстовыми комментариями сохраняются на съемной компактной флэш-карте 2 гб, откуда легко осуществить передачу изображений на ПК при использовании программных средств, которые входят в комплект стандартной поставки.
Поскольку существуют элементы электрооборудования, недоступные для тепловизоров, а также для повышения точности измерения температуры целесообразно в составе
комплекса тепловизионной диагностики использовать интеллектуальную систему на базе
ZETsensor [2].
ZETSensor – семейство устройств с различным назначением: интеллектуальные датчики, измерительные модули и управляющие модули с различными интерфейсами, модули
синхронизации и передачи данных, преобразователи интерфейсов, индикаторы.
На базе интеллектуальных устройств ZETSensor возможно построение:
– систем измерения различных параметров;
– распределенных систем;
– систем управления;
– систем мониторинга;
– автоматизированных систем.
Использование интеллектуальных датчиков очень удобно при построении распределенных измерительных сетей. Оцифровка данных с первичных преобразователей осуществляется в месте крепления датчика, что значительно снижает помехи и сокращает потери связанные с передачей данных, обеспечивая тем самым высокую точность измерений.
На базе интеллектуальных датчиков строятся распределенные измерительные сети
(рис.2). Для подключения измерительной сети к системам ZETLab и ZETView используется
преобразователь интерфейсов ZET 7070. Количество датчиков, подключаемых к модулю ZET 7070 при использовании внутреннего блока питания ZET 7070, не более 3; при использовании внешнего блока питания – не более 30. Программное обеспечение ZETLab поддерживает подключение до 200 датчиков к одному компьютеру. Измерительные сети также могут
подключаться к любой системе, использующей протокол Modbus по интерфейсу RS-485.
135
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 2. Схема измерительной сети: измерение температуры
с помощью термопар и модулей ZET 7020
Комплекс тепловизионной диагностики (рис. 3) реализован на основе использования
контактных и бесконтактных методов теплового контроля: тепловизора и набора датчиков
температур, объединенных в единую систему измерения и регистрации. В его составе: тепловизор Testo 882 – 1, компьютер MSI Wind U180-030 – 2, преобразователь интерфейсов
ZET 7070 – 3 измерительные модули ZET 7020 TermoTC-485-4, датчики температуры – 5.
Рис. 3. Состав тепловизионного комплекса: 1 – тепловизор; 2 – компьютер;
3 – преобразователь интерфейсов; 4 – измерительные модули; 5 – датчики температуры
Основными элементами трансформаторной подстанции, термография которых даст картину работоспособности оборудования и уровень его надежности, являются следующие [3]:
– обмотки трансформаторов;
– поверхности маслозаполненных баков;
– контактные соединения и силовые шины;
– контакты силовых отключающих аппаратов;
– изоляторы выводов силового трансформатора.
Тепловой расчет оборудования трансформаторной подстанции дает значения перегрева отдельных напряженных в температурном отношении элементов, которые являются
основными ориентирами для заключения о состоянии оборудования по результатам тепловизионного контроля. Так, например, трансформатор мощностью 6300 кВА в номинальном
136
СИСТЕМЫ УПРАВЛЕНИЯ
режиме имеет превышение средней температуры масла в верхних слоях маслозаполненного
бака над температурой воздуха 53°С при превышении средней температуры обмоток над
температурой воздуха 63,9°С, что лежит в пределах допустимого нагрева по ГОСТ-11677-85.
В случае превышения указанных величин по результатам тепловизионного исследования
принимается решение либо о проведении внеочередного контроля, либо о ремонте или
замене соответствующих объектов.
Результаты тепловизионного исследования представляются в виде термограмм в форме, подобной приведенной на рис. 4.
Рис.4 Заполненная форма с термограммой по результатам термографического исследования
Представленный комплекс тепловизионной диагностики является достаточно универсальным и позволяет проводить диагностику широкого спектра электро- и теплового оборудования. Так, его использование весьма эффективно при обследовании узлов электрооборудования, к которым прямой доступ без отключения невозможен.
Библиографический список
1. Белоусов, Ю. И. Выбор периодичности термографического обследования энергетического оборудования /
Ю. И.Белоусов // Сб. науч. тр. Вып. 17 / Методы и средства оценки состояния энергетического оборудования.
СПб/^ ПЭИПК, 2002. С. 51–56.
2. http://www.zetlab.ru
3. Афонин, А. В. Инфракрасная термография в энергетике / А. В. Афонин, Р. К. Нюпорт, В. С. Поляков и др. .// Т.1.
ПЭИПК, Академия Инфракрасной термографии (Канада). СПб., 2000 .
___________
137
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 629.735.33
И. В. Мюхкеря – магистрант кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц ) – научный руководитель
КОМБИНИРОВАННЫЙ НЕЙРОЭМУЛЯТОР
ДЛЯ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ПОЛЕТОМ ВЕРТОЛЕТА
Возможности автоматического управления полётом вертолёта с использованием
нейронного регулятора (НР) исследованы в работе [1]. Обучение НР проводилось на базе
упрощённой математической модели вертолёта (движение рассматривалось только в вертикальной плоскости), реализованной в пакете MatLab Simulink.
Уточнение математической модели вертолета, как сложного динамического объекта
(ДО), требует учёта его загрузки (смещения центра тяжести) и описания атмосферной обстановки. Адекватность модели, на которой осуществляется обучение НР, определяет динамические качества системы управления объектом. В системе управления сложным ДО
целесообразно использовать НР обученный не на математической модели объекта, а на его
имитационной модели (эмуляторе), реализованной на базе искусственной нейронной сети
(ИНС) [2].
Целью настоящей работы является построение эмулятора вертолёта в среде MatLab
Simulink и рассмотрение способов его идентификации (обучения).
С т р у к т у р а с и с т е м ы у п р а в л е н и я. В работе [2] рассматриваются принципы построения интеллектуальной системы автоматического управления летательными аппаратами с виртуальным обучением НР. В виртуальном тракте происходит обучение НР исходя из
поведения нейроэмулятора (НЭ), первообраз которого, в свою очередь, обучается по поведению реального ДО в прямом тракте управления.
На рис. 1 представлен фрагмент такой структуры – схема обучения НЭ в режиме реального времени, когда вертолёт управляется пилотом.
Рис. 1. Схема обучения НЭ в режиме реального времени
138
СИСТЕМЫ УПРАВЛЕНИЯ
Пилот управляет вертолётом посредством механизма управления, снабженного датчиками,
информация о положении которых поступает на обучаемый НЭ. На него поступают
и данные с датчиков обстановки, например метеоусловий, и т. п. Выходные параметры НЭ сравниваются с соответствующими значениями параметров траектории полёта (выдаваемых системой измерения) и эта ошибка поступает на систему обучения НЭ. Обучение целесообразно осуществлять с применением генетического алгоритма (ГА) [3]. Таким образом, идентифицируется
НЭ, заменяющий математическую модель. Далее, его параметры копируется в НЭ виртуального
тракта, который и используется для обучения НР. В режиме автопилотирования фрагмент схемы,
выделенной пунктирным прямоугольником (см. рис. 1), заменяется НР прямого тракта управления, идентификационные параметры которого копируются из НР виртуального тракта.
В настоящей работе рассматривается только процесс идентификации НЭ – построение
имитационной модели вертолёта. Реальный ДО заменяется математической моделью [1],
а действия пилота имитируются одним из вариантов схемы, реализующей некоторое полётное задание в пакете MatLab Simulink, и уже обученного НР.
Принципы построения комбинированного нейроэмулятора. При построении математических моделей сложных ДО используются как уравнения строгих физических законов, так
и приближенные «эмпирические» зависимости. Поэтому выдвигается концепция создания
комбинированного НЭ, включающего как блоки ИНС (возможно несколько зависимых и/или
независимых блоков), так и блоки, описываемые математическими уравнениями (математические субмодели).
Для рассматриваемой конкретной задачи, предлагается с помощью ИНС вычислять (рис. 2):
– силу тяги несущего винта вертолёта;
– силу аэродинамического сопротивления фюзеляжа вертолёта.
Рис. 2. Модель комбинированного НЭ в среде MatLab Simulink
139
СИСТЕМЫ УПРАВЛЕНИЯ
Движение ДО при известных силах, действующих на объект, определяется строго уравнениями динамики поступательного движения (законы Ньютона) и динамики вращательного
движения. Следовательно, строго вычисляется траектория объекта, и эти алгоритмы целесообразно моделировать блоками пакета MatLab Simulink. В них учитывается инерционность
объекта при поступательном и вращательном движении. Нейронные сети, реализующие
определение силы тяги несущего винта и силы аэродинамического сопротивления фюзеляжа вертолёта, не являются динамическими, т. е. не содержат звеньев запаздывания и/или
дифференцирования сигналов.
В качестве входных параметров для блоков ИНС используются и некоторые обобщённые величины: угол шага несущего винта; ометаемая площадь несущего винта; скоростной
напор несущего винта (на конце лопастей); скоростной напор воздуха на фюзеляж вертолёта.
Эти величины также определяются по строгим уравнениям исходя из параметров вертолёта и его траектории: число оборотов в минуту несущего винта (полагается постоянным);
радиус конуса несущего винта; высоты полёта (по существу, плотности воздуха); скорости
полёта вертолёта (касательной к траектории).
Поэтому целесообразно входные параметры ИНС также моделировать блоками пакета
MatLab Simulink. В результате получаем структуру комбинированного НЭ вертолёта
(см. рис. 2).
Исходя из физического смысла, ИНС целесообразно создавать из двух независимых каналов, один из которых «вычисляет» силу тяги несущего винта, а другой – силу аэродинамического сопротивления фюзеляжа вертолёта. Это несколько упрощает структуру ИНС.
В данной работе применена двухслойная ИНС, состоящая из двух каналов, каждый из которых содержит по четыре нейрона в первом слое и по одному нейрону во втором слое. Для
нормировки значений сигналов на входе ИНС установлены «нормирующие» усилители. Эта
нормировка нужна хотя бы для того, чтобы можно было просто задавать диапазон начальных значений переменных для поиска ГА. Блоки функций активации выходных нейронов совместно с выходными усилителями определяют диапазон изменения выходных параметров.
С п о с о б ы и р е з у л ь т а т ы о б у ч е н и я н е й р о э м у л я т о р а. Реальный динамический
объект (вертолёт управляемый пилотом) заменяется математической моделью взятой
из работы [1]. Действия пилота имитируются схемой, созданной в пакете MatLab Simulink
и реализующей определённое полётное задание:
– «синусоидальное» изменение высоты полёта;
– постоянное значение горизонтальной скорости, с определённого момента времени.
Входные управляющие воздействия (угол шага несущего винта и тангаж вертолёта), поступающие одновременно на математическую модель (имитирующую реальный динамический объект) и на комбинированный НЭ формируются схемой с обратными связями (по
высоте и по горизонтальной скорости), включающей обученный НР.
Ошибки (используются относительные ошибки) определяются по параметрам траектории полёта вертолёта (выдаваемым системой измерения):
– величины мгновенной скорости (полной);
– угла наклона касательной к траектории (направления вектора скорости).
Для устранения больших «кратковременных» ошибок, в целевую функцию введена экспоненциальная зависимость. Тогда в тексте М-файла итоговая целевая функция имеет вид:
function z=CNE33(X)
global k1 k2 k3 … … k42
140
СИСТЕМЫ УПРАВЛЕНИЯ
k1=X(1); k2=X(2); k3=X(3); … … k42=X(42);
sim('CombNN_Emulator3_32');
zV=sum(exp(1.*abs(simoutV))-1);
zT=sum(exp(1.*abs(simoutT))-1);
z=zV+zT;
end
В результате обучения НЭ получены хорошие результаты по горизонтальной скорости
полёта (практическое совпадение), а по высоте полёта ошибка достигает 37%.
Рассматриваются возможности уменьшения ошибки при обучении НЭ. Возможно независимое обучение топологически несвязанных частей ИНС. Проведено независимое обучение канала ИНС, вычисляющего силу аэродинамического сопротивления фюзеляжа вертолёта. Получено практическое совпадение результатов и по скорости и по высоте полёта.
В ы в о д ы. Для обучения НР систем управления сложными (в аспекте математического
моделирования) ДО целесообразно использовать имитационную модель, обучаемую на
реальном объекте.
Аэродинамический анализ вертолёта позволяет выделить субмодели, описываемые
строгими уравнениями. Это обуславливает целесообразность построения комбинированных
НЭ, содержащих как блоки ИНС, так и блоки математических субмоделей. При этом ИНС,
имитирующие сложные зависимости характеристик объекта, могут не иметь динамических
свойств (упрощение имитационной модели). Показана возможность обучения таких комбинированных НЭ.
Библиографический список
1. Мюхкеря И. В. Исследование особенностей применения нейронного регулятора в системе автоматического
управления полетом вертолёта // Материалы 64-й Международной СНК ГУАП. СПб., 2011.
2. Юрич М. Ю., Щербаков А. Н., Камышанов А. Ф. Архитектура интеллектуальной системы нейроуправления летательным объектом с эволюционным прогнозом предпочтительного поведения // Радіоелектроніка. Інформатика.
Управління., 2008, № 1. С. 118–121.
3. Бураков М. В. Генетический алгоритм: теория и практика. СПб.: ГУАП, 2008. 164 с.
__________
УДК 621.391.1
А. Е. Новиков – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения
Д. К. Шелест (д-р техн. наук, проф.) – научный руководитель
ОЦЕНКА СООТВЕТСТВИЯ ПОЛУЧЕННОГО ПСЕВДОСЛУЧАЙНОГО
БИНАРНОГО СИГНАЛА ИМИТАТОРА ЗАДАННОМУ ЗАКОНУ РАСПРЕДЕЛЕНИЯ
Проблема создания имитаторов псевдослучайных сигналов для оперативного тестирования и контроля радиосредств сталкивается с необходимостью решения ряда актуальных
задач. Среди которых можно выделить:
– производительность формирования псевдослучайных сигналов;
– соответствие полученных законов распределения псевдослучайных последовательностей заданному теоретическому распределению;
141
СИСТЕМЫ УПРАВЛЕНИЯ
– выбор меры близости соответствия полученных законов распределения к заданному
теоретическому распределению;
– возможность оперативного изменения параметров сигнала, изменяя форму и параметры реализуемого закона распределения;
– оперативный выбор заданной длины псевдослучайной последовательности имитатора;
– оперативный выбор закона распределения формируемой последовательности.
Наиболее распространенными законами распределения псевдослучайных сигналов является, равномерный закон (белый шум) и нормальный закон распределения [1].
Следовательно, задача достоверной оценки соответствия и выбора меры близости закона распределения полученного псевдослучайного сигнала имитатора заданному закону
распределения является актуальной.
Для реализации этой задачи используются два основных подхода [1]:
– программная реализация генерирования псевдослучайных последовательностей;
– аппаратная реализация формирования псевдослучайных последовательностей.
Для построения имитаторов может быть использованы и тот и другой подходы. Однако
программная реализация позволяет получить более гибкие алгоритмы формирования последовательностей псевдослучайных сигналов с большей длиной цикла. Преимущества
аппаратной реализации определяется оперативностью и мобильностью формирования
псевдослучайных сигналов непосредственно на объекте тестирования и контроля. Указанные особенности определяют области использования того или иного подхода.
Наибольшее распространение в настоящее время получили сигналы с бинарной фазовой манипуляцией. Случайным параметром, которым является положение (время возникновения) фронта последующего импульса [1].
Рассмотрим алгоритмы формирования псевдослучайных последовательностей, получившие наибольшее распространение.
Р е г и с т р с д в и г а с л и н е й н о й о б р а т н о й с в я з ь ю – аппаратный метод, получивший наибольшее распространение. На рис. 1, представлена схема регистра сдвига с линейной обратной связью.
Регистр сдвига с обратной связью состоит из двух частей: регистр сдвига и функции обратной связи. Длина регистра сдвига выражается числом битов. При каждом извлечении
бита все биты регистра сдвига сдвигаются на право, на одну позицию.
Обратная связь представляет собой операцию сумма по модулю два над некоторыми
битами регистра [1].
Ввод начального значения
bn
bn-1
...
b3
b2
b1
Выходной бит
...
+
Рис. 1. Регистр сдвига с линейной обратной связью [1]
142
СИСТЕМЫ УПРАВЛЕНИЯ
А л г о р и т м S H A – программный метод реализации псевдослучайных последовательностей. На рис. 2 представлена схема работы основного этапа алгоритма SHA. Алгоритм
SHA реализует хеш-функцию, построенную на идее функции сжатия [3].
A
B
C
D
E
+
ft
CLS5
CLS30
+
Wt
+
Kt
+
A
B
C
D
E
f1 f2 f3 f4 f5
Рис. 2. Схема работы основного этапа алгоритма SHA: A, B, C, D, E – пять слов из буфера;
f t – элементарная логическая функция; CLSs – циклический левый сдвиг 32-битного аргумента
на s битов; Wt – 32-битное слово, полученное из текущего входного 512-битного блока;
K t – дополнительная константа; + – сложение по модулю 2; f1-f5 – набор выходных функций [3]
А л г о р и т м S E A L – программный метод реализации псевдослучайных последовательностей. На рис. 3 представлена схема работы алгоритма SEAL [3]. Особенность алгоритма SEAL заключается в том, что в действительности это не традиционный потоковый
шифр, а семейство псевдослучайных функций [3].
Основной характеристикой псевдослучайной последовательности является закон распределения. В настоящие время при контроле и тестирования радиосредств используются
нормальный и равномерный законы распределения (белый шум).
В теории математической статистики известны критерии согласия законов распределения: Пирсона, Колмогорова и др. При использовании критерия Пирсона сравнивают относительные частоты попадания случайной величины в интервалы гистограмм сравниваемых
распределений [5].
k
 
2

(ni  npi )
2
где n – общее число наблюдаемых изделий, pi 
npi
,
ni
– частотность i-го интервала статиn
стического ряда, k – число интервалов статистического ряда.
143
СИСТЕМЫ УПРАВЛЕНИЯ
T
a Создание
таблиц R
160 (SHA) S
i
n
6
...
Инициализация
+
+
...
...
+
+
32
&
&
&
&
...
&
y
Рис. 3. Схема работы алгоритма SEAL: a – входная последовательность; T,R,S – таблицы,
полученные по алгоритму SHA; n – индекс, I – номер позиции; + – сложение по модулю 2;
& – операция логического И; y – выходная последовательность [3]
По критерию Колмогорова соответствие теоретического и экспериментального распределений проверяется по выполнению условия[ 5 ].
D k  1,
где D – наибольшее отклонение теоретической кривой распределения от экспериментальной, k – общее количество экспериментальных точек.
Метод сопоставления полученного закона распределения с заданным (теоретическим) позволяет давать ориентировочную оценку расхождения или совпадений законов
распределений. При большом числе наблюдений (n > 100) неплохие результаты дает
вычисление выборочных параметров формы распределения: эксцесса и асимметрии.
Принято говорить, что предположение о нормальности распределения не противоречит
имеющимся данным, если асимметрия близка к нулю, то есть лежит в диапазоне от –0,2
до 0,2, а эксцесс – от 2 до 4 [ 4 ].
Области использования критериев согласия заключаются в том, что для проведения
максимально быстрой оценки согласия можно использовать критерий Колмогорова, который
требует меньшей статистической информации о формируемой псевдослучайной последовательности. При подробном анализе псевдослучайной последовательности следует использовать критерий Пирсона.
Для оперативного получения закона распределения созданной псевдослучайной последовательности необходимо решить задачу измерения случайных параметров и построения
гистограммы псевдослучайной последовательности, которая является самостоятельной
задачей.
Одним из способов её реализации является запоминание полученной псевдослучайной
последовательности или её достоверной выборки с последующим анализом случайных
144
СИСТЕМЫ УПРАВЛЕНИЯ
параметров и построение гистограммы. Реализация такого способа наиболее подходящая
при программной реализации алгоритма формирования псевдослучайной последовательности.
Программная реализация алгоритма позволяет отследить все параметры получаемой
псевдослучайной последовательности, измерить выходные значения и на их основе построить гистограмму. Так же при исследовании можно выявить ряд факторов, которые влияют на
основные параметры получаемой псевдослучайной последовательности и как результат
варьирования этими факторами возможность получить наиболее близкую псевдослучайную
последовательность к заданной.
При аппаратной реализации алгоритма формирования псевдослучайной последовательности строят первоначальную модель. Как правило, модель создают в программном
виде и проводят все возможные исследования программной реализации алгоритма, после
чего создают аппаратную модель. Однако, полноценное исследование полученной псевдослучайную последовательности при аппаратной реализации является довольно сложной
задачей.
Основное исследование полученной псевдослучайной последовательности можно провести при помощи анализатора спектра, например «белого шума», т. е. убедиться в равномерном распределении частот по спектру. Исследование значений полученной псевдослучайной последовательности возможно только при построении специальной аппаратуры
имеющей туже частоту дискретизации, что и сам имитатор и позволяющей сохранять полученные значения псевдослучайной последовательности.
Обобщая приведенные результаты создания имитаторов, можно сделать следующие
выводы.
1. В качестве меры близости соответствия закона распределения формируемой псевдослучайной последовательности и заданного закона следует выбирать критерии согласия
Пирсона и Колмогорова.
2. В зависимости от условий применений для реализации выбирается программный или
аппаратный метод реализации псевдослучайных последовательностей.
3. Задача измерения случайных параметров псевдослучайной последовательности является самостоятельной задачей для получения экспериментальных данных.
4. Среди известных методов формирования псевдослучайных последовательностей
наиболее перспективным является программная реализация, так как программный способ
формирования псевдослучайных последовательностей позволяет более точно исследовать
полученную псевдослучайную последовательность и выявить факторы, влияющие на её
параметры.
Библиографический список
1. Шумоподобные сигналы в системах передачи информации / Под ред. В. Б. Пестрякова. М.: Сов. радио, 1973. 424 с.
2. Поляк М. Д. Моделирование случайных процессов с заданными закона распределения / Сборник докладов.
63-я СНТК ГУАП. Технические науки. СПб.: ГУАП, 2010. Ч. 1. С. 263 – 266.
3. Иванов М. А. Криптографические методы защиты информации в компьютерных система и сетях. М.: КУДРИЦОБРАЗ, 2001. 368 с.
4. Кобзарь А. И. Прикладная математическая статистика. Справочник для инженеров и научных работников.
М.: Физматлит, 2006. 816 с.
5. Р 50.1.037-2002 Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим.
Ч. II. Непараметрические критерии.
__________
145
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 629.735.33
И. О. Рулев – студент кафедры электротехники и технической диагностики
С. Ю. Мельников (канд. техн. наук, доц.) – научный руководитель
СТЕНД ДЛЯ ТЕСТИРОВАНИЯ БЛОКОВ ПИТАНИЯ КОМПЬЮТЕРОВ
Блок питания компьютера – это вторичный источник электропитания, предназначенный
для снабжения узлов компьютера электрической энергией постоянного тока, а также преобразования сетевого напряжения до заданных значений. Блок питания является важным
компонентом компьютера. Его неисправность может привести к различным сбоям в работе
компьютера и даже к выходу из строя его компонентов.
Типовая схема простейшего БП компьютера представлена на рис. 1. Это импульсный
блок питания с обратной связью для стабилизации выходных напряжений. Частота импульсов широтно-импульсного регулятора составляет 30–50 килогерц, а их длительность зависит
от величины отклонения выходных напряжений от номинальных значений.
Рис. 1. Типовая схема простейшего БП компьютера
146
СИСТЕМЫ УПРАВЛЕНИЯ
Все основные характеристики и требования к БП компьютеров описаны в стандарте
ATX12V Power Supply Design Guide.
Мощность, отдаваемая в нагрузку современными БП, зависит от сложности компьютерной системы и варьируется в пределах от 50 ватт (у встраиваемых систем) до 1800 Вт
(у серверов).
Согласно спецификации ATX12, блок питания настольного компьютера должен обеспечивать выходные напряжения ±5В, ±12В, +3,3В, а также +5В дежурного режима (англ.
standby). На этикетке БП указаны максимально допустимые токи и потребляемая мощность
по всем каналам. В стандарте ATX12V задается также допустимый уровень отклонения
и пульсаций напряжений. Эти величины подлежат контролю с помощью спроектированного
стенда.
Анализ распределения мощности, потребляемой компьютером, показал, что наиболее
мощными потребителями являются видеокарта и процессор.
Известны различные устройства контроля электрических параметров компьютера,
например, БП с индикацией на мониторе параметров напряжения и токов, измерительные
системы на основе датчиков Холла, а также различные тестеры БП компьютеров.
Сравнительно недорогие варианты таких устройств дают информацию только о наличии
и величине напряжений в каждом канале БП. Измерительные комплексы, позволяющие
проводить испытания в широком диапазоне изменения нагрузки, с программной обработкой
и анализом электрических параметров – слишком дороги.
Функциональная схема стенда, лишенного этих недостатков, представлена на рис. 2.
Управление
Тестируемый
блок питания
Устройство сопряжения
Компьютер
АЦП
Рис. 2. Функциональная схема стенда для тестирования компьютерных БП
Тестируемый БП через устройство сопряжения и аналого-цифровой преобразователь
(АЦП) подключен к компьютеру с тестирующей программой, разработанной в среде LabView.
В качестве АЦП может быть использована звуковая карта компьютера, USB-устройства
сбора данных или специализированные PCI-платы. Устройство сопряжения позволяет осуществить включение и выключение БП, индицирует наличие напряжений и задает нагрузку
в каналах, а также позволяет имитировать импульсную нагрузку для канала +12В.
Для наблюдения за величинами напряжений, токов и мощности в каналах БП, контроля их
соответствия требованиям стандарта ATX12V в программе LabView разработана блокдиаграмма и лицевая панель виртуального тестера БП. Работа имитатора импульсной
нагрузки канала +12В была промоделирована в Multisim.
Измерение электрических параметров БП проводится следующим образом. Контролируемый блок питания подключается к устройству сопряжения, которое через АЦП подклю147
СИСТЕМЫ УПРАВЛЕНИЯ
чено к компьютеру. Запускается программа тестера БП и выбираются каналы, напряжение
и ток которых требуется контролировать. Через устройство сопряжения включается контролируемый БП и выбирается режим изменения нагрузки. На лицевой панели виртуального
тестера наблюдаем форму сигналов тока и напряжения и их величины на цифровых и стрелочных (или ползунковых индикаторах). При выходе контролируемых величин за пределы
определенного стандартом ATX12V диапазона на лицевой панели загораются индикаторы
«вне допуска». Выводится также информация о потребляемой мощности для каждого контролируемого канала и суммарной мощности по всем каналам.
Библиографический список
1. Скотт Мюллер. Модернизация и ремонт ПК. 17 изд. М.: «Вильямс», 2007. С. 1181–1256.
2. Головков А. В., Любицкий В. Б. Блоки питания для системных модулей типа IBM PC-XT/AT. М.: «ЛАД и Н», 1995.
3. Источники питания ПК и периферии. 4-е изд., перераб. и доп. СПб.: Наука и Техника, 2005. 432 с.
4. Куличков А. В. Импульсные блоки питания для IBМ РС. 2-е изд., стер. М.: ДМК Пресс, 2002. 120 с: ил.
5. Кучеров Д. П. Источники питания ПК и периферии. 2-е изд., перераб. и доп. СПб.: Наука и Техника, 2002. 352 с.
6. Пейч Л. И., Точилин Д. А., Поллак Б. П. LabView для новичков и специалистов. М.: Горячая линия-Телеком, 2004. 384 с.
__________
УДК 621.375
К. В. Рыбкин – магистрант кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
МИКРОПРОЦЕССОРНАЯ СИСТЕМА
УПРАВЛЕНИЯ ДИНАМИЧЕСКИМ ОБЪЕКТОМ
Целью работы является получение закона управления для заданного динамического
объекта и его реализация на базе микропроцессора (МП).
Динамический объект представляет собой двигатель с воздушным винтом, закреплённый на конце штанги таким образом, что может осуществлять перемещение только в одной
вертикальной плоскости. Задачей является установка двигателя в определённое положение, то есть получение заданного угла наклона. Для осуществления данной задачи необходимо получить обратную связь по положению, а также разработать конкретный закон управления. В рамках поставленной задачи, для снижения уровня её сложности, на объект
накладываются некоторые ограничения: объект не перемещается в горизонтальной плоскости, то есть не вращается вокруг своей оси.
Система управления представляет собой систему автоматической стабилизации. Выходное значение поддерживается на постоянном уровне, т. е. заданное значение является
константой. Отклонения возникают при включении и за счёт возмущений. Объект управления (ОУ) – двигатель постоянного тока (ДПТ), при подаче на него напряжения, начинает
изменять своё положение в пространстве. Датчик положения отслеживает состояние ОУ
и передаёт данные на цифровой регулятор (МП). Регулятор, в свою очередь, изменяет значения входного сигнала, что в итоге приводит объект управления в заданное положение.
Объектом управления является ДПТ, работающий в диапазоне напряжений до 18 В. Регулировочной характеристикой ДПТ является прямая линия, которая строится при опреде148
СИСТЕМЫ УПРАВЛЕНИЯ
лённом моменте, развиваемом двигателем. Данная характеристика позволяет сформировать относительно простой закон управления.
В качестве основы для создания программируемой обратной связи может быть выбрана
платформа Arduino [1]. Это электронный конструктор и платформа быстрой разработки
электронных устройств для новичков и профессионалов. Платформа удобна и имеет простой язык программирования, а также открытые архитектуру и программный код. Устройство
программируется через USB без использования программаторов. Устройства на базе
Arduino могут получать информацию об окружающей среде посредством различных датчиков, а также могут управлять различными исполнительными устройствами. Микроконтроллер на плате программируется при помощи языка Arduino и среды разработки Arduino. Проекты устройств, могут работать самостоятельно, либо взаимодействовать с программным
обеспечением на компьютере. Программное обеспечение доступно для бесплатного скачивания. Использованный на данной платформе микроконтроллер ATMega328 содержит 32кБ
встроенной flash-памяти, а так же достаточно большой объем оперативной памяти в 2кБ.
Производительность микроконтроллера составляет до 20 миллионов итераций в секунду.
Питание микроконтроллера – от 1.8 В до 5.5 В [2, 3].
Обратная связь может быть осуществлена на основе датчиков угла, датчиков высоты
или каких либо других в зависимости от поставленной задачи. Рассмотрим абсолютные
датчики углового положения. Конструктивно абсолютный датчик включает в себя оптикомеханический узел, оптико-электронное считывающее устройство, а также электронную
схему выделения и обработки сигналов фотоприёмников. Оптико-механический узел датчика представляет собой корпусную деталь с прецизионными направляющими и жестко связанного с ним измерительного лимба. Оптико-электронное считывающее устройство содержит узел осветителя и считывающее фотоприёмное устройство, а также электронную схему
выделения и обработки сигналов фотоприемников. Абсолютные датчики углового положения каждому значению углового положения вала ставят в соответствие значение числового
эквивалента, который формируется на выходе датчика в виде сигнала цифрового кода. При
этом указанное взаимно однозначное соответствие сохраняется, как при движении вала, так
и при его неподвижном положении и не требует возвращения вала в начальную позицию.
Таким образом, значение кода не теряется после выключения и включения питания датчика,
восстанавливается после прохождения помехи или превышения допустимой скорости вращения вала, ограничиваемой правильным считыванием кода. Эталоном угловой меры
в абсолютных датчиках служит установленный на входном валу измерительный лимб
с кодовой шкалой, имеющей кольцевую структуру. В основе принципа действия таких датчиков лежит анализ позиционного сочетания уровней сигналов дискретных фотоприемников,
располагаемых в формируемой светотеневой картине кольцевых кодовых дорожек. В абсолютных датчиках углового положения увеличение количества кодовых разрядов соответствует увеличению их угловой разрешающей способности. Как правило, для многодорожечных шкал датчиков положения используют позиционные коды. Их особенность заключается
в том, что в отличие от обычных кодов, они обладают свойством непрерывности бинарной
комбинации: изменение кодируемого числа на единицу соответствует изменению кодовой
комбинации только в одном разряде. Это свойство позволяет свести погрешность считывания кода к значению младшего разряда, обеспечив, тем самым, высокую информационную
надёжность преобразования угол-код. Наибольшее распространение среди кодов этого
класса получил код Грея. Часто абсолютные датчики углового положения называют абсо149
СИСТЕМЫ УПРАВЛЕНИЯ
лютными энкодерами, преобразователями считывания углового положения или преобразователями угол-код.
Альтернативой энкодерам могут служить ультразвуковые датчики. Они представляет
собой устройство, состоящее из звуковой части, электронной части и на противоположной
стороне – выходной разъем или кабель. Датчик формирует либо аналоговый сигнал, пропорциональный расстоянию до объекта или дискретный сигнал, который изменяется при
достижении объектом заранее установленного расстояния.
Замкнутая цифровая система управления может быть использована в двух основных
режимах:
– идентификация объекта управления. Здесь вход–выходные данные служат для получения закона управления;
– синтез закона управления объектом. Опираясь на полученную математическую модель, рассчитывается закон управления, отвечающий заданным критериям качества.
При достижении цели работы будет получена база, которую можно будет распространить на более сложные объекты управления при постановке конкретных задач.
Библиографический список
1. http:// Arduino.cc – Официальный сайт проекта Ардуино.
2. Евстифеев А. В. Микроконтроллеры AVR семейства Mega. M.: Додэка, 2007. 594 с.
3. Голубцов М. С. Микроконтроллеры AVR: от простого к сложному. M.: Солон, 2004. 304 с.
__________
УДК 628.38
А. Ю. Сатаров – магистрант кафедры микро- и нанотехнологий аэрокосмического приборостроения.
Ю.З. Бубнов (д-р техн. наук, проф.) – научный руководитель
ОСОБЕННОСТИ РАБОТЫ ПОЛУПРОВОДНИКОВЫХ ГАЗОВЫХ СЕНСОРОВ
В РЕЖИМЕ ЭНЕРГОСБЕРЕЖЕНИЯ
Газочувствительные сенсоры нашли широкое применение в различных отраслях народного хозяйства ввиду большой потребности в дешевых и экономичных газовых датчиках.
В большинстве описанных выше случаев к газовому сенсору предъявляются все
более жесткие требования по снижению энергопотребления. Основным потребителем
энергии в измерительной части газоаналитических приборов является чувствительный
элемент, так как чувствительный слой необходимо нагревать до высоких температур,
в отдельных случаях до 500 °С. В лучшем случае сенсор потребляет не более 65 мВт при
постоянном нагреве. [1]
Однако при правильно организованной системе детектирования величина энергопотребления может быть уменьшена в десятки раз. Это связано с особенностями состояния
атмосферы помещений, в которых проводятся мероприятия по обеспечению безопасности.
В большинстве случаев представляется целесообразным, чтобы датчик основное время
находился в холодном состоянии, при котором энергопотребление минимально и опреде150
СИСТЕМЫ УПРАВЛЕНИЯ
ляется только затратами электроэнергии на питание систем управления. Периодически
чувствительный элемент включается и измеряет параметры окружающей среды. Если детектируемый газ не обнаружен, то питание чувствительного элемента отключается до следующего сеанса детектирования. При этом интегральное потребление мощности чувствительного элемента может быть снижено пропорционально отношению времени нагрева
чувствительного элемента до высоких температур к паузе между ними.
Если исходить только из энергопотребления чувствительного элемента, то все выше
описанное абсолютно правильно, но газовая чувствительность сенсора определяется характеристиками полупроводникового чувствительного слоя. При различных температурах на
поверхности этого слоя протекают различные химические процессы. При высокой температуре это в основном процессы десорбции молекул, а при низкой температуре – адсорбции.
Пока слой находится в холодном состоянии, на его поверхности адсорбируется большое
количество веществ, находящихся в воздухе. При коротком нагреве, когда датчик приводится в рабочее состояние, адсорбированные вещества подвергаются десорбции и удаляются
из чувствительного слоя. Приступать к измерениям можно только после установления динамического равновесия, при достижении которого величина проводимости чувствительного
слоя должна соответствовать концентрации детектируемого газа.
Задачу проведенного исследования можно сформулировать следующим образом: для
выбора правильного режима работы полупроводникового газового сенсора требуется проверить его работу в нескольких режимах, снять характеристики сенсора при подаче тестируемого газа, а так же в состоянии покоя (в нормальных условиях).
Для проведения исследований использовалось специализированное оборудование (газовый стенд), способное создавать необходимую среду, регулировать и контролировать ее
состав и расход. Кроме того, для определения параметров измерительных элементов было
создано специализированное электронное оборудование, которое соответствует параметрам исследуемых датчиков.
Исследуемые датчики находятся в герметичной измерительной зоне, в которую поступает сформированная газовая смесь с величиной расхода до 1,75 л/мин при нормальном
давлении. Использование проточной системы позволяет обеспечить постоянство состава
газовой среды для всего объема измерительной зоны (рис. 1). [2]
В процессе исследования полупроводниковых сенсоров применялись несколько режимов нагрева/охлаждения чувствительного элемента газового датчика. В результате диагностировалось поведение чувствительного слоя при периодическом нагреве чувствительного
слоя в течение 1 секунды и последующем охлаждении его до комнатной температуры. Время нахождения чувствительного слоя в холодном состоянии варьировалось от 1 до 30 секунд. При этом измерялась величина сопротивления чувствительного слоя на конечной
стадии нагрева в чистом воздухе и при подаче детектируемого газа. Полученные результаты представлены в табл. 1.
Wср – средняя мощность потребляемая сенсором; К1/0 – поправочный коэффициент;
R/R0(1/1) – характеристика чувствительности полупроводникового слоя при 1 с нагрева и 1 с
охлаждения; R/R0(1/n) – характеристика чувствительности полупроводникового слоя при 1 с
нагрева и n с охлаждения.
Величина К 1/0 вычислялась по формуле К1/0 = (R/R0(1/1))/(R/R0(1/n)).
За величину R/R0(1/1) была принята характеристика чувствительности полупроводникового слоя при нагреве/охлаждении в течение 1/1 секунды. [2]
151
СИСТЕМЫ УПРАВЛЕНИЯ
Рис.1. Схема газовой части испытательного стенда [2]
Характеристики сенсоров, работающих в импульсном режиме [2]
Wср, мВт
R/R0 слоя (гор.)
пауза
Таблица 1
К1/0
(хол.), с
с газом
31,4
1
0,528037
1
1
20,9
2
0,590745
0,994421
1,12
12,56
4
0,674157
0,982426
1,28
5,7
10
0,813187
0,98901
1,54
3
20
0,9009
1
1,7
2
30
0,94667
1
1,79
без газа
Далее приведен график изменения поправочного коэффициента в зависимости от времени паузы (рис. 2).
Также проводились исследования поведения сенсора с длительностью нагрева газочувствительного элемента в течение 5 секунд (табл. 2). [2]
В этом испытании время нахождения газочувствительного слоя в холодном состоянии
изменялось от 0 (режим непрерывной работы) до 30 секунд. Измерялась величина сопротивления чувствительного слоя на протяжении всего эксперимента, как в холодном, так
и в горячем режиме. Период регистрации составлял около 1,5 секунды.
В результате мы получаем, что при первом эксперименте величина поправочного коэффициента возрастает с увеличением времени нахождения чувствительного слоя в холодном
152
СИСТЕМЫ УПРАВЛЕНИЯ
состоянии. Наиболее вероятно, это связано с тем, что в холодном состоянии на чувствительном слое адсорбируются вещества, находящиеся в анализируемой среде, а времени
нагрева (1 с) явно недостаточно для десорбции их с поверхности пористого чувствительного слоя.
Рис. 2. Зависимость К1/0 от длительности паузы в нагреве чувствительного слоя [2]
Таблица 2
Характеристики сенсоров, работающих в импульсном режиме при нагреве 5 секунд
Wср, мВт
R/R0 слоя (гор.)
пауза
(хол.), с
с газом
без газа
К1/0
62
0
0,08786
1
1
31
5
0,092051
1
1,05
20,7
10
0,076912
1
0,88
12,4
20
0,078428
1
0,89
8,9
30
0,086368
1
0,98
Совсем иначе ведет себя чувствительный слой при более длительном нагреве. При
длительности нагрева 5 с чувствительный слой практически полностью десорбирует вещества, адсорбированные за время нахождения чувствительного слоя в холодном состоянии,
153
СИСТЕМЫ УПРАВЛЕНИЯ
и по своим характеристикам приближается к состоянию чувствительного слоя, работающего
при постоянном нагреве.
Таким образом, подобран оптимальный режим работы полупроводникового газового
сенсора в режиме энергосбережения.
Библиографический список
1. Каталог подукции «Газочувствительные датчики (сенсоры) Серии СЕНСИС-2000». Москва-Зеленоград, 2010. С. 2.
2. Гогиш-Клушин С. Ю., Гогиш-Клушина О. С., Ельчанин А. В., Харитонов Д. Ю. Особенности поведения полупроводниковых газовых датчиков пленочного типа при работе в режиме энергосбережения. 2010. С. 19–22
__________
УДК 661.745.13
А. И. Смирнов – студент кафедры электротехники и технической диагностики
В. А. Голубков (канд. техн. наук, доц.) – научный руководитель
КОНТРОЛЬ РАССТОЯНИЯ ДО ОБЪЕКТА
Расстояние до объекта может быть измерено различными способами, например, с использованием ультразвукового и инфракрасного излучений, радиолокации, с помощью лазера. Лазерный дальномер имеет наибольшую дальность измерения, но он сложен в плане
сборки и весьма дорогой. Радиодальномер обеспечивает довольно высокую дальность
замера, причем вне зависимости от метеорологических условий, но имеет большую погрешность. Применение дальномеров весьма широко: инженерная геодезия, топографическая
съёмка, строительство линий электропередач, военное дело, фотографирование и пр.
В настоящее время на рынке представлен довольной широкий спектр соответствующих
приборов. Помимо требования точности, к ним всё чаще предъявляются такие, как многофункциональность, мобильность, цена.
Для решения ряда задач по ряду характеристик и с учетом невысокой сложности реализации предлагается ультразвуковой дальномер. Принцип его работы заключается в следующем. Передающая часть (излучатель) излучает пачку импульсов, которые при достижении
препятствия отражаются и возвращаются назад. Затем эти импульсы воспринимаются принимающей частью (приемником), фиксируются, и по времени отправки и приема импульсов
ультразвуковой дальномер определяет расстояние до объекта. В таком дальномере реализован принцип эхо-локации – время отправки и получения звука, скорость которого известна,
пропорционально пройденному расстоянию.
Функциональная схема (см. рис. 1) состоит из блока питания, питающего каждый из
элементов; микроконтроллера, дающего команду передатчику для начала передачи импульсов; самого передатчика, посылающего ультразвуковой сигнал; приемника, который ловит
отражённый от объекта сигнал; блока индикации, на который выводятся символы после
полученных данных от микроконтроллера о расстоянии до объекта.
Блок питания состоит из стабилизатора напряжения с выходным напряжениям 5 В. Блоки передатчика и приёмника выполнены по схеме усилителя с общим эмиттером. В качестве
самих излучателей выбраны пьезокерамические ультразвуковые преобразователи МУП-3
154
СИСТЕМЫ УПРАВЛЕНИЯ
и МУП-4, работающие на частоте 40 кГц. Они подобраны таким образом, чтобы резонансная
частота излучающего совпадала с резонансной частотой приемного, образуя тем самым
акустический блок.
Рис. 1. Функциональная схема ультразвукового дальномера
Блок индикации состоит из дешифратора семисегментного индикатора (DD1). Он преобразует входной двоичный код в символы семи сегментного индикатора. Индикаторы имеют 7 сегментов и децимальную точку, загорающиеся при подаче прямого тока. Различные комбинации элементов позволяют воспроизвести любую цифру от 0 до 9 и децимальную точку. Данные
индикаторы так же были выбраны с учётом того, что будут отображаться только цифры, к тому же
это ещё и целесообразно с экономической точки зрения, так как такие индикаторы дешевле.
Блок цифрового управления представляет собой однокристальный микроконтроллер
PIC16F84A. Выбор этого типа микроконтроллера обусловлен рядом причин. Во-первых,
в нашей работе основные действия связаны с работой таймера, высчитывающего время
отправки и приёма сигнала, что, собственно, и является отличительной чертой данного
микроконтроллера при работе с подобными вычислениями. Во-вторых, микроконтроллер не
содержит лишних и ненужных нам функций. Он имеет два необходимых нам порта (A и B) для
должного подключения и функционирования прибора. Кроме того, его тактовая частота
в нашей схеме будет равна 1 МГц, что является необходимым для нас условием при расчетах.
Программа написана на языке ассемблер и содержит несколько блоков.
Первые три блока служат для запуска микроконтроллера и установки необходимых
начальных значений.
Далее следует основная программа main, которая отвечает за операторы перехода по
всем подпрограммам: это оператор вызова подпрограммы call и оператор безусловного
перехода к необходимой подпрограмме goto. Так же она содержит в себе подпрограммы
инициализации, индикации, нажатия кнопки, подпрограмму передачи ультразвукового сигнала. Подпрограмму ожидания приёма посланного нами сигнала. Сама подпрограмма приёма отражённого сигнала. И подпрограмма вычисления расстояния до объекта с последующим выводом значений на индикаторы.
Одна подпрограмма сменяется другой для выполнения дальнейших необходимых действий при удовлетворении некоторых условий. Либо, при несоблюдении условия, программа
возвращается в необходимую точку для перевыполнения действия.
Подпрограмма инициализации. Здесь, сначала обнуляются, а затем устанавливаются
необходимые значения используемых переменных. К примеру, количество передаваемых
импульсов в сигнале мы берём равное 5.
155
СИСТЕМЫ УПРАВЛЕНИЯ
Подпрограмма нажатия кнопки pressing. При выполнении этой подпрограммы происходит тестирование присутствия сигнала (+5В) на линии. Если на линию поступает напряжение (т. е. кнопка нажата) – выполняется команда перехода в подпрограмму передачи сигнала.
В подпрограмме индикации устанавливаются «биты точки и питания» индикаторов согласно схеме. В переменной DIGIT1 будет храниться значение дециметров от 0 до 9, в переменной DIGIT2 – значение метров, в переменной DIGIT3 – значение декаметров. Вычисленные отображаемые значения будут храниться в переменных DIGIT1…3, для этого
используются первые четыре бита каждой переменной. Вторые четыре бита это проверка
на переполнение индикатора.
Подпрограмма передачи сигнала transfer выводит на линию порта А микроконтроллера
5 импульсов частотой 40 кГц. Так как тактовая частота микроконтроллера равна 1 МГц, одна
команда выполняется за 1 мкс. Частота нашего преобразователя МУП-3 равна 40 кГц,
и путём вычислений, получаем, что один импульс имеет продолжительность 25 мкс.
Далее идёт счёт импульсов, если их количество равно пяти, как мы и условились в подпрограмме инициализации, то переходим в следующую подпрограмму, если же нет, то возвращаемся в начало для формирования нового сигнала.
В подпрограмме ожидания waiting происходит ожидание отражённого сигнала. В начальной части подпрограммы производится небольшая задержка начала счета времени ожидания для того, чтобы произошло затухание помех вызванных излучением сигнала в предыдущей подпрограмме. Затем запускается таймер на 100 мкс, т. к. мы будем считать
промежутки времени по 100 мкс. Максимальный же период ожидания составит 1 с. Принимая скорость распространения звука равной 331,4 м/с – это более чем достаточно, т. к. по
условию задания максимальная измеряемая дальность устройства составит 20 метров.
В конечном итоге, если по истечению счёта времени ожидания, сигнал так и не был принят, на индикаторы выводится три девятки. В случае если сигнал был принят, переход осуществляется в следующую подпрограмму.
Подпрограмма reception – подпрограмма приёма отражённого сигнала. Вначале происходит ожидание окончания приёма сигнала на линии RA1 порта A, к которому подключён
приёмник. Затем производится проверка отсутствия сигнала на протяжении определенного
времени, если до истечения данного промежутка времени сигнал появился, то делаем вывод, что принят не наш сигнал и выходим из подпрограммы и продолжаем ожидание правильного сигнала в подпрограмме waiting. После этого производим тестирование наличия
сигнала на протяжении определенного времени, если до истечения данного промежутка
времени сигнал пропал, то делаем вывод, что принят не наш сигнал и выходим из подпрограммы и опять же продолжаем ожидание правильного сигнала в подпрограмме waiting.
Если же в течение определенного времени сигнала не было, а затем в течение, опять же,
определенного времени сигнал был, то делаем вывод, что был успешно произведен приём
одного импульса нашего сигнала, уменьшаем счетчик принятых импульсов на 1 и возвращаемся на нужную метку рассматриваемой подпрограммы и производим все действия по приему импульса сигнала еще раз. Приём импульсов проводится до тех пор, пока счетчик импульсов NUMIMP не станет равен нулю, и мы можем считать, что приняли все импульсы
нашего сигнала. После этого переходим в подпрограмму вычисления calculation.
Подпрограмма вычисления расстояния calculation является завершающей в определении расстояния до объекта. В ней идёт подсчёт значений таймеров и учитывается погрешность, за которую отвечает переменная LAPSE.
156
СИСТЕМЫ УПРАВЛЕНИЯ
В результате подсчётов, с учётом скорости звука и промежутков времени, зафиксированных таймерами, получается, что за каждые 600 мкс накапливается погрешность
в 3,5 мкс, которая, собственно, и учитывается при окончательном подсчёте.
Затем полученные значения по расстоянию выводятся на индикаторы в виде цифр.
__________
УДК 681.3
С. А. Смирнов – студент кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
АДАПТИВНЫЙ АВТОРУЛЕВОЙ СУДНА
Автопилот является одним из наиболее важных элементов системы управления судном.
Авторулевой повышает уровень безопасности в управлении кораблем, он может сократить
3–5% пути судна и снизить расход топлива [1].
В последние несколько десятилетий, пользуясь резким развитием электроники и теории
управления, были предложены несколько новых и эффективных методов проектирования
авторулевых судов. Большинство существующих авторулевых были созданы на основе ПД
и ПИД регуляторов. Они отличаются простотой и надежностью, однако их эффективность
в различных климатических условиях может изменяться. Изменение же параметров авторулевого требует вмешательства разработчика. Эта особенность требует проектирования адаптивных авторулевых, которые автоматически приспосабливаются к изменению внешних условий.
Адаптивное управление – совокупность методов теории управления, позволяющих синтезировать системы управления, которые имеют возможность изменять параметры регулятора или структуру регулятора в зависимости от изменения параметров объекта управления
или внешних возмущений, действующих на объект управления [2, 3].
Наиболее простой путь разработки адаптивного авторулевого заключается в изменении
коэффициентов усиления регулятора на основе наблюдаемого поведения объекта управления (рис. 1).
В качестве измеряемого параметра может быть использована текущая скорость судна [3].
Рис. 1. Управление коэффициентом усиления авторулевого
157
СИСТЕМЫ УПРАВЛЕНИЯ
В работе [3] использованы следующие формулы для расчета коэффициентов ПДрегулятора:
где Кр – пропорциональное усиления ПД контроллера, Kd – дифференциальное усиление,
ωn – собственная частота рыскание судна, ς – коэффициент демпфирования, L – длина
судна, U –скорость судна
Экспериментальные исследования позволяют таблично описать зависимости коэффициентов регулятора от параметров движения. Однако такая система не является адаптивной в полном смысле слова, поскольку учесть заранее все условия движения невозможно.
Адаптивные системы подразделяются на системы с прямым и косвенным принципом
адаптации. Прямая адаптивная система настраивает параметры контроллера без явной
идентификации, в то время как косвенные адаптивные системы требуют использования
результатов идентификации параметров процесса.
При проектировании авторулевого перспективным является использование адаптивной
системы с эталонной моделью (рис. 2).
Рис. 2. Адаптивная система с эталонной моделью
Адаптивная система с эталонной моделью (model-reference adaptive system MRAS) показана на рис. 4. Идея MRAS является создание замкнутого цикла управления, в котором параметры обновляются в соответствии с реакцией системы. Выход сравнивается с желаемой
реакцией от эталонной модели. Параметры контроллера обновляются на основе ошибки
сравнения. Механизм адаптации описан в работе [3].
Проведенные эксперименты моделирования адаптивного авторулевого судна в Simulink
MatLab показали перспективность использования адаптивной системы с эталонной моделью.
Библиографический список
1.
Лукомский Ю. А. Системы управления морскими подвижными объектами. Л.: Судостроение, 1988.
2.
Hayashi, S. (1991). Auto-tuning Fuzzy PI Controller. Proceedings of the IFSA ‘91 (pp. 41–44). Belgium: Brussels.
3.
Методы робастного нейро-нечеткого и адаптивного управления: учебник / Под ред. Н. Д. Егупова. М., 2001. 744 с.
4.
Astrom K. J., Wittenmark B. Adaptive control. Addison Wesley, 2nd Ed., 1995. 360 p.
__________
158
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 621.389
А. В. Сорокин – студент кафедры компьютерного проектирования аэрокосмических измерительно-вычислительных комплексов
В. П. Ларин (д-р техн. наук, проф.) – научный руководитель
ТЕХНОЛОГИЯ ИЗГОТОВЛЕНИЯ СИСТЕМ РЧИД НА ПАВ-МЕТКАХ
ДЛЯ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА И АВТОТРАНСПОРТА
Автопарк России в целом за последние десять лет увеличился почти в три раза. Возрастает также роль железнодорожного транспорта в области грузоперевозок и поэтому одним
из самых распространенных фактических применений систем радиочастотной идентификации (РЧИД) считается идентификация автотранспорта и железнодорожного транспорта.
Обзор российской научной литературы показал, что за последние 3 года описание технологических процессов представлено достаточно кратко, и не дает представления об основных этапах изготовления РЧИД систем на ПАВ метках. Поэтому была разработана технология, представленная в настоящей статье.
Основные задачи настоящей работы:
– разработка технологического процесса сборки системы РЧИД на основе предложенных функциональной и электрической схем;
– на основе разработанной конструкции, проиллюстрировать перспективность применения РЧИД на транспорте, путем расчета основных показателей технологичности конструкции на основе элементов на поверхностных акустических волнах (ПАВ) для высокоскоростного железнодорожного и автомобильного транспорта.
В состав системы идентификации транспортных средств, входят следующие основные
компоненты:
– идентификатор-метка, устанавливаемый на транспортном средстве;
– считыватель данных с идентификатора.
Технология изготовления считывателя ПАВ-меток является типовой, применяемой при
производстве РЭА и не рассматривается в настоящей статье.
Особое внимание следует уделить технологии изготовления ПАВ меток, как основному
элементу, влияющему на стоимость всейсистемы, на привлекательность инвестирования
в развитие подобных систем.
Предлагается конструктивно метку выполнить на несущем корпусе, внутри которого
размещена патч-антенна и чип ПАВ-метки. Корпус должен иметь элементы крепления (присоски РА PR-0100050), закрепленные на основании и защитную пластиковую крышку.
Основание метки должно выполняться по типовой технологии изготовления печатных
плат и обычно включает следующие операции:
– формирование топологического рисунка на фольгированном основании, согласно
чертежу;
– травление фольги и отмывка печатной платы;
– нанесение по трафарету и сушка защитного лакокрасочного покрытия;
– контрольные операции, включающие визуальный осмотр и проверку на соответствие
чертежу. [1, 2, 5]
159
СИСТЕМЫ УПРАВЛЕНИЯ
В разработанной технологии, необходимо крышку метки изготовить из пластика методом горячего литья под давлением, патч-антенну метки изготовить из листового материала
с применением стандартных операций механической обработки и последующего контроля,
антенную структуру собирать с использованием стандартных изделий (изолирующие разделительные шайбы-прокладки).
Сборка метки необходимо осуществлять с применением слесарных монтажных операций, операций пайки и склеивания на специально оборудованном рабочем месте, оснащенном паяльной станцией и набором слесарных инструментов.
Технологические операции сборки меток с антеннами для установки на автомобильном
транспорте должны включать:
– монтаж чип ПАВ-метки пайкой на основание корпуса (печатную плату);
– сборка патч-антенны (установка разделительных шайб-прокладок на проволочные
штыри, установка и пайка лепестка патч-антенны, контроль зазора в полученном пакете);
– сонтаж крышки метки на клей на основе эпоксидной композиции (тип ВК-9) и последующая сушка клея;
– контрольные операции, включающие визуальный осмотр и проверку на соответствие
чертежу.
На рис. 1 и 2 соответственно представлены: разработанные схемы: электрическая
функциональная и электрическая принципиальная ПАВ-метки.
Рис. 1. Электрическая функциональная
ПАВ метки
Рис. 2. Схема электрическая принципиальная
ПАВ метки
Согласно предложенной конструкции ПАВ-метки, она состоит из 19 вновь разработанных деталей, из которых 2 – метка бескорпусная и печатная плата патч-антены – имеют
размеры с допусками по 7-му квалитету точности и ниже. Все детали изготавливаются прогрессивными методами формообразования (штамповкой, прессованием, литьем, на автоматах, на станках с ЧПУ и т. п.).
Для того чтобы понять преимущество данной технологии, был произведен расчет показателей технологичности конструкции ПАВ-метки системы РЧИД.
Технологичность изделия K оценивается количественно комплексным показателем,
определенным на основе базовых показателей (1)
где К – расчётный показатель технологичности; ki – расчетный базовый показатель; Ii – коэффициент весомой значимости показателя; i – порядковый номер показателя; n – число
базовых показателей.
Основные данные расчётов по предложенной конструкции приведены в табл. 1.
160
СИСТЕМЫ УПРАВЛЕНИЯ
Таблица 1
Коэффициенты и базовые показатели технологичности
Значение базового
показателя
технологичности
Значение
весового
коэффициента
Коэффициент точности обработки (К т.о.)
0,89
1,0
Коэффициент
детали (Кф)
1,0
1,0
Коэффициент сложности обработки (Кс.о.)
1,0
0,75
Коэффициент повторяемости деталей и узлов (К пов.д.)
0,05
0,5
Коэффициент сборности изделия (К сб)
0,05
0,31
Коэффициент сложности сборки (К с.сб)
1
0,187
0,86
0,11
Базовый показатель технологичности
прогрессивности
формообразования
Коэффициент использования материалов (К им)
Расчётная технологичность изделия считывателя ПАВ-меток системы РЧИД на ПАВ для
автомобильного транспорта
K
0.78  0.33  0.2475  0.11  0  0.187  0.0913
3.857

2.976
3.857
 0.77 .
Таким образом, проведенный расчет коэффициентов технологичности показал, что изделие является высокотехнологичным, что является важным фактором в расчете себестоимости изделия.
Выбор подобных РЧИД систем основан на расчете технологичности. Однако исследования в области подобных систем обусловливают выбор систем РЧИД на ПАВ метках наличием отличительных черт технологий: высокая устойчивость к воздействию электромагнитных
помех; радиационная стойкость; высокая защищенность кодирования меток; высокая
надежность считывания; возможность работы на металле и под землей [2, 4].
В настоящее время технология РЧИД-ПАВ используется для идентификации автотранспорта. Сегодня уже внедрен ряд проектов (системы СКУД), что свидетельствует о востребованности данной технологи и возможности ее дальнейшего развития.
Библиографический список
1. Лахини С. РЧИД. Руководство по внедрению. 2007.
2. Клаус Финкенцеллер. РЧИД технологии. Справочное пособие. М., 2010. nt. J. Radio Frequency Identification Technology and Applications, Vol. 1, No. 2, 2007.
3. ГОСТ 16962-71. Изделия электронной техники и электротехники. Механические и климатические воздействия.
Требования и методы испытаний.
4. Stelzer A., Schuster S., Scheiblhofer S. Readout Unit for Wireless SAW Sensors and ID-Tags. Austria: Institute for
Communications and Information Engineering, Johannes Kepler University Linz.
5. Шубарев В. А. Технологические прорывы в создании радиоэлектронной аппаратуры, ЭЛЕКТРОНИКА: Наука,
Технология, Бизнес, Спецвыпуск, октябрь, 2008. С. 4–8.
__________
161
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 004.312
О. В. Тетеревлев – студент кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
РАЗРАБОТКА МОДЕЛИ ШАГАЮЩЕГО РОБОТА
Робот создается с целью глубокого изучения робототехники и смежных дисциплин от механики и электроники до искусственного интеллекта и компьютерного зрения. Предполагается,
что робот будет осуществлять простейшие функции (движение манипуляторов, программная
ходьба) на ранних этапах разработки и более сложные (имитация поведения живого существа)
на поздних. Частично процесс разработки можно доверить студентам для изучения соответствующих областей знаний (модуль ШИМ, управление сервоприводами и т. п.).
Внешне робот представляет собой квадратную платформу с расположенными по углам
четырьмя конечностями, подобными конечностям животных. На верхней поверхности платформы установлена управляющая плата с микроконтроллером и цветным сенсорным дисплеем, а также коммутационная плата, которая позволяет осуществлять быстрое подключение микроконтроллера, сервоприводов, а также других периферийных устройств.
Каждая из четырех конечностей имеет три степени свободы и устроена аналогично конечностям животных, имея аналог тазобедренного, коленного и голеностопного суставов.
При этом тазобедренный сустав допускает вращение конечности только по вертикальной
оси (рис. 1).
Рис. 1. Вид сверху одной из конечностей
Для управления роботом используется отладочная плата на базе 32-разрядного микроконтроллера STM32F103, оснащенная стандартными портами ввода-вывода, разъемами
USB, слотом для карты памяти microSD, а также цветным сенсорным дисплеем, через который первое время будут осуществляться все операции ввода-вывода для управления, контроля и отладки робота. К портам отладочной платы через коммутационную плату подключаются сервоприводы и, в перспективе, другие устройства (измеритель тока, ультразвуковой
дальномер, цифровая видеокамера и т. п.).
162
СИСТЕМЫ УПРАВЛЕНИЯ
На первых этапах разработки для подачи питания и осуществления связи имеет смысл
использовать кабели. В дальнейшем, когда расстояния, на которые роботу необходимо
перемещаться, достигнут величин, при которых использование аккумуляторов станет более
целесообразным, имеет смысл использовать для связи интерфейс Bluetooth. Интерфейс
позволяет использовать протокол RS-232, что позволит внедрить модуль Bluetooth без значительных доработок. Кроме того, введение модуля Bluetooth позволит осуществлять
управление не только от компьютера, подключенного к роботу, но и с мобильных устройств
(iOS, Android OS, Symbian, J2ME и подобных).
При разработке шагающего робота наибольший интерес представляет модуль координации движения, разработка остальных модулей представляется рутинной и описана в разнообразных источниках [1, 2]. Модуль сенсоров пока не введен за ненадобностью на данном
этапе разработки.
На данном этапе электронная и механическая составляющие завершены, и дальнейшая
разработка сводится к созданию программы, управляющей поведением робота, план которой выглядит следующим образом.
1) создать интерфейс для быстрой отладки;
2) задать режим работы таймеров для генерации управляющего сервоприводами сигнала;
3) разработать простейшую программу движения конечностей;
4) разработать адаптивный алгоритм ходьбы;
5) создать алгоритм движения по маршруту и обхода препятствий;
6) усовершенствовать алгоритм (5), используя систему компьютерного зрения.
Создание интерфейса было поставлено первым пунктом с целью уменьшения доли программирования и увеличения доли отладки «на ходу». Процесс его разработки не представляет интереса, и сводится лишь к рутинному программированию.
На языке JavaScript была разработана математическая модель, позволяющая оперативно подбирать переменные, отвечающие за координацию движений. Физика движений
моделью не прорабатывается ввиду высокой сложности.
Входными данными для модели являются величины, приведенные в табл. 1. Их можно
изменять непосредственно в процессе работы модели, добиваясь нужных результатов.
Таблица 1
Параметры движения
Угол поворота ноги
Угол γ, на который каждая нога повернута относительно оси Z.
Направление шага
В каком направлении нога осуществляет шаги
Высота шага
Насколько высоко нога поднимается над поверхностью
Длина шага
Расстояние, которое проделывает нога за один шаг
Ширина стойки
Расстояние от точки опоры до точки O в горизонтальной плоскости
Скорость
С какой скоростью осуществляется движение ноги
Фаза шага
Позволяет задавать сдвиг по фазе в цикле движения каждой ноги
X, Y
Смещение геометрического центра робота относительно опор
Z
Клиренс
163
СИСТЕМЫ УПРАВЛЕНИЯ
Путем подбора различных значений переменных, достигается наилучший алгоритм
ходьбы по следующим параметрам:
– углы сгибания суставов не превышают ±90°;
– геометрический центр постоянно находится внутри треугольника, описываемого точками опор;
– высота шага может принимать значения в наиболее широких пределах.
Подобраны переменные, при которых модель находится в устойчивом состоянии в любой фазе шага. Поскольку модель не учитывает распределение масс и моменты инерции
сервоприводов, при переносе переменных на реальное устройство устойчивость может
теряться. Для подбора переменных в реальном роботе используется протокол RS-232.
Для управления сервоприводами было решено использовать ШИМ-сигнал, реализованный с помощью таймеров-счетчиков микроконтроллера, каждый из которых имеет по 4 канала ШИМ.
Таким образом, на данном этапе разработки шагающего робота были решены базовые
задачи разработки алгоритмического и программного обеспечения, позволяющие переходить к созданию адаптивных алгоритмов ходьбы по маршруту и обхода препятствий.
Библиографический список
1. Вильямс Дж. Программируемые роботы. М., 2006. 240 с.
2. Todd D.J. Walking machines: an introduction to legged robots. 1985. 178 pp.
__________
УДК 629.
А. В. Тихомиров – магистрант кафедры управления и информатики в технических системах
А. Ю. Кучмин (канд. техн. наук, доц.) – научный руководитель
СИСТЕМА УПРАВЛЕНИЯ ЗЕРКАЛЬНОЙ СИСТЕМОЙ
КОСМИЧЕСКОГО ТЕЛЕСКОПА
Космические радиотелескопы (РТ) предназначены для исследования различных объектов вселенной в миллиметровом и инфракрасном диапазонах (от 20 мкм до 20 мм) как
с ультравысокой чувствительностью (режим одиночного телескопа), так и со сверхвысоким
угловым разрешением (в режиме интерферометра – до десятков миллиардных долей угловой секунды). Высокая чувствительность таких РТ достигается за счет теплового экранирования антенны и глубокого охлаждения телескопов и приемной аппаратуры с помощью
криогенной установки1.
Для выставления заданной формы и положения зеркальных поверхностей РТ после
раскрытия антенны и для возможной их периодической коррекции, а так же для наведения
на заданный источник излучения должна использоваться система адаптивного управления
элементами зеркальной системы. При этом приводы системы адаптации космических РТ
могут работать при температуре до 40К. Следовательно, традиционные принципы построения
1 Дубаренко В. В., Коновалов А. С., Кучмин А. Ю. Математические модели механических систем как
объектов управления // СПб.: ГУАП, 2007. 250 с.
164
СИСТЕМЫ УПРАВЛЕНИЯ
системы адаптивного управления зеркальной системы на основе двигателей постоянного
тока, либо асинхронных двигателей с цифровыми регуляторами на базе микроконтроллеров
и промышленных вычислительных станций общего назначения в данном случае не могут
быть использованы.
Разработка адаптивного опорно-поворотного устройства зеркальной системы (ЗС) РТ
выполняется на базе исполнительных механизмов параллельной архитектуры и распределенной системы управления.
Наиболее известным примером механизма с параллельной кинематикой является гексапод или платформа Гью–Стюарта (рис. 1), которая состоит из двух пластин, шарнирно
соединенных шестью поступательными парами. При изменении длины этих пар происходит
пространственное перемещение верхней пластины относительно нижней.
Рис. 1. Пример платформы Гью-Стюарта (гексапод)
Многосекционный гексапод должен иметь возможность воспроизводить следующие типы движений: растяжение/сжатие; изгиб в любой из плоскостей; поворот вокруг свой оси.
Для выполнения всех этих требований необходимо, что бы соседние звенья манипулятора
обладали шестью степенями свободы: вращательными и поступательными степенями свободы по трем координатам.
Для решения задачи построения модели многосекционного гексапода сначала необходимо построить модель одной секции. Основным отличием от классической модели гексапода будет являться подвижное основание гексапода.
Разработка оптимальной системы управления многомерным гексаподом будет проводиться исходя из требований обеспечения раскрытия и наведения ЗС в ходе эксплуатации
космического радиотелескопа.
Для систем адаптации РТ обычно применяются следующие требования:
– для диапазона перемещений до 0.006 мм погрешность обеспечения заданного положения до 0.002 мм;
– для диапазона перемещений до 0.3 мм погрешность до 0.05 мм;
– для диапазона перемещений до 5 мм погрешность до 0.2 мм.
165
СИСТЕМЫ УПРАВЛЕНИЯ
Развиваемые усилия на манипуляторе могут быть от нескольких грамм до нескольких
сотен грамм. Диапазон рабочих температур может варьироваться от 40К до 700К. Поэтому
двигатели приводов должны быть адаптированы к работе при сверхнизкой температуре
и глубоком вакууме, что потребует их специального исполнения и проведения дополнительных исследований и расчетов, в частности исследование динамики поведения элементов
конструкции зеркальной системы при их линейных и угловых перемещениях, исследование
трения и смазки подвижных узлов конструкции телескопа при температуре 40К, расчет силовых и тепловых характеристик приводов, работающих в космосе при температуре 40К.
Кроме того, работающие двигатели практически не должны влиять на температуру зеркальной системы РТ.
Задачей группового регулятора гексапода является выработка законов выдвижения
штоков каждого актуатора с учетом быстродействия приводов актуаторов и инерции системы ЗС-гексапод. Необходимо рассчитать линейные и угловые ошибки перемещений, при
этом законы изменения ошибок наведения от времени, должны учитывать динамику ЗС
и приводов манипулятора.
Одной из важнейших задач проектирования системы управления ЗС РТ является задача
выбора люфтов манипулятора. Отсутствие люфтов обеспечивает прецизионность позиционирования и высокую производительность.
Одним из преимуществ применения гексаподов является управляемый выбор люфта
в шарнирах и редукторах актуаторов. Для этой цели в шарниры соседних актуаторов устанавливаются с некоторой базой h (рис. 2). Не менее важной является и обратная задача –
предотвращение заклиниваний гексаподов при движении по заданной траектории.
Рис. 2. Схема крепления шарниров и силы, действующие на гексапод
Таким образом, применение гексаподов в системах управления ЗС КРТ является перспективным направлением, однако для этого необходимо решить ряд вышеописанных задач.
__________
166
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 004.312
М. В. Трофимов – студент кафедры управления и информатики в технических системах
М. В. Бураков (канд. техн. наук, доц.) – научный руководитель
УНИВЕРСАЛЬНЫЙ МАНИПУЛЯТОР С ШЕСТЬЮ СТЕПЕНЯМИ СВОБОДЫ
В настоящее время все ведущие производства используют автоматизированные конвейеры. Однако затраты на автоматизацию для малого бизнеса высоки, а существующие
решения в большинстве своем узко направлены. Универсальное решение позволило бы
снизить затраты на внедрение и расширило бы области применения подобных систем. Ключевым моментом здесь является задача разработки универсального манипулятора [1].
Манипулятор-рука с 6 степенями свободы имеет плечевой, локтевой, кистевой сгибы
(рис.1).
Работой манипулятора управляют двигатели – сервоприводы PowerHDHigh TorqueServo
1501MG (плечевой, локтевой, кистевой сгибы) и Springrc SM-S4306 (поворот всей руки
и захват).
Плата управления двигателями базируется на микроконтроллере (МК) Atmel ATMega16
[2, 3]. Выбор микроконтроллера был обусловлен его гибкостью и доступностью. Программа
была выполнена на языке C в среде Code Vision AVR. МК работает от встроенного генератора, точности которого вполне достаточно. Прошивка осуществлялась с помощью программы PonyProg2000 через внутрисхемный программатор для COM порта персонального
компьютера (ПК).
Коммуникация с ПК реализована через USB порт посредством микросхемы FT232RL.
Система легко подключается как к стационарному компьютеру, так и к ноутбуку.
Программа выполняет задачу контроля сервоприводов. Принимает данные по USARTС ПК,
формирует управляющий сигнал и посылает его на сервоприводы через определенный интервал
времени до тех пор, пока с компьютера не поступят новые данные о положении двигателей.
Сервоприводы управляются длительностью импульсов, повторяющихся через каждые
15–20 мС. Для сервоприводов, имеющих фиксированный угол поворота, чаще всего, импульс шириной 1500 микросекунд соответствует среднему положению вала, а изменение
ширины импульса на 400 мкс – повороту на 45 градусов.
Рис. 1. Схема манипулятора
(1 – захват, 2 – основание)
Рис. 2. Расположение камер
для слежения за рукой
167
СИСТЕМЫ УПРАВЛЕНИЯ
Сигнал с ПК (номер и угол поворота/скорость), который проходит через FT232RL поступает на USARTинтерфейс микроконтроллера, который обрабатывает сигнал и посылает
подтверждение на ПК для отслеживания сбоев (ножки RXи TX МК).
Формат команд, поступающий на плату управления идентичен формату команд большинства производителей контроллеров сервоприводов (Pontech, New Micros, Pololu, Net
Media, Lynxmotion, Picobytes, Parallax), благодаря чему совместно с программой можно использовать практически любую плату управления
Все математические вычисления приходятся на ПО. Таким образом, задержки между
полученной командой и её реализацией сведены к минимуму.
Для видео контроля используются две камеры (для получения координат в трехмерном
пространстве, рис. 2).
Возможно слежение за определенным оттенком или предметом (для распознавания
предметов используется алгоритм Speeded Up Robust Features SURF.
В процессе разработки ПО значительная часть работы была направлена на реализацию
максимального количества вариантов управления манипулятором. Такой подход значительно расширяет применимость и повышает удобство использования программы.
В качестве управляющих команд можно использовать [4]:
– углы поворота двигателей;
– координаты точки;
– путь перемещения;
– видеоконтроль (например, повторение движений пользователя);
– последовательность команд (например, движение от предмета к предмету).
Для решения задачи нахождения углов поворота двигателей, при известных координатах цели, необходимо использовать инверсную кинематику. Для примера возьмем случай,
при котором нам необходимо захватить объект сверху (т. е. захват должен находиться перпендикулярно плоскости, на которой расположен объект). Функция для расчета углов поворота описывается следующим образом:
PrivateFunctionGetCoordinatesAbove(ByVal x AsDouble, ByVal y AsDouble,_
ByVal z AsDouble, ByRef j1 AsInteger, ByRef j2 AsInteger, _
ByRef j3 AsInteger, ByReftnAsInteger)
Dim c, ang, d AsDouble
tn = CInt(Atan(y / x))
x = Sqrt(x ^ 2 + y ^ 2)
z=z+e
c = Sqrt(x ^ 2 + z ^ 2)
j2 = CInt(Acos((a ^ 2 + b ^ 2 – c ^ 2) / (2 * a * b)))
ang = Atan(z / x) + Acos((c ^ 2 + b ^ 2 – a ^ 2) / (2 * b * c))
j1 = CInt(ang)
d = Sqrt((x – b * Cos(ang)) ^ 2 + (z – e – b * Sin(ang)) ^ 2)
j3 = CInt(Acos((a ^ 2 + e ^ 2 – d ^ 2) / (2 * a * e)))
ReturnTrue
EndFunction
Универсальность данной системы заключается в том, что все сценарии управления задаются пользователем и не требуют каких-либо специальных знаний. Достаточно выбрать
168
СИСТЕМЫ УПРАВЛЕНИЯ
способ управления и задать опорные точки или же «показать» движения. В данный момент
разрабатывается алгоритм полного повторения движений руки человека (пока что манипулятор двигается вслед за рукой, не реализовано сгибание/разгибание кисти). Планируется
добавить возможность задания новых законов и алгоритмов движения приводов прямо
в программе, не изменяя исходный код. Таким образом, программное обеспечение можно
будет использовать для широкого спектра научных разработок.
Разработанная система может применяться как в учебных целях, так и на малых производствах, так как стоимость конечной установки будет намного меньше заводских аналогов.
Процесс сборки корпуса манипулятора занимает не более 3–4 часов. Детали выполняются
из листа алюминия или орг. стекла толщиной 3мм лазерной резкой.
Библиографический список
1. Трофимов М. В. Роботизированная рука-манипулятор // Сборник докладов 64-й Международной СНТК. СПб.:
ГУАП, 2011.
2. Евстифеев А. В. Микроконтроллеры AVR семейства Mega. M: Додэка, 2007. 594 с.
3. Голубцов М. С. Микроконтроллеры AVR: от простого к сложному. M: Солон, 2004. 304 с.
4. Пол Р. Моделирование, планирование траекторий и управление движением робота – манипулятора. М: Наука, 1976.
__________
УДК 007.(075.8)
А. В. Федосеев – студент кафедры электротехники и технической диагностики
А. А. Ефимов (д-р техн. наук, проф.) – научный руководитель
ИДЕНТИФИКАТОР ПЕРЕМЕННЫХ АСИНХРОННОГО ЭЛЕКТРОПРИВОДА
Одно из направлений развития электроприводов переменного тока, которому в последнее время придаётся огромное значение, – так называемые бездатчиковые (sensorless)
электроприводы. Под термином «бездатчиковые» понимается отсутствие в системе электропривода любых датчиков, кроме тех, которые могут быть установлены внутри силового
преобразователя частоты (ПЧ), а именно: датчиков токов и напряжений статора двигателя,
датчика напряжения звена постоянного тока ПЧ. Это значительно снижает стоимость и повышает надежность электропривода. Бездатчиковые алгоритмы векторного управления
используются в тех электроприводах, в частности, в асинхронных электроприводах (АЭП)
общепромышленных механизмов, которые не требуют предельного быстродействия, работают преимущественно в установившемся режиме и не обладают широкими диапазонами
регулирования скорости (до100:1). Применяются они и в подъемно-транспортных системах,
но это предъявляет довольно жёсткие требования к перегрузочной способности электропривода и к динамике по быстродействию.
Отказ от датчиков переменных механического движения электропривода, соединение
ПЧ (и системы управления) с двигателем только силовым кабелем при векторном управлении асинхронным двигателем (АД) обуславливают необходимость косвенного определения ряда координат состояния. Это, прежде всего, частота вращения ротора и фаза
ориентирующего (опорного) вектора – вектора потокосцеплений ротора – относительно
неподвижного статора. Вычисление их оценок осуществляется на основе измеренных
169
СИСТЕМЫ УПРАВЛЕНИЯ
токов и напряжений статора двигателя с помощью специальных алгоритмов идентификации (идентификаторов).
Наибольшее распространение в практике АЭП получили замкнутые по выходной координате идентификаторы. В частности, это алгоритмы, построенные на основе адаптивных
систем с задающей моделью (MRAS – model reference adaptive system [2]) или наблюдателей полного порядка (НПП) [3]. Кроме них, известны идентификаторы со структурой расширенных фильтров Калмана, алгебраические вычислители, анализаторы спектров паразитных гармоник и другие.
Идентификаторы типа MRAS содержат в своей структуре две различные модели, которые вычисляют две оценки одной и той же (в общем случае – векторной) координаты состояния, например вектора потокосцеплений ротора. Одна модель, не содержащая неопределённого параметра, является задающей, и вычисленная с её помощью переменная
считается эталоном. Другая модель, зависимая от неопределённого параметра, является
настраиваемой, причем её адаптация осуществляется путём изменения оценки неопределённой переменной, подлежащей идентификации. Считается, что истинное значение искомой переменной найдено, если выходные координаты задающей и адаптивной модели совпадают. Идентификатор частоты вращения (ИЧВР), построенный по методике MRAS, также
содержит две модели: задающую модель цепи статора АД (МЦС) и настраиваемую модель
цепи ротора (МЦР). Обе модели вычисляют оценку вектора потокосцеплений ротора АД.
Настройка МЦР осуществляется изменением оценки частоты вращения ротора, входящей
в её структуру. Оценку частоты вращения ротора формируют с помощью пропорциональноинтегрального (ПИ-) регулятора, на вход которого подаётся векторное произведение двух
оценок вектора потокосцеплений ротора, пропорциональное синусу угла между ними.
Идентификаторы, построенные по методике адаптивных наблюдателей полного порядка (АНПП), имеют несколько иную структуру [4]. В такой идентификатор входит полная
(в рамках общепринятой системы допущений) математическая модель электромагнитных
процессов АД, содержащая частоту вращения ротора как неопределённый параметр.
На выходе АНПП получают оценку доступной для прямого измерения переменной и, сводя
тем или иным образом её отклонение от непосредственно измеренного значения к нулю,
идентифицируют неопределённый параметр. В бездатчиковых системах АЭП нет другой
альтернативы, кроме воспроизведения посредством адаптивного НПП оценки вектора токов
статора – единственной векторной координаты состояния, которая может быть измерена на
выходных клеммах ПЧ.
Идентификатор переменных и координат полного порядка восстанавливает переменные
состояния, используя полную систему уравнений. Двигатель, как и любая динамическая
система, описывается системой уравнений:
Оценки переменных формируются в соответствии с уравнением:
(1)
где – оцененные переменные состояния, L – матрица коэффициентов.
170
СИСТЕМЫ УПРАВЛЕНИЯ
Непосредственное вычисление рассогласования по формуле (1) затруднительно, поскольку каждая координата имеет две проекции, то есть два значения. Рассогласование
лучше искать по координате, имеющей одно значение. Такой координатой является момент.
В неподвижной системе координат момент можно вычислить по известным токам статора
и потокосцеплению ротора:
(2)
Потокосцепления и токи находятся путем решения полной системы уравнений двигателя:
где
=
,
,
, параметры роторной цепи определяются анало-
гично.
Рассогласование e является отражением формулы момента (2). Это рассогласование
подается на вход ПИ-регулятора. Выходом регулятора является вычисленная скорость
вращения ротора. Указанные вычисления выполняются по следующим формулам:
где Kр , KI – коэффициенты, которые выбираются по наилучшей оценке скорости.
Вычисленная скорость вращения ротора далее используется в модели двигателя для
того, чтобы подстроить работу модели под измеренные характеристики двигателя.
Идентификатор координат полного порядка устойчиво работает в зоне низких частот
вращения двигателя, а также при изменении его параметров. Функциональная схема такого
идентификатора приведена на рис. 1.
171
СИСТЕМЫ УПРАВЛЕНИЯ
Рис. 1. Функциональная схема идентификатора переменных полного порядка
Рис. 2. Общая схема модели идентификатора переменных полного порядка
Математическая модель идентификатора полного порядка в среде Matlab/Simulink представлена на рис. 2.
В качестве примера с её использования произведено математическое моделирование
процесса пуска асинхронного двигателя с номинальными данными: мощность 15кВт, напряже172
СИСТЕМЫ УПРАВЛЕНИЯ
ние 380В, частота 50Гц, номинальная скорость вращения двигателя 2920 об/мин. Результаты,
полученные на объекте идентификации (модели асинхронного двигателя в среде
(Matlab/Simulink, которые рассматриваются как реальные данные) и вычисленные идентификатором, представлены на рис. 3. Моделировался процесс пуска двигателя без момента
нагрузки на его валу.
Рис. 3. Графики реальной и вычисленной скорости
Сопоставление полученных результатов свидетельствует о достаточно хорошем совпадении переменных в установившемся режиме работы идентификатора, после окончания
в нем переходного процесса.
Библиографический список
1. Blaschke F. Das Prinzip der Feldorientierung die Grundlage fur die Transvektor – Regelungvon Drehfeldmaschinen //
Siemens Zeitschrift, 1971. Bd. 45. H. 10. S. 757–760.
2. Schauder C. Adaptive Speed Identification for Vector Control of Induction Motors Without Rotational Transducers /
C. Schauder // IEEE Transactions on Industry Applications, vol. 28,no. 5, September/October 1992. Pp. 1054–1061.
3. Кузовков Н. Т. Модальное управление и наблюдающие устройства. М.:Машиностроение, 1976. 184 с.
4. Kubota, H. DSP-based Speed Adaptive Flux Observer of Induction Motor / H. Kubota, K. Matsuse, T. Nakano // IEEE
Transactions on Industry Applications, vol. 29, no. 5, March/April 1993. Pp. 344-348.
__________
173
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 62-83 (075.8)
М. С. Шаралапов – студент кафедры электротехники и технической диагностики
С. И. Бардинский (канд. техн. наук, доц.) – научный руководитель
ПРИЧИНЫ ПОВРЕЖДАЕМОСТИ
ИЗМЕРИТЕЛЬНЫХ ТРАНСФОРМАТОРОВ НАПРЯЖЕНИЯ
В УСЛОВИЯХ РОССИЙСКИХ ЭЛЕКТРИЧЕСКИХ СЕТЕЙ
Реализуемая в Российской Федерации политика энергосбережения, а также растущая стоимость электрической энергии требуют все большей и большей эффективности ее учета. Для
создания и эксплуатации таких систем учета и измерения требуются не только дополнительные капиталовложения, но и решение ряда технических задач. Низшим уровнем в иерархии
автоматизированных систем учета и контроля является уровень информационноизмерительного комплекса (ИИК). Он включает в себя измерительные трансформаторы, счетчики электрической энергии, вторичные цепи измерительных трансформаторов и устройства
контроля изоляции. Трансформаторы тока и напряжения составляют неотъемлемую часть
любого современного электрического устройства, служащего для производства, преобразования и передачи электрической энергии и входящего в информационно-измерительный комплекс [3]. Создание устройств учета и измерения, способных выдерживать высокие напряжения, нецелесообразно для изготовления, ввиду высокой стоимости и больших размеров.
В связи с этим измерительные приборы включаются через промежуточные трансформаторы –
измерительные трансформаторы [2]. Чем выше напряжение и мощность системы, тем ответственнее роль трансформаторов, так как от правильности их работы зависит бесперебойное
снабжение электроэнергией промышленных предприятий, жилых домов, больниц и т. п.
Особенность российских электрических сетей 10(6) кВ, не имеющих глухого заземления
нейтрали, состоит в том, что они могут некоторое время работать с однофазным замыканием на землю. При этом изменяются только напряжения отдельных фаз относительно земли,
а треугольник междуфазных напряжений остается неизменным. Это позволяет потребителям никак не реагировать на наличие замыкания на землю и продолжать работу в обычном
режиме, а электросетевое эксплуатационное предприятие обязано найти и отремонтировать
поврежденный участок. Выполнение этой задачи во многом зависит от типа используемых
трансформаторов напряжения (ТН).
Применяемые в настоящее время ТН делятся на заземляемые и незаземляемые. Незаземляемые ТН, в отличие от заземляемых, не имеют соединений первичной обмотки с землей. Заземляемые ТН, помимо междуфазных напряжений, могут трансформировать напряжения отдельных фаз относительно земли и тем самым контролировать изоляцию сети.
Указанное обстоятельство определило сферу использования этих видов ТН в сетях 10(6) кВ:
незаземляемые ТН преимущественно устанавливаются непосредственно на стороне высокого напряжения (ВН) силовых потребительских трансформаторов в ТП 10(6) кВ, а заземляемые – на сборных шинах центров питания (ЦП) и распределительных пунктах (РП).
Незаземляемые ТН включаются между фазами сети и бывают либо однофазными (типа
НОЛ, НОМ), либо трехфазными (типа НТМК). Они имеют только одну вторичную обмотку
с наивысшим классом точности 0,2 или 0,5, что вполне приемлемо для питания коммерческих счетчиков электроэнергии. При этом следует помнить, что класс точности ТН гарантируется только при определенных условиях эксплуатации. В частности, фактическая нагрузка
174
СИСТЕМЫ УПРАВЛЕНИЯ
при cosφ = 0,8 должна быть симметричной и находиться в пределах от 25 до 100% от номинальной мощности. Если фактическая нагрузка меньше 25%, что характерно для применения электронных счетчиков с малым потреблением, то ее следует искусственно увеличить.
Если же она больше 100%, то ТН переходит в низший класс точности.
Заземляемые трансформаторы напряжения включаются между фазами сети и землей и также производятся в однофазном (типа ЗНОЛ) или трехфазном (например, НТМИ, НАМИ, НАМИТ)
исполнении. Заземляемые трехфазные ТН выполняют все функции незаземляемых ТН плюс
контроль изоляции сети. Для этого, помимо выводов трех фаз А, В и С у основной вторичной
обмотки, они имеют вывод нейтрали. Кроме того, имеется еще дополнительная обмотка.
При нормальном симметричном режиме фазные напряжения Ао, Во и Со равны 57,8
(100/ 3 ) В, междуфазные АВ, ВС и СА равны 100 В, а на выводах дополнительной вторичной обмотки имеется небольшое напряжение небаланса. При однофазных металлических замыканиях сети на землю одно из фазных напряжений снижается до нуля, а два других повышаются до 100 В. Междуфазные напряжения сохраняются неизменными,
а напряжение дополнительной вторичной обмотки повышается до 100 В.
Наивысший класс точности заземляемых ТН при измерении междуфазных напряжений
также составляет 0,2 или 0,5 при симметричной нагрузке от 25 до 100% от номинальной
с cos φ = 0,8. Однако согласно ГОСТ 1983-2001 он не гарантируется при однофазном замыкании
сети на землю. В этом отношении заземляемые трансформаторы уступают незаземляемым. [1]
Класс точности ТН при измерении фазных напряжений может быть снижен до 3.0, т. к.
в данном случае они предназначены для питания щитовых вольтметров контроля изоляции
и не используются для питания счетчиков электрической энергии.
Незаземляемые измерительные трансформаторы напряжения представляют собой
трансформаторы малой мощности (обычно менее 1 кВА) с большим количеством витков
тонкого провода обмотки ВН. Необходимый класс точности обеспечивается точностью
намотки числа витков обмоток (амплитудная погрешность) и выбором сниженного значения
номинальной индукции в стали магнитопровода (угловая погрешность). При высоких номинальных индукциях применяется коррекция угловой погрешности (НТМК).
Рассматривая конструкцию заземляемых ТН, стоит отметить, что они также имеют
большое число витков тонкого провода обмотки ВН и малую предельную мощность. Малая
мощность ТН легла в основу широко распространенного представления о том, что они не
могут сколько-нибудь существенно повлиять на режим работы основной сети 10(6) кВ, которая питает потребителей суммарной мощностью в тысячи и десятки тысяч кВА.
Исходя из этого представления, конструировались все ТН для сетей 10(6) кВ. При дальнейших исследованиях выяснилось, что выгоднее для каждой отдельной первичной обмотки,
включенной между фазой сети и землей, иметь свой магнитопровод, т. е. перейти к трехфазной группе однофазных трансформаторов. В литом исполнении изоляции – это группа трех ТН
типа ЗНОЛ-10(6), а в масляном исполнении – это три однофазных ТН в одном баке (типа
НТМИ-10(6)-66). У этих ТН междуфазные вторичные напряжения АВ, ВС и СА образуются, как
геометрическая разность двух соседних фазных напряжений А0, во и С0. При однофазных
замыканиях сети на землю, когда рабочее напряжение отдельных фаз превышает 120% от
номинального, междуфазные напряжения могут терять высокий класс точности.
В процессе эксплуатации заземляемых ТН выявились три режима, приводящие либо
к ненормальной работе ТН, либо к их повреждению. Первый режим характерен для работы
175
СИСТЕМЫ УПРАВЛЕНИЯ
заземляемых ТН на ненагруженных шинах ЦП или РП. Малый емкостный ток замыкания шин на
землю на частоте 50 Гц компенсируется намагничивающим током одной из фаз ТН. Напряжение
на этой фазе повышено, и сталь магнитопровода близка к насыщению. Напряжение остальных
фаз понижено. В результате создается ложное впечатление о замыкании одной из фаз на землю.
Так как в феррорезонанс может войти любая из трех фаз, «ложная земля» может «переходить»
с одной фазы на другую. Обычно в таком режиме ТН не повреждается. Чтобы устранить явление
«ложной земли», достаточно включить на дополнительную обмотку активное сопротивление
25 Ом. Второй режим возникает при однофазных дуговых замыканиях на землю в сельских сетях.
Благодаря воздушным линиям, они имеют небольшой (до 10А) ток замыкания на землю и открытую перемежающуюся дугу, подверженную действию ветра, что способствует ее попеременному
зажиганию и гашению. В таком режиме емкость нулевой последовательности сети в бестоковую
паузу перемежающейся дуги разряжается через ТН, насыщая его магнитопроводы и перегревая
обмотки. Повторное зажигание дуги вновь заряжает емкость, которая затем в бестоковую паузу
дуги разряжается через ТН. Такой процесс может длиться несколько минут или даже часов,
в результате чего ТН нередко повреждается. Третий режим может возникнуть как в воздушных,
так и в кабельных сетях. Это устойчивый гармонический феррорезонанс на частоте 50 Гц между
емкостью нулевой последовательности сети и нелинейной индуктивностью намагничивания
трехфазного трехстержневого потребительского силового трансформатора 10(6)/0,4 кВ с изолированной нейтралью обмотки ВН. Режим феррорезонанса возможен при замыкании на землю
одной фазы малонагруженного трансформатора 20–400 кВА с последующим перегоранием плавкой вставки предохранителя. Напряжение нулевой последовательности сети при этом может
достигать трехкратных значений, в результате чего повреждение ТН наступает менее чем за одну
минуту. Наличие в сети одного или даже нескольких заземляемых ТН не может погасить данный
вид феррорезонанса. Он срывается только после повреждения одного из ТН. [1]
После того, как попытки эффективной защиты измерительных трансформаторов от повреждений не увенчались успехом, в 80-х годах прошлого столетия стали разрабатываться
антирезонансные ТН. Принцип их работы заключается в том, что они сами не вступают
в феррорезонанс (первый режим), устойчивы к перемежающейся дуге (второй режим)
и к «внешнему» феррорезонансу в сети (третий режим). Правда, достичь полной антирезонансности разработчикам удалось не сразу. Так, первенец из этой серии НАМИ-10 У2 был
несимметричен и иногда вступал в субгармонический (16,6 Гц) феррорезонанс с емкостью
небольших сетей (первый режим), хотя в остальных режимах он был устойчив. Антирезонансные ТН других типов, например, ЗНОЛ-10 с высокоомными резисторами в нейтрали или
НАМИТ-10-2, тоже не вполне устойчивы в одном или двух режимах. Степень их антирезонансности еще нуждается в дополнительной проверке.
Исходя из написанного выше, следует сделать вывод, что наиболее приемлемыми для
электроснабжающих организаций, учитывающих электроэнергию и контролирующих изоляцию в сетях 10(6) кВ, являются антирезонансные заземляемые ТН. Для учета электроэнергии у потребителей достаточно применять незаземляемые ТН. [1]
Библиографический список
1. Зихерман М. Трансформаторы напряжения для сетей 6(10) кВ. Причины повреждаемости. «Новости электротехники». № 1 (25). 2003.
2. Дымков А. М., Кибель В. М., Тишенин Ю. В. Трансформаторы напряжения. М:.Энергоиздат, 1975.
3. Рожкова Л. Д., Козулин В. С. Электрооборудование станций и подстанций. М.: Энергоатомиздат, 1987.
__________
176
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ВЫЧИСЛИТЕЛЬНЫЕ
СИСТЕМЫ И
ПРОГРАММИРОВАНИЕ
УДК 629.735.33
Д. Ю. Бакулин – магистрант кафедры компьютерной математики и программирования
В. А. Матьяш (канд. техн. наук, доц.) – научный руководитель
ИСПОЛЬЗОВАНИЕ КЛАСТЕРИЗАЦИИ ДЛЯ ВЫДЕЛЕНИЯ ОБЪЕКТОВ
НА ИЗОБРАЖЕНИЯХ
Необходимость регулярного сбора информации о поверхности Земли делает дистанционное зондирование одним из наиболее эффективных инструментов мониторинга. Космические снимки содержат большой объем информации часть, из которой является избыточной. Для упрощения обработки и анализа изображений часто используют кластеризацию.
Под кластеризацией понимается разбиение изображения на области по некоторым признакам. Предполагается, что получаемые области соответствуют реальным объектам или
их частям. Часто для выделения областей одновременно используют два критерия, которые сильно связаны между собой: однородность области, определяемая уровнем сходства
лежащих внутри ее пикселей, и неоднородность на границах областей, определяемая уровнем отличия граничных пикселей. При вычислении данных критериев используются значение яркости пикселей и отношение соседства на изображении (рис. 1) [1].
Все методы кластеризации изображений предлагается условно можно разделить на две
группы: статистические методы кластеризации и методы кластеризации, основанные на
выделении перепадов яркости.
Исходное изображение
Изображение после кластеризации
Рис. 1. Пример кластеризации изображения
177
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
При решении проблемы кластеризации каким-либо методом из первой группы, подразумевается предварительное представление изображения в виде статистической выборки.
После чего над пикселями изображения производятся операции, подобные операциям над
элементами выборки.
В данной статье рассматривается алгоритм k-means (k-средних) кластеризации. Процесс кластеризации согласно этому алгоритму состоит из следующих этапов:
1. Сегментация изображения на квадратные блоки заданного размера и вычисление
для каждого блока средней цветовой характеристики.
2. Произвольное распределение блоков изображения на к кластеров (начальное значение количества кластеров к = 2).
3. Расчёт центра для каждой из характеристик каждого кластера в соответствии с формулой
, где
– количество точек j-ого региона,
– значения характеристик бло-
ков, входящих в регион.
4. Перегруппировка блоков внутри кластеров – вычисление для каждого блока расстояния до центра каждого из кластеров по формуле
и отнесение
блока к тому из кластеров, до которого расстояние по всем характеристикам блока (индекс i)
минимальное.
5. После включения каждого нового блока в кластер необходимо произвести пересчет
центров кластеров.
6. Далее происходит наращивание к и повторяются этапы 2–5.
Критерии прекращения увеличения количества кластеров:
– разброс значений D(k) внутри каждого кластера становиться меньшим некоторого
параметра θ (подобранного экспериментально);
– результат группировки при увеличении количества кластеров значительно не изменяется, т. е. D ( k ) – D ( k – 1 ) < θ;
– к выходит за пределы (экспериментально установлено, что не эффективно бить
изображение на число кластеров большее шестнадцати), т. е. А > 16 [2].
Алгоритм завершается, когда на какой-то итерации не происходит изменения кластеров.
Основные достоинства алгоритма k-средних:
– простота использования;
– быстрота использования;
– понятность и прозрачность алгоритма.
Недостатки алгоритма k-средних:
– необходимо заранее знать количество кластеров;
– алгоритм очень чувствителен к выбору начальных центров кластеров. Классический
вариант подразумевает случайный выбор кластеров, что очень часто являлось источником
погрешности. Как вариант решения, необходимо проводить исследования объекта для более точного определения центров начальных кластеров;
– не справляется с задачей, когда объект принадлежит к разным кластерам в равной
степени или не принадлежит ни одному.
На рис. 2 показан результат практического применения алгоритма k-средних.
178
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Исходное изображение
Изображение после кластеризации
Рис. 2. Кластеризация изображения с помощью алгоритма k-средних
Когда выполнен кластерный анализ, можно легко определить координаты целевого
объекта на изображении или его границы. С помощью кластеризации выполняются задачи
идентификации обнаружения; слежения за перемещениями объекта и другие. Используя
процесс кластеризации можно, например, создать систему поиска изображений по визуальному содержимому или систему управления дорожным движением.
Библиографический список
1. Барталев C. А., Ховратович Т. С. Анализ возможностей применения методов сегментации спутниковых изображений для выявления изменений в лесах.
2. Башков Е. А., Вовк O. Л. Кластеризация изображения методом дендрограмм.
__________
УДК 681.3.06
В. Е. Бевзик – магистрант кафедры компьютерной математики и программирования
Д. В. Богданов (канд. техн. наук, доц.) – научный руководитель
МЕТОД ФОРМИРОВАНИЯ И ОЦЕНКИ МНОЖЕСТВА ПЛАНОВ РЕАЛИЗАЦИИ
ПРОГРАММНОГО ПРОЕКТА
В настоящее время под разработкой программной системы понимается комплекс взаимосвязанных мероприятий (действий), направленных на достижение цели – создания системы с заданными характеристиками качествами и в условиях ограниченных ресурсов.
Комплекс взаимосвязанных мероприятий – некоторый технологический процесс, преобразующий ресурсы, выделенные на реализацию проекта, в конечный результат – надежную
и качественную систему.
179
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Технологический процесс достижения цели представляется как совокупность двух типов
объектов реального мира – работ (операций, мероприятий, действий) и объектов. Под работой понимается некоторое преобразование, в результате которого из объектов, являющихся
входными, формируется выходные объекты, представляющие результат выполнения данной работы. В качестве входных и выходных объектов могут выступать как осязаемые объекты (сырье, полуфабрикаты, материалы, промежуточные изделия, конечный продукт, компьютерная программа и т. д.), так и не осязаемые (требования к изделию, различного рода
информация и т. д.). В процессе такого преобразования объекты и работы взаимодействуют
друг с другом, достигая новых состояний. При этом выходные объекты (промежуточные
результаты) одной работы могут выступать в роли входных для других работ, пока не будет
получен результат, соответствующий цели. Описание структур моделей технологии и предметной области, являющейся формализованным представлением знаний о технологическом
процессе и объекте разработки – программной системе, приведено в [2].
Модель плана (без учета ресурсов) формируется как результат взаимодействия моделей
предметной области и технологии. Построение данной модели является предварительным
этапом формирования спецификаций плана реализации проекта, на основе которой происходит распределение ресурсов. Основная цель данного этапа состоит в получении альтернативных вариантов плана, выполнение которого позволит создать сложную систему с заданными
показателями качества. Здесь, под вариантом понимается некоторое множество операций
(работ) с отношениями упорядоченности между элементами данного множества. Таким образом, модель плана (без учета ресурсов) является непосредственным источником информации,
на основании которой происходит генерация альтернативных вариантов плана.
Спецификации работ, заключенные в модель плана (без учета ресурсов) используются
для представления плана реализации проекта с учетом максимально возможного параллелизма. Кроме того, данные спецификации являются источником информации для формирования множества вариантов плана, т. е. некоторого множества альтернатив. Альтернативные последовательности операций возникают из-за наличия в модели плана отношения
иерархии типа классификации, а также в возможности выбора альтернатив на множестве
операций, подчиненных операции верхнего уровня отношением иерархии типа композиции
и связанных между собой отношением упорядочивания. Для классификационного отношения, если не использовать избыточность в описании, элемент верхнего уровня определяется только одним элементом нижнего уровня. Исходя из этого, количество вариантов плана,
которые можно синтезировать, будет не меньше, чем число элементов, входящих в классификационное отношение. Дополнительные варианты возможны вследствие того, что для
композиционного отношения необходимо определить действия над всеми элементами нижнего уровня, связанными друг с другом отношением упорядоченности. В силу того, что для
выполнения каждой операции необходимо время, то анализ временных характеристик операций, входящих в композиционное отношение позволяет получить дополнительные альтернативы. Процедура выбора единственной последовательности, являющейся прообразом
будущего плана разработки, осуществляется на основе некоторого критерия, например
минимального времени выполнения. Таким образом, на основе модели плана возможна
генерация множества альтернативных последовательностей (списков) операций, требующих
выполнения для реализации проекта.
В целях описания максимально возможного параллелизма в выполнении операций,
определенных в модели плана, и обеспечения возможности автоматической генерации
180
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
множества вариантов плана, применим аппарата сетей Петри. Сеть Петри, позволяющая
моделировать динамику модели плана и применяемая для генерации возможных альтернативных последовательностей работ, должна удовлетворять следующим требованиям: включать понятие одновременности выполнения работ; описывать длительности выполнения
работ в заданном масштабе времени; должна быть предусмотрена возможность иерархического представления выполняемых работ; в данной сети должна быть разрешима проверка
на нулевую маркировку; должна быть разрешима проблема достижимости.
Для выполнения данных требований, преобразуем граф, описывающий модель плана,
в иерархически временную сеть Петри. Для снижения сложности комбинаторных задач преобразование графа, представляющего модель плана, в сеть Петри данного вида будем
осуществлять по фрагментам, включающим два соседних уровня иерархии. При этом отношения иерархии представляются иерархической сетью Петри [3], а отношение упорядоченности – временной СП. Временные сети Петри [5], являясь альтернативой синхронным сетям, позволяющим учитывать одновременность выполнения работ, обладают возможностью
более точных оценок временных характеристик. Полученные временные характеристики
вариантов плана (с учетом максимально возможного параллелизма) в последующем могут
сравниваться по различным временным критериям.
Модель плана есть совокупность иерархически временных сетей Петри С = {C0, C1,..., Cn},
где Сn – частная иерархически временная сеть Петри, представляющая два соседних уровня модели плана.
Определение 1. Каждая частная СП определяется как набор вида Сi = {Pi, Ti, Ii,Oi, Moi, Co,
, T }, где Pi – множество позиций сети; T i – множество переходов сети (Ti = Tп  Tс, где Tп –
простой переход, T с – составной переход); Ii – функция входов (Ii : Pi  Ti ); Oi – функция
выходов (Oi : Ti  Pi); Moi – начальная маркировка сети; Co – сеть верхнего уровня; Ti –
функция времени (Тi :Тi  N, где N- множество натуральных чисел);  – функция иерархии
(: TсС), обладающая следующими свойствами:
–  ( ti )   ( tj ) для всех i  j;
– существует только одна сеть Со, для которой (ti) = Со;
– существует Сj  C : (Cj  Ci), где Сi Co.
В [1] рассматриваются несколько моделей временных сетей Петри. В данной статье
рассматриваются временные сети Петри с фиксированными длительностями срабатывания
переходов Т, для которых задается неотрицательное целое число, определяющее задержку
в срабатывании перехода. При этом срабатывание возбужденного перехода не является
неделимым действием, а состоит из фазы активизации, срабатывания и окончания активности. Срабатывание отдельных переходов временной сети Петри привязывается к общесетевому времени. Все возбужденные и неконкурирующие переходы временной сети Петри
должны начать свои срабатывания одновременно. Конкурирующие переходы – переходы,
которые лишают друг друга условий возбуждения после своего срабатывания.
Каждому составному переходу частной сети Петри соответствует иерархическая сеть,
заменяющая работу данного перехода на следующем уровне иерархии. По аналогии с временной сетью, срабатывание возбужденного составного перехода не является неделимым
актом и состоит из фазы активизации, выполнения внутренней сети, деактивации.
Сопоставим вершины графа GМВ, описывающего модель плана, переходам сети Петри,
а дуги – позициям. Множество переходов Т иерархически временной сети Петри Т = Тс  Тп,
где Тп – простые переходы, а Тс – составные переходы. Множеству переходов T = {ti},
181
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
не имеющих входных позиций, сопоставим множество позиций p  P (стартовые позиции),
так чтобы каждому переходу t  T соответствовала одна стартовая позиция p  P. По аналогии, множеству переходов {tn}, не имеющих выходных позиций, определим позицию
p  P, где P- множество заключительных позиций.
Сформулируем условия возбуждения переходов иерархически временных сетей Петри.
1. Если ti  Tсi, Ci является сетью самого высокого уровня, для ti выполнены условия
возбуждения простой сети Петри [5], ti не является активизированным.
2. Если ti  Tсj, Cj не является сетью высокого уровня, переход tk такой, что (tk) = Сj является активизированным, для ti выполнены условия возбуждения простой сети Петри,
и ti не является активизированным.
3. Если для перехода ti выполнены условием возбуждения простой сети Петри и условие: Тz Ti,где Тi – функция времени, Тz – время таймера, показывающего время нахождения
маркера в фазе срабатывания перехода.
Условия 1 и 2 являются условиями возбуждения для иерархических сетей (составных
переходов), а условие 3 – временных сетей.
Активизированные переходы деактивизируется, если: они не являются составными;
в сети (t) нет возбужденных и активизированных переходов.
Для моделирования динамики концептуальной модели плана, кроме условий возбуждения переходов, необходимо сформулировать правила изменения маркировки иерархически
временной сети. Для этой цели найдем функцию изменения маркировки в простой сети
Петри:
 : М  Т  М,
 : М  Т  М,
где М – маркировка простой сети Петри;  (М1, t) + М2 – если М2 получена из М1 после
той части срабатывания t, которая удаляет маркеры для входных позиций перехода t; (М1,
t) + М2 – если М2 получена из М1 после той части срабатывания t, которая добавляет маркеры в выходные позиции перехода t.
Активизация и прекращение активности перехода сопровождается сменой маркировки
сети. После активизации перехода ti маркировка Мi1 сети преобразуется в маркировку Мi2, Мi2
+  (Мi1, ti). Деактивация перехода ti приводит к смене маркировки Мi1 сети на маркировку Мi2,
Мi2 +  (Мi1, ti) и, в случае, если ti – составной переход, маркировка Мj в сети Сj + (ti) изменится на Мoj. Выполнение каждой сети изменяет ее собственную маркировку в соответствии
с правилами простой сети Петри.
Перед началом моделирования, иерархически временная сеть Петри имеет маркировку
М0, называемой начальной. Если после срабатывания перехода ti маркировка изменится на
М1, то М1 называют непосредственно достижимой из М0. Если М1 непосредственно достижима из М0, а М2 из М1, то М2 достижима из М0. Множество всех маркировок иерархически
временной сети, достижимых из М0, обозначим как R(C,M0). Процесс изменения маркировок
можно описать графом достижимых маркировок, представляющий собой ориентированный
граф, множество вершин которого являются R(C,M0) и дуги, помеченная как ti,соединяют
вершины, если М1 непосредственно достижима из М0.
Рассмотрим последовательность шагов перехода от модели плана к графу иерархически временной сети.
1. Преобразование графа Gмв, описывающего модель плана, в иерархическую сеть
Петри, для чего сопоставим вершины графа Gмв переходам, а дуги – позициям, причем, если
182
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
вершина графа имеет подчиненные вершины, связанные между собой отношением иерархии (дуга Hv ), то ей соответствует составной переход, в противном случае – простой переход. В результате такого преобразования, графу Gмв, будет соответствовать сеть Петри
С = {C0, C1,..., Cn}.
2. Из множества С = {C0, C1,..., Cn} выбираются частные сети Петри, включающие только простые переходы. Данным сетям ставится в соответствие временные сети Петри.
3. Каждая временная сеть Петри преобразуется в простую сеть Петри с тем же графом
и начальной маркировкой с целью анализа ограниченности.
4. В случае положительного результата (простая СП – ограничена), строится граф достижимости временной сети Петри и оцениваются временные характеристики, что возможно
вследствие ацикличности модели плана.
5. Из множества С = {C0, C1,..., Cn} выбираются частные сети Петри, включающие сложные переходы, содержащие одну из обработанных простых временных сетей и для каждой
такой частной сети выполняются действия, соответствующие шагам 3 и 4.
6. Из множества С = {C0, C1,..., Cn} выбираются частные сети Петри, включающие простые переходы и переходы, для которых построены графы достижимости и оценены временные характеристики. Для каждой такой частной сети выполняются действия, соответствующие шагам 3 и 4.
7. Если рассмотрены все частные сети Петри, то строится граф достижимости для сети
верхнего уровня и рассчитываются временные характеристики сети в целом, что соответствует временным характеристикам модели плана.
Структура иерархически временной сети Петри полностью описывает модель плана.
Наличие отношения иерархии типа классификации, а также отношений упорядоченности
на множестве операций, входящих в композиционное отношение, вносящих избыточность
в описание модели плана, позволяет решить задачу синтеза множества альтернативных
вариантов плана.
Пусть позициям pi сети сопоставлены дуги графа Gмв, переходам ti – соответственно
вершины данного графа. Вершины графа, связанные с подчиненные вершины отношением
иерархии типа классификации, представляются в сети конкурирующими составными переходами, а вершины, связанные с подчиненными вершины отношением иерархии типа композиции, составными переходами, между которыми вводятся позиции, соответствующие
дугам отношения упорядоченности.
Зададим начальную разметку иерархически временной сети Петри в виде вектора запуска Мо (1,1,...,1) для всех p  P. Конечная разметка соответствует попаданию маркеров
в позиции pP. В этом случае цикл формирования варианта плана заканчивается. Каждое
слово языка, порожденное данной сетью, будет содержать все переходы сети, т. е. будут
учтены все операции, требующие выполнения. Количество циклов соответствует количеству
конкурирующих переходов в сети. На основании выше изложенного можно сформулировать
следующее утверждение.
У т в е р ж д е н и е 1. Иерархически временная сеть Петри, моделирующая вариант корректной модели плана, не содержит конкурирующих переходов.
Д о к а з а т е л ь с т в о. Допустим, что во временной сети Петри, представляющей операции некоторого уровня иерархии модели плана, существуют конкурирующие переходы. Тогда, слово языка, порожденное данной сетью, не будет содержать все переходы,
а следовательно, не будут учтены все работы, требующие выполнения. Следовательно,
183
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
модель плана не является корректной, что противоречит условию утверждения. Конец доказательства.
Помимо использования временных сетей, имеется возможность представлять частные
сети Петри, включающие только простые переходы, синхронными сетями. Синхронные сети
можно использовать, если требуется выявление оценок, связанных с максимальным параллелизмом задачи. В таких сетях все разрешенные и не конфликтующие переходы срабатывают одновременно в том смысле, что из некоторой маркировки М1 происходит переход
в такую маркировку М2, которая является результатом срабатывания всех разрешенных и не
конфликтующих переходов в маркировке М1. Дерево достижимости данной сети содержит
информацию обо всех множествах переходов, способных выполниться одновременно
и строится по аналогии с обычной сетью, за исключением того, что вместо одного перехода,
изменяющего маркировку, рассматривается множество переходов.
Временные сети позволяют учитывать одновременность выполнения событий, а также
получить более точные оценки свойств параллелизма. Временные сети предназначены
для моделирования систем с конкретными временными характеристиками и позволяют
оценить максимальное, минимальное, среднее время выполнения. Дерево достижимости
для временной сети содержит конкретные значения времен срабатывания переходов, так
как эти значения оказывают влияние на последовательность срабатывания временной
сети. Граф достижимости временной сети позволяет представить не только множество
достижимых маркировок, но и множество достижимых временных состояний в виде вектора состояния переходов. На основании графа легко могут быть построены временные
диаграммы работ.
Рассмотренные выше модели временных сетей Петри, основанные на задании каждому
переходу неотрицательного целого числа, определяющего задержку срабатывания данного
перехода и методы расчета временных характеристик, обладают существенным недостатком: трудность установления конкретной задержки срабатывания перехода сети и, соответственно, расчет временных параметров. Устранить указанный недостаток можно задав каждому переходу сети, описывающей модель плана, следующие параметры: минимальное
и максимальное время срабатывания.
Для получения временных характеристик выполнения всей сети целесообразно воспользоваться аппаратом интервальной арифметики [4]. При детальном рассмотрении данного аппарата просматриваются некоторые аналогии с вышесказанным. Так, минимальная
величина срабатывания перехода выступает как нижняя граница интервального числа,
а максимальная – как верхняя. Среднее значение срабатывания перехода определяется как
середина интервального числа, т. е. полусумма концов интервального числа.
При такой постановке, функция времени частной иерархически временной сети Петри
задается в виде Тi :Тi Ai, где Ti – переход сети; Аi  I(R), I(R) = {A1, A2,..., An}, Аi = [ai,ai],
Аi – интервальное число, ai – минимальное время срабатывания перехода, ai – максимальное время.
Одной из основных операций, выполняемых над интервальными числами при оценке
времени работы всей сети является операция сложения. Так сумма интервальных чисел,
определяющих задержку срабатывания простых переходов, является интервальным числом, характеризующим время срабатывания составного перехода. Напомним, что в [4] данная операция определяется как А + В = [a,a] + [в,в] = [a + в,a + в], обладающая свойствами ассоциативности и коммутативности.
184
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Основным свойством интервальной арифметики является свойство монотонности по
включению. Приведем основную теорему интервальной арифметики, вытекающую из свойства монотонности, определенную в [4].
Т е о р е м а . Если F(X1, X2,..., Xn,) является рациональным выражением от конечной комбинации интервалов X1, X2,..., Xn и конечного набора постоянных интервалов, между которыми определены интервальные арифметические операции, то из X(1)i  X(2)i, i = {1, 2, .., n}
следует F(X(1)1, X(1)2,..., X(1)n )  F(X(2)1, X(2)2,..., X(2)n ) при любом наборе интервальных чисел
X(2)1, X(2)2,..., X(2)n, для которого интервальные арифметические операции в выражении имеют
смысл.
Символ включения в интервальной арифметике обозначает не обязательно строгое
включение, а допускает равенство интервалов.
В случае отсутствия конкурирующих переходов во временной сети, интервальные числа, определяющие задержку срабатывания простых переходов, монотонны по включению
к сумме, являющейся интервальным числом, характеризующим время срабатывания составного перехода. Длительность критического пути в данном случае выступает как время
срабатывания составного перехода и является интервальным числом.
У т в е р ж д е н и е 2. Длительность критического пути, определяемого как сумма значений
нижних границ интервальных чисел, характеризующих время срабатывания переходов
иерархически временной сети, не содержащей конкурирующих переходов, монотонна по
включению к длительности пути для значений верхних границ данных интервальных чисел,
т. е. выполняется следующее  (X(1)n )   (X(2)n), где  (X(1)n ) – длительность работы сети
при нижних значениях интервальных чисел;  (X(2)n ) – длительность работы сети при верхних значениях интервальных чисел.
Д о к а з а т е л ь с т в о. В силу основной теоремы интервальной арифметики данное
утверждение для случая отсутствия конкурирующих переходов очевидно, так как длительность критического пути является рациональным выражением от интервальных чисел, характеризующих длительности срабатывания переходов и операции сложения на данном
множестве чисел.
Предположим, что в сети имеются конкурирующие переходы. В данном случае граничные
оценки времени срабатывания перехода не будут оказывать непосредственного воздействия на
длительность критического пути всей сети, т. е. возникнет ситуация, когда  (X(1)n)   (X(2)n).
Данное предположение противоречит утверждению 1.
Оценка временных характеристик сети осуществляется по графу достижимости иерархически временной сети Петри. При этом каждая компонента А (ti) вектора активности А
представляется интервальным числом. Методика расчета временных характеристик с использованием интервальных чисел аналогична приведенной выше.
Библиографический список
1. Бестужева Н. И., Руднев В. В. Временные сети Петри. Классификация и сравнительный анализ. Автоматизация
и телемеханика. 1989г. N6. 56-62 с.
2. Богданов Д. В., Мазаков Е. Б., Неилко О. Б., Чекинов С. Г. Модели и алгоритмы концептуального проектирования
автоматизированных систем управления. М.: Компания Спутник, 2004. С. 78–87.
3. Игнатьев М. Б., Фильчаков В. В., Осовецкий Л. Г. Активные методы обеспечения надежности алгоритмов и программ. СПб.: Политехника, 1992. 288 с.
4. Калмыков С. А., Шокин Ю. И., Юлдашев З. Х. Методы интервального анализа. Новосибирск: Наука, 1986. 223 с.
5. Котов В. Е. Сети Петри. М.: Наука, 1984. 158 с.
__________
185
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 57.087
А. В. Бельков – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
ИНФОРМАЦИОННЫЕ ПРОЦЕССЫ В ГИДРОЭКОЛОГИИ
Экологическая ситуация в Санкт-Петербурге, как и в других мегаполисах страны, далека
от идеальной. Загрязнение воды, воздуха и почв представляют реальную опасность для
жителей города. Состояние водных объектов города характеризуется как «загрязненные»
и «умеренно загрязненные». По прогнозам экологов, в дальнейшем расходы на эксплуатацию
городских очистных сооружений вод могут стать бессмысленными, поскольку загрязнение
Невской губы и «цветение» восточной части Финского залива непрерывно возрастают [1].
«Цветением» воды называют массовое развитие одного или нескольких видов водорослей, обитающих в толще воды или на дне водоёмов. «Цветение» могут вызывать представители разных отделов водорослей. В пресноводных экосистемах чаще других «цветение» вызывают сине-зелёные (цианопрокариоты), золотистые, диатомовые, криптофитовые
и зелёные водоросли. В умеренных масштабах «цветение» повышает биологическую продуктивность водоёмов, что связано с поступлением в водную среду продуктов жизнедеятельности водорослей: белков, свободных аминокислот, углеводов, витаминов, макрои микроэлементов, стимулирующих развитие гидробионтов. «Гипер-цветения» ухудшают
качество воды, снижают биологическую продуктивность, представляют серьёзную угрозу
для жизни и здоровья людей, вызывают болезни и массовую гибель рыб, беспозвоночных,
а также водоплавающих птиц и млекопитающих, создают проблемы на водозаборных станциях, водохранилищах, рекреационных водоёмах.
Таким образом, изучение цианопрокариотного «цветения» водоёмов является не только
фундаментальной проблемой, направленной на изучение закономерностей функционирования водных экосистем, но и прикладной – для решения задач, связанных с охраной здоровья людей и качеством водной среды.
Единая система мониторинга за токсичным «цветением» водоёмов в России, к сожалению, отсутствует. Проводятся только локальные исследования, в тех или иных регионах, где
данная проблема является фундаментальной. В северо-западном районе России исследования токсичности цианопрокариот не проводились, имеются только наблюдения, связанные с изучением разнообразия и распространения цианопрокариот.
В связи с вышесказанным, актуальным является исследование информационных процессов для сбора, обработки, накопления и анализа данных о состоянии водных объектов.
Для предварительного анализа данных экологического состояния Невской Губы, целесообразно использовать диаграмму рассеивания – математическую диаграмму, изображающую значения двух переменных в виде точек на декартовой плоскости.
На диаграмме рассеяния каждому наблюдению (или элементарной единице набора данных) соответствует точка, координаты которой (в декартовой системе координат) равны значениям двух каких-то параметров этого наблюдения. Если предполагается, что один из параметров зависит от другого, то обычно значения независимого параметра откладывается по
горизонтальной оси, а значения зависимого – по вертикальной. Диаграммы рассеяния используются для демонстрации наличия или отсутствия корреляции между двумя переменными [2].
186
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 1. Диаграмма рассеивания (B – биомасса, А-кол-во клеток, N-число видов;
d и c – диатомовые и сине-зеленые соответственно.)
На рис.1 представлена диаграмма рассеивания между сочетаниями трех типов данных
диатомовых и сине-зеленых для выявления корреляции или ее отсутствия.
Рассмотрим некоторые корреляционные зависимости подробнее. На рис.2 представлена выраженная корреляционная зависимость биомассы и количества клеток диатомовых:
при увеличении количества клеток наблюдается рост биомассы.
Рис. 2. Диаграмма рассеивания
(Bd и Аd – биомасса и количество клеток
диатомовых соответственно)
Рис. 3. Диаграмма рассеивания
(Nd и Nc –количество клеток диатомовых
и сине-зеленых соответственно)
Диаграмма на рис. 3 свидетельствует об отсутствии корреляционной зависимости между числом видов диатомовых и сине-зеленых. При глобальном цветении одного типа водорослей второй не развивается, т. к. они вытесняют друг друга.
187
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Работа основывается на данных, полученных при исследовании Невской Губы с 1984
по 1988 год. С помощью графиков (рис. 4 и 5) можно проследить изменение биомассы диатомовых и сине-зеленых за четыре года.
Рис. 4. График данных биомассы и номеров створа за 1984 год
Рис. 5. График данных биомассы и номеров створа за 1988 год
188
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 6. Количество проб воды, взятых в определенных створах за 5 лет
Количество проб очень мало, что приводит к неточному анализу данных (рис. 6). Также
решающее значение для повышения достоверности исходных данных имеет правильный
выбор режима проведения наблюдений.
Библиографический список
1. http://www.infoeco.ru/index.php?id=23 Экологический портал Санкт-Петербург/ Доклад об экологической ситуации
Санкт- Петербурга, 10.05.2012 г.
2. Шестаков В. М., Брусиловский С. А. Методическое руководство по ведению мониторинга ресурсов подземных
вод. 2003.
__________
УДК 500.599.51
Д. В. Болатов – студент кафедры компьютерной математики и программирования
В. А. Каргин (канд. техн. наук, доц.) – научный руководитель
ПРИМЕНЕНИЕ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА
ДЛЯ ОЦЕНКИ ВЛИЯНИЯ ИНТЕЛЛЕКТА И ВНИМАНИЯ
НА АКАДЕМИЧЕСКУЮ УСПЕВАЕМОСТЬ
Человек наделён целым рядом самых уникальных свойств, и, пожалуй, самое главное
свойство дарованное природой, – обучаемость. Обучение, это длительный процесс, который всегда требовал оптимизации, подстройки под психофизические характеристики и свойства человека. И по сегодняшний день, общество уделяет процессу познания много внимания, это важно, как для отдельно взятого человека, семьи, так и для государства в целом,
189
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
т. к. от этого зависит наше будущее благополучие. Поэтому вопрос «как облегчить и ускорить процесс обучения?» актуален и ныне.
У этого процесса есть масса субпроцессов и характеристик, в их число входят интеллект
и внимание. Целью проведённой работы являлось определение степени взаимосвязи
успешности обучения с характеристиками внимания и уровнем интеллектуального развития
студентов одного учебного потока ГУАПа, которые были объектом исследования, а соотношения их психических способностей с успешностью обучения, – предметом.
Первым шагом на пути достижения поставленной цели стало определение понятий. Так
из множества определений были выбраны следующие: интеллект – это способность, которая объединяет все познавательные способности индивида: ощущение, восприятие, память,
представление, мышление, воображение [1, с. 354]; внимание же, согласно Маклакову А. Г.,
является одним из психических процессов и характеризуется направленностью и сосредоточенностью психической деятельности [1, с. 25].
Второй шаг заключался в выборе методик оценки. Если данные об академической успеваемости уже были представлены в оцифрованном виде и подлежали математическому
анализу, то данные об интеллекте и внимании подлежали преобразованию, а значит, необходимо было определиться с выбором оценочного механизма.
Так был выбран тест Айзенка [2], как наиболее адекватный целям оценки интеллекта,
т. к. прогрессивные матрицы Равена [3, с. 60–96], хоть и являются более глубокими, но
предназначены для тестируемых категории школьного возраста, а тест интеллекта Векслера
[3, с. 109–112] слишком трудоёмок в реализации, хоть и даёт приблизительно такую же
оценку интеллекта испытуемого.
Наиболее же оптимальным способом получения оценки внимания оказался метод «Перепутанных линий» Рисса [3, с. 14–16], ввиду наибольшей простоты проведения и достаточной точностью определения показателей внимания. Возможности получения интегрального
показателя внимания, а так же в связи с тем, что нам необходимо в дальнейшем оценить
влияние степени развитости внимания в целом на успеваемость. Что вполне согласуется
с ограничением в виде необходимости проводить массовый результативный тест, чтобы
сэкономить время и создать одинаковые условия выполнения.
На третьем шаге был проработан порядок проведения тестирования, с максимальным
учётом всех требований к получению информации таких как: достаточность объёма; достоверность информации; при сборе информации должен вестись логический, арифметический
и другие виды контроля; доступность информации; актуальность данных; однородность
информации по месту, времени, технологии; экономичность получения (временные затраты); учёт погрешности результатов.
На четвёртом шаге был произведён сбор исходной информации об интеллекте, внимании и академической успеваемости посредством выбранных на третьем шаге методик.
Пятый шаг заключался в выполнении регрессионного анализа, который используется преимущественно в эмпирических психологических исследованиях [4] при решении
задач, связанных с оценкой какого-либо влияния, при конструировании психологических
тестов и т. д.
Так, используя полученные статистические данные, было построено уравнение многофакторной регрессии [5, с. 91–133], посредством модуля «Множественная регрессия»
в пакете программ «STATISTICA», и оценена адекватность полученных моделей. Для
проведения анализа была сделана выборка данных о психических и академических спо190
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
собностях студентов 4 факультета. Количество наблюдений в выборке составило 47.
Целью анализа являлось определение степени зависимости успеваемости от уровня
внимания, которые и стали факторными признаками со следующими названиями:
– успеваемость (средняя успеваемость студентов за предыдущие периоды обучения);
– интеллект (уровень интеллекта, полученный тестом Айзенка);
– внимание (показатель уровня внимания, полученный методом «перепутанных линий»).
В рамках построения уравнения множественной регрессии первым стало составление
матрицы парных корреляций. Для чего был использован коэффициент ранговой корреляции
Спирмэна, который применяется и к качественным, и к количественным характеристикам,
если они проранжированы. В построенной матрице все коэффициенты корреляции оказались значимы при уровне p  0.05 . Она так же показала, что существует средняя зависимость (0.77) между факторными признаками: успеваемостью и вниманием, а интеллект
и внимание связаны слабо (0.37). Сильных и очень высоких корреляций между интеллектом
и вниманием не выявлено, на этом основании было решено, что в нашей модели не было
мультиколлинеарности и все факторы уместны. На основании этого мы смогли использовать статистические методы для обработки наших параметров и данных.
Так было построено уравнение многофакторной регрессии посредством пошагового регрессионного анализа. На первом шаге построения было выявлено, что наибольшее влияние на успеваемость оказывает уровень интеллекта. Второй шаг, во время которого в модель был включён параметр внимания, показал, что академическая успеваемость языком
математики может быть представлена следующим образом:
Успеваемость  0.681 Интеллект  0.275  Внимание .
Так же была произведена оценка статистической значимости уравнения регрессии, содержащего статистически значимые параметры. Проверка значимости коэффициентов регрессии на основе t-критерия Стьюдента показала, что все отобранные факторы вошли
в модель и все коэффициенты существенны, что свидетельствует о правильном выборе
факторных признаков, при вероятности ошибки 5%
Проверка значимости уравнения регрессии на основе F-критерия, Фишера-Снедекора,
выявила, что расчетное значение F-критерия больше критического значения критерия Фишера-Снедекора (42.2 > 3.2).Из этого следует, отвергается гипотеза об отсутствии множественной корреляционной связи между академической успеваемости и группой факторов,
внимания и интеллекта, на уровне значимости 0,01. Т. е. взаимосвязь присутствует с вероятностью 95%.
2
Коэффициент детерминации R оказался равным 0.66; а скорректированный коэффициент детерминации – 0.64. Это значит, что построенная модель описывает лишь 64% данных из рассматриваемой выборки. Такая величина является недостаточной для признания
модели пригодной для прогнозирования (64% < 85%). Однако полученные результаты позволяют делать обобщённые выводы.
На шестом шаге была произведена математико-психологическая интерпретация уравнения регрессии, которая показала, что согласно построенной модели, если уровень интеллекта увеличится на единицу, то происходит рост успеваемости в среднем на 0.681. Причем
нужно помнить, что данные были стандартизованы, и анализировались не сами значения
показателей, а их отклонения от среднего. Таким образом, происходит не рост непосредственно успеваемости, а ее отклонения от среднего.
191
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
В рамках интерпретации для качественных характеристик был произведён анализ знаков, показавший, что в нашем случае оба исходных параметра, как внимание, так и интеллект, входят с положительным знаком и, значит, находятся в прямой зависимости с успеваемостью. Т. е., увеличение значения переменных приведёт к росту результирующего
признака «Успеваемость». Можем сказать, что эти положительные коэффициенты отражают
реальную ситуацию: т. к. внимательный и концентрированный слушатель, обучающийся
воспримет больше информации, нежели когда он будет распылён на различные объекты,
в то же время, лишь обладая определёнными знаниями в контексте алгоритмов решения
задач можно эффективно обработать получаемые знания.
Коэффициент детерминации R 2  64 показывает, что на 64% вариации уровня успеваемости объясняются вошедшими в модель показателями. Остальная часть обусловлена
действием неучтенных факторов.
Результатом нашего исследования стало заключение, что на успеваемость студентов
влияют не только интеллект и внимание, хотя интеллект обладает наибольшим вкладом.
Было весьма затруднительно учесть такие исходные параметры, как настроение, социальная среда развития, взаимоотношения в семье, текущие жизненные цели и задачи, степень
умения/неумения решать некоторые прикладные задачи. Все эти неучтённые параметры
говорят нам о том, что всегда будет некоторая погрешность, связанная с невозможностью
знать все характеристики исходного состояния. В то же время было выяснено, что внимание
оказывает значительное влияние на уровень интеллектуального развития, что подтверждается структурой предложенной А. Г. Маклаковым, которая предполагает вхождение внимания в интеллект на правах составляющей.
Следствием этих результатов является подтверждение выдвинутой гипотезы о том, что
текущая академическая успеваемость больше зависит от интеллектуального развития, чем
от уровня внимания, поэтому для её повышения необходимо больше внимания уделять
уровню интеллекта.
Однако следует указать, что в лонгитюдном исследовании могут получиться отличные
результаты, ввиду того, что внимание не только оказывает, пусть, меньшее, но, всё же,
прямое влияние на успеваемость, но и, что самое главное, участвует в формировании интеллекта на протяжении всей жизни.
На этом основании выдвигаем новую гипотезу, которая может стать темой нового научного исследования: развитие внимания – основа повышения интеллекта и студенческой
успеваемости.
Библиографический список
1. Маклаков А. Г. Общая психология. СПб.: Питер, 2001. 592 с.
2. Айзенк Г., Новые IQ тесты. М.: Эксмо, 2003. 192 с.
3. Миронова Е. Е. Сборник психологических тестов. Ч. II: Пособие. Мн.: Женский институт ЭНВИЛА, 2006. 146 с.
4. Немов Р. С., Психология. Кн. 3: Психодиагностика, введение в научное психологическое исследование с элементами математической статистики. М.: ВЛАДОС, 2001. 4 изд. 640 с.
5. Дубров А. М. и др., Статистические методы. М.: Финансы и статистика, 2003. 352 с.
__________
192
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 500.599.51
Д. В. Болатов – студент кафедры компьютерной математики и программирования
М. В. Фаттахова (канд. физ.-мат. наук, доц.) – научный руководитель
ЭКОНОМИКО-МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
ФОРМИРОВАНИЯ ПРОИЗВОДСТВЕННОГО ПЛАНА
С ЗАЛОЖЕННЫМ ПЕРЕПРОИЗВОДСТВОМ
В связи со значительным технологическим прогрессом в обществе появилась потребность в новом социоэкономическом устройстве мировой экономики, что обусловлено отсутствием новых реальных рынков, поляризацией материальных благ и социальным расслоением, но уже на уровне государств, что в свою очередь ведёт к нестабильности и локальным
или глобальным конфликтам. По этой причине мною была разработана система из трёх
моделей: социальной, экономической и математической. В данной работе рассматривается
последняя, т. к. именно на ней основывается техническая возможность осуществления двух
других.
Существуют две основные формы экономик: рыночная и плановая. Задача, которая всегда стояла и стоит перед человечеством, это выбор наиболее эффективной и целесообразной из них. Л. В. Канторович сделал шаги в этом направлении, показав [1], что если «рынок»
ниже глобального максимума – самого выгодного экономического решения – лишь в несколько
раз, то плановая экономика при низкоэффективном компьютерном парке хуже оптимума на
порядки. Так же известно из изысканий В. М. Глушкова [2], что сложность нахождения глобального оптимума растёт по степенному закону, ввиду того, что план производства, может
быть сформулирован как система линейных уравнений материального баланса, что обосновал в своё время В. В. Леонтьев [3]. В свою очередь Ф. Хайек [4] показал, что гипотетический всепланирующий центр не в состоянии собрать большинство необходимых данных
для формирования матрицы коэффициентов производственного баланса. Всё это говорит
о нецелесообразности плановой экономики при низком КПД ЭВМ, при отсутствии всеобъемлющей информации о массе параметров рынка в целом и спроса в частности [5].
Однако НТП не стоит на месте, и ныне мы пришли в эпоху, когда мир окутан сетями Интернет, а глобальная экономика, в лице ВТО, включает в себя все наиболее известные рынки. В то же время вычислительные мощности, согласно закону Мура растут экспоненциально, а вся информация стекается в интернет, и уже огромная часть заказов делается через
него, или оценивается маркетологами с изрядной точностью. Возможно, закон Мура (в части
причины роста скорости обработки информации) и утрачивает свою актуальность, однако
этот вопрос снимается многоядерностью процессоров и грядущем открытии квантового
компьютера, о финальной стадии разработки которого заявила IBM. Всё это говорит о том,
что уже в ближайших двух десятилетиях [6] плановая экономика станет более эффективной,
нежели рыночная.
В связи со всем вышесказанным возымела смысл мною разработанная экономикоматематическая модель, отражающая глобальное формирование производственного заказа
на товары (услуги), что целесообразно лишь при условии включённости всех средств производства в единую систему. Особенностью моей модели является то, что она учитывает
появившуюся благодаря интернету возможность аккумулировать данные о спросе на любой
193
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
товар (услугу), а так же то, что в её рамках решается вечная задача уравнивания спроса
и предложения, путём рационального перепроизводства, а значит введением фиктивного
потребителя, что является возможным ввиду условия, состоящего в предположении о единственности государства, т. е. отсутствии государств-конкурентов, а, значит, отсутствии необходимости жертвовать чем-либо важным, как, например, жизнь или социальное благополучие, в текущий момент времени, во имя повышения конкурентоспособности и прибыли.
Итак, основное уравнение экономики должно всегда оставаться выполненным P  C ,
где P (proposition) – совокупный объём предложения товара (услуги); С (consommation) –
совокупный объём потребления. Причём
P  Pгос  Pчастн ,
где Pгос – объём предложения товара (услуги), формируемый государством; Pчастн – объём
предложения товара (услуги) частными организациями;
С  Сзащ  Сгос  Счастн  Счист ,
где Сзащ – объём потребления государством непотреблённого товара (услуги); Сгос –
объём потребления государством товара (услуги); Счастн – объём потребления товара
(услуги) частными организациями; Счист – объём потребления товара (услуги) физическими
лицами.
Важнейшей составляющей модели, является система уравнений, описывающих формирование глобального заказа на производство товаров (услуг) в следующем за текущим плановом периоде на основании информации об уже сформированном заказе, об остатках
товара предыдущего текущему планового периода, о значении коэффициента перепроизводства для каждого товара (услуги):
C ()  t 1   j   tj1 ,
j
ост
j
1 ,
Ci k ()  t k 1  ki  ktост
1 ,
C l ()  tl1   l   t ост
i 1 mhmax f
Ci m ()  a mj  C j ()  

f 1 mh 1
i 1 kmax f
a mf  Cfmh ()  
mh
i max mmaxi
C r ()  a j  C j ()  
i 1
 a
m 1
 a
f 1 k 1
m
f
k
 Cfk () ,
i max kmax
i
m
 Ci m ()    a i  Ci k () ,
i 1 k 1
k
где C j () – объём заказа товара (услуги) класса  типа j с заложенным перепроизводством;  ,  ,  ,  ,  – класс товара (услуги); j, k, l, m, r – номер типа товара (услуги) в своём
t 1
классе;  j – коэффициент перепроизводства товара (услуги)  j ;  j – объём товара
(услуги) j, не являющегося сырьём или условием производства другого товара (услуги), но
требующего для своего создания любых других товаров (услуг), заказанный потребителями

j
j
 Счист
в этом периоде для получения в следующем, причём  j  Сгосj  Счастн
;  ki – объём
194
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
товара (услуги) k, являющегося сырьём или условием производства другого товара (услуги),
но требующего для своего создания любых других товаров (услуг), заказанный потребитеki
i
лями в этом периоде для получения в следующем, причём  k  Счист
;  li – объём товара
(услуги) l, являющегося сырьём или условием производства другого товара (услуги), но не
требующего для своего создания любых других товаров (услуг), заказанный потребителями
 li
i
в этом периоде для получения в следующем, причём  l  Счист
;  mi – объём товара (услуги)
m, являющегося сырьём или условием производства другого товара (услуги), но требующего
для своего создания любых других товаров (услуг), затребованный производствами в этом
i
 mi
i
периоде для получения в следующем, причём  m  Сгосm  Счастн
;  r – объём товара (услуги) r, являющегося сырьём или условием производства другого товара (услуги), но не требующего для своего производства любых других товаров (услуг), затребованный производt 1
r
r
 Счастн
ствами в этом периоде для получения в следующем, причём  r  Сгос
;  jост –
остаток товара  j на складах с прошлого периода; i – номер итерации (уровня вычислений); a mf – норма затрат ресурса  m , на производство единицы товара (услуги)  mhf , при
mh
надлежащего итерации f; mhтax f – максимальный порядковый номер товара (услуги) m
для f-ой строки.
Следует отметить, что самую главную роль во всей модели играет, коэффициент перепроизводства для товара (услуги)  j , спрос на который положителен. Он основан на идее,
что реальное потребление должно превзойти реальное предложение со статистически
незначимой вероятностью, что обуславливается учётом возможного производственного
брака, вероятности утратить ту или иную долю продукции, а так же оценки маркетологами
объёма спонтанного спроса, в том числе, что самое важное, возможного отклонения от их
прогнозов. Итак, коэффициент перепроизводства может быть выражен:



t j1  1  M j  P j (Q)   j или t 1  1  M  1  p (Q) 1  отн 
j
j
j
где M  j 
 M абс 
j
 
j
,
j
– оценка маркетологами объёма спонтанного спроса на товар
j
(услугу)  j , который будет потреблён в следующем периоде, выраженная в долевом отношении к заказанному объёму, причём M абс является этой же оценкой в абсолютном выражении, а  представляет собой выраженное в абсолютных величинах максимальное отj


клонение реального спонтанного спроса от его оценки; P j (Q)  1  M  j  p j (Q) –
защитный показатель, обусловленный статистической вероятностью остановки (утраты)
некоторой доли производства (предложения) товара (услуги)  j , причём эта вероятность
p j (Q)  1  P j ( А) 
b max
 p (b) , где А – событие, состоящее в том, что отсутствуют утраb 1
j
ты и остановки производства товара (услуги)  j , а p(b) – вероятности форс мажоров раз195
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ


 b max

личного рода;  j  1  M  j  1   p j (b)   отн  – защитный показатель брака тоj
b 1


вара (услуги)  j , вычисляемый относительно спроса сформированного с учётом оценки
маркетологов, вероятности форс мажоров и заказанного объёма товаров;
отн 
j
–
максимальная доля брака товара (услуги)  j за всю историю статистики, для случаев,
когда рассматриваемый товар не имелся ранее на рынке и по нему нет никакой статистики,
N
вместо отн  используется: отн
 – прогнозная доля брака товара (услуги)  j .
j
j
Эффективность решения поставленной задачи может оцениваться путём вычисления
показателя защищённости L от колебаний спроса  , который должен быть меньше единицы по завершении планового периода:
( P  ) ,  P  C  P  C  P  (С  С
,
L
защ
гос
частн  Счист )
 P
где  – реальный объём спроса;  – коэффициент устойчивости, показывающий перепроизведённую долю объёма товаров (услуг), который в свою очередь для повышения эффективности должен стремиться к нулю, т. е. должны уменьшаться вероятности форс мажоров, брака и неточность маркетологических исследований; выражен он может быть
следующим образом:


j
j
 P j (Q)   j
 j
В вышеописанной модели решена проблема неравенства спроса и предложения, путём
упразднения дефицита, свойственного плановым экономикам, за счёт перепроизводства,
которое, в свою очередь, становится экономически целесообразным в отсутствии государственной конкуренции и выгоды любой ценой, что станет возможным лишь при условии
глобального социалистического государства, особенности которого в рамках одной лишь
математической модели полностью не удастся раскрыть.
Библиографический список
1. Kantorovich L. V., Essays in Optimal Planning. Oxford : Blackwell, 1977. 251 p.
2. Глушков В. М., Макроэкономические модели и принципы построения ОГАС. М.: Статистика, 1975. 160 с.
3. Леонтьев В. В., Экономические эссе. Теория, исследования, факты и политика. М.: Политиздат, 1991. 415 с.
4. Hayek F. F., The Fatal Conceit: The Errors of Socialism Edited by William W. Bartley, 1988. 194 p.
5. Лукьянов Г. А. Прямое моделирование социально-экономических процессов в обществе на реальном уровне как
научная проблема и суперкомпьютерная информационная технология СПб.: Институт высокопроизводительных
вычислений и баз данных, 1999. 36 с.
6. Вассерман А. А. Отрицание отрицания//Бизнес-журнал. 2011. № 6. С. 91.
___________
196
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.65:574.5
Т. С. Болгова – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
ИНФОРМАЦИОННАЯ СИСТЕМА ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
ВОДНЫХ ОБЪЕКТОВ
Мониторинг водных объектов является составной частью системы мониторинга окружающей природной среды.
Мониторинг водных объектов осуществляется в следующих целях [1]:
 своевременного выявления и прогнозирования развития негативных процессов, влияющих на качество вод и состояние водных объектов, разработки и реализации мер по
предотвращению вредных последствий этих процессов;
 оценки эффективности осуществляемых водоохранных мероприятий;
 информационного обеспечения управления и контроля в области использования
и охраны водных объектов.
Жизненный интерес к особенностям экологии водной среды северо-западного района,
а также необходимость прогнозировать экологическую обстановку в будущем потребовали
организовать процесс сбора и обработки фактического материала, без наличия и осмысления которого невозможно создание каких-либо имитационных моделей и развитие научных
теорий и практических рекомендаций [2].
Действующая система экологического мониторинга, выполняемого как научными учреждениями, так и федеральными контролирующими органами, малоэффективна не только по
причине низкой технической оснащенности, но и, в значительной мере, в силу игнорирования современных методов управления данными и комплексной математической обработки
результатов многомерных наблюдений. Остается невостребованным и с каждым годом
теряется богатейший материал по гидрохимии природных водных систем, накопленный
в течение десятилетий региональными службами Госкомгидромета.
Решение экологических проблем, уже существующих и будущих, невозможно без использования компьютеров и современных технологий. Обработка большого количества
информации требует значительных временных и финансовых затрат, поэтому для обработки данных разрабатываются различные информационные системы.
Информационная система экологического мониторинга водных объектов создается
с целями:
 ускорения процедур прохождения информации от стадии сбора первичной информации до анализа преобразованных сведений;
 повышения качества обработки и обеспечения надежности хранения водохозяйственной информации;
 достижения открытости, прозрачности и управляемости информационных процессов
в системе водного хозяйства.
Разработанная информационная система предназначена для ведения и оперативной
выборки гидробиологических и гидрохимических данных, необходимых для комплексного
анализа структурных деформаций, проходящих в изучаемой экосистеме под влиянием антропогенных воздействий.
197
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Разработанная информационная система гидробиологических данных представляет собой совокупность реляционных таблиц, где каждое отдельно взятое наблюдение (гидрохимический показатель или параметр обилия каждого вида в конкретной гидробиологической
пробе) информационно связано со спецификацией водоема, координатами и характеристиками точки отбора проб, а также датой проведения экспедиции.
Обобщенная информационная модель базы данных состоит из двух типов таблиц: таблиц-справочников условно-постоянного назначения, необходимых для точной рубрикации
хранимых показателей, и информационных таблиц с первичными результатами наблюдений
в период экспедиционных исследований.
Информация по фитопланктону представлена в виде таблиц, которые содержат данные
о пробе, кодировке массовых видов и видов индикаторов, характеристиках условий сбора,
метеоусловиях, а также дату, координаты географического района станции сбора и другие
гидрохимические и гидрологические характеристики.
Информация об объектах разбита внутри банка данных на 11 таблиц. В таблице Fitopl содержатся данные по общей численности, биомассе и общем числе видов фитопланктонных организмов в пробе и данные по численности, биомассе и числе видов фитопланктона по 7 основным
учитываемым группам: Diatoma, Chlorophyta, Cyanophyta, Chrisophyta, Pyrrophyta, Xantophyta,
Euglenophyta. Таблица Fkind содержит данные по массовым видам и видам-индикаторам: процент от общей численности, процент от общей биомассы, сапробность, индицируемая по конкретным видам. В таблицу Fakva включены данные, характеризующие место и условия отбора
проб: прозрачность, горизонт, с которого отбиралась проба, индекс сапробности и класс чистоты
воды. Таблица Species содержит полный список определяемых в пробах видов.
В таблицах ChAqua, Pollutants и BiogenProperties содержатся сведения об основных гидрологических и метеорологических параметрах: солености, температуре поверхности воды,
силе и направлении ветра, скорости и направлении течения, а также основные гидрохимические показатели: содержания кислорода, азота нитратного и нитритного, фосфора, кремния, фенолов, нефтепродуктов в воде.
Данные для наполнения базы данных взяты из сборников качества вод Финского залива
по гидробиологическим и гидрохимическим показателям [3, 4].
Функционирование информационной системы обеспечивает решение следующих задач:
 обеспечение сбора, накопления, обработки, анализа и распространения данных для
оценки состояния водных объектов и прогноза их изменений под влиянием различных факторов;
 развитие и стандартизация автоматизированных технологий мониторинга состояния
водных объектов, подготовка и распространение регламентированной водохозяйственной
информации в установленном порядке и режиме;
 обеспечение безопасности и устойчивости функционирования информационных
технологий, а также защиты информационных ресурсов.
Библиографический список
1. Шитиков В. К. и др. Количественная гидроэкология: методы системной идентификации. Тольятти: ИЭВБ РАН,
2003. 463 с.
2. Алимов А. Ф. и др. Невская губа – опыт моделирования. СПб.: Научный центр РАН, 1997. 375 с.
3. Ежегодники качества морских вод восточной части Финского залива по гидробиологическим показателям за 1981–
1990 гг., «Обзоры состояния водных объектов по гидробиологическим показателям на территории СЗУГКС».
Ленинград, 1981-1990.
4. Ежегодные гидрохимические данные о качестве морских вод за 1986-1989 гг. Химический состав вод восточной
части Финского залива и загрязненность поверхности Балтийского моря пленкой нефтепродуктов. Л., 1987–1990.
__________
198
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.946, 004.031.42.
Д. А. Булгаков – магистрант кафедры вычислительных систем и сетей
Н. Н. Решетникова (канд. техн. наук, доц.) – научный руководитель
ПРИМЕНЕНИЕ АЛГОРИТМА ASTAR (A*)
ДЛЯ ЗАДАЧ АДАПТИВНОЙ НАВИГАЦИИ
В ВИРТУАЛЬНОМ ТРЕХМЕРНОМ ПРОСТРАНСТВЕ
Первоначально задача навигации определялась как процесс перемещения через виртуальную среду. В дальнейшем в это определение включили процесс нахождения пути перемещения. Наконец, его расширили еще и средствами и указателями для успешной навигации. Таким образом, навигация – процесс, при котором пользователи управляют своим
движением, используя окружающие указатели и искусственные средства типа карт, так,
чтобы они могли достигнуть своих целей без возможности потеряться.
Таким образом, задача адаптивной навигации в виртуальной среде заключается в том,
чтобы помочь пользователям найти свой путь, в частности – в трехмерной среде с шестью
степенями свободы.
Существует три метода адаптивной навигации:
– прямое руководство. При прямом руководстве система анализирует маршрут от
начальной точки до конечной и в явном виде отображает его пользователю;
– пошаговая инструкция. При этом методе весь путь разбивается на некоторое количество отдельных контрольных точек. Начиная с первой точки, система дает пользователю
подсказки для достижения следующей. Подсказки могут быть визуальными (маркер) или
голосовыми;
– сокрытие. При методе сокрытия система скрывает полностью или частично те объекты окружающей среды, которые мешают прямой видимости конечной точки маршрута.
А* – алгоритм поиска по первому наилучшему совпадению на графе, который находит
маршрут с наименьшей стоимостью от одного узла (начального) к другому (целевому, конечному).
Алгоритм A* использует термин узел для определения сегмента исследуемого пути. Таким образом, путь будет состоять из стартового узла, конечного и списка узлов, которые
формируют лучший путь между ними.
Порядок обхода узлов определяется эвристической функцией «расстояние + стоимость», которая обычно обозначается как
. Эта функция является суммой двух других
функций: функции стоимости достижения рассматриваемого узла из начального (обозначается как
) и эвристической оценкой расстояния от рассматриваемого узла к конечному
(обозначается как
).
Рассмотрим процесс работы алгоритма A* на конкретном примере.
На рис. 1 круг в центре – стартовый узел. Все соседние узлы имеют указатель, направленный на центральный. Выберем один из соседних узлов. Тот, у которого стоимость меньше. Для оценки стоимости воспользуемся формулой
.
Путь генерируется путем повторного прохода через открытый список и выбора узла
с наименьшей стоимостью F. Рассмотрим вычисление стоимости F.
199
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 1. Начало поиска
Рис. 2. Стоимости соседних узлов
Присвоим вертикальным и горизонтальным перемещениям стоимость 10, а диагональным – 14. Хотя правильнее было бы использовать значения 1 и
, при таких числах алгоритм будет вычисляться значительно дольше. Поскольку при значениях 10 и 14 соотношение сохраняется, то предпочтительнее использовать именно такие целые числа (рис. 2).
Следующая составляющая стоимости – предполагаемая стоимость перемещения от
выбранного узла до конечного. Эта составляющая делается с помощью эвристики (гипотезы
или предположения), которая представляет собой формулу или алгоритм. Одна из самых
простых эвристик в этом случае – определить расстояние между этими двумя узлами с помощью теоремы Пифагора:
,
где S – расстояние между узлами; x – расстояние между столбцами в которых находятся
узлы; y – расстояние между строками в которых находятся узлы.
Расстояние S и есть H из формулы полной стоимости. Вычислим её; результат на рис. 3.
Рис. 3. Полная стоимость для каждого узла
Рис. 4. Конечный этап поиска пути
Опишем пошаговый алгоритм A*.
1. Добавляем стартовый узел в открытый список.
2. Повторяем следующее:
а. Поиск в открытом списке узла с наименьшей стоимостью F. Делаем его текущим.
б. Помещаем его в закрытый список. (И удаляем из открытого).
в. Для каждого из соседних восьми узлов:
 если узел непроходим или находится в закрытом списке, игнорируем. В противном
случае делаем следующее;
 если узел еще не в открытом списке, то добавляем его туда. Делаем текущий узел
родительским для этого узла. Рассчитываем стоимости F, G и H узла;
200
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
 если узел уже в открытом списке, то проверяем, не дешевле ли будет путь через этот
узел. Для сравнения используем стоимость G. Более низкая стоимость G указывает на то,
что путь будет дешевле. Если это так, то меняем родителя узла на текущий узел и пересчитываем для него стоимости G и F.
г. Останавливаемся если:
 добавили целевой узел в открытый список, в этом случае путь найден;
 открытый список пуст и мы не дошли до целевой клетки. В этом случае путь отсутствует.
3. Сохраняем путь. Двигаясь назад от целевого узла, проходя от каждого узла к его родителю до тех пор, пока не дойдем до стартового узла. Это и будет путь.
Особенность алгоритма A* в том, что он может дать оптимальный путь независимо от
того, какая эвристика используется. И этих оптимальных путей может быть несколько, т. е.
стоимость их будет одинакова, а сами пути будут содержать разные узлы.
Таким образом, использование «лучшей» эвристики не значит, что она вернет кратчайший путь. Но некоторые эвристики работают быстрее, чем другие. Наибольшее различие
между ними это количество узлов проверяемых при поиске пути каждой эвристикой.
Рассмотрим реализацию алгоритма в виртуальном пространстве на основе движка Virtools.
Движок Virtools изначально поддерживает алгоритм A* с двумя эвристическими методами его реализации: Евклида и Манхэттенским.
Создадим в пространстве сетку (grid). Сетка (Grid) является стандартным объектом
Virtools. Сетка представляет собой трехмерный объект, состоящий из прямоугольных секторов размер, положение и цвет которых можно изменять. Цвет сектора является его основным параметром. За счет изменения цвета можно задавать различные условия, при выполнении или невыполнении которых будет генерироваться событие.
На рис. 5 изображена сетка, цветные сектора которой будут являться условными препятствиями. Положение персонажа отмечено квадратом, цели – кругом. Линиями показан
итоговый путь персонажа. Верхняя линия – с применением эвристики Эвклида, нижняя –
с применением эвристики Манхэттена.
Вслед за сеткой создается действующее лицо – персонаж. Как правило, персонаж экспортируется из программы 3D моделирования, т. к. сам движок Virtools не позволяет придавать свойства персонажа обычному 3D объекту. Далее для персонажа создается сценарий
(скрипт) в котором будет размещен алгоритм, показанный на рис. 6.
Основным функциональным блоком является блок Grid Path Solver. Он активирует алгоритм поиска пути, учитывая заданные условия. Его строение показано на рис. 7.
Рис. 5. Вид сетки в редакторе
Рис. 6. Оновной алгоритм
201
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 7.Содержание блока Grid Path Solver
Рассмотрим некоторые наиболее значимые пункты:
– G o a l P o s i t i o n R e f – ссылка на положение цели. Указав в данном пункте какойлибо объект, система будет постоянно отслеживать изменения его положения и корректировать алгоритм. При указании позиции строго, через предыдущий пункт, система просчитает
путь один раз до конкретно заданной точки.
– H e u ri s t i c M e t h o d – используемый эвристический метод. Всего доступно два метода: Евклидовый и Манхэттенский. Евклидовый доступен в трех разновидностях: простой,
квадратичный и оптимизированный.
– H e u ri s t i c F a c t o r – определяет важность эвристики при расчетах.
Для реализации метода пошаговой инструкции создадим граф из 3D-фреймов – невидимых трехмерных объектов.
После создания достаточного количества фреймов и расположения их в сцене, необходимо объединить их в группу и создать для этой группы сценарий. В этот сценарий помещается один единственный блок – Create Nodal Path (создать путь по узлам).
Данный блок не имеет входов, выходов и не использует никакие переменные. Он является своего рода конструктором сетки путей. Его строение показано на рис. 8. Фреймы обозначены белыми кругами.
На панели инструментов можно масштабировать, и перемещать вид, а также добавлять,
удалять узлы, связи между узлами и препятствия. Связь между двумя узлами может быть
однонаправленной и двунаправленной.
После создания необходимых связей в сцену добавляется персонаж и для него создается скрипт. Опишем последовательно принцип его работы:
1. Фиксируется произведенный клик левой кнопкой мыши в пространстве сцены.
2. Определяется местоположение курсора в момент клика.
3. Если клик произведен вне области сцены, то возвращаемся в начальное состояние,
иначе определяется ближайший к месту клика узел. Этот узел считается концом пути.
202
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 8. Строение блока Create Nodal Path
4. Определяется ближайший узел к текущему положению персонажа.
5. На блок поиска пути поступает информация о двух узлах:
– стартовом (начальное положение персонажа);
– конечном (ближайший к точке клика).
6. Находится промежуточный узел, если таковой имеется, между начальным и конечным.
7. При наличии промежуточных узлов, на позицию ближайшего узла к персонажу ставится визуальный маркер.
8. После прохождения персонажем первого промежуточного узла, метка перемещается
на следующий. Так происходит до тех пор, пока персонаж не достигнет конечного узла.
Алгоритм A* появился в 1968 г., но до сих пор остается актуальным и востребованным
алгоритмом. Он применяется во многих играх и обучающих приложениях.
Движок Virtools изначально поддерживает данный алгоритм с двумя эвристическими методами работы, что позволяет эффективно решать задачи поиска пути и адаптивной навигации в виртуальной среде.
Библиографический список
1. Игнатьев М. Б., Никитин А. В., Войскунский А .Е. Архитектура виртуальных миров. СПб., 2009.
2. Русскоязычный форум Virtools (электронный ресурс). Режим доступа: http://virtools.ve-group.ru/ (свободный).
3. Королев С. Основы Virtools: 2-я редакция. 2008.
4. Кейт Петерс. AdvancED ActionScript 3.0 Animation. 2008.
5.
Брайан Стоут. Smart Moves: Intelligent Pathfinding (статья). 1997.
6. Патрик Лестер. Алгоритм A* для новичков (статья). 2004.
__________
203
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 629.735.33
А. А. Далецкий, Д. Б. Шабашев – студенты кафедры моделирования вычислительных
и электронных систем
Е. А. Бакин – научный руководитель
РАЗРАБОТКА ЛАБОРАТОРНОГО МАКЕТА
ПО ИЗУЧЕНИЮ ЭЛЕКТРОННОГО ДАТЧИКА ДАВЛЕНИЯ
Давление является одной из ключевых теплотехнических величин, важным параметром
технологических процессов. Датчики давления предоставляют наиболее важную информацию о технологическом процессе и обеспечивают безопасность его протекания. Сегодня
область применения датчиков давления охватывает многие отрасли промышленности, такие как: пищевую, фармацевтическую, химическую, нефтеперерабатывающую энергетическую, машиностроение, водоочистку и т. д. Для измерения различных параметров давления
используются специализированные датчики. Список измеряемых этими приборами параметров не ограничивается только давлением и перепадом давления. Уровень жидкостей,
расход жидкостей и газов также могут быть косвенно измерены ими [1]. По принципу функционирования датчики давления подразделяются на механические и электронные. Наиболее распространёнными механическими датчиками давлениям являются манометры, но
в связи с их недостатками на смену им приходят электронные датчики давления. Очевидно,
что для студентов, обучающихся, по специальности представляется важным изучение электронных датчиков давления, их характеристик и физических процессов, связанных с их работой. Для этой цели служит разрабатываемый макет, предназначенный для курса «Датчики».
Датчики давления классифицируются по типу измеряемого давления (абсолютного, относительного, дифференциального) и по типу рабочей среды (газообразная, жидкая, парообразная, агрессивная).
Существует несколько критериев выбора датчика давления: тип датчика, определяющийся по типу давления, действующему на чувствительный элемент (абсолютное, относительное, дифференциальное), погрешность в диапазоне рабочих температур (от 5% до
10%), тип среды, давление которой измеряется датчиком (сухой газ), величина питающего
напряжения (5 В, 12 В), а так же простота устройства (минимальное количество дополнительных компонентов для включения)
Руководствуясь выше изложенными критериями, в данном лабораторном макете был
выбран датчик абсолютного давления сухого газа МРХ4250АР фирмы Motorola. Данный
датчик обладает следующими особенностями:
– диапазон измерений от 0 до 250 кПа;
– малые габариты и вес (3х2.8см);
– напряжение питания 5В;
– возможность сопряжения с микропроцессорными модулями.
Как и у большинства существующих электронных датчиков давления наблюдается прямая зависимость показаний датчика от напряжения питания. Ниже на рисунке 1 представлен
внешний вид выбранного датчика.
Датчик имеет 6 выводов, 3 из которых выводы 4,5 и 6 не используются в данном лабораторном стенде. 3-ий используется для подачи питания, 2-ой – земляной, с 1-ого снимается
204
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
выходной сигнал. На рис. 2 представлена предложенная принципиальная схема включения
данного датчика.
В данной схеме диод VD1 предназначен для защиты схемы от переполюсовки. Конденсатор С1 осуществляет фильтрацию по питанию, а С2 – сглаживание выходного сигнала.
Рис. 1. Внешний вид
датчика МРХ4250АР
Рис. 2. Принципиальная схема
Выполнение лабораторной работы состоит из двух этапов. На первом этапе производится снятие статической характеристики с целью изучения зависимости выходного сигнала
от текущего давления. График данной зависимости согласно паспорту датчика представлен
на рис. 3 [2].
Рис. 3. Статическая характеристика датчика
Вторым этапом будет являться анализ зависимости точности работы датчика от
стабильности питающего напряжения. Конструкция лабораторного макета приведена
на рис. 4.
Здесь: 1 – корпус лабораторной установки; 2 – мультиметр; 3 – рабочий объём; 4 – датчик давления; 5 – источник питания; 6 – трубка соединяющая компрессор и рабочий объём;
7 – кнопка включения питания; 8 – манометр; 9 – компрессор; 10 – клапан для стравливания
давления; 11 – регулятор питания; 12 – трубка соединяющая датчик и рабочий объём.
205
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 4. Конструкция лабораторного макета
Предлагаемый вариант стенда имеет следующие достоинства: наглядность физических
процессов, простота использования, невысокая себестоимость. Возможны следующие
дальнейшие усовершенствования, такие как: изменение температуры газа и сопряжение
лабораторного стенда с ПК.
Библиографический список
1. http://www.pressure.ru/sensors.shtml
2. Datasheet MPX4250AP FREESCALE SEMICONDUCTOR
__________
УДК 681.5.015.23
В. В. Дегтярев – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
МЕТОД ИМИТАЦИИ ОТЖИГА В ЗАДАЧАХ ПАРАМЕТРИЧЕСКОЙ ОПТИМИЗАЦИИ
В современном научном мире существует множество задач, сводящихся к поиску глобального оптимума некоторой функции. Однако из-за сложности нахождения глобального
минимума (или максимума), решение задачи поиска сводится к нахождению локальных
206
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
экстремумов, что зачастую неприемлемо в рамках, налагаемых на анализируемую систему ограничений. Сегодня возможно использование современных ЭВМ для расширения возможностей
решения задач по нахождению глобальных экстремумов. На сегодняшний день метод отжига для
нахождения глобального минимума широко применяется во многих оптимизационных задачах –
финансовых, телекоммуникационных сетях, а также для обучения нейронных сетей.
Метод отжига в физике и металлургии – вид термической обработки металлов и сплавов, при котором производится нагревание, а затем медленное охлаждение метала. Вследствие этого происходит переход структуры кристаллической решетки в более равновесное
(упорядоченное) состояние.
Метод имитации отжига – это техника оптимизации, использующая упорядоченный случайный поиск на основе аналогии с процессом образования в веществе кристаллической
структуры с минимальной энергией при охлаждении.
В процессе проектирования обычно возникает задача определения наилучших значений
параметров объекта. Такая задача называется оптимизационной. Если оптимизация связана с расчетом оптимальных значений параметров при заданной структуре объекта, то она
называется параметрической оптимизацией [1].
Стандартная математическая задача оптимизации формулируется следующим образом.
Среди элементов x, образующих множество X, найти такой элемент x, который доставляет
минимальное значение f(x) заданной функции f(x). Для того, чтобы корректно поставить
задачу оптимизации необходимо задать:
– допустимое множество – множество x;
– целевую функцию;
– критерии поиска (min или max).
От класса решаемой задачи зависит выбор конкретного метода оптимизации. Задачи
можно классифицировать по виду целевой функции и области допустимых решений, которая задаётся системой равенств и неравенств или более сложным алгоритмом.
Методы оптимизации классифицируют в соответствии с задачами оптимизации:
– локальные методы сходятся к какому-нибудь локальному экстремуму целевой функции;
– глобальные методы имеют дело с многоэкстремальными целевыми функциями.
Существующие в настоящее время методы поиска можно разбить на три большие группы:
– детерминированные;
– случайные (стохастические);
– комбинаторные.
Приведем примеры алгоритмов для каждой из групп алгоритмов.
Среди детерминированных методов можно отметить:
– метод Фибоначчи;
– троечный поиск.
Среди стохастических методов можно выделить:
– метод Монте-Карло;
– метод имитации отжига;
– эволюционные алгоритмы;
– генетические алгоритмы;
– дифференциальная эволюция;
– муравьиный алгоритм;
– метод роя частиц.
207
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
В группе комбинаторных методов часто рассматривают метод ветвей и границ.
Рассмотрим задачу нахождения глобального минимума с использованием алгоритма
имитации отжига для некоторой функции f(x), на множестве x на некотором пространстве S.
Элементы множества S представляют собой состояние физической системы, значение
функции f интерпретируется как энергия системы в точке E = f(x). Алгоритм имитации отжига
подразумевает, что система в каждый момент времени должна обладать какой-то температурой T. Как правило, с течением времени температура уменьшается. При попадании
в состояние x при температуре T, следующее состояние системы выбирается в соответствие с заданным порождающим семейством вероятностных распределений ( x ,T ) . Это
семейство при фиксированных T и x задает случайный элемент G( x ,T ) со значением
в пространстве S. После генерации нового состояния x   G( x ,T ) , система с вероятностью
h( E ,T ) переходит к следующему шагу с состоянием x  , в противном случае генерация
x  повторяется. Здесь E обозначает приращение функции энергии f ( x )  f ( x ) . Величина h( E ,T ) называется вероятностью принятия нового состояния (см. [2]).
В качестве функции h( E ,T ) будем использовать:
h( E ,T ) 
1
1  exp( E / T )
.
(1)
Рассмотрим основные этапы работы алгоритма:
1) Случайным образом выбирается начальная точка x  x0 , x 0 S . Текущее значение
энергии E устанавливается в значение f ( x 0 ) .
2) k-я итерация основного цикла состоит из следующих шагов:
a. Сравнить энергию системы E в состоянии x с найденным на текущий момент глобальным минимумом. Если E  f ( x ) меньше, то изменить значение глобального минимума.
b. Сгенерировать новую точку x   G( x ,T ) .
c. Вычислить значение функции в ней E   f ( x ) .
d. Сгенерировать случайное число  из интервала [0; 1].
e. Если   h(E   E ,T (k )) , то установить x  x , E  E  и перейти к следующей итерации. Иначе – повторить с шага (b), пока не будет найдена подходящая точка x  .
Перейдем к рассмотрению схемы Больцмановского отжига. Для Больцмановского отжига изменение температуры задается следующей формулой:
T (k ) 
T0
ln(1  k )
, k  0.
(2)
Семейство распределений ( x ,T ) выбирается как семейство нормальных распределений
с математическим ожиданием x и дисперсией T, то есть задается плотностью вероятности
D   x 'x 


2  2T 
2
g ( x ; x ,T )  (2T )
где D – размерность пространства состояний.
208

e
,
(3)
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рассмотрим задачу поиска минимума функции вида:
f (x) 
0.5  ( x  4)( x  1)( x  1)( x  3)
14
.
(4)
Для этого воспользуемся методом имитации отжига при начальной температуре T  10 .
График функции (4) изображен на рис. 1.
Рис. 1. График функции (4)
Оценив график функции можно определить, что минимум функции находится приблизительно в точке -3. Также отметим, что функция имеет два минимума: в точке –3 и в точке 2,3.
Применив алгоритм Больцмановского отжига, получим следующие результаты. Минимум функции равен -2,89981. При этом температура была снижена до значения близкого к 1,
после 22027 итераций. При данных начальных параметрах решения задачи поиска глобального минимума достигается в 70% случаях. Это обусловлено тем, что метод отжига является стохастическим методом поиска глобального минимума.
Для Больцмановской схемы при достаточно больших T0, и количестве итераций K, выбор такого семейства распределений гарантирует нахождение глобального минимума.
Основным недостатком Больцмановского отжига является очень медленное убывание
температуры. Например, для того, чтобы понизить исходную температуру в 40 раз, требуется примерно e 40  2.35 * 1017 итераций.
Библиографический список
1. Оптимизация (математика) [Электронный ресурс] URL: http://ru.wikipedia.org/wiki/Оптимизация_(математика)
(20.03.2012)
2. Лопатин А. С. Метод отжига. Стохастическая оптимизация в информатике. Т. 1. 2005 [Журнал]. С. 133–149.
__________
209
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.942
Е. В. Иванова – магистрант кафедры моделирования вычислительных и электронных систем
Г. С. Евсеев (канд. техн. наук, доц.) – научный руководитель
МОДЕЛИРОВАНИЕ ПОТОКА ЗАПРОСОВ К ВЫЧИСЛИТЕЛЬНОЙ СИСТЕМЕ
НА БАЗЕ ПОЛУМАРКОВСКИХ ЦЕПЕЙ
В данной статье рассматривается модель системы передачи данных по стандарту
IEEE 802.16e. Имитационную модель сети можно условно разделить на две части: модель
входного трафика абонентов и модель планировщика ресурсов на базовой станции. Рассмотрим первую часть модели.
Для моделирования системы необходимо промоделировать поток поступления заявок.
Для типичного Интернет-соединения (или сессии) можно выделить два состояния: активный
режим, во время которого происходит передача данных, и режим ожидания, во время которого передача данных не происходит.
Рис. 1. HTTP – трафик. Марковская модель
Такая модель сессии представлена в [3], и рекомендована для моделирования типичного Интернет трафика. Активный и ждущий режимы сессии называются соответственно периодами ON и OFF (см. рисунок 1). Во время периода ON, абонент запрашивает ресурсы не
постоянно, а по мере необходимости. Таким образом, типичное Интернет соединение можно
описать как прерванный пуассоновский поток [3]. Длительности состояний ON/OFF распределены по экспоненциальному закону. Таким образом, если интенсивность переходов
в состояние ON = λON , то среднее время пребывания сессии в состоянии ON равно 1/ λON .
Соответственно, среднее время пребывания сессии в состоянии OFF равно 1/ λOFF . Таким
образом, для вычисления вероятности пребывания сессии в состоянии ON применима формула PO N =
λOFF
и, следовательно, вероятность пребывания сессии в состоянии
λON + λOFF
OFF можно найти по формуле POF F =
марковским процессом [4].
λO N
. Такая цепь состояний сессии является
λO N + λOF F
Интервалы между поступлением заявок в режиме ON описываются функцией распределения вероятностей F (t ) = 1 − e−λt .
210
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Интернет трафик, смоделированный с помощью марковского процесса, может содержать поток только со случайными, распределенными экспоненциально периодами включения и выключения передачи данных (см. рис. 2). Однако в реальности эти периоды могут
иметь неэкспоненциальное распределение, они могут быть даже фиксированными. В этом
случае цепь состояний уже не может адекватно моделироваться марковским процессом.
Полумарковские процессы являются естественным и важным обобщением процессов Маркова. Полумарковский процесс – это такой случайный процесс, который переходит из одного
состояния в другое в соответствии с заданными распределениями вероятностей, а время
пребывания процесса в каком-либо состоянии является случайной величиной, распределение которой зависит от этого состояния [2].
Рис. 2. Марковская модель
При тех же интенсивностях ON и OFF , что и для сессии, смоделированной с помощью
марковской цепи, можно задать полумарковский процесс с неслучайной длительностью
состояний.
На рис. 3 изображен трафик пакетной передачи данных для следующих условий:
– длительность состояния ON распределена экспоненциально,
– длительность состояния OFF имеет фиксированное распределение вероятностей,
– время между пакетами в состоянии ON распределено экспоненциально.
На рис. 4 изображен трафик пакетной передачи данных для следующих условий:
– длительность состояния ON имеет фиксированное распределение вероятностей,
– длительность состояния OFF имеет фиксированное распределение вероятностей,
– время между пакетами в состоянии ON распределено экспоненциально.
211
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 3. Полумарковская модель
Рис. 4. Полумарковская модель
212
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Исследование показало, что с использованием полумарковских процессов, при тех же
значениях интенсивностей процессов ON/OFF, можно получить совершенно разные типы
Интернет трафика, в зависимости от условий работы системы. Однако при моделировании
сессии с помощью датчика для полумарковского процесса есть свои сложности. Для марковского процесса используется только экспоненциальное распределение, и для каждого
значения датчика действуют вычисления по формуле:
1
 i  ln Ri .

Если при использовании полумарковских процессов нужен датчик дискретной случайной
величины или неэкспоненциального распределения, то для получения значения датчика,
приходится, как правило, использовать обратное преобразование, что уменьшает скорость
моделирования.
Библиографический список
1. Вентцель, Е. С. Теория вероятностей / Е. С. Вентцель. М.: НАУКА, 1969. 564 с.
2. Королюк В. С., Броди С. М., Турбин А. Ф. Полумарковские процессы и их применения: Итоги науки и техн. Сер.
Теор. вероятн. Мат. стат. Теор. кибернет., 11, ВИНИТИ. М., 1974. С. 47–97 .
3. IEEE 802.16m Evaluation Methodology Document (EMD), 2009. 199 p.
4. Портенко Н. И., Скороход А. В., Шуренков В. М. Марковские процессы: Итоги науки и техн. Соврем, пробл. матем.
Фундам. направления. ВИНИТИ. 1989. 46. 2. С. 5–248.
__________
УДК 004.032.26
М. Г. Киселева – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
МОДЕЛИРОВАНИЕ СЛОЖНЫХ ПРОЦЕССОВ
С ПОМОЩЬЮ МАШИНЫ БОЛЬЦМАНА
Предложен нейросетевой подход к решению проблемы моделирования сложных процессов на основе структуры, называемой Машиной Больцмана.
Цель исследования состоит в изучении нейронной сети – Машины Больцмана – при моделировании сложных процессов.
Объектом исследования являются искусственные нейронные сети, а также методы
нейросетевого моделирования.
Машина Больцмана представляет собой хороший инструмент для моделирования данных. Использование стохастической нейронной сети – Машины Больцмана – позволяет
построить модель, описывающую распределение исходных данных.
Машина Больцмана представляет собой стохастическую машину, компонентами которой являются стохастические нейроны. Стохастический нейрон находится в одном из двух
вероятных состояний. Этим двум состояниям можно формально присвоить +1 (соответствующее включенному состоянию) и –1 (соответствующее выключенному состоянию). Аналогично можно принять значениями этих состояний 1 и 0 соответственно. Стохастические нейроны Машины Больцмана разбиваются на две функциональные группы: видимые и скрытые.
213
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Видимые нейроны предоставляют интерфейс между сетью и средой, в которой она работает. Скрытые нейроны работают свободно – они используются для выражения ограничений,
содержащихся во входных векторах.
Обучение Машины Больцмана – весьма длительный и трудоемкий процесс, но оно может быть достаточно эффективно реализовано в архитектуре, называемой Машиной Больцмана с ограничениями, в которой отсутствуют связи между нейронами внутри слоя (рис. 1).
Машину Больцмана с ограничениями также иногда называют моделью на основе произведения экспертов. В такой модели каждый нейрон скрытого слоя отвечает за отдельный
признак.
В качестве моделируемых данных рассматриваются искусственные данные. Для обучения сети используется набор искусственных данных, представляющих собой 500 точек,
формирующих линейно неразделимое множество. Данные подчиняются равномерному
закону распределения (рис. 2).
Рис.1. Ограниченная Машина Больцмана
Рис. 2. Искусственные данные
Рис. 3 Структура сети
Структура сети в данном случае выглядит следующим образом (рис. 3). В видимом слое содержится 2 нейрона, 8 нейронов – в скрытом слое. Количество эпох обучения взято равным 4000.
После проведения моделирования были получены результаты, являющиеся реконструкцией исходных данных (рис. 4, a). На вход Машины Больцмана подавались случайные
точки, равномерно распределенные в квадрате от 0 до 1 по обеим осям. Реконструированные данные представляют собой данные, воспроизводимые Машиной Больцмана на первом
(рис. 4, б), пятидесятом (рис. 4, в) и сотом (рис. 4, г) шаге цепи Маркова.

Хайкин С. Нейронные сети: полный курс, 2-е изд.: Пер. с англ. М : Издательский дом «Вильямс», 2006.
214
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
a)
б)
в)
г)
Рис. 4. а) – исходные данные; б) – реконструированные данные на 1 шаге;
в) – реконструированные данные на 50 шаге; г) – реконструированные данные на 100 шаге
В ходе исследования было проведено моделирование, где были установленные параметры и изменяющийся параметр. Фиксированные параметры: число видимых нейронов
взято равным 2, количество эпох обучения – 4000. Изменяющиеся параметры: число нейронов в скрытом слое – 6 (рис. 5, а), 10 (рис. 5, б) и 12 (рис. 5, в). Реконструированные данные
взяты на пятидесятом шаге цепи Маркова.
Очевидно, что с увеличением числа нейронов в скрытом слое результат моделирования
улучшается. Но даже при числе скрытых нейронов, равным 12 (рис. 5, а), он хуже, чем при
8 скрытых нейронах (рис. 4, в).
а)
б)
а)
Рис. 5. а) – реконструированные данные при 6 нейронах; б) – реконструированные данные
при 10 нейронах; в) – реконструированные данные при 12 нейронах
215
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004.514
Я. В. Клементьев – магистрант кафедры моделирования вычислительных и электронных
систем
В.С. Павлов (канд. техн. наук, доц.) – научный руководитель
СПЕЦИФИКА ПРИНЦИПОВ WEB-USABILITY
В ИНТЕРНЕТ СИСТЕМАХ РАЗЛИЧНЫХ ТИПОВ И НАЗНАЧЕНИЙ
Современный мир информационных интернет систем огромен. Каждый день люди используют их для решения совершенно разных задач – кто-то пользуется ими в деловых
целях, другие совершает покупки в интернет магазинах, просто ищут необходимую информацию или используют их для общения и развлечения. Для достижения максимальной эффективности взаимодействия человека с такими информационными системами при их создании должны учитываться и совершенствоваться множество параметров – действия
человека в процессе работы, скорость достижения результата, затраты его энергии, производительность и интенсивность при конкретных видах деятельности. Исследование всех
этих параметров и проектирование интерфейсов программных продуктов находится в ведении такой науки как микроэргономика. В микроэргономике существует понятие web-usability,
обозначающее итоговый уровень удобности интерфейса интернет систем для использования в заявленных целях. В него входят основные принципы построения интерфейсов, базирующиеся на положениях когнитивной психологии. [3] Все они обобщены и распространяются на все интернет системы. Но современный интернет не однороден и используется
в разных целях, что делает актуальной проблему разделения интернет систем по типам для
применения при разработке интерфейса принципов Web-usability в зависимости от их назначения. Основной задачей в этом является исследование зависимости использования этих
принципов на эффективность интерфейсов интернет систем каждого типа. [2]
Основные общие правила и принципы Web-usability
Правило 2-х секунд. Пользователь не должен ждать любой реакции системы более
2-х секунд. Значение 2 секунды выбрано произвольно, но кажется достаточно подходящим.
В общем случае, чем меньше ждет пользователь, тем лучше.
Правило 3-х кликов. Пользователю будет не комфортно использовать систему, если он
не может найти необходимую ему информацию за три клика мышкой. Это правило подчеркивает важность понятной, простой навигации и понятность системы в целом-на каждом
этапе пользователь должен четко должен где он и куда ему двигаться дальше.
Правило 80/20 (Принцип Парето). 80% эффекта получается в результате 20% действий. Это правило применяется в бизнесе, но в Web-usability это правило работает не менее эффективно. Значительно улучшить отдачу сайта можно определив и обратив особое
внимание при его разработке на 20% пользователей, которые дают 80% прибыли.
Правило Фиттса. В Web-usability это правило используется при рассмотрении движения мышью от точки A к точке B. Это важно при размещении элементов, количество кликов
на которые желательно увеличить.
Перевернутая пирамида. Это стиль написания, при котором основная мысль представлена в начале статьи. Статья начинается с вывода, за которым следуют ключевые момен216
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ты, а завершается наименее важной информацией. Пользователи хотят получать информацию как можно быстрее, поэтому перевернутая пирамида подходит для Веб.
Удовлетворенное требование. Пользователи не выбирают оптимальный путь в поисках необходимой информации или получении результата. Часто им не нужно самое лучшее
и надежное решение, напротив – они готовы удовлетвориться быстрым и не самым лучшим
решением, которое будет «вполне приемлемым».
Синдром утенка (Baby-Duck-Syndrome). Обычно пользователи привязываются к первому, изученному ими дизайну, и судят остальные по тому, насколько они на него похожи.
В результате пользователи предпочитают системы, похожие на те, которые они знают. Также эта проблема часто возникает при изменении дизайна- пользователи, привыкшие к его
предыдущей версии, в новой структуре системы будут чувствовать себя не комфортно.
Баннерная слепота. Пользователи игнорируют все, что похоже на рекламу и делают
это весьма эффективно. У них выработаны довольно-таки четкие схемы, которым они следуют, выполняя в Веб различные действия. Например, в поисках необходимой информации
пользователи фокусируют внимание на тех частях страницы, где эта информация может
быть расположена – на основном тексте и гиперссылках. Большие, красочные, анимированные баннеры в этом случае полностью игнорируются.
Эффект неопределенности (Эффект Зейгарник). Человек не терпит неопределенности – мы стараемся как можно скорее найти ответы на возникающие вопросы. Эффект неопределенности основан на этой особенности поведения людей. Видео ролики и статьи,
использующие этот эффект, обычно заканчиваются внезапно, не разрешая ситуацию и не
отвечая на возникающие вопросы. Это «принуждает» пользователя к чтению материала или
клику на ссылке. Эффект Зейгарник используется и при написании текстов для Веб, чтобы
привлечь и заинтересовать посетителей.
Правило 7±2. Возможности мозга человека по обработке информации не безграничны.
В соответствии с результатами исследования Джорджа Миллера кратковременная память
может одновременно содержать от 5 до 9 сущностей. Этот факт часто используется при
обосновании необходимости сократить количество элементов в навигационных меню интернет систем до 7. [4]
Каждая современная интернет система создается для выполнения тех или иных конкретных задач. Их существует большое количество и многие из них уникальны. Но если
выделить и сгруппировать схожие по назначению и задачам системы, можно разделить их
на несколько основных типов. Интерфейсам каждого типа систем присуще некоторые особенности взаимодействия с пользователем, которые помогают использовать его максимально эффективно путём применения соответствующих правил и принципов Web-usability.
Условная классиф икация интернет систем по типам
Информационные Веб-системы. Это самые распространенные в сети Internet системы.
К ним могут относиться образовательные (тематические) сайты, новостные ресурсы, сайты
государственных учреждений, сайты некоммерческих организаций, религиозных групп,
а также различные общественные сайты. Примером могут быть rbc.ru,hermitagemuseum.org,
gov.spb.ru, wikipedia.org и др.
Коммерческие Веб-системы. Это системы для получения коммерческой выгоды – либо
напрямую посредством электронной коммерции, либо косвенно через стимулирование приобретения товаров или услуг вне Internet. К ним можно отнести интернет магазины и сайты
коммерческих организаций. Примерами могут быть ozon.ru, amazon.com, ulmart.ru и др.
217
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Веб-системы сообществ. В таких системах основной упор делается на взаимодействие
между пользователями. К ним можно отнести социальные сети, блоги, форумы. Примерами
могут быть vk.com, facebook.com и др.
Интернет системы специализированных сервисов. К этому типу можно отнести поисковые системы, почтовые системы, файлообменные системы и индивидуальные нетипичные проекты. Этот тип рассматриваться не будет по причине их относительно не большого
количества и индивидуального характера для проведения статистического исследования.
Примером могут быть google.ru, yandex.ru, flikr.com, rapidshare.com, youtube.com и др.
Необходимо добавить, что предложенная классификация условна, так как большинство
современных интернет систем имеют сложную структуру и могут выходить за рамки одного
типа и включать в себя некоторые свойства другого.
Применение всех правил и принципов Web-usabilityпри разработке интернет систем может
быть проблематично из-за их резко увеличивающейся сложности или из-за неуместности их
применения. Для разработки максимально эффективного интерфейса интернет систем определённого типа необходимо понять, какое значение имеет каждое из правил по отношению
к общей эффективности его интерфейса. Для этого нужно предъявить некоторые требования
к каждому типу интернет систем, выделить то, что обычно пользователи от них ожидают.
Для информационных интернет систем ключевое значение имеют текстовые, графические, видео- или аудио-материалы, полезные для пользователя. Главным фактором
с точки зрения usability является последовательность и логичность их представления. Также
важно чтобы пользователю было понятно, как найти необходимую информацию быстро
и как ориентироваться по системе.
Для коммерческих интернет систем важным фактором с точки зрения usability является эффективное представление предлагаемых товаров (услуг) и простой, понятный и распознаваемый алгоритм взаимодействия с ними. Также необходимо установить и обратить
особое внимание на предпочтения постоянных пользователей.
Для интернет систем, связанных с взаимодействием пользователей между собой
важной частью является обеспечение функционирования удобного, быстрого и понятного
механизма общения через систему. Особое внимание необходимо уделить регистрации
и последующей авторизации.
Исходя из выдвинутых к каждому типу интернет систем требований, при их разработке
можно дать рекомендации использования конкретных правил и принципов Web-usability
с соответствующими весовыми коэффициентами.
1) При разработке интернет систем информационного типа наиболее важным является
применение следующих правил и принципов Web-usability:
 Правило 3-х кликов (с весовым коэффициентом 30%) для обеспечения быстрого поиска необходимой информации и ориентирования по системе.
 Перевернутая пирамида (с весовым коэффициентом 25%) для обеспечения простого и понятного представления информации пользователю.
 Эффект неопределенности (с весовым коэффициентом 20%) для повышения заинтересованности пользователей в использовании системы.
 Правило 2-х секунд (с весовым коэффициентом 15%) для обеспечения комфортного
использования системы.
 Баннерная слепота(с весовым коэффициентом 10%) для исключения «ложных ориентиров» и совершения ошибок пользователями при использовании системы.
218
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
2) При разработке коммерческих интернет систем наиболее важным является применение следующих правил и принципов Web-usability:
 Синдром утенка (с весовым коэффициентом 20%) для упрощения путей и алгоритмов достижения результата, необходимого пользователю.
 Правило 80/20 (с весовым коэффициентом 20%) для увеличения «отдачи» интернет
системы.
 Эффект неопределенности (с весовым коэффициентом 15%) при представлении
товаров (услуг) для повышения интереса пользователей к ним.
 Правило 3-х кликов (с весовым коэффициентом 15%) для обеспечения быстрого поиска и ориентирования среди товаров (услуг).
 Перевернутая пирамида (с весовым коэффициентом 10%) для обеспечения короткого, но исчерпывающего описания предлагаемых товаров (услуг).
 Правило 2-х секунд (с весовым коэффициентом 10%) для обеспечения комфортного
использования системы.
 Баннерная слепота (с весовым коэффициентом 10%) для исключения «ложных ориентиров» и совершения ошибок пользователями при использовании системы.
3) При разработке интернет систем, связанных с взаимодействием пользователей между собой наиболее важным является применение следующих правил и принципов Webusability:
 Удовлетворенное требование (с весовым коэффициентом 30%) для комфортного
использования системы пользователем.
 Правило 7±2 (с весовым коэффициентом 20%) для простоты и понятности функций
системы.
 Правило Фиттса (с весовым коэффициентом 20%) для комфортного использования
системы.
 Правило 2-х секунд (с весовым коэффициентом 15%) для обеспечения комфортного
использования системы.
 Баннерная слепота (с весовым коэффициентом 15%) для исключения «ложных ориентиров» и совершения ошибок пользователями при использовании системы.
Стоит отметить, что правила 2-х секунд и баннерной слепоты повторяются с одной
формулировкой во всех трех всех предложенных типах. Эти два принципа Web-usability
должны выполняться для любых интернет систем вне зависимости от типа.
Исходя из статистических исследований, существуют согласованные положения webusability, соответствующие опыту пользователей, которые рекомендуются использовать при
их проектировании интернет систем всех типов. К ним относятся:
– логотип (фирменный знак) в левом верхнем углу страницы;
– открытое поле поиска в правом верхнем углу страницы;
– кнопка Home (главная) в меню или рядом с ним слева на всех страницах, кроме
начальной;
– значок или кнопка тележки для покупок в правом верхнем углу всех страниц (для систем коммерческого назначения);
– средства входа и выхода из системы в правом верхнем углу всех страниц;
– средство служебной навигации в самом верху или в самом низу всех страниц и менее
выделяться, чем средство основной или глобальной навигации;
219
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
– использование приоритетного участка левой верхней части страницы для более важного контента;
– выделение самых важных элементов. [1]
В результате проведённой работы было установлено, что основываясь на статистике,
свойственной типичным частным случаям, можно провести разделение принципов webusability по применимости к каждому из них при проектировании информационных интернет
систем различных типов и назначений.
Библиографический список
1. Нильсен Якоб, Перниче Кара.Веб-дизайн. Анализ удобства использования веб-сайтов по движению глаз / Нильсен Я., Перниче К. / И. Д. Вильямс, 2010. 480 с.
2. http://ru.wikipedia.org/wiki/Юзабилити
3. http://ru.wikipedia.org/wiki/Эргономика
4. http://wiki.mvtom.ru/index.php/Юзабилити
___________
УДК 004.75
М. В. Колпачков, Н. А. Петрин – студенты кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛЕНИЯ
В наше время тема распределенных и облачных вычислений актуальна как никогда.
В данной работе мы рассмотрим, чем характеризуются оба типа систем, их особенности,
области применения в мировой практике.
Распределённые вычисления
Понятие GRID (англ. grid – решётка, сеть) подразумевает использование множества вычислителей, объединенных в единую сеть и решающих поставленную задачу сообща. Особенностями таких систем в отличие от классических являются:
– разбиение вычислений на подзадачи;
– высокая скорость в сложных расчетах;
– масштабируемость;
– отказоустойчивость.
Остановимся на каждом пункте более подробно.
Применяя разбиение вычислений на подзадачи, мы распараллеливаем решение нашей
задачи, тем самым повышая скорость вычислений. Такие системы особенно эффективны
при решении NP-полных задач, обработки изображений, например, ДЗЗ, речевых сигналов,
статистическом анализе, машинном обучении (нейронные сети), генетических алгоритмах,
биоинформатике и т. д.
С приходом широкополосного интернета появилась возможность отдавать часть ресурсов своего ПК на нужды научных проектов. В качестве примера можно привести проект
Folding@Home, который на 10 ноября 2011г. имеет мощность 6 петафлопс. Для сравнения, первую строчку в мировом рейтинге суперкомпьютеров TOP500 занимает система
220
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
«K computer» с мощностью около 10,5 петафлопс, второе место у «Tianhe-1A» (2,5 петафлопс).
Такие системы могут быть легко масштабируемы, т. к. для введения нового узла в сеть
необходима лишь единица вычислительной техники, с установленным специальным ПО.
Добавление новых узлов происходит с минимум предварительных настроек. Ограничения
же на масштабируемость, вернее невозможность увеличения быстродействия вычислений
для конкретной задачи, ограничена Законом Амдала, который гласит, что суммарное время
выполнения задачи, разделенной на несколько частей, на параллельной системе не может
быть меньше времени выполнения ее самого длинного фрагмента, т. е.
1
S
,
f  (1  f ) / p
где S – получаемое ускорение, p – количество процессоров, f – доля операций, выполняющихся последовательно (при этом под долей понимается время выполнения последовательной программы).
Отказоустойчивость, в зависимости от архитектуры, обеспечивается либо резервированием, либо специальными управляющими серверами, которые управляют контролем выполнения заданий.
Также хотелось бы отметить, что на сегодняшний день производительность мобильных
устройств значительно возросла. Мы предлагаем использовать их вычислительные ресурсы
в ночное время, во время зарядки и при включенном Wi-Fi соединении.
Достоинства:
– технология Grid систем позволяет строить мощные вычислительные комплексы без
относительно больших финансовых вложений по сравнению с кластерными системами;
– использование распределенных вычислений позволяет добиться высокой отказоустойчивости;
– возможность эффективной обработки больших объемов данных за счет уменьшения
накладных расходов на перемещение данных к вычислителям.
Недостатки:
– сложность применения технологии для решения задач реального времени;
– необходимость перепроектирования ПО для распределения вычислений.
Облачные вычисления
Облачные вычисления (англ. cloud computing) – модель устройства вычислительной системы, при которой, клиент, не обладая значительными вычислительными ресурсами
(необходимыми объёмами памяти и т. д.), получает возможность использовать таковые на
сервере (облаке).
В такой системе клиент выступает руководствующим элементом системы, управляя запуском, и прекращением работы приложения, которое можно запускать, словно на локальной машине.
Облачные системы отличают следующие характеристики:
– объединение вычислительных ресурсов;
– универсальный доступ к облаку;
– учёт использования вычислительных мощностей.
Объединение вычислительных ресурсов в таких системах обозначает единый интерфейс для доступа ко всем ресурсам системы, при этом нагрузка автоматически распределя221
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
ется между узлами, а клиент может управлять, по сути, только желательным географическим положением узла (для повышения скорости обмена данными).
Универсальность доступа к облаку заключается в том, что к такой системе можно получить доступ и с ПК, и с мобильного устройства, например, современного телефона.
Учёт использования системы клиентом происходит автоматически на некотором уровне
абстракции (объём данных, количество транзакций и т. д.) и на основе этих данных оценивается задолженность клиента.
Облачные системы можно классифицировать по типу облака:
– частное облако;
– публичное облако;
– гибридное облако;
и по методу обслуживания:
– аренда ПО (SaaS);
– аренда исполнительной среды (PaaS);
– аренда вычислительной инфраструктуры (laaS).
Частные облака предназначены для использования одной организацией, возможно клиентами и подрядчиками организации. Такое облако может находиться в собственности как
самой организации, так и третьих лиц.
Публичные облака предназначены для использования широкой публикой. Такое облако
находится во владении крупных коммерческих, научных и правительственных организаций.
Физически такое облако существует в юрисдикции владельца – поставщика услуг.
Гибридное облако – облако из нескольких облаков (частных, публичных), которые остаются уникальными, но связаны. Примером такого облака может служить облако из частных
облаков, объединённых для балансировки нагрузки между собой.
Облачные системы аренды ПО – такие системы, которые предоставляют клиенту доступ
к какому-то определённому прикладному ПО, которое он (клиент) может запускать с любых
устройств за счёт унифицированного интерфейса (веб-страница) или клиента для его платформы
(под платформой можно понимать как ОС, так и различные типы вычислительных устройств).
Облачные системы исполнительной среды – системы, которые предоставляют клиенту
нечто вроде унифицированной вычислительной машины с готовыми инструментальными
средствами создания, тестирования и отладки прикладного ПО, с возможностью развёртывания на нём нового или уже существующего ПО. В такой системе весь низкоуровневый
контроль над распределением вычислительных мощностей осуществляется провайдером,
предоставившим сеть.
Облачные системы аренды вычислительной инфраструктуры – такие системы, которые
предоставляют клиенту унифицированный интерфейс к системе и дают ему развёртывать
любое ПО, вплоть до операционных систем. Клиент, таким образом, получает полный контроль над этими виртуальными системами, не имея при этом контроля над физическими
составляющими системы.
Сегодня Облачные системы активно применяются владельцами мобильных устройств,
которые не отличаются высокой производительностью и большими объёмами памяти. Облачные системы позволяют, заплатив один раз провайдеру, иметь доступ с мобильного
телефона к любому «тяжёлому» ПО, например, Matlab, или современным компьютерным
играм. Кроме того, имеется возможность хранить объём данных сильно больший, чем доступный на мобильном устройстве.
222
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Примерами облачных систем могут служить многие современные проекты, выделим
следующие:
– Amazon EC2 – облачный сервис, предоставляющий простой интерфейс для выбора,
настройки и эксплуатации ПО клиентом. Предоставляет полный контроль над вычислительными ресурсами вместе с доступной средой работы;
– DropBox – облачный сервис распределённого хранения данных в интернете.
Достоинства:
– облачные системы предоставляют обобщенный интерфейс для решения широкого
круга задач;
– использование облачных вычислений позволяет добиться высокой отказоустойчивости.
Недостаток – сложность применения технологии для решения задач реального времени.
__________
УДК 004.032.26:004.932.75'1
А. А. Коряк, Ю. А. Петрова – студенты кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
РАСПОЗНАВАНИЕ ОБРАЗОВ С ПОМОЩЬЮ СЕТИ ХОПФИЛДА
В данной работе исследуется задача распознавания образов с помощью искусственной
нейронной сети Хопфилда. Описаны методы обучения и распознавания сети. Проанализированы полученные результаты распознавания, сделаны выводы об эффективности использования данного вида нейронной сети в поставленной задаче.
В последние несколько десятилетий широкое развитие получила новая область прикладной математики, специализирующаяся на искусственных нейронных сетях. Это обусловлено тем, что нейронные сети способны решать обширный спектр задач, таких как прогнозирование, распознавание, создание экспертных систем, обработка и анализ данных и многие
другие. В данной статье будет рассмотрена задача распознавания образов с помощью
нейронной сети Хопфилда. Созданная в 1984 г., она возродила интерес исследователей
к задачам распознавания и к нейронным сетям в целом.
Нейронная сеть представляет собой математическую модель, которая функционирует по принципу биологических
нейронных сетей – сетей нервных клеток живого организма.
Искусственные нейронные сети появились в результате изучения и моделирования процессов, протекающих в мозге. В задачах распознавания применение нейронных сетей оправдано
и в значительной степени экономит средства и ресурсы [1].
Сеть Хопфилда состоит из единственного слоя нейронов, число которых является одновременно числом входов
Рис. 1. Структурная схема
и выходов сети. Каждый нейрон связан синапсами со всеми
сети Хопфилда
остальными нейронами. Структурная схема сети Хопфилда
представлена на рис. 1.
223
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Каждый нейрон сети принимает одно из устойчивых состояний – единица или минус
единица.
По принципу обучения сеть Хопфилда не подходит ни под обучение с учителем, ни под
обучение без учителя. В этой сети весовые коэффициенты синапсов рассчитываются перед
началом функционирования сети на основе информации об обрабатываемых данных, и все
обучение сети сводится именно к этому расчету. Сеть фактически запоминает образцы до
того, как на ее вход поступают реальные данные [2].
Формула обучения сети Хопфилда имеет вид:
1 M
  x kj  x ki , i  j
w ij   N k 1
,

ij
0,
(1)
где w ij – элемент симметричной матрицы весовых коэффициентов W, x kj – j-ый элемент k-го
обучающего вектора, N – размерность нейронной сети, M – количество обучающих векторов.
Распознавание образа в сети выполняется следующей последовательностью действий:
1) на вход сети подается N-мерный вектор X, описывающий распознаваемый образ;
2) рассчитывается последовательность выходных векторов Y0 Yk , где j-ый элемент

каждого вектора Yk  y1
yj
yN
 определяется соотношением:
1, x j  0
yj  
 1, x j  0
,
(2)
где элемент xj рассчитывается по формуле, которая соответствует знаковой активационной
функции сети:

N

x j  sgn   x i w ij  .
 i 1

(3)
3) распознавание выполняется до тех пор, пока вектор Yk не совпадет с вектором
Yk 1 , то есть пока текущее состояние сети не совпадет с предыдущим.
В процессе функционирования нейронной сети для оценки правильности и эффективности ее работы используется функция энергии (Ляпунова):
E
1N N
  w ij .
2 i 1 j 1,i  j
(4)
На каждом шаге работы сети функция энергии должна уменьшаться, что будет свидетельствовать о качественной работе сети, в противном случае сеть функционирует некорректно.
К достоинствам сети Хопфилда можно отнести:
1) возможность просто и эффективно решать задачу воссоздания образов по неполной
и искаженной информации;
2) простоту реализации и структурной композиции.
224
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Существенным недостатком сети является ограничение сети на количество распознаваемых образов. Это ограничение определяется следующим выражением:
N
,
(5)
Mmax 
2ln N
где Mmax – максимальное количество образов, которое сможет распознать сеть, N – размерность сети.
Зависимость количества распознаваемых образов от размерности нейронной сети
представлена на рис. 2.
Рис. 2. Графики емкости памяти сети Хопфилда по отношению к ее размерности
В данной работе была исследована задача распознавания образов с помощью сети
Хопфилда. В качестве распознаваемых образов была выбрана графическая система изображения чисел почтового индекса (рис. 3).
Нейронная сеть для распознавания подобных образов будет состоять из девяти нейронов по числу возможных элементов в изображении. Порядок кодирования элементов изображения почтового индекса представлен на рис. 4.
Рис. 3. Графическое изображение чисел почтового индекса
Рис.4. Порядок кодирования
элементов изображения
почтового индекса
225
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Обучающая выборка состоит из 10 элементов – по числу образцов. Входной вектор состоит из 9 компонент, каждый из которых принимает значение 1 по наличию примитива
в изображении, и минус 1, при его отсутствии. Например, входной вектор, описывающий
изображение нуля, будет выглядеть следующим образом: x0  1,1,1, 1, 1,1,1,1, 1 .
В процессе проверки качества распознавания образов сетью Хопфилда сначала на вход
сети подается вся обучающая выборка. Однако если после обучения подать на вход в качестве «новых» все уже известные сети образы, то далеко не все цифры будут распознаны
корректно. Это связано с ограничением на количество распознаваемых образов (5), напрямую зависящим от общего числа нейронов в сети. Для данной сети получается, что число
распознаваемых образов примерно равно 2, что условию поставленной задачи не удовлетворяет. Согласно формуле (5), для корректного распознавания 10 образов необходима
сеть, состоящая из 90 нейронов.
Для такой сети обучение должно происходить с векторами, которые состоят из 90 компонент. Первые 9 компонент известны, соответственно, остальные 81 нужно заполнить
каким-либо образом:
1) заполнить значениями, равными (-1);
2) заполнить значениями, повторяющими известные 9 компонент;
3) заполнить случайными значениями и запомнить их для последующего распознавания.
Первый способ не дает положительных результатов. Второй способ заполнения дает
хорошие результаты – верно распознаются порядка 6 из 10 образов. Третий способ оказывается самым качественным – сеть однозначно распознает всю обучающую выборку.
На основе полученных результатов можно сделать вывод, что задача распознавания
почтовых индексов может быть успешно решена с помощью сети Хопфилда с 90 нейронами.
Недостатком сети Хопфилда является квадратичный рост размерности сети при увеличении
числа распознаваемых сетью образов. Однако данный недостаток компенсируется простотой реализации алгоритмов обучения и распознавания.
Библиографический список
1. Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и
статистика, 2002. 344 с.: ил.
2. Хайкин, Саймон, Нейронные сети: полный курс. 2-е изд. / Пер. с англ. М.: Издательский дом «Вильямс», 2006.
1104 с. Парал. тит. англ.
3. Электронный ресурс: «Основы теории нейронных сетей. Нейронная сеть Хопфилда»
[URL: http://www.intuit.ru/department/ds/neuronnets/8/] (22.05.2012)
__________
УДК 004.032.26
К. А. Кочин – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
НЕЙРОННАЯ СЕТЬ ЭЛМАНА
Целью работы является изучение применимости нейронной сети Элмана для анализа
сигнала на примере распознавания амплитуды синусоидального сигнала.
226
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Искусственная нейронная сеть Элмана имеет один входной, один скрытый и один выходной слой нейронов. Сеть Элмана характеризуется частичной рекуррентностью в форме обратной связи между скрытым и входным слоем нейронов, реализуемой с помощью элементов
единичного запаздывания z–1 [1]. Обобщённая структура сети представлена на рис. 1.

w10
1
1
1
w K0
1
 
w10
2
w M0
2
1
x1
 
w11
w11
2

w1N
1

w1,N
K
 
w1K
1
xN
y1
2
z 1
z 1
z 1
yM

w K,N
K
 2
1
w MK
v1
v K 1
vK
Рис. 1. Структура сети Элмана
Обозначим N – число внешних входов сети, K – число нейронов в скрытом слое, M –
число нейронов в выходном слое. Веса нейронов обозначим как w ij , где i – номер нейрона
куда поступает сигнал, j – номер нейрона откуда идёт сигнал, кроме того веса нейронов скрытого слоя будут иметь верхний индекс (1), а веса нейронов выходного слоя индекс (2). Каждый
скрытый нейрон имеет свой аналог во входном слое сети. Моменты времени, соответствующие шагам функционирования сети, пронумеруем 0,1, 2,..., k 1, k,... .
Обозначим вектор возбуждения сети x (в него входит так же единичный сигнал для
поляризации). Обозначим состояния нейронов скрытого слоя v  R K , а выходные сигналы
сети y  R M . Таким образом, входной вектор сети в момент времени k принимает вид:
x  1, x1  k  ,..., x N  k  , v1  k 1 ,..., v M  k 1
(1)
227
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Математически сеть Элмана может быть описана следующими формулами:
u i (k) 
NK
 w x k 
j 0
1
ij
(2)
j
vi  k   f1  u i  k  
(3)
K
gi  k    w ij(2) v j  k 
(4)
j 0
yi  k   f 2  g i  k  
(5)
где u i (k) – взвешенная сумма сигналов i -го нейрона скрытого слоя в момент времени k ;
vi  k  – выходной сигнал i -го нейрона скрытого слоя в момент времени k ; f1 – функция
активации нейронов скрытого слоя; gi (k) – взвешенная сумма сигналов i -го нейрона выходного слоя в момент времени k ; yi  k  – выходной сигнал i -го нейрона выходного слоя
в момент времени k ; f 2 – функция активации нейронов выходного слоя.
Обратные связи в рекуррентных нейронных сетях способствуют тому, что сеть способна
учитывать предысторию предыдущих состояний сети, что позволяет использовать рекуррентные нейронные сети для моделирования динамических объектов, поэтому нейронная
сеть может применяться в следующих целях:
 имитация нелинейных динамических объектов;
 управление нелинейными динамическими объектами;
 обработка сигналов;
 шифрование и сжатие информации [2].
Алгоритм обучения сети сводится к минимизации целевой функции. Целевая функция
нейронной сети Элмана в момент времени k определяется как половина суммы квадратов
разностей между значениями выходных сигналов сети и их ожидаемых значений для всех
M выходов сети:
E(k) 
1 M
1 M
(yi  k   d i  k ) 2   (ei  k ) 2

2 i 1
2 i 1
(6)
где d i  k  – сигнал, который требуется получить от сети, в момент времени k ; ei  k  –
ошибка на выходе i -го нейрона выходного слоя в момент времени k .
Рассчитаем частные производные целевой функции относительно весов выходного
слоя сети. С учётом формул (4)–(6) получим следующую формулу:
 

E(k) 
2
E  k 
 2
w
 e  k 
df 2  dg  k  
dg  k 
(7)
v  (k)
Рассчитаем частные производные целевой функции относительно весов скрытого слоя
сети. С учётом рекуррентных связей и формул (2)–(6) получим следующие формулы:


E(k) 
1
228
E  k 
1
w
M
  (ei  k 
i 1
df 2  gi  k  
K
dv
 dw   w
g k

i
j1
1
(2)
ij
)
(8)
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
dv j  k 
(1)
dw

K dv k  1
df1  u j  
  1 
  j x   k    l 1 w j,l N  


du j  k  
dw
l 1

1,i  j
 ij  
0,i  j
(9)
(10)
где  ij – дельта Кронекера.
Таким образом, в момент времени k , как видно из формул (8) и (9), градиент целевой
функции зависит от производной сигнала нейронов скрытого слоя в предыдущий момент
времени. В начальный момент времени считается, что
dv1  k 
(1)
dw

dv2  k 
(1)
dw
 ... 
dv K  k 
(1)
dw
 0.
Обучение сети будет строиться на основе реализации алгоритма наискорейшего спуска
с учётом момента. При использовании такого подхода уточнение вектора весов будет происходить по следующей формуле:
(11)
w(k)  E(k)   (k)w(k 1)
где   k  – коэффициент момента, выбираемый из интервала (0,1);  – допустимый прирост погрешности.
Обычно для управления процессом обучения вводят понятие допустимого прироста погрешности, например 3%. Т. е. если для k -й итерации значение целевой функции удовлетворяет условию E  k   1.03E  k  1 , то уточнение весов производится по формуле (11)
с учётом момента w(k  1) , иначе считается.
Таким образом, алгоритм обучения сети Элмана можно представить в следующем виде:
1) присвоение всем весам случайных значений, имеющих, как правило, равномерное
распределение в интервале (-1,1);
2) для очередного момента времени k  k  0,1, 2,... определить состояние всех
нейронов сети;
3) рассчитать погрешность e  k  для нейронов выходного слоя;
4) по формулам (7), (8) и (9) рассчитать градиент целевой функции;
5) произвести уточнение весов по формуле (11);
6) после уточнения весов перейти к пункту 2.
Кроме предложенной «онлайн-версии» алгоритма есть «офлайн-версия» алгоритма, где
уточнение компоненты градиента суммируются при последовательно предъявляемых пар
обучения, и процесс изменения весов происходит после предъявления всех обучающих
выборок [1].
Для моделирования нейронной сети Элмана, которая будет распознавать амплитуду
синусоидального сигнала, была написана программа на языке Matlab. В данной программе
была создана и обучена сеть Элмана со 100 нейронами в скрытом слое. Структура сети
представлена на рис. 2.
Данная сеть была обучена на обучающей выборке из синусоидальных сигналов с амплитудами от 0 до 5 с шагом 0.5. Все входные сигналы имели циклическую частоту 0.5 Гц
229
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
и частоту дискретизации 1 Гц. Соответствующий выходной сигнал был постоянным, равным
амплитуде входного сигнала.
На рис. 3 показана работа полученной нейронной сети на входных сигналах той же частоты, на которых она была обучена. Амплитуда входного сигнала является случайной
и лежит в интервале (0,5). На нижнем графике представлен сигнал, поданный на вход сети.
На верхнем графике отображён сигнал, полученный с выхода нейронной сети, и амплитуда
входного сигнала.
Рис. 2. Структура реализованной сети Элмана
Рис. 3. Пример работы нейронной сети
Рис. 4. Пример работы нейронной сети
На рис. 4 показана работа той же сети, но частота входного сигнала была уменьшена на
20%. Как видно из графика ошибка распознавания амплитуды входного сигнала увеличилась, но сеть всё ещё корректно распознаёт амплитуду синусоидального сигнала.
Нейронная сеть Элмана по сравнению с другими сетями (например, сеть Джордана)
обучается медленно, т. к. при обучении градиент всегда будет зависеть от предыдущих
состояний сети, что усложняет его расчёт. Однако нейронную сеть Элмана, можно использовать тогда, когда заранее неизвестно, сколько предыдущих значений входных сигналов
надо учитывать, чтобы получить требуемый выходной сигнал
Библиографический список
1. Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.
2. Нейронная сеть Элмана / [Электронный ресурс] URL: http://ru.wikipedia.org/wiki/Нейронная_сеть_Элмана (05.05.2012).
__________
230
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 004
К. Е. Кудаков – студент кафедры компьютерной математики и программирования
М. Д. Поляк – научный руководитель
МЕТОДЫ ГИБРИДИЗАЦИИ РЕКОМЕНДАТЕЛЬНЫХ АЛГОРИТМОВ
Современный мир перенасыщен информацией. Для того, чтобы найти действительно
что-то полезное для себя в море источников информации, человек зачастую вынужден проделывать огромную работу по поиску, анализу и выборке самых разнообразных данных
и сведений. Рекомендательные системы были созданы для решения этих задач. Анализируя данные о предпочтениях пользователей, алгоритмы рекомендательных систем находят
наиболее подходящие конкретному пользователю объекты (книги, музыка, фильмы и т. д.).
Основой любой рекомендательной системы является, в первую очередь, алгоритм фильтрации (предсказания, рекомендации). Именно он определяет эффективность работы рекомендательной системы. В рекомендательных системах, как в подклассе систем фильтрации
информации, под процессом фильтрации понимается удаление избыточной или нежелательной информации из информационного потока, используя (полу)автоматизированные
и компьютеризированные методы, до представления её человеку.
Гибридный алгоритм фильтрации в рекомендательной системе комбинирует в себе две
или более рекомендательные техники для получения более высокого результата, чем даёт
каждая в отдельности. Чаще всего коллективная фильтрация комбинируется с какой-либо
другой техникой для решения проблем нового пользователя или объекта, имеющих пока что
малое количество оценок. В табл. 1 приведены методы комбинирования рекомендательных
техник [1].
Таблица 1
Метод гибридизации
Краткое описание
Взвешенный
Оценки (голоса) нескольких рекомендательных техник комбинируются вместе для получения единой рекомендации
Переключение
Система переключается между рекомендательными техниками
в зависимости от текущей ситуации
Смешанный
Рекомендации нескольких техник выводятся одновременно
Комбинация признаков
Признаки из различных рекомендательных источников данных
объединяются вместе и подаются на вход единого рекомендательного алгоритма
Каскадный
Одна рекомендательная техника уточняет результат работы
другой
Расширение множества признаков
Результат одной рекомендательной техники используется как
входные данные для другой
Мета-уровень
Модель, обученная одной рекомендательной техникой, используется как входные данные для другой
231
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рассмотрим методы гибридизации более подробно.
1) Взвешенный метод
Взвешенный метод гибридизации предполагает, что оценка рекомендуемого объекта
вычисляется как результат всех рекомендательных техник, используемых в системе.
Например, простейший вариант взвешенной гибридизации представляет собой линейную
комбинацию предсказанных оценок [2].
Преимуществами такого метода можно назвать использование всех возможностей рекомендательных техник в полной мере, простоту реализации, легкость дальнейшего анализа работы алгоритма и его корректирования. Метод предполагает, что относительные результаты рекомендательных техник более или менее универсальны на всём пространстве
возможных объектов. Однако, известно, что в большинстве случаев это не так. Например,
коллективная фильтрация плохо работает с объектами, имеющими малое количество оценок.
2) Метод переключения
Метод переключения предполагает внесение некоторой чувствительности гибридного
алгоритма к разного рода объектам, на основе которой будет производиться выбор между
использованием той или иной рекомендательной техники. Например, если фильтрация по
содержимому не может предсказать оценку объекта с определённой точностью, то используется коллективная фильтрация [3].
Серьёзным недостатком метода переключения является дополнительная сложность,
возникающая от необходимости определить критерий переключения между различными
рекомендательными системами, что требует ещё одного уровня параметризации. Если же
такая задача будет решена, то гибридный алгоритм будет успешно использовать сильные
и слабые стороны различных рекомендательных техник.
3) Смешанный метод
В случаях, когда производится большое количество рекомендаций одновременно, имеет
смысл использовать смешанный гибридный алгоритм [4]. В результате конечному пользователю предлагаются рекомендации независимых рекомендательных техник. Смешанный
метод не позволяет компенсировать недостатки одной из рекомендательных техник достоинствами другой, но чрезвычайно прост в реализации.
4) Комбинация признаков
Одним из способов добиться слияния фильтрации по содержимому и коллективной
фильтрации является рассмотрение коллективной информации, как простого дополнительного признака рекомендуемого объекта, и дальнейшее применение фильтрации по содержимому к этому объекту [5].
Комбинация признаков позволяет гибридному алгоритму использовать коллективную
информацию и в тоже время набор признаков объектов, что существенно расширяет возможности фильтрации по содержимому.
5) Каскадный метод.
В отличии от описанных выше методов гибридизации каскадный метод предполагает
поэтапный процесс рекомендации. На первом этапе одна из рекомендательных техник
применяется для более грубого определения рекомендаций, затем на остальных этапах
каждая следующая техника используется для уточнения и выборки результатов предыдущей [1].
Каскадный метод позволяет системе избегать применения второй низко-приоритетной
техники для уже хорошо классифицированных объектов или же плохо оценённых объектов,
232
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
которые никогда не будут предложены в качестве рекомендаций. Поскольку каждый следующий этап каскадного гибридного алгоритма нацелен только на такие объекты, для которых
необходимо дополнительное различение, этот алгоритм более эффективен, чем, например,
взвешенный гибрид, применяющий все свои техники ко всему множеству объектов. К тому
же каскадный метод мало чувствителен к «шуму», производимому низко-приоритетными
техниками, так как последние могут только корректировать результаты высоко-приоритетных техник, но не могут менять их коренным образом.
6) Расширение множества признаков
Расширение множества признаков подразумевает использование оценки или классификации объекта и информации, включённой в него, как входные данные для следующей
рекомендательной техники. Например, существует рекомендательная система, использующая фильтрацию по содержимому для книг, размещённых в интернет-магазине
Amazon.com [6]. В информации о книге также присутствуют поля «Связанные работы»
и «Связанные авторы», которые были сгенерированы уже системой коллективной фильтрации интернет-магазина. Эти поля-признаки вносят существенный вклад в качество
рекомендаций.
Расширение множества признаков очень привлекательно, потому что позволяет увеличить производительность рекомендательной системы без её фактической модификации.
Дополнительная функциональность добавляется с помощью рекомендательных системпосредников, которые могут использовать совершенно другие техники и подходы. Необходимо отметить, что такой метод гибридизации отличается от комбинирования признаков, где
совмещаются входные, необработанные данные различных техник.
7) Мета-уровень
Ещё один способ комбинировать несколько рекомендательных техник – это использовать модель, созданную с помощью одной из техник, как входные данные для другой техники [7]. Этот метод отличается от расширения множества признаков тем, что в последнем
используется обученная модель для генерации признаков на вход следующего алгоритма,
а в гибриде мета-уровня на вход подаётся вся модель целиком. Обученная модель является
сжатым представлением пользовательских интересов. Коллективной фильтрации, например, проще работать с таким информационно-плотным представлением, чем с сырыми
данными об оценках пользователей.
Гибридизация позволяет решить некоторые проблемы, ассоциированные с той или иной
техникой фильтрации. Коллективная фильтрация и фильтрация по содержимому, независимо от типа, всегда страдают от проблемы нового пользователя и нового объекта и всегда
требуют набор оценок для своей работы. Тем не менее, гибридные алгоритмы, использующие эти рекомендательные техники, широко распространены, потому что оценки объектов
или уже есть, или их можно получить из данных об объекте. Метод мета-уровня обходит
проблему разреженности сжатием оценок множества объектов в единую модель. Алгоритмы
фильтрации, основанные на знаниях, также являются хорошими кандидатами на гибридизацию, так как они не подвержены проблемам нового пользователя и нового объекта.
Основываясь на описании методов гибридизации, можно разделить их на две группы:
чувствительные к порядку применения рекомендательных техник и не чувствительные
(табл. 2). Рекомендации, предлагаемые пользователю каскадным гибридным алгоритмом
фильтрации, будут существенно отличаться, если поменять порядок применения той или
иной техники. В тоже время смешанный гибридный алгоритм будет формировать одни и те
же рекомендации независимо от порядка применения рекомендательных техник.
233
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 2
Чувствительные методы
Каскадный, расширение множества признаков, мета-уровень
Нечувствительные методы
Взвешенный, смешанный, переключение, комбинация признаков
Необходимо заметить, что не все методы гибридизации могут быть применимы к некоторым комбинациям рекомендательных техник и к некоторым техникам вообще. Так, например, фильтрация, основанная на знаниях, может использовать любую информацию об объекте, поэтому применение метода комбинации признаков для гибридизации с другой
рекомендательной техникой не имеет никакого смысла.
Выбор того или иного метода гибридизации сильно зависит от условий использования
рекомендательной системы. Необходимо правильно оценить поведение совмещаемых алгоритмов. Если один из алгоритмов обладает преимуществом по сравнению с другим, то
следует обратить внимание на чувствительные к порядку методы гибридизации, в которых
этот алгоритм займёт лидирующую роль, иначе – на нечувствительные, в которых рекомендация будет получена в результате компромисса.
Библиографический список
1. Burke R. (2002) Hybrid Recommender Systems: Survey and Experiments Journal User Modeling and User-Adapted
Interaction, Volume 12 Issue 4, Ноябрь 2002. Pp. 331–370
2. Claypool, M., Gokhale, A., Miranda, T., Murnikov, P., Netes, D. and Sartin, M.: 1999, ‘Combining Content-Based and
Collaborative Filters in an Online Newspaper’. SIGIR ’99 Workshop on Recommender Systems: Algorithms and Evaluation. Berkeley, CA.
3. Tran, T. and Cohen, R.: 2000, «Hybrid Recommender Systems for Electronic Commerce». In Knowledge-Based, Electronic Markets, Papers from the AAAI Workshop, AAAI Technical Report WS-00-04. страницы 78-83. Menlo Park, CA:
AAAI Press.
4. Smyth, B. and Cotter, P.: 2000, «A Personalized TV Listings Service for the Digital TV Age». Knowledge-Based Systems
13: 53-59. California State University, Fullerton Department of Information Systems and Decision Sciences
5. Basu, C., Hirsh, H. and Cohen W.: 1998, «Recommendation as Classification: Using Social and Content-Based Information in
Recommendation». Proceedings of the 15 National Conference on Artificial Intelligence, Madison, WI. Pp. 714–720.
6. Mooney, R. J. and Roy, L.: 1999, «Content-Based Book Recommending Using Learning for Text Categorization». SIGIR
’99 Workshop on Recommender Systems: Algorithms and Evaluation. Berkeley, CA.
7. Rocchio, Jr., J.: 1971, «Relevance feedback in information retrieval». The SMART System – Experiments in Automatic
Document Processing, New York: Prentice Hall. Pp. 313–323.
__________
УДК 004
А. Г. Кумпель – магистрант кафедры компьютерной математики и программирования
В. В. Бураков (д-р техн. наук) – научный руководитель
ГЕНЕРАЦИЯ КЛЮЧЕВЫХ СЛОВ
В «СИСТЕМЕ ОЦЕНКИ СТЕПЕНИ ПОИСКОВОЙ ОПТИМИЗАЦИИ»
По мере развития всемирной сети Интернет появилась необходимость в обеспечении
быстрого и качественного поиска информации внутри нее. Были разработаны поисковые
машины, назначением которых являлось облегчение этой задачи. Но одновременно с ними
образовалась отрасль поисковой оптимизации, одной из негативных черт которой стало
234
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
использование ее как препятствия для работы систем поиска с целью «нечестного» продвижения своего сайта выше в результатах поиска. Старый механизм указания ключевых слов
в заголовках страниц уже не предоставлял достоверной информации, и возникла необходимость непосредственного анализа содержимого страницы для ее последующего индексирования.
Одним из методов (и наиболее действенным) стало использование некоторых закономерностей, подмеченных Джорджем Ципфом (George К. Zipf), которые он опубликовал
в 1949 г. Пять лет спустя знаменитый математик Беноит Мандельброт (Benoit Mandelbrot)
внес небольшие изменения в формулы Ципфа, добившись более точного соответствия
теории практике. Хотя некоторые исследователи и подвергают исследования Ципфа острой
критике, без учета подмеченных им закономерностей сегодня не способна работать ни одна
система автоматического поиска информации.
Ципф заметил, что длинные слова встречаются в тексте реже, чем короткие. На основе
этой закономерности Ципф вывел два закона.
Первый из них связывает частоту появления того или иного слова в каком-то тексте (она
называется частота вхождения слова) с рангом этой частоты. Если к какому-либо достаточно большому тексту составить список всех используемых в нем слов, а затем расположить
эти слова в порядке убывания частоты вхождения в данном тексте и пронумеровать в возрастающем порядке, то для любого слова произведение его порядкового номера в этом
списке (ранга) и частоты его вхождения в тексте будет величиной постоянной
F*R C ,
где F – частота появления слова в тексте; R – ранг слова (наиболее часто употребляемое
слово получает ранг 1, следующее – 2 и т. д.); С – константа.
Ципф экспериментально определил, что С ≈ 0,1 (что может изменяться в зависимости
от языка, на котором написан текст). [1, 2] Графическое изображение закона Ципфа представлено на рис. 1.
Рис. 1. Гипербола закона Ципфа
235
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Если наиболее распространенное слово встречается в тексте 100 раз, то следующее по
распространенности встретится не 99 и не 90, а примерно 50 раз (статистика не гарантирует
точных цифр). Это также означает, что самое популярное слово в английском языке (the)
употребляется в 10 раз чаще, чем слово, стоящее на десятом месте, в 100 раз чаще, чем
сотое, и в 1000 раз чаще, чем тысячное.
Значение вышеупомянутой постоянной в разных языках различно, но внутри одной языковой группы она остается неизменной. Так, например, для английских текстов постоянная
Ципфа равна приблизительно 0,1. Для русского языка постоянная Ципфа равна примерно
0,06–0,07 [1].
Мандельброт немного модифицировал формулу Ципфа:
1
F C*R a ,
где a – коэффициент, характеризующий богатство словарного запаса; чем больше значение a, тем богаче словарный запас текста, поскольку кривая зависимости частоты появления каждого слова от его ранга убывает медленнее, и, например, редкие слова появляются
чаще, чем при меньших значениях a.
Второй закон Ципфа констатирует, что частота и количество слов, входящих в текст
с этой частотой, связаны между собой. Если построить график, отложив по одной оси (оси X)
частоту вхождения слова, а по другой (оси Y) – количество слов, входящих в текст с данной
частотой, то получившаяся кривая будет сохранять свои параметры для всех без исключения созданных человеком текстов.
Как поисковые машины могут использовать законы Ципфа?
Для того чтобы ответить на этот вопрос, вернемся к рис.1. Можно предположить, что
наиболее значимые для текста слова лежат в средней части представленного графика.
Слова, которые встречаются слишком часто, – это предлоги, местоимения и т. д. (в английском, немецком и некоторых других языках – еще и артикли).
Редко встречающиеся слова также в большинстве случаев не несут особого смыслового
значения, хотя иногда, наоборот, весьма важны для текста (об этом будет сказано чуть ниже). Каждая поисковая система решает, какие слова отнести к наиболее значимым, посвоему, руководствуясь общим объемом текста, частотными словарями и т. п. Если к числу
значимых слов будут отнесены слишком многие, важные термины будут забиты «шумом»
случайных слов. Если диапазон значимых слов будет установлен слишком узким, за его
пределами окажутся термины, несущие основную смысловую нагрузку.
Для того чтобы безошибочно сузить диапазон значимых слов, создается словарь «бесполезных» слов, так называемых стоп-слов (а словарь, соответственно, называется стоплист). Например, для английского текста стоп-словами станут артикли и предлоги the, a, an,
in, to, of, and, that... и др. Для русского текста в стоп-лист могли бы быть включены все предлоги, частицы и личные местоимения: на, не, для, это, я, ты, он, она и др.
Исключение стоп-слов из индекса ведет к его существенному сокращению и повышению
эффективности работы. Однако некоторые запросы, состоящие только из стоп-слов (типа
«to be or not to be»), в этих случаях уже не пройдут. Неудобство вызывают и некоторые случаи полисемии (многозначности слова в зависимости от контекста). Например, в одних случаях английское слово «can» как вспомогательный глагол должно быть включено в список
стоп-слов, однако как существительное оно часто несет большую содержательную нагрузку.
236
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Процедура оптимального выбора ключевых слов, основанная на применении законов
Ципфа, заключается в следующем: берут любой текст-источник, близкий к искомой теме, то
есть «образец», и анализируют его, выделяя значимые слова. В качестве текста-источника
может служить книга, статья, web-страница, любой другой документ. Анализ текста производится в следующем порядке:
1) стоп-слова удаляются из текста;
2) вычисляется частота вхождения каждого слова и составляется список, в котором
слова расположены в порядке убывания их частоты;
3) выбирается диапазон частот, лежащий в середине списка, и из него отбираются слова, наиболее полно соответствующие смыслу текста;
4) составляется запрос к поисковой машине в форме перечисления отобранных таким
образом ключевых слов, связанных логическим оператором OR(ИЛИ) Запрос в таком виде
позволяет обнаружить тексты, в которых встречается хотя бы одно из перечисленных слов.
Отмеченные выше закономерности были использованы для проектирования и разработки «Системы оценки степени поисковой оптимизации», дополнительными возможностями которой кроме формирования таблицы ключевых слов являются:
– определение текущих индексов цитирования страницы;
– разбор информации meta-тегов, используемых поисковыми системами (metadescription и meta-keywords);
– выделение ссылочной массы;
– расчет плотности ключевых слов;
– сопоставление результатов анализа с допустимыми параметрами и представление
результатов в графическом виде.
Система представляет собой web-приложение на «тонком клиенте». Все вычисления
производятся не серверной стороне.
Библиографический список
1. Alexander Gelbukh, Grigori Sidorov. Zipf and Heaps Laws’ Coefficients Depend on Language. Proc. CICLing-2001,
Conference on Intelligent Text Processing and Computational Linguistics, February 18–24, 2001, Mexico City. Lecture
Notes in Computer Science N 2004, ISSN 0302-9743, ISBN 3-540-41687-0, Springer-Verlag, pp. 332–335. URL:
http://www.gelbukh.com/CV/Publications/2001/CICLing-2001-Zipf.htm
2. Kechedzhy K. E., Usatenko O. V., Yampol'skii V. A. Rank distributions of words in additive many-step Markov chains and
the Zipf law = Arxiv LANL. 2004.; Phys. Rev. E. 2005. V. 72. P. 046138(1)–046138(6).
__________
УДК 629.735.33
М. Е. Макарчук – магистрант кафедры компьютерной математики и программирования
А. А. Ключарев (канд. техн. наук, доц.) – научный руководитель
АЛГОРИТМЫ ЦИФРОВОЙ ФИЛЬТРАЦИИ СЛУЧАЙНЫХ ПРОЦЕССОВ
В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ
Цифровая обработка сигналов является одной из новейших и самых мощных технологий, которая активно внедрилась в широкий круг областей науки и техники: коммуникации,
метеорология, радиолокация и гидролокация, медицинская визуализация изображений,
237
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
цифровое аудио- и телевизионное вещание, разведка нефтяных и газовых месторождений,
и многих других.
Один из самых важных вопросов – это цифровая обработка сигнала в реальном масштабе времени, которая применяется во многих системах мониторинга. При работе в таких
системах необходимо синхронизировать исполнение программ с внешними физическими
процессами.
Цифровая фильтрация является наиболее важной частью цифровой обработки сигналов. Процесс проектирования цифровых фильтров состоит из тех же этапов, что и процесс
проектирования аналоговых фильтров. Сначала формулируются требования к желаемым
характеристикам фильтра, по которым затем рассчитываются параметры фильтра. Амплитудная и фазовая характеристики формируются аналогично аналоговым фильтрам. Линейный стационарный цифровой фильтр характеризуется передаточной функцией. Передаточная функция может описать, как фильтр будет реагировать на входной сигнал. Таким
образом, проектирование фильтра состоит из постановки задачи (например, фильтр восьмого порядка, фильтр нижних частот с конкретной частотой среза), а затем производится расчет передаточной функции, которая определяет характеристики фильтра.
Передаточная функция фильтра имеет вид
где порядок фильтра – большее N или M. В данном случае это формула фильтра с Бесконечной импульсной характеристикой. Если знаменатель равен единице, то получаем формулу фильтра с конечной импульсной характеристикой.
Цифровые фильтры проектируются с учетом эффектов квантования. Квантование данных
называют их представление с помощью конечного числа двоичных разрядов. Эта процедура
сопровождается внесением в структуру фильтра ошибок, источниками которых являются:
1. Аналого-цифровой преобразователь, вносящий в каждый момент времени n ошибку
квантования, равную разности между дискретным
и цифровым
сигналами, называемую шумом АЦП.
2. Умножители, отображающие в структуре цифрового фильтра операцию умножения.
При умножении двух чисел с фиксированной точкой, представленных в формате слова
с b значащими битами, произведение будет содержать 2b значащих битов, и при его сохранении в ячейке памяти (в формате слова) потребуется округление (усечение) до b значащих
битов, что эквивалентно квантованию. Тем самым, в каждый момент времени n вносится
ошибка квантования, называемая собственным шумом.
3. Квантование коэффициентов передаточной функции цифрового фильтра.
На этапе синтеза коэффициенты передаточной функции цифрового фильтра рассчитываются с максимальной точностью – представляются числами условно бесконечной разрядности.
Однако в структуре цифрового фильтра они заменяются квантованными коэффициентами,
тем самым вносится ошибка квантования коэффициентов, влияющая на характеристики
цифровых фильтров. [1]
При моделировании фильтра низких частот Чебышева без использования квантования
коэффициентов и с использованием – можно сравнить насколько расходятся результаты:
1) 16-разрядное квантование (216) обеспечивает 65536 уровней квантования отсчетов аналогового сигнала. Чем больше разрядность слова, тем шире динамический
238
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
диапазон, меньше нелинейные искажения и шум, выше разрешающая способность по
уровню.
Они накладываются друг на друга, с небольшой погрешностью, видимой только при
очень большом увеличении.
2) При разрядности слова = 8 (28, то есть 256 уровней квантования отсчетов аналогового
сигнала).
Рис. 1
Рис. 2
239
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
На этом примере уже более четко видно, как расходится АЧХ квантованного фильтра
и эталонного.
Если при 16 разрядах расхождение было незначительным, то при 8-ми оно становится
уже более чем на 0,1 dBв полосе пропускания.
3) При разрядности слова = 4 (24, то есть 16 уровней квантования отсчетов аналогового
сигнала).
Рис. 3
Третий пример четко показывает, какие ошибки и погрешности можно допустить при неправильном уровне квантования. Если взять в полосе пропускания расхождение не более
единицы – то такой фильтр не будет удовлетворять условиям (расхождение
).
Чтобы обеспечить быстродействие системы реального масштаба времени, с большим
потоком данных, необходимо иметь достаточно мощную систему и обрабатывать потоки
информации параллельно. Именно для этих целей компания Nvidia создала архитектуру
Compute Unified Device Architecture (CUDA – программно-аппаратная вычислительная архитектура). С помощью системы, построенной на архитектуре CUDA можно выполнять квантование сигнала и коэффициентов с наибольшей разрядностью слова за время, в разы меньшее, которое потребовалось бы системе без архитектуры CUDA [2].
Библиографический список
1. Солонина, А. И. М.Цифровая обработка сигналов. Моделирование в Matlab / А. И.Солонина, С. М. Арбузов. СПб.:
БХВ-Петербург, 2008. 816 с.
2. Nvidia.ruПараллельное программирование и вычислительная платформа | Cuda | Nvidia |
www.nvidia.ru/object/cuda_home_new_ru.html
__________
УДК 004.942
Я. А. Матросова – студент кафедры моделирования вычислительных и электронных систем
А. П. Шепета (д-р техн. наук, проф.) – научный руководитель
ТРЕБОВАНИЯ К СИСТЕМЕ ЕЖЕДНЕВНОГО АНАЛИЗА КЛИЕНТСКИХ ТАРИФОВ
В IP ТЕЛЕФОНИИ
В настоящее время беспроводные технологии все более активно заменяют проводные.
Исключением не является и телефонная связь. Все большему количеству абонентов необходим дешевый способ связи по всему миру. В свою очередь крупные телекоммуникационные
240
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
компании все активнее предлагают беспроводной доступ к своим услугам телефонии. Голосовая и видеосвязь посредством компьютерных сетей стала популярной во всём мире
с начала XXI в. и в настоящее время широко используется как частными пользователями,
так и в корпоративном секторе. Применение систем IP-телефонии позволяет компаниямоператорам связи значительно снизить стоимость звонков и интегрировать телефонию
с сервисами Интернета, предоставлять интеллектуальные услуги. Конечные компанииоператоры конкретного региона получают доступ к voip сетям всего мира по большей части
через крупных транзитных операторов, работающих на рынке ip телефонии. В свою очередь
транзитные операторы зарабатывают на разнице между покупкой и продажей голосового
трафика. Число компаний-клиентов транзитных операторов может достигать тысяч, куда
входят крупные компании, в том числе и главные Телекомов разных стран, и небольшие,
локальные операторы. Компании-клиенты высылают регулярно список цен, по которым они
готовы направлять указанных объем трафика. Этот список представляет собой комбинацию
кодов и цен, по которым они готовы посылать трафик. C листа начинается сотрудничество
с новыми компаниями-клиентами. Анализ желаемых клиентских тарифов – наиболее важную часть работы транзитного оператора – вручную занимает очень много времени, а иногда
может быть невозможен в силу нехватки кадров, так как работа внутри компании, занимающейся передачей голоса через Интернет, очень обширна, состоит из многих взаимосвязанных модулей
Решением этой проблемы должна стать система анализа клиентских тарифов с дружественным клиентским интерфейсом, которая учитывает все особенности транзита голоса,
в том числе качество предоставляемой услуги в зависимости от запросов конкретного клиента и уровня его цен. Система анализа клиентских тарифов ускорит основную работу оператора связи – продажу направлений.
Рис. 1. Пример работы телекоммуникационной компании
241
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Отчет необходим, чтобы свести воедино актуальные данные о запросах и предложениях и используется для того чтобы найти для компании-клиента те направления, которые
можно продать, учитывая цену и качество. Отчет генерируется ежедневно для того, чтобы
у оператора была актуальная информация о нуждах клиента, так как в транзите голоса все
может изменяться с периодичностью в один час – каналы ip телефонии не такие надежные.
Отчет представляет собой таблицу, в которой на каждый код приводится ряд параметров
и список из десяти поставщиков, которые могут предоставлять это направление. Отчет по
тарифам имеет смысл как для компании, которая уже является клиентом, так и для компании отношения с которой только могут начаться.
В работе с желаемыми тарифами от компаний-клиентов можно выделить следующие
этапы.
1. Импорт файла с тарифами, полученного от клиента, в промежуточный формат с помощью макроса.
2. Загрузка полученного файла в базу данных клиненских листов с помощью редактора
тарифов.
3. Ежедневный автоматический анализ всех тарифов листов в базе и рассылка письма
со ссылками на отчеты.
4. Загрузка отдельного отчета пользователем и работа с ним.
При необходимости, пользователь удаляет ненужные листы с тарифами напрямую
из базы.
В присылаемых клиентских тарифах может быть несколько колонок с ценами. Подразумевается, что, предложив меньшую цену, наша компания получит возможность продать
больший объем трафика. Но зачастую колонка с наименьшими ценами это только инструмент для торга. Необходимо анализировать отдельно каждую колонку с ценами. В этом
случая в нашей базе сохраняется несколько листов с клиентскими тарифами, и по каждому
из них будет генерироваться отдельный отчет.
Чтобы залить таргеты в базу данных, пользователь должен выполнить следующие действия:
– если содержащий таргеты файл, полученный от Оператора, не является файлом
формата xls, преобразовать его в файл MS Excel;
– преобразовать таргеты Оператора в xls-формате в файл формата tdf c помощью макроса;
– импортировать таргеты Оператора из tdf-файлов в базу данных системы с помощью
редактора тарифов или непосредственно через Toad.
Общее поле для всего файла – Description (название направления). Description – необязательная текстовая метка (поле в макросе), которая будет добавлена в имя файла
и в шапку отчета. Description заполняется при импорте из xls в tdf. Description помогает различать файлы отчетов друг от друга. Если в поле введены символы, запрещенных
в Windows для имен файлов, то эти символы необходимо удалить.
В поле daily/weekly/monthly указывается, за какой период времени указана величина
трафика в поле target volume. Если размерность не соответствует одной из перечисленных, то необходимо преобразовать Target volume в Excel вручную к одному из эт их
типов.
Помимо автоматического анализа, можно осуществлять выборочный анализ, к примеру,
по стране или компании, интерфейс может выглядит следующим образом (рис. 2).
242
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 2. Клиентский интерфейс
Одним из наиболее важных вопросов в системе предоставления голосовой связи являются быстрота в анализе спроса и предложений и оценивание рисков начиная с начального
этапа развития партнерских отношений. Эти важные и сложные задачи в системе будут
разрешаться. Следовательно, исследование в этой области является актуальной и перспективной задачей.
Библиографический список
1. Гольдштейн Б. С., Пинчук А. В., Суховицкий А. Л. Ip-телефония. М.: Радио и связь, 2001.
2. Вегешна Ш. Качество обслуживания в сетях IP. М., 2003.
3. http://www.internationaltelecomsweek.com/
4. Anderson N., Doherty J. Internet Phone Services Simplified. US IL CH, 2008.
__________
УДК 621.372
В. А. Ненашев – магистрант кафедры вычислительных систем и сетей
Л. А. Мироновский (д-р техн. наук, проф.) – научный руководитель
АНАЛИЗ КАНОНИЧЕСКИХ ФОРМ ЛИНЕЙНЫХ ДИНАМИЧЕСКИХ СИСТЕМ
При компьютерном моделировании динамических систем возникает потребность в выборе конкретной реализации системы в пространстве состояний. Чаще всего для этих целей
выбирают одну из канонических форм [1].
243
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Канонические формы (КФ) характеризуются простой структурой и минимальным числом
варьируемых параметров. Совокупность КФ можно рассматривать, как набор типовых моделей динамических систем. Знание свойств этих моделей и их характеристик позволяет выбирать КФ, удобные для решения конкретных задач моделирования, анализа или синтеза
систем [2].
КФ классифицируются на сопровождающие, модальные, цепные и сбалансированные.
Ниже рассматривается по одной КФ от каждого класса, а именно: фробениусова каноническая форма (ФКФ); жорданова каноническая форма (ЖКФ); сбалансированная каноническая
форма (СКФ) и каноническая форма Рауса (КФР). Для их построения были разработаны
и отлажены m-функции в пакете компьютерного моделирования Matlab.
В данной работе рассматривается задача сравнения характеристик указанных КФ,
в частности их анализ на предмет обеспечения наименьшей вычислительной относительной
погрешности при внесении малых искажений в матрицу А описания в пространстве состояний.
В общем виде решение поставленной задачи довольно объемно и нетривиально, поэтому ограничимся одним тестовым примером. В качестве тестового примера была выбрана
пассивная электрическая цепь (ЭЦ) третьего порядка, содержащая два резистора, два конденсатора и одну катушку индуктивности.
Пассивная электрическая цепь описывается матрицами описания в пространстве состояний, приведенными в табл. 1.
Таблица 1
Матрицы описания в пространстве состояний ЭЦ
A
1
0
1
0
1
1.
1
5

1
5
0
b
c
1
010
0
0
От этого описания электрической цепи был осуществлен переход к аналогичным матрицам для четырех исследуемых КФ.
Для сравнительного анализа чувствительности КФ к вычислительным погрешностям
в них вносились искажения. С этой целью изменялись значения элементов матрицы А
на ±10%. В пакете Matlab это можно осуществить при помощи выражения:
0.9 1.1 0.9
(1)
Ad  A    1.1 0.9 1.1 ,


0.9 1.1 0.9
где   – операция поэлементного умножения матриц.
Элементы матриц b и c оставались неизменными.
Фробениусова каноническая форма
В табл. 2 приведены матрицы эталонной модели (ЭМ) и искаженной модели (ИМ) ФКФ ЭЦ.
Результаты компьютерного моделирования ЭМ и ИМ представлены на рис. 1 и 2.
244
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 2
Матрицы ОПС ЭМ и ИМ ФКФ
Af
bf
0
0
0.4
1
1
0
1.4
0
0
1
2
0
Adf
bdf
0
0
-0.36
1
1.1
0
-1.54
0
0
1.1
-1.8
0
Рис. 1. Графики переходных характеристик
электрической модели ФКФ
cf
0 0 0.2
сdf
0 0 0.1366
Рис. 2. Графики весовых характеристик
электрической модели ФКФ
Из рис. 1 и 2 видно, что погрешность выходного сигнала искаженной модели составила
примерно 10%.
Жорданова каноническая форма
В табл. 3 приведены матрицы описания в пространстве состояний ЭМ и ИМ ЖКФ ЭЦ.
Результаты компьютерного моделирования ЭМ и ИМ представлены на рис. 3 и 4.
После проведения аналогичного эксперимента с ФКФ, по графику переходной характеристики (рисунок 3) наблюдаем, что погрешность выходного сигнала искаженной модели на
участке от [0;1] незначительна, а на участке (1;+] составляет примерно 25%. Из рис. 4
видно, что погрешность выходного сигнала искаженной модели на участке от [0;1] [6; +]
незначительна, а на участке (1;6) составляет примерно 25%.
245
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 3
Матрицы ЭМ и ИМ ЖКФ
Aj
bj
0.5
0.3873
0
1
0.3873
0.5
0
0
0
0
1
1
Adj
bdj
0.45
0.426
0
1
0.426
0.45
0
0
0
0
0.9
1
Рис. 3. Графики переходных характеристик
электрической модели ЖКФ
cj
-0.5 0.6455 0.5
cdj
-0.5 0.6455 0.5
Рис. 4. Графики весовых характеристик
электрической модели ЖКФ
Сбалансированная каноническая форма
В табл. 4 приведены матрицы описания в пространстве состояний ЭМ и ИМ СКФ ЭЦ.
Результаты компьютерного моделирования ЭМ и ИМ представлены на рис. 5 и 6.
Из рис. 5 и 6 следует, что выходной сигнал искаженной модели изменился незначительно, что иллюстрирует малую чувствительность СКФ к искажениям.
Каноническая форма Рауса
В табл. 5 приведены матрицы описания в пространстве состояний ЭМ и ИМ КФР ЭЦ.
Результаты компьютерного моделирования ЭМ и ИМ представлены на рис. 7 и 8.
246
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Таблица 4
Матрицы ЭМ и ИМ СКФ
Ab
bb
cb
0.28
0.1171 0.4024 0.1386
0.4024
0.5047 0.5842
-0.33
0.1386
0.5842
1.3782
0.17
Adb
0.29 0.33 0.17
bdb
cdb
0.1053 0.4427 0.1247
0.28
0.4427
0.4543 0.6426
-0.33
0.1247
0.6426
1.2404
0.17
Рис. 5. График переходных характеристик
электрической модели CКФ
0.29 0.33 0.17
Рис. 6. График весовых характеристик
электрической модели CКФ
Таблица 5
Матрицы ЭМ и ИМ КФР
Ar
br
2
1.0954
0
1.09
1.0954
0
0.4472
0
0
0.4472
0
0
Adr
bdr
1.8
1.205
0
1.09
1.205
0
0.4919
0
0
0.4919
0
0
cr
0 0 0.373
cdr
0 0 0.373
247
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 7. График переходных характеристик
электрической модели КФР
Рис. 8. График весовых характеристик
электрической модели КФР
Из рис. 7 и 8 видно, что погрешность выходного сигнала искаженной модели составила
примерно 10%.
Для сопоставления погрешностей исследуемых канонических форм на основе полученных результатов воспользуемся вычислением норм разности соответствующих функций:
nrp  p(t )  pd (t ) 


0
0
2
 ( p  pd ) dt ; np  p(t ) 

nrq  q (t )  qd (t ) 
 (q  qd )
2
 p dt ;

dt ; nq  q (t ) 
0
2
(2)
 q dt ,
2
0
где p(t), pd(t) – переходная функция эталонной и искаженной модели, соответственно; q(t),
qd(t) – весовая функция эталонной и искаженной модели, соответственно.
Используя формулу (2), вычислим относительную погрешность для переходной и весовой функций:
Kp 
nrp
np
, Kq 
nrq
nq
.
Оценки относительной погрешности канонических форм приведены в табл. 6.
Таблица 6
Оценка относительной погрешности
248
ФКФ
ЖКФ
СКФ
КФР
Kp
0.0879
0.3875
0.0260
0.0879
Kq
0.1532
0.4075
0.1018
0.1532
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
По результатам компьютерного моделирования и оценкам относительной погрешности
выходного сигнала (табл. 6) можно сделать вывод, что наименьшую погрешность обеспечивает СКФ; далее следуют ФКФ и КФР; а выходной сигнал системы в ЖКФ оказался наиболее
чувствительным к внесению искажений.
Библиографический список
1.
Мироновский Л. А. Функциональное диагностирование динамических систем: Научное издание. М.-СПб.:
МГУ- РИФ, 1998. 256 с.
2.
Мироновский Л. А. Аналоговые и гибридные модели динамических систем. Скалярные системы: учеб. пособие.
1985.
__________
УДК338.984:519.6
В. А. Нестеров – магистрант кафедры моделирования вычислительных и электронных
систем
О. О. Жаринов (канд. техн. наук, доц.) – научный руководитель
АНАЛИЗ МЕТОДОВ СЖАТИЯ РЕЧЕВОГО СИГНАЛА
Основные объемы передаваемой информации на сегодня приходятся на речь – это
и проводная телефония, и системы сотовой и спутниковой связи, и т. д. Поэтому эффективному кодированию, или сжатию речи в системах связи уделяется исключительное внимание.
Стоит отметить, что речь обладает такими существенными отличиями от обобщенного
звукового сигнала, как более узкая полоса частот (около 4 кГц) и наличие значительного
числа неинформативных пауз в сигнале, что позволило создать ряд алгоритмов сжатия
ориентированных только на речевые сигналы. На сегодняшний день, наибольшее распространение алгоритмы сжатия речи с потерями получили в системах IP-телефонии. VoIP
(Voice-over-IP) – IP-телефония – система связи, при которой аналоговый звуковой сигнал от
одного абонента дискретизируется (кодируется в цифровой) вид, компрессируется и пересылается по цифровым каналам связи до второго абонента, где производится обратная
операция – декомпрессия, декодирование и воспроизведение аналогового сигнала.
Источником информационных данных является речевой сигнал, возможной моделью
которого является нестационарный случайный процесс. В первом приближении можно выделить следующие типы сигнальных фрагментов: вокализированные, невокализированные,
переходные и паузы. При передаче речи в цифровой форме каждый тип сигнала при одной
и той же длительности и одинаковом качестве требует различного числа бит для кодирования и передачи. Следовательно, скорость передачи разных типов сигнала также может быть
различной, что обусловливает применение кодеков с переменной скоростью.
На сегодняшний день применяемые методы сжатия речевых сигналов, можно условно
разделить на 3 класса: кодеры формы сигнала, вокодеры и гибридные кодеры, которые
сочетают в себе достоинства двух предыдущих классов.
Кодеры формы сигнала являются простейшими кодерами речи, вообще не использующими информацию о том как был сформирован сигнал, а просто старающиеся максимально
приблизить декодированный сигнал по форме к оригиналу. Теоретически они не зависят
249
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
от характера сигнала, подаваемого на вход, и могут использоваться для кодирования любых, в том числе и не речевых сигналов.
Самым простым способом кодирования формы сигнала является импульсно-кодовая
модуляция – ИКМ (или PCM – Pulse Code Modulation), при использовании которой производится просто дискретизация и равномерное квантование входного сигнала, а далее преобразование полученного результата в равномерный двоичный код.При этом fmax  3.4кГц ;
частота дискретизации fд  8кГц . После равномерного квантования при числе уровней
12
L  2 и предварительного кодирования производится цифровая компрессия, в результате
чего длина кодовой комбинации уменьшается до n  8 разрядов. Результатом преобразования является двоичная последовательность, передаваемая со скоростью 64 кбит/с.
Типичным вокдером является стандарт транкинговой радиосвязи АРСО 25, описывающий структуру цифровой транкинговой системы и некоторые ее интерфейсы. Для цифровой передачи речи стандарт АРСО 25 предусматривает использование кодера IMBE
(Improved MultiBand Excitation, модифицированный метод многополосного возбуждения). Кодер формирует цифровой поток со скоростью 4,4 кбит/с. Для исправления ошибок
в цифровом речевом сигнале используется избыточное кодирование, порождающее дополнительный цифровой поток со скоростью 2,8 кбит/с. Цифровой речевой сигнал передается кадрами длительностью 180 мс. Два речевых кадра образует суперкадр длительностью 360 мс.
Речевой IMBE-кодер основан на модели речи, которая относится к моделям с многополосным возбуждением (МВЕ). Основная идея работы кодера состоит в разделении цифрового речевого входного сигнала на перекрывающиеся речевые сегменты (или фреймы)
с использованием окна Кайзера. Затем для определенного фрейма оценивается набор параметров. Блок-схема алгоритма анализа показана на рис 1.
WI (h)
 ( h)
Фильтр
нижних
частот
 ( h)
Фильтр
высоких
частот
×
Оценка
исходного
основного тона
 ( h)
×
Уточнение
основного тона
WR (h)
Дискретный
речевой
сигнал
Определение
вокал/невокал
Оценка
спектральных
амплитуд
Рис. 1
250
0
k
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
В речевом IMBE-кодере параметры возбуждения и огибающей спектра оцениваются одновременно так, что синтезированный спектр является самым близким к исходному речевому спектру. Параметры МВЕ модели речи, которые должны быть оценены для каждого речевого фрейма следующие:
– период основного тона (или основная частота);
– решение вокал/невокал;
– спектральные амплитуды, характеризующие огибающую спектра.
В декодере вокализированная и невокализированная компоненты синтезируются отдельно и на заключительной стадии объединяются для получения полного речевого сигнала. Алгоритмы, которые используются для синтеза вокализированных и невокализированных частей речи, основаны на двух различных способах.
Невокализованная часть речи генерируется из гармоник, которые объявлены невокализованными. Для каждого фрейма речи блок случайного шума взвешивается и преобразуется
с помощью быстрого преобразования Фурье. Области спектра, которые соответствуют вокализованным гармоникам, принимаются равными нулю.
Так как вокализованная речь моделируется ее индивидуальными гармониками в частотной области, на стороне декодера она восстанавливается как совокупный сигнал регулируемых генераторов. Каждой гармонике вокализованной области фрейма поставлен в соответствие генератор, который характеризуется частотой и фазой. Однако из-за того, что
вокализованная часть речи не является периодической на интервалах, состоящих нескольких фреймов анализа, отклонения от ожидаемых параметров соседних фреймов могут вызвать скачки по концам фреймов, что приведет к значительному ухудшению качества речи.
Для разрешения этой проблемы во время синтеза проверяются параметры текущего
и предыдущего фреймов для уверенности, что на границе фреймов происходит плавный
переход. Это делается для того, чтобы на границах фреймов вокализированная речь была
непрерывной. Для обеспечения непрерывности в начале и конце фрейма речи функция
амплитуды линейно интерполируется между значениями оценок для текущего и предыдущего фреймов.
Синтез речи в IMBE-декодере требует информации об основной частоте, решении вокал/невокал, величине спектральных составляющих и фазе вокализованных гармоник. Так
как фазы вокализованных гармоник можно предсказать, информация о фазе не передается
между кодером и декодером. Основная частота (основой тон) квантуется с половинной точностью выборки во временной области, причем возможный диапазон тона перекрывается
восемью битами. Peшение вокал/невокал является двоичным числом и не требует квантования.
Число полос, на которые разбивается речевой фрейм в частотной области, зависит от
основного тона фрейма, но не превышает 12.
Таким образом, в кодере IMBE фрейм речи имеет длительность 20 мс, содержит 144 бита, из которых 56 используются для канального кодирования, 88 – для кодирования параметров речевой модели. Кодер работает на скорости 4,4 кбит/с. Скорость передачи в канале –
7,2 кбит/с.
Промежуточным звеном между кодерами формы сигнала, в которых сохраняется форма
колебания речевого сигнала в процессе его дискретизации и квантования, и параметрическими вокодерами, основанными на процедурах оценки и кодирования небольшого
числа параметров речи, объединяющим преимущества каждого из них, являются гибридные
251
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
кодеки, к числу которых относится кодер CELP (Code Excited Linear Prediction). Метод кодирования CELP основан на линейной авторегрессионной модели процесса формирования
и восприятия речи и входит в группу методов анализа через синтез, реализующих современные и эффективные алгоритмы информационного сжатия речевых сигналов.
Линейная авторегрессионная модель процесса формирования речевых сигналов с локально постоянными на интервалах 10...30 мс параметрами получила в настоящее время
наибольшее распространение. Эта модель описывается уравнением:
M
(h ) 
 a(m)(h  m)  x (h),
m 1
где М – порядок модели; (h ) – последовательность отсчетов речевого сигнала; a(m ) –
коэффициенты линейного предсказания, характеризующие свойства голосового тракта;
x (h ) – порождающая последовательность или сигнал возбуждения голосового тракта.
Авторегрессионная модель речевого сигнала описывает его с достаточно высокой степенью точности и позволяет применять развитый математический аппарат линейного предсказания. При этом обеспечивается более высокое качество декодированной речи, устойчивость к входному акустическому шуму и ошибкам в канале связи по сравнению с системами
с иными принципами кодирования.
В рамках данной модели наиболее перспективными методами кодирования считаются методы «анализа через синтез» с использованием многоимпульсного возбуждения. Новизна многоимпульсного возбуждения заключается в том, что в сигнале остатка линейного предсказания
выбираются такие его значения, которые наиболее важны для повышения качества синтезированной речи. При этом используемая в процедуре анализа через синтез схема кодирования, помимо учета ошибок квантования, включает критерии субъективной оценки качества речевого сигнала, что обеспечивает естественное звучание синтезированной речи.
При многоимпульсном возбуждении сигнал остатка линейного предсказания представляется в виде последовательности импульсов с неравномерно распределенными интервалами и с различными амплитудами (около 8-10 импульсов за 10 мс). Амплитуды и положение этих импульсов определяются на покадровой основе (кадр за кадром). Основным
преимуществом многоимпульсного возбуждения является то, что она определяется для
любого речевого сегмента и при этом не требуется знаний ни о вокализованности данного
сегмента, ни о периоде основного тона.
Методы анализа через синтез используют синтезатор (декодер) речевого сигнала как
составную часть устройства кодирования. При этом задача анализа сводится к процедуре
оценки передаваемых в канал связи параметров речи, проводимой в соответствии с некоторым критерием рассогласования между исходным и декодированным сигналами. Для учета
специфики слухового восприятия в качестве критерия рассогласования обычно используется взвешенная по частоте квадратическая ошибка:
F /2
 

2
S(f )  Sq (f ) w (f )df ,
0
где S(f ) и Sq (f ) – преобразование Фурье исходного и синтезированного речевых сигналов;
w (f ) – весовая функция. Принимая во внимание важность для восприятия речи не только
252
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
формант, но и межформантных областей, для алгоритмов анализа речи через синтез
в качестве эталонной была предложена весовая функция следующего вида:
1
w ( z )  A( z ) A ( z /  ),
где A1 ( z ) – передаточная характеристика синтезирующего фильтра; γ – параметр, регулирующий энергию ошибки или шум квантования. Фактически при таком окне взвешивания
подчеркивается ошибка в межформантных областях и тем самым обеспечивается более
равномерное по частоте распределение отношения мощности полезного сигнала к мощности ошибки кодирования.
В алгоритмах кодирования с «анализом через синтез» повышение эффективности информационного уплотнения речевых сигналов производится, преимущественно, за счет
сокращения избыточности последовательности x(h), которая осуществляет возбуждение
синтезирующего фильтра A1 ( z ) линейного предсказания, формирующего огибающую сигнала, с коэффициентом передачи
M

m 
A ( z )   1   a(m )z 
 m 1

1
1
Для этой цели применяется также дополнительный фильтр с характеристикой
1
P ( z )  (1  g p z
T 1
)
с коэффициентом предсказания g p и задержкой на период основно-
го тона T. Фильтр выполняет функции генератора квазипериодических колебаний голосовых
связок при произношении вокализованных звуков.
Экспериментально установлено, что кодовое возбуждение обеспечивает наиболее высокое качество кодирования речевого сигнала, в том числе и при наличии входных акустических помех.
CELP наиболее эффективно применяется при передаче речевого сигала в диапазоне
скоростей от 4 до 6 кбит/с.
Вычислительные эксперименты. Для более подробного анализа речевых кодеров были
проведены вычислительные эксперименты, которые состояли из следующих этапов:
1) оцифровка и сохранение в формате.wav исходного речевого сигнала;
2) кодирование исходного сигнала при помощи наиболее современных алгоритмов сжатия речевых данных с потерями на типичных для данного алгоритма битрейтах;
3) оценка субъективного качества восстановленных сигналов группой экспертов по традиционной 5-ти бальной шкале, где наилучшему качеству звучания соответствует наибольший бал и вычисление средней оценки для алгоритма.
В табл.1 представлены наиболее типичные результаты экспериментов.
Низкоскоростным кодекам свойственны определенные ухудшения параметров, влияющие на качество передачи речи, по сравнению со стандартным кодеком ИКМ. Важно, что эти
ухудшения накапливаются при тандемном включении как однородных, так и разнородных
низкоскоростных кодеков.
Следует отметить следующие основные факторы, влияющие на качество передачи речи
при использовании кодеков:
– искажения квантования;
– временная задержка;
253
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
– амплитудно-частотные искажения;
– битовые ошибки;
– проскальзывания;
– потеря кадров;
– потеря пакетов.
Планирование речевых соединений требует обязательного учета ухудшений, вносимых
каждым переходом А-Ц и Ц-А, и определения на этой основе допустимого количества таких
переходов.
Результаты оценки субъективного качества восстановленных сигналов [1]
Кодек
Тип кодека
Битрейт, Кбит/с
Таблица 1
Оценка
G.711
ИКМ
64
4,1
G.726
АДИКМ
32
3,85
G.728
LD – CELP
16
3,61
Skype
AMR-WB
14
4,1
G.729
CS – ACELP (без VAD)
8
3,92
G.729
2-х кратное кодирование
8
3,27
G.729
3-х кратное кодирование
8
2,68
G.729a
CS – ACELP
8
3,7
G.723.1
MP –MLQ
6,3
3,9
G.723.1
ACELP
5,3
3,65
Библиографический список
1. Чижов И. И., Созонова Т.Н., Деев И. В. Об оптимизации процедур сжатия речевых данных. БГУ, 2004. 4 стр.
2. Шульгин В. И. Основы теории связи: учеб. пособ. Харьков: ХАИ, 2005. 194 стр.
3. Безрук В. М., Скорик Ю. В. Методология выбора речевых кодеков с учетом совокупности показателей качества на
основе метода анализа иерархий. Сб. докл. ХНУР, 2009. 129 с.
4. Феннерман М. Вопросы качественной передачи голоса по IP-сетям: Сжатие, задержка и эхо. Ч. 1. Электронные
компоненты. № 11. 2008. С. 83–85.
__________
УДК 004.4'22
Д. В. Нефедов – магистрант кафедры моделирования вычислительных и электронных систем
В. С. Павлов (канд. техн. наук, доц.) – научный руководитель
ШАБЛОННО-ОРИЕНТИРОВАННЫЙ ПОДХОД
В ПРОЕКТИРОВАНИИ ИНТЕРНЕТ-ПРИЛОЖЕНИЙ
При разработке веб-приложений ставится широкий спектр задач. Это эффективная работа с реляционными базами данных, хранение и обработка данных в формате XML, построение гибких систем отображения информации. Такое множество задач делает старые
методы разработки приложений крайне неэффективными. Это приводит к необходимости
254
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
наличия специальных инструментов, которые используются в решении часто возникающих
проблем и задач. Такими инструментами становятся шаблонно-ориентированные системы.
Вопросы архитектуры очень сложны по своей сути, но, несмотря на большую контекстную зависимость архитектуры от типа приложения, существуют хорошо изученные и проверенные варианты решения архитектурных проблем. Эти варианты решения носят название
шаблонно-ориентированные системы. Шаблонно-ориентированное проектирование может
быть применено во всех приложениях. Выявление оптимальных реализаций шаблонов составляет неотъемлемую часть работы над интернет-приложением.
Общая цель разработчиков – разработка и развертывание гибких и легко сопровождаемых приложений. Важным моментом в достижении этой цели является отделение бизнеслогики от логики представления Разработчики могут использовать шаблонно-ориентированные системы, чтобы сохранить такое разделение. Одной из трудностей при выполнении
такого разделения является отсутствие четко определенных критериев для оценки того, что
оно действительно выполнено, и насколько хорошо это сделано. Есть стандартные критерии, которые используются в области программного обеспечения. В их число входит наследование (на основе принципов объектно-ориентированного программирования), шаблонизация и порождающее программирование, (в соответствии с принципами MVC разделения).
Одним из самых известных и часто применяемых методов шаблонно-ориентированного проектирования является шаблон MVC, и построенные на основе данного шаблона фреймворксистемы. Для исследования были выбраны три PHP фреймворк-системы, построенные на MVC:
CakePHP, CodeIgniter, Yii. Исследование проводилось по следующим параметрам: простота
начальной настройки, документация, тестирование на производительность, безопасность.
Далее представлены два теста производительности. Оба теста оценивают минимальные накладные расходы каждого фреймворка. Задача фреймворка – вывести простейшую
программу. Основные различия заключаются в том, что в первом случае использовалась
конфигурацию каждого фреймворка по умолчанию. Был использован паттерн MVC: контроллер устанавливает значение переменной в «Hello World», затем она передается представлению для вывода на основной HTML-странице. Каждый фреймворк содержал следующий код в представлении:
<html> <head><title>Greeting</title>
</head> <body>
<h1>Greetings from AAA</h1>
<p>The greetings message is: “<?= $message ?>”</p>
</body></html>
Переменная $message предоставляется контроллером, а ее значение – «Hello World».
Количество запросов в секунду выяснялось при помощи утилиты ApacheBench с такими
параметрами: «ab -t 30 -c 10 URL».
Рис. 1. Результаты теста №1 без APC
255
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Тест № 2.
APC – акселератор PHP, программа, ускоряющая исполнение сценариев PHP интерпретатором, путём кэширования их байткода.
Рис. 2. Результаты теста №2 с APC
Рис. 3. Результаты теста №2 без APC
Результаты выражены в запросах в секунду (Requests Per Second, RPS), следовательно,
большие значения – лучше. В результате тестирования производительности было определено,
что Yii и CodeIgniter в плане скорости обработки запросов значительно опережают CakePHP.
При исследовании безопасности системы проводился анализ по следующим показателям: контроль доступа, атаки по словарю, внедрение межсайтовых скриптов, внедрение
SQL-кода, подделка межсайтовых запросов, кража куки.
В результате исследования безопасности, было установлено, что фреймворк Yii имеет
значительное преимущество в плане безопасности, с лучшей системой контроля доступа
и защитой от XSS, внедрения SQL-кода, подделки межсайтовых запросов и краж куки.
CakePHP и CodeIgniter уступают в этом плане. Так как CodeIgniter более гибкий, в нем разработчику будет легче добавить требуемые средства защиты.
С фреймворком Yii разработчик может писать свое приложение, не обращая внимания
на RBAC (контроль доступа, основанный на ролях), и использовать его только в тех случаях,
когда требуется решить специфическую задачу.
На сегодняшний день скорость при создании интернет-приложения важна не меньше
качества работы. Оперативность появления на рынке и реакция на изменения имеют высокую стоимость в данной сфере. Соответственно легче использовать готовые шаблонноориентированные системы, чем писать каждый раз одни функциональные решения для
интернет-приложений.
Библиографический список
3. Шлосснейгл Д. Профессиональное программирование на PHP. М.: Вильямс, 2006. 320 с.
4. Гутманс Э. PHP5 программирование. М.: Символ-плюс, 2011. 490 с.
__________
256
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 538 0:621 391
М. В. Никифорова – магистрант кафедры компьютерной математики и программирования
В. И. Хименко (д-р техн. наук, проф.) – научный руководитель
ОБЩАЯ СТРУКТУРА РАСПОЗНАВАНИЯ ЛИЧНОСТИ ПО ГОЛОСУ.
ИССЛЕДОВАНИЕ ИНФОРМАТИВНЫХ ПРИЗНАКОВ
Среди систем анализа и распознавания речи выделяют отдельный класс задач – распознавание личности по его голосу. Данная задача была поставлена более 40 лет тому назад,
и исследования в этой области все еще продолжаются. На сегодняшний день это одна из
актуальнейших проблем, решение которой может найти применение в криминалистике,
радиоразведке, контрразведке, антитерростическом мониторинге, обеспечение безопасности доступа к физическим объектам, информационным и финансовым ресурсам [1].
Работа систем распознавания содержит два основных этапа: обучение системы (регистрация пользователей) и сам процесс распознавания (сравнение и принятие решения).
На первом этапе пользователи регистрируются в системе, записывая свои голоса. Образец голоса диктора обрабатывается системой с целью извлечения информативных признаков, которые описывают индивидуальность говорящего. На основе извлечённых признаков строятся модели (в некоторых случаях более подходящим термином является
«шаблон») пользователей. Модель представляет собой некоторую структуру, позволяющую
при данных признаках оценить степень подобия либо сразу принять решение.
На втором этапе, в зависимости от конкретной задачи, происходит принятие/отклонение
заявленной личности (верификация пользователя) или определение схожести/различия
входной модели с хранящимися в базе шаблонами (идентификация пользователя).
В первом случае, пользователь пытается войти в систему, предъявляя идентификатор и образец голоса. Признаки, извлечённые из предъявленного образца, сравниваются
с соответствующей моделью, сохранённой в базе. Если соответствие достаточно хорошее, т. е выше порога, заявленная личность подтверждается, в противоположном случае
отклоняется.
Во втором случае, во время процесса идентификации, также происходит извлечение
признаков из предъявленного образца голоса неизвестного диктора, которые затем анализируется и сравнивается с речевыми моделями всех зарегистрированных в системе пользователей. Неизвестный диктор идентифицируется как пользователь, чья модель наиболее
соответствует входному высказыванию [2].
Таким образом, общая схема системы распознавания диктора реализуется с помощью
следующих трех компонентов (модулей).
1. Модуль обработки сигналов. На данном уровне речевой сигнал обрабатывается
с целью выделения информативных признаков, существенных для задачи распознавания
говорящего. На выходе мы получаем последовательность векторов признаков, которыми
этот речевой сигнал описывается.
2. Модуль обучения. При регистрации пользователя данный уровень использует полученную от модуля обработки сигналов последовательность векторов признаков для построения
модели(шаблона). Моделирование может заключаться как в простом копировании векторов
признаков, так и в построении вероятностных моделей или других структур. Построенная
257
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
модель записывает базу данных, где служит эталонной моделью для данного пользователя
и используется для вычисления степени подобия.
3. Модуль принятия решений. Данный модуль можно условно разделить на два этапа:
сравнение с образцом (эталоном) и принятие решения. На первом этапе вектор признаков
входного сигнала сравнивается с эталонной моделью, находящейся в базе, или с шаблонами всех зарегистрированных пользователей, в зависимости от конкретной задачи. После
этого происходит принятие решения о пропуске или отклонении заявленной личности
в зависимости от порога(для верификации) или возврат идентификатора конкретного пользователя в зависимости от степени подобия (идентификация пользователя).
Рис. 1 показывает общую структуру распознавания диктора по голосу.
Рис. 1. Общая структура распознавания личности по голосу
Первоочередной задачей в системах распознавания личности по голосу и важнейшим
элементом успешного распознавания дикторов является выбор информативных признаков
(речевых параметров), способных эффективно представлять информацию об особенностях
речи конкретного диктора. Индивидуальность акустических характеристик голоса определяется тремя факторами: механикой колебаний голосовых складок, анатомией речевого тракта и системой управления артикуляцией.
Анатомия тракта (геометрические размеры различных отделов речевого тракта и боковые полости) определяет спектральные характеристики звуков речи. Система управления
артикуляцией формирует просодические характеристики: темп речи, скорость переходных
процессов и длительность фонетических сегментов, а также эффекты коартикуляции. Механика колебания голосовых складок, которая описывается частотой колебания, формой импульсов, а так же размером, жесткость и массой самих голосовых складок, определяет частоту основного тона и тембральные характеристики речевого сигнала [3].
Все индивидуальные параметры говорящего можно разделить на два вида: низкоуровневые (обусловленные анатомическим строением речевого аппарата) и высокоуровневые
(приобретённые, связанные с манерой произношения). Такое разделение связано с разными уровнями информации, представленными в речевом сигнале. В своей повседневной
жизни человек полагается на совокупность совершенно разных уровней, иерархия которых
представлена на рис. 2.
258
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
Рис. 2. Иерархия уровней информации в речевом сигнале
На рис. 2 показано, что за низкоуровневые (спектральные) признаки отвечает анатомия
речевого аппарата, далее начинаются высокоуровневые признаки. Просодия, ритм, скорость
интонации и громкость – это индивидуальные параметры, которые человек приобретает со
временем. Очень многое зависит от типа личности и характера, у уверенных в себе людей
речь более громкая, у импульсивных – более быстрая, у расчетливых – более спокойная.
Семантика, дикция, произношение, идиолект – все это обусловлено социально-экономическим статусом, образованием, местом рождения.
Большим плюсом высокоуровневых признаков является невосприимчивость к эффектам
канала и шумам, что нельзя сказать о низкоуровневых. Однако, на этом их достоинства
заканчиваются. К недостаткам можно отнести необходимость большого числа тренировочной базы, сложность в извлечении, время вычисления. Поэтому в настоящее время все
практические приложения основываются именно на краткосрочных спектральных характеристиках, которые относятся к низкоуровневым признакам [4].
На сегодняшний день априори невозможно оценить, какие признаки более подходят для
распознавания. Процесс определения подходящих признаков заключается в переборе возможных вариантов комбинаций признаков с последующей экспериментальной оценкой.
Библиографический список
1. Сорокин В. Н., Вьюгин В.В., Тананыкин А. А. Распознавание личности по голосу: аналитический обзор. Информационные процессы. Т. 12. № 1. 2012.
2. Campbell J. P. Speaker Recognition: A Tutorial. Proceedings of the IEEE. 1997.
3. Рамишвили Г. С. Автоматическое опознавание говорящего по голосу. М.: Радио и Связь, 1981.
4. Tomi Kinnunen, Haizhou Li. An overview of text-independent speaker recognition:From features to supervectors. Speech
Communication 52, 2010.
5. Campbell J. P., Reynolds D. A., Dunn R. B. Fusing high- and lowlevel features for speaker recognition. In: Proc.
Eurospeech, 2003.
__________
259
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И ПРОГРАММИРОВАНИЕ
УДК 6